Schema | santismm-knowledge

santismm-knowledge

Official

by santismm

Overview Schema Related Servers Score Discussions

TypeScript

Hybrid

Server Configuration

Describes the environment variables required to run the server.

Name	Required	Description	Default
`SANTISMM_CONTENT_DIR`	No	Directory containing the content corpus. Defaults to 'content/'.

Instructions

Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.

This server publishes no instructions, or was last inspected before Glama recorded them.

Capabilities

Features and capabilities supported by this server

Protocol revision2025-11-25

Capability	Details
`tools`	{ "listChanged": true }
`resources`	{ "listChanged": true }
`completions`	{}

Tools

Functions exposed to the LLM to take actions

Name	Description
get_overviewA	Get the complete MCP map — start here. Returns the five-domain core plus the separate Article, Labs, Homeric Atlas and claim-registry surfaces, with their tools, identifiers, citation rules, languages, licence and bulk-ingest URLs.
search_allA	Search the core corpus, first-party essays, executable Labs, epistemic claims and the Homeric Atlas in one call. Use this first when a natural-language question might require a calculation, a long-form essay or a claim audit rather than only a core knowledge unit. Results name the next tool to call; calculator-shaped questions are routed toward Labs.
list_knowledgeA	List all knowledge units (concepts on agentic & enterprise AI) with slug, category, title, summary and Evidence-First provenance. Use this to browse the domain; use `search` when you have a question rather than a slug.
get_knowledgeA	Get one knowledge unit by slug. Returns the full entry, or a single-locale body if locale is given. Use this once `search` or `list_knowledge` has given you a slug.
list_patternsA	List all Enterprise AI patterns (reusable agentic design patterns) with slug, category, name, summary and provenance. Use this to browse the catalogue; use `search` when you are looking for a pattern that solves a problem.
get_patternA	Get one Enterprise AI pattern by slug (includes problem, solution, KPIs, failure modes, lessons). Use this once `search` or `list_patterns` has given you a slug.
list_architecturesA	List all reference architectures (end-to-end enterprise agentic blueprints) with id, slug, category, name, summary and provenance. Use this to browse the blueprints; use `search` when you have a use case rather than a name.
get_architectureA	Get one reference architecture by slug (includes the request flow, reference scenario, KPIs, cost & scaling, and the patterns/knowledge it composes). Use this once `search` or `list_architectures` has given you a slug.
list_governanceA	List all AI governance units (regulations, standards, frameworks, playbooks — EU AI Act, ISO 42001, NIST AI RMF, agentic checklist) with id, slug, category, name and summary. Use this to browse the regulations and standards; use `search` for an obligation or control.
get_governanceA	Get one AI governance unit by slug (includes scope, key requirements, implementable controls, a checklist and common pitfalls). Use this once `search` or `list_governance` has given you a slug.
list_handbookA	List the Harness Engineering Handbook chapters (HRN-001…): the canonical long-form corpus on harness engineering — definition, history, taxonomy, principles, memory, observability, evaluation, governance, planning, orchestration, security, case studies, glossary and bibliography. Use this to see the chapter map; use `search` when you have a topic rather than a chapter.
get_handbookA	Get one Harness Engineering Handbook chapter, by id (e.g. 'HRN-001') or slug. Returns the full Markdown body plus its provenance and related ids. Use this once `search` or `list_handbook` has given you an id.
searchA	Ranked keyword search across the whole corpus (knowledge, patterns, architectures, governance and the handbook). Matches every language and ignores accents, so query in the user's own words. Each hit carries a relevance score and the fields it matched; follow up with the matching get_* tool for full detail. Use this before any `get_*` tool whenever you have a question rather than an identifier.
list_articlesA	List every long-form essay published on articles.santismm.com, with language, dates, topics and citable canonical URLs. Use this to browse the essay catalogue; use `search_articles` when you have a topic rather than a slug.
get_articleA	Get one complete essay by slug, including its clean Markdown-like body, metadata, licence context and canonical URL. Use this after `list_articles` or `search_articles` has returned the slug you need.
