# From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents
> Ficha editorial pública de Research IA. Estado: Lectura primaria completa. La interpretación editorial no sustituye la fuente primaria.

- Página canónica: https://luiseduardodemiguel.com/research-ia/papers/from-prompts-to-contracts-harness-engineering-for-auditable-enterprise-l
- Fuente primaria: https://arxiv.org/html/2607.08028v1
- Versión leída: v1
- Fuente comprobada: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente
- Autores: Joongho Ahn, Moonsoo Kim
- Fecha del corte: 9 JULIO 2026.
- Área: AGENTES
- Recurso MCP exacto: research://paper/from-prompts-to-contracts-harness-engineering-for-auditable-enterprise-l

## Estado de uso de imagen

- Estado: NO REPRODUCIDA
- Decisión editorial: La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
- [Comprobar fuente primaria](https://arxiv.org/html/2607.08028v1)

## Tesis y contexto

Traslada el comportamiento estable de un agente desde el prompt hacia contratos explícitos: código determinista, schemas, manifests, validaciones y evidencias trazables. El LLM permanece reemplazable y las fuentes documentales conservan autoridad sobre la respuesta.

- Problema: Los prompts monolíticos mezclan lógica de negocio, recuperación, reglas, formato y razonamiento, dificultando auditoría y mantenimiento.
- Por qué importa: Es un diseño especialmente apropiado para empresa: menos “magia del prompt” y más contratos comprobables. El caso experimental utiliza datos de 25 empresas pertenecientes a cinco grupos corporativos coreanos.

## Evidencia reportada

- **reported-result**: In the harness condition, live structured output is validated against the output contract and, on failure, the deterministic composer supplies the reader-facing answer. [localizador](https://arxiv.org/html/2607.08028#S5)
- **reported-result**: The bolt-on external-guardrail baseline also blocks every admitted violation, but only by over-blocking: it falsely refuses 4 benign fixed-validation runs and blocks 28 of the 30 adversarial runs, lowering utility to 88/120 , while the harness preserves full utility ( 120/120 ) by falling back to the deterministic composer rather than refusing. [localizador](https://arxiv.org/html/2607.08028#S5)

## Lectura y límite

- Método: La lectura de 3 Method describe la intervención y su construcción: The harness-engineering method reconstructs a prompt-dominant LLM prototype into a traceable LLM-agent architecture. The language model remains responsible for language composition, while source eligibility, entity resolution, claim selection, answer planning, answer-structure rules, follow-up filtering, trace generation, and validation are represented as explicit artifacts. The architecture in Figure 1 is a top-down flow from a user question and a selected Korean corporate group to two outputs. A source layer holds the manifests, evidence records, source-backed claims, and maintained wiki context that may enter…
- Límite: La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 System Validation Results.
- Confianza editorial: Media
- Limitación: El cierre de la fuente señala: Applied to a new enterprise target, the pattern requires registering public or client-approved sources, promoting source-backed claims, checking routing rules, and running scenario contracts, all of which the paper baseline makes inspectable before private documents, production credentials, or operational logs are introduced. System readiness nonetheless stays separate from usefulness for investment analysis: this paper evaluates preservation of the…
- Limitación: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 System Validation Results.

## Base de la confianza editorial

> Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.

| Criterio | Estado | Base observable |
|---|---|---|
| FUENTE PRIMARIA | DOCUMENTADO | Lectura primaria completa registrada sobre v1; comprobación: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente. |
| RÉPLICA LOCAL | PENDIENTE | No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica. |
| LÍMITES | DOCUMENTADO | 3 límites declarados en la ficha. |
| APLICABILIDAD | ACOTADO | Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado. |

- Regla editorial: Los criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.

## Localizadores de evidencia
- [Fuente primaria · canonical](https://arxiv.org/html/2607.08028v1): tipo abstract
- [HTML · lectura completa](https://arxiv.org/html/2607.08028): tipo abstract
- [Método · 3 Method](https://arxiv.org/html/2607.08028#S3): tipo section
- [Evaluación · 5 System Validation Results](https://arxiv.org/html/2607.08028#S5): tipo section
- [Cierre · 6 Discussion](https://arxiv.org/html/2607.08028#S6): tipo section
- [HTML · fuente navegable](https://arxiv.org/abs/2607.08028v1): tipo abstract

## Próxima prueba

- ¿La propuesta mejora agentes auditables frente a la línea base actual?
- Métrica: Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- Regla de parada: Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.

## Recursos reproducibles
- [https://github.com/langchain-ai/langgraph](https://github.com/langchain-ai/langgraph)
- [https://github.com/crewAIInc/crewAI](https://github.com/crewAIInc/crewAI)
- [https://github.com/567-labs/instructor](https://github.com/567-labs/instructor)
- [https://github.com/guidance-ai/guidance](https://github.com/guidance-ai/guidance)

## Enlaces relacionados

- [VAKRA](https://luiseduardodemiguel.com/research-ia/markdown/papers/vakra)
- [The Devil Is in the Interface](https://luiseduardodemiguel.com/research-ia/markdown/papers/devil-interface)
- [SkillSentry](https://luiseduardodemiguel.com/research-ia/markdown/papers/skillsentry)