Harness Engineering Presentation

Presentación interactiva (14 slides, ~40-50 min) sobre harness engineering: la disciplina que reformula cómo construimos agentes de IA tras los papers de marzo 2026 (NLAH de Tsinghua y Meta-Harness de Stanford).

Live: codigosinsiesta.github.io/harness-engineering-presentation

Tesis

Mismo modelo. Mismo benchmark. 6× de diferencia en rendimiento. La diferencia ya no la marca el modelo, la marca el harness.

Stack

• Astro 5 + Svelte 5 + TypeScript estricto
• Tailwind CSS 4 + tokens propios del sistema V4 "dark blueprint" de Código Sin Siesta
• GSAP 3 para animaciones de entrada/salida + animateLineDraw para SVG
• Diagramas SVG propios animados (no se reutilizan capturas del vídeo de origen)

Slides (14)

1. Hero — título, autor, badges (NLAH · Meta-Harness · Tsinghua · Stanford · 2026).
2. El gap del 6× — la tesis en cifras.
3. Agent = Model + Harness — la ecuación + analogía sistema operativo.
4. 5 patrones canónicos — diagramas SVG animados de prompt chaining, routing, parallelization, orch-workers, eval-optimizer.
5. Antes: el caos — System A vs B, dos modos de fallo (One-Shotting / Premature Completion).
6. NLAH (Tsinghua) — arquitectura en 3 capas: NLAH (SWAP) / Charter (FIXED) / Backend.
7. +16.8 puntos sin tocar lógica — el experimento de migración OS-Symphony → NLAH.
8. Ablation Surprise — disciplined narrowing > expensive broadening.
9. Meta-Harness (Stanford) — el loop de optimización automática (Proposer → Evaluator → Filesystem).
10. La transferibilidad — 1 harness optimizado → 5 modelos → todos mejoran.
11. Las tres eras — animación de cajas anidadas: Prompt → Context → Harness.
12. El oficio de sustracción — Vercel (−80% tools), Manus (5 reescrituras), Anthropic (eliminó context resets).
13. 5 conclusiones — qué propone realmente el campo.
14. Cierre — recursos + autor.

Desarrollo

pnpm install
pnpm dev          # → http://localhost:4327/harness-engineering-presentation
pnpm build        # type-check + build estático en dist/

Notas de ponente

Cada slide tiene su guia/NN-slug.md con: tesis, mensajes clave, cross-refs al wiki, anécdotas, preguntas tipo, transiciones.

Fuentes

• Pan et al. — Natural-Language Agent Harnesses — Tsinghua, marzo 2026.
• Khattab et al. — Meta-Harness — Stanford, marzo 2026.
• DeepMind — AutoHarness — 2025.
• AgentSpec DSL — ICSE 2026.
• PY (YouTube, abril 2026) — síntesis del campo.

Autor

Alejandro de la Fuente · Tech Lead · NTT Data · GDNE tellmealex.dev · GitHub · LinkedIn