search_articlesA	Ranked, accent-insensitive full-text search over every first-party essay, including titles, summaries, topics and bodies. Use this when you need long-form analysis about a topic; follow with `get_article` for the complete essay.
list_labsA	List every SANTISMM Lab with its inputs, outputs, assumptions, formulas and citation URL. Use this to discover interactive and machine-readable tools; filter by kind when the user specifically asks for a calculator, converter, experiment or educational game.
get_labA	Get one Lab by slug, including formulas, assumptions, related SANTISMM content and its executable endpoint when one exists. Use this after list_labs or search_all; use the named calculate_* tool rather than reimplementing a published formula.
calculate_agent_economicsA	Calculate monthly operating cost, cost per verified outcome, manual baseline, savings, ROI and break-even success rate from explicit assumptions. Use this for an agent business case or scenario comparison; keep every monetary input in the same currency and cite the returned canonical_url.
calculate_evaluation_sample_sizeA	Calculate two different samples: how many independent evaluations are needed to detect at least one failure, and how many are needed to estimate its rate at a chosen margin. Use this when a user asks how many tests are enough; do not interpret zero observed failures as proof of zero risk.
calculate_human_supervision_capacityA	Calculate review and escalation workload, required FTE, available headroom or backlog, monthly labour cost and sustainable case volume. Use this before production rollout to test whether the stated human-oversight model is operationally credible; the result uses averages and is not a queueing simulation.
get_relatedA	Traverse the knowledge graph: given a unit, return its neighbours — the units it links to (outgoing) and the units that reference it (incoming), each with the relationship type. Use this after a `get_*` call to widen an answer with adjacent units.
list_homeric_placesA	List every place in the Homeric Atlas with its identification class, its confidence score and how many competing identifications it carries. Use this to browse the atlas; use `get_homeric_place` once you have a slug. Identification classes: accepted (an excavated site with consensus), plausible (a real place, contested), speculative (a minority reading or a later tradition), mythical (the poem places it outside the mappable world). Confidence is a published 0-12 rubric - textual, archaeological, scholarly and geographic, 0-3 each - and is an editorial judgement, not a probability.
get_homeric_placeA	Get one place by slug: every identification proposed for it, each with its own coordinates, class, 0-12 rubric and sources, plus the attested passages. Use this when you need to weigh the evidence for a location, or to cite it; a place the poem does not locate carries no coordinates at all.
list_homeric_episodesA	List every episode of the Iliad and the Odyssey held in the atlas, in reading order, with its passage, the places it involves and how firmly it can be located. Use this to find the episode you want; use `get_homeric_episode` for its theories and sources.
get_homeric_episodeA	Get one episode by slug: the passage, the narrative, the competing theories about where it happened (each with its proponent and sources), the confidence rubric and the FAQs. Use this when the question is where an episode took place and who argued for it.
list_homeric_routesA	List the reconstructed itineraries (the nostos of Odysseus and the others), each with its rival reconstructions scored separately. Use this to see which voyages the atlas reconstructs before fetching one.
get_homeric_routeA	Get one route by slug: each reconstruction variant with its ordered stops, the hypothesis chosen at each stop, its confidence rubric and its sources. Use this to compare rival reconstructions of a voyage: they are returned side by side rather than merged.
list_claimsA	List the load-bearing claims of the corpus, each tagged as observed_fact, industry_synthesis, santismm_thesis or strategic_hypothesis, with its confidence and the units it underpins. Use this before quoting the handbook to know whether a statement is evidence, a reading of the industry, or a position taken. Filter by `claim_type` to get only what is checkable.
get_claimA	Get one claim by id (HE-CLAIM-001) or slug: the statement, what it rests on, its structured sources, and — always present — what it does NOT establish and the observation that would retire it. Use this to cite the corpus honestly, or to check whether a result you have just measured confirms or falsifies a claim it makes.

