O trabalho com IA mudou de prompts inteligentes para sistemas engenheirados. Este manual explica a pilha de cinco camadas—prompt, contexto, harness, loop, grafo—quando avançar em cada camada, como diagnosticar gargalos e evitar explosões de custo priorizando verificação, estado compartilhado e orquestração controlada em vez de chamadas pontuais ao modelo.
O centro de uma aplicação moderna de IA ainda é um modelo, mas a alavancagem se moveu para fora. Equipes que antes ajustavam prompts agora projetam o sistema ao redor do modelo: elas selecionam o que ele vê, governam como ele opera, adicionam verificadores que definem o que é “bom” e, quando necessário, conectam múltiplos especialistas em um fluxo de trabalho coordenado. Essa mudança em camadas não é hype—reflete onde falhas e custos realmente aparecem em escala. Uma frase perfeita não pode fornecer fatos ausentes; entradas impecáveis ainda se desviam em execuções longas; loops não verificados podem gerar lixo a noite toda. Se você sente custos crescentes com resultados estagnados, seu gargalo provavelmente está uma camada além.
Pense em cinco camadas. Engenharia de prompt estrutura a solicitação única. Engenharia de contexto decide o que o modelo vê—recuperação, ranqueamento, sumarização e cortes editoriais. Engenharia de harness controla uma execução completa: ferramentas, persistência de estado, orquestração, avaliação e recuperação. Engenharia de loop te afasta do gatilho definindo metas, verificadores e condições de parada. Engenharia de grafo coordena múltiplos agentes especialistas com arestas, roteamento condicional, paralelismo e estado compartilhado. Cada camada envolve a anterior; nada se torna obsoleto. A habilidade escassa migra para fora: da formulação, para arquitetura da informação, design de controle, design de verificação, até decomposição e roteamento em um grafo.
Use sintomas para escolher seu próximo investimento. Se o modelo interpreta mal a solicitação, aperfeiçoe o contrato do prompt. Se as respostas carecem de fatos ou desviam do tema, corrija a recuperação e compressão do contexto. Se fluxos longos vacilam ou falham silenciosamente, fortaleça o harness e adicione avaliadores. Se você ainda é o agendador humano, especifique gatilhos e verificadores do loop. Se um agente confunde tarefas distintas—pesquisa, redação, crítica—divida o trabalho em nós, defina um objeto de estado compartilhado e roteie por condições claras. KPIs mensuráveis ancoram cada passo: capacidade de resposta, taxas de sucesso das ferramentas, conclusão e recuperação da execução, precisão/recall do loop e throughput e custo por artefato aceito no nível do grafo.
A adoção deve ser incremental. Comece codificando contratos de saída e adicionando avaliadores leves ao seu harness. Evolua para engenharia de loop assim que avaliadores detectarem mais defeitos que humanos. Avance para engenharia de grafo somente quando especialização mais roteamento superar um único loop bem verificado em qualidade, velocidade e economia unitária. Prefira grafos de controle pequenos e testáveis, esquemas de estado explícitos e ferramentas isoladas. Trate verificadores como código de primeira classe com cobertura, checagens de deriva e limites orçamentários. Esse caminho mantém seus custos de modelo previsíveis, sua taxa de defeitos observável e sua frota de agentes alinhada a resultados de negócio em vez de tokens consumidos.
As Cinco Camadas e Por Que a Alavancagem se Moveu para Fora
Cada camada atua mais distante do modelo: prompt (a solicitação), contexto (a janela), harness (a execução), loop (repetição com verificador), grafo (especialistas mais roteamento). A mudança é econômica. Falhas próximas à produção—recuperação da execução, deriva silenciosa, entregas erradas—são caras, então o controle se desloca para fora. O resultado é menos obsessão com a formulação e mais atenção à arquitetura da informação, design de estado e avaliação que controla a aceitação.
Dois corolários importam: uma camada interna fraca envenena tudo que está fora dela, e o talento escasso migra para fora. Em 2023, o diferencial era o prompting. Em 2026, decomposição, roteamento e verificação separam demos de brinquedo de sistemas de produção.
Contexto e Harness: De Boas Entradas a Execuções Controladas
A engenharia de contexto decide o que o modelo vê no momento da chamada. Priorize qualidade da recuperação (atualidade, autoridade), sinais de ranqueamento (relevância da tarefa, novidade) e estratégias de compressão (citação vs. sumarização) vinculadas a contratos de saída. Instrumente métricas de capacidade de resposta e cobertura factual; se a cobertura for baixa, corrija fontes ou compressão antes de mexer nos prompts.
A engenharia de harness controla a execução: acesso a ferramentas, sequenciamento de passos, persistência de estado, avaliadores e caminhos de recuperação. Trate ferramentas como capacidades com sandboxes de privilégio mínimo, imponha passos idempotentes, faça snapshots do estado entre passos e implemente tentativas/recuos com limites orçamentários. Adicione avaliadores leves cedo—conformidade de esquema, invariantes, checagens de PII/política—para que defeitos apareçam antes de se tornarem loops ou grafos de defeitos.
Engenharia de Loop: Verificadores, Condições de Parada e Controle de Custos
Um loop executa até que uma condição seja satisfeita. O gerador é barato; o verificador decide o valor. Projete verificadores como código, não intuições: testes explícitos de aceitação, pontuação multi-sinal (precisão, política, estilo) e limites mapeados a KPIs de negócio. Escolha arquétipos de loop deliberadamente—aberto com checagens periódicas, fechado com condições estritas de parada, ou loops aninhados para refinamento iterativo—e monitore precisão/recall contra julgamentos humanos para evitar deriva silenciosa e custosa.
Modos de falha são econômicos: verificadores fracos geram lixo plausível em escala. Contraponha com guardas orçamentários (limites por execução e por artefato), avaliação progressiva (heurísticas baratas bloqueiam checagens caras) e alertas de anomalia quando tentativas ou uso de tokens disparam. Quando verificadores superam consistentemente humanos na captura de defeitos, você está pronto para escalar frequência ou avançar para grafos.
Engenharia de Grafos: Nós, Arestas e Estado Compartilhado na Prática
Use grafos quando o trabalho se divide em especialidades distintas. Defina nós (pesquisador, redator, crítico) com seus próprios modelos, ferramentas e verificadores locais. Especifique arestas para roteamento: ramificações condicionais, dispersão para passos paralelos, convergência para junções e arestas de retorno para tentativas. A cola é o estado compartilhado: um objeto tipado que carrega metas, artefatos, decisões e pontuações de avaliação entre nós para que passos posteriores herdem o contexto anterior intencionalmente, não implicitamente.
Comece pequeno: um pipeline de três nós com esquema de estado explícito, passos paralelizáveis e um verificador guardião final. Escolha frameworks que tornem estado e controle explícitos e observáveis. Adicione observabilidade por aresta (latência, sucesso, gasto de tokens), por nó (taxas de erro de ferramenta) e SLOs globais (artefatos aceitos por dólar). Promova nós somente quando justificarem sua existência em qualidade ou throughput.
