Hace unas unos días planteaba la pirámide de Evaluation-Driven Development: tests deterministas, trayectorias y tools, calidad semántica con LLM judges, evaluación humana, métricas de producción. Quedó claro el porqué. Lo que falta es el cómo, y resulta que Microsoft Foundry…

Harness Engineering: un agente potente sin harness es solo una demo con buena prensa Todos hemos visto el mismo vídeo de demo: un agente resuelve una tarea compleja en treinta segundos, la sala aplaude, y alguien publica un post diciendo…