Prompts

Interactive templates invoked by user choice

Name	Description
No prompts

Resources

Contextual data attached and managed by the client

Name	Description
`corpus-overview`	Read the corpus map, licences, languages, extensions and bulk-ingest URLs.
`knowledge/agent-memory@en`	Agent memory is how an AI agent retains and recalls information beyond a single context window — across steps, sessions and tasks. It typically separates short-term working memory (the current context) from long-term memory (durable stores the agent reads from and writes to). Mem
`knowledge/agentic-ai@en`	Agentic AI refers to systems that pursue goals over multiple steps — planning, calling tools, acting on an environment and reacting to feedback — instead of producing a single response. It turns a language model from a text generator into an actor that can complete tasks. The shi
`knowledge/agentic-evaluation@en`	Agentic AI evaluation is the practice of measuring how well an agent completes multi-step, tool-using tasks in an environment — not just the quality of a single answer. As models saturate static knowledge benchmarks, evaluation is shifting from measuring capability (what a model
`knowledge/agentic-threat-model@en`	An agentic threat model is the map of how an autonomous agent can be attacked: not through its weights, but through everything it reads, remembers, calls and is allowed to do. It names the surfaces — direct and indirect prompt injection, tool poisoning, excessive agency, memory p
`knowledge/ai-agent@en`	An AI agent is a system that combines a model with tools, memory and a control loop to take actions toward a goal, rather than just answering a single prompt. It perceives a situation, decides what to do, acts through tools, observes the result and repeats until done. Autonomy ra
`knowledge/ai-cyberdefense@en`	AI cyberdefense is the practice of protecting AI systems — models, agents, the tools they call and the data they reach — from attacks that exploit how those systems reason and act. For agents it is not a layer added afterwards: the controls that stop an attack are the same harnes
`knowledge/ai-governance@en`	AI governance is the set of policies, processes, roles and controls that ensure AI is built and used responsibly, legally and safely. It spans risk management, accountability, transparency, security and compliance across the AI lifecycle. In practice it operationalizes recognized
`knowledge/ai-observability@en`	AI observability is the practice of instrumenting AI systems — especially agents — so you can see what they did and why. It captures traces of each step: prompts, tool calls, retrieved context, model outputs, tokens, latency and cost. Because agents are non-deterministic and mult
`knowledge/context-engineering@en`	Context engineering is the discipline of deciding what information enters a model's limited context window at each step — and what stays out. As agents run over many steps, naively stuffing everything into context degrades quality and cost. Context engineering curates the right i
`knowledge/embeddings@en`	An embedding is a numeric vector that represents the meaning of text (or images, audio, code) so that semantically similar items sit close together in vector space. Vector search finds the nearest embeddings to a query, enabling search by meaning rather than keywords. Embeddings
`knowledge/enterprise-rag@en`	Enterprise RAG (retrieval-augmented generation) is the pattern of grounding a model's answers in an organization's own documents, retrieved at query time, instead of relying on the model's parametric memory. It lets a company use private, current and governed knowledge — policies
`knowledge/fine-tuning@en`	Fine-tuning continues training a pretrained model on a smaller, targeted dataset to specialize its behavior, style or domain knowledge. It is far cheaper than pretraining and changes the model's weights — unlike prompting or retrieval, which leave the model unchanged. Use it to l
`knowledge/foundation-models@en`	A foundation model is a large model pretrained on broad data at scale that can be adapted to a wide range of downstream tasks. Large language models (LLMs) and large multimodal models are the canonical examples. The term, coined at Stanford in 2021, captures a shift: instead of t
`knowledge/guardrails@en`	Guardrails are runtime controls that constrain what goes into and comes out of an AI system, keeping its behavior safe, on-policy and compliant. They check and filter inputs and outputs, validate tool actions, block disallowed content and enforce limits — sitting around the model
