O problema que ninguém quer admitir
Vou ser direto: a maioria das software houses que conheço está usando IA pra codar do jeito errado.
O dev abre o Claude Code, pede “corrige esse bug”, e reza. Às vezes funciona. Às vezes o agente esquece de rodar os testes. Às vezes reescreve metade do projeto. Às vezes faz exatamente o que você pediu — mas da próxima vez, faz completamente diferente.
Isso não é processo. Isso é loteria.
E tem um dado que deveria assustar qualquer CEO de software house: código gerado por LLM cru tem apenas 6,7% de taxa de aceitação de PRs. Ou seja, de cada 15 pull requests que a IA cria, 14 vão pro lixo.
Mas aqui vem a parte interessante: com um harness bem projetado, esse número sobe pra ~70%. Dez vezes mais. Mesma IA, resultado completamente diferente.
A diferença? Processo.
O que é o Archon
Archon é o primeiro harness builder open-source para AI coding. Com 15.100 stars e 2.500 forks no GitHub, ele faz algo que parece óbvio mas ninguém tinha feito direito: transforma o comportamento caótico de agentes de IA em workflows determinísticos e repetíveis.
A analogia que eles usam é perfeita:
- Dockerfiles padronizaram infraestrutura
- GitHub Actions padronizaram CI/CD
- Archon padroniza AI coding
Em vez de dar um prompt e torcer pelo melhor, você define em YAML a sequência exata de operações: planejamento → implementação → testes → review → PR. Toda vez. Sem variação. Sem surpresa.
Como funciona na prática
Você escreve um workflow em YAML como um DAG (grafo acíclico dirigido). Cada nó pode ser:
- Determinístico — um script bash, operação git, comando do terminal
- IA — um prompt pra Claude ou Codex executar com contexto controlado
- Humano — um gate de aprovação onde alguém do time valida antes de continuar
Exemplo: você recebe uma issue no GitHub. O Archon:
- Lê a issue e planeja a solução
- Implementa em uma git worktree isolada (sem bagunçar seu branch)
- Roda os testes automaticamente
- Faz um code review multi-agente
- Cria o PR se tudo passar
Tudo isso sem ninguém tocar em nada. E o mais importante: da próxima vez, faz exatamente a mesma coisa.
O Archon já vem com 17 workflows prontos — desde fix de issues até refactoring seguro, resolução de merge conflicts e review inteligente que roteia por complexidade.
O que tem de especial
Três coisas me chamaram a atenção:
1. Isolamento via git worktrees
Cada workflow roda numa worktree separada. Isso significa que você pode rodar 5 tarefas em paralelo sem uma interferir na outra. Pra uma software house com múltiplos projetos, isso é ouro.
2. Fresh context por iteração
Nos loops iterativos (o agente tenta, testa, ajusta, tenta de novo), cada iteração começa com contexto limpo. Isso evita o problema de token overload que acontece quando o agente acumula lixo de tentativas anteriores.
3. Funciona de qualquer lugar
CLI no terminal, Web UI com drag-and-drop, Telegram (setup de 5 minutos), Slack (15 minutos), Discord, e GitHub webhooks. Seu time pode pedir features pelo chat e o Archon executa o workflow completo.
Quem está por trás
Cole Medin é um especialista em IA generativa com mais de 100 mil subscribers no YouTube e contributor do Microsoft Learn. Ele lidera a comunidade Dynamous AI e é conhecido por transformar tópicos complexos de IA em guias práticos.
O Archon não é projeto de primeira viagem. A v1 era em Python (focada em RAG + task management) e foi completamente reescrita em TypeScript com Bun como workflow engine. São 1.172 commits, 7 releases, e a v0.3.5 acabou de sair (10/04/2026). Licença MIT.
Como usar na sua software house
Instalar leva 30 segundos com o quick install (se já usa Claude Code) ou 5 minutos com o wizard completo.
Aqui vão 3 cenários reais:
1. Padronizar o dev com IA no time inteiro
Crie workflows YAML que definem como seu time deve usar IA: sempre planejar antes de codar, sempre rodar testes, sempre fazer review. Commita no repo e todo mundo segue o mesmo processo.
2. Automatizar fix de issues
Configura um webhook no GitHub. Issue nova com label “ai-fix”? Archon pega, resolve, e cria o PR. Seu time acorda com as issues resolvidas.
3. Code review multi-agente
O workflow archon-smart-pr-review analisa a complexidade do PR e roteia: PRs simples passam por review rápido, PRs complexos passam por análise profunda com múltiplos agentes especializados.
O que eu penso
Na minha experiência com 300+ software houses, o maior erro que vejo não é usar pouca IA — é usar IA sem processo.
O dev que faz prompts ad-hoc tem resultados ad-hoc. Funciona às vezes, falha às vezes, e ninguém consegue explicar por quê. É impossível escalar isso.
O Archon não é mais um wrapper de IA. É uma mudança de paradigma: sai o prompt engineering, entra o harness engineering. Em vez de ficar refinando prompts, você projeta o processo inteiro — e a IA vira só um dos nós.
Isso é o tipo de ferramenta que separa a software house que “usa IA” da software house que tem IA como parte do processo de engenharia.
De 6,7% pra 70% de aceitação de PRs. Não é mágica. É processo.
Sou Thulio, mentoro 300+ SHs desde 2016.
