Agentes de longa duração: contexto, handoff e progresso entre sessões

Tarefas longas raramente falham apenas porque o modelo “não soube programar”. Elas falham porque o objetivo deriva, o estado se perde, decisões não sobrevivem à sessão e a próxima execução reconstrói o trabalho a partir de memória parcial.

Contexto de conversa é útil. Não é um sistema de continuidade.

Resumo executivo

Um agente de longa duração precisa de cinco estados fora do chat:

O harness deve manter histórico de sessão, política de orquestração e isolamento de execução como fronteiras explícitas. Modelo, plugin ou canal não podem virar a fronteira de segurança. [HARNESS31-C2]

O problema de continuidade

Janela não é memória durável

Uma janela grande carrega mais informação, mas ainda mistura decisões, tentativas, ruído e estado atual. Quando o contexto é compactado ou reiniciado, detalhes importantes podem desaparecer.

Resumo não é handoff

“Trabalhei no backend e faltam testes” não permite retomar. Um handoff precisa apontar para subject, estado, evidência, bloqueio e comando de verificação.

Repositório não é plano

Git preserva mudanças, não explica por que elas existem, que hipótese está sendo testada ou qual trabalho permanece fora do commit.

Loop não é progresso

Executar continuamente pode repetir a mesma abordagem, aumentar diff e esconder que nenhum critério de aceite foi satisfeito.

Artefatos de continuidade

Spec versionada

Define outcome, escopo, não-escopo, invariants e critérios. Mudanças materiais exigem nova versão ou decisão, não adaptação silenciosa pelo executor.

Plano endereçável

Decompõe o trabalho em slices verificáveis. Cada item possui estado, dependência, owner e critério de conclusão. O plano é coordenação; não substitui o produto.

Log de decisão

Registra contexto, opções, escolha, consequência e supersessão. Evita que nova sessão reabra decisão sem evidência nova.

Worktree e branch

Isolam mudanças concorrentes e tornam a sessão recuperável. Worktree reduz colisão de arquivos; não controla rede, segredo, dados ou permissão.

Evidence ledger

Preserva testes, logs, screenshots, digests e limites ligados ao subject. Sem binding, a próxima sessão pode confiar em verde de outro commit ou ambiente.

Handoff

Um handoff mínimo responde:

objetivo | estado | mudou | não mudou | evidência | risco | próximo passo | retomada

Um contrato de sessão

Ao iniciar:

1. sincronize o estado externo;
2. leia spec, decisões e WIP;
3. confirme branch, worktree, seat e subject;
4. escolha um slice limitado;
5. declare checks antes de implementar.

Durante:

• preserve mudanças do usuário e de outros agentes;
• atualize o plano por estado real;
• registre hipóteses e falhas materiais;
• limite tentativas e escalation;
• não promova maturidade por proximidade.

Ao encerrar:

• execute verificação proporcional;
• descreva o que está implementado, verificado e operando;
• registre residual e bloqueios;
• deixe comandos reproduzíveis;
• libere lock somente quando o handoff existir.

Context reset, compaction e nova sessão

Essas estratégias resolvem problemas diferentes:

A pesquisa de harnesses de longa duração da Anthropic descreve progresso incremental e artefatos para atravessar janelas. É um desenho empírico de um fornecedor e tarefa; não um standard universal.

Progresso precisa ser observável

Meça mais do que tempo de execução:

• critérios satisfeitos por slice;
• regressões introduzidas;
• taxa de retrabalho entre sessões;
• handoffs retomados sem reconstrução;
• decisões reabertas sem evidência;
• custo e latência por outcome;
• intervenções e escalations.

Um agente pode rodar por horas e produzir pouco progresso. Outro pode encerrar cedo porque encontrou um gate correto. Duração não é autonomia nem valor.

Mais agentes podem piorar

Planner, generator e evaluator podem melhorar determinada tarefa e também aumentar custo e latência. Experimento publicado pela Anthropic encontrou esse trade-off em uma aplicação longa; a FORGE exige eval e ablação por tarefa antes de tornar camadas obrigatórias. [HARNESS31-C3]

Antes de adicionar papel, pergunte:

• qual falha ele reduz?
• que authority possui?
• como sua contribuição será avaliada?
• qual estado compartilha?
• o que acontece quando discorda?
• qual é o custo marginal?

Orquestração sem contrato transforma paralelismo em ruído coordenado.

Falhas de longa duração

O que este artigo prova — e o que não prova

Experimentos públicos mostram que decomposição, artefatos e handoff podem melhorar tarefas longas em configurações específicas. Eles também expõem custo, latência e dependência do modelo. Não provam que mais agentes, mais contexto ou execução sem supervisão são sempre superiores.

A FORGE descreve contratos de continuidade. Sua eficácia precisa ser verificada por produto e risco.

Conclusão

O desafio de uma tarefa longa não é manter um modelo falando. É manter intenção, estado, autoridade e evidência coerentes quando modelos, sessões e pessoas mudam.

Memória de chat ajuda a trabalhar. Artefatos duráveis permitem que o trabalho sobreviva.

Leitura anterior: O modelo não é o sistema. Próxima leitura sugerida: Graph, loop ou híbrido?.