`knowledge/harness-engineering@en`	Harness engineering is the emerging discipline of designing and optimizing the scaffolding around an AI model — the prompts, tools, memory, environment, control loop and guardrails — so the model performs reliably on real tasks. Its core premise: as base models converge in raw ca
`knowledge/human-in-the-loop@en`	Human-in-the-loop (HITL) is a design pattern where a person reviews, approves or corrects an AI system's output before it takes effect — especially for high-impact actions. Instead of full autonomy, the agent proposes and a human disposes. It is a primary control for managing ris
`knowledge/mcp-security@en`	MCP security is what stops a Model Context Protocol server from becoming the easiest way into a system. The protocol standardises how agents discover and call tools; it does not decide who may call them, what they may reach, or what happens when a tool description turns hostile.
`knowledge/model-context-protocol@en`	The Model Context Protocol (MCP) is an open standard for connecting AI models and agents to external tools, data sources and systems through a single, uniform interface. Introduced by Anthropic in late 2024, it standardizes how an application exposes context and capabilities to a
`knowledge/multi-agent-architecture@en`	A multi-agent architecture divides a task among several specialized agents that collaborate, delegate or compete to reach a goal, instead of relying on one general agent. Common shapes include an orchestrator that delegates to workers, pipelines where each agent owns a stage, and
`knowledge/prompt-engineering@en`	Prompt engineering is the practice of designing the inputs given to a language model so it produces the desired output reliably. A good prompt specifies the role, the task, the constraints, the output format and, when useful, examples. It is the most accessible lever for steering
`knowledge/prompt-injection@en`	Prompt injection is an attack in which malicious instructions hidden in the input to a language model hijack its behavior — making it ignore its rules, leak data or misuse tools. It tops the OWASP Top 10 for LLM applications. The root cause is that models cannot reliably separate
`knowledge/reasoning-models@en`	Reasoning models are language models trained to spend extra computation 'thinking' before they answer — generating internal reasoning steps to solve harder problems in math, code and logic. They trade latency and cost for accuracy on complex, multi-step tasks. The key idea is tes
`knowledge/tool-use@en`	Tool use, also called function calling, lets a language model invoke external functions, APIs or code to fetch information or take actions in the real world. The model decides which tool to call and with what arguments; the application runs the tool and returns the result, which
`knowledge/agent-memory@es`	La memoria de un agente es cómo un agente de IA retiene y recuerda información más allá de una sola ventana de contexto: entre pasos, sesiones y tareas. Suele separar la memoria de trabajo a corto plazo (el contexto actual) de la memoria a largo plazo (almacenes duraderos que el
`knowledge/agentic-ai@es`	La IA agéntica designa sistemas que persiguen objetivos en varios pasos —planifican, llaman a herramientas, actúan sobre un entorno y reaccionan al feedback— en lugar de producir una única respuesta. Convierte a un modelo de lenguaje de generador de texto en un actor capaz de com
`knowledge/agentic-evaluation@es`	La evaluación de IA agéntica es la práctica de medir cómo de bien un agente completa tareas de varios pasos con uso de herramientas en un entorno, no solo la calidad de una única respuesta. A medida que los modelos saturan los benchmarks estáticos de conocimiento, la evaluación s
`knowledge/agentic-threat-model@es`	Un modelo de amenazas agéntico es el mapa de cómo se puede atacar a un agente autónomo: no a través de sus pesos, sino de todo lo que lee, recuerda, invoca y tiene permitido hacer. Nombra las superficies —inyección de prompts directa e indirecta, envenenamiento de herramientas, e
`knowledge/ai-agent@es`	Un agente de IA es un sistema que combina un modelo con herramientas, memoria y un bucle de control para tomar acciones hacia un objetivo, en lugar de solo responder a un prompt. Percibe una situación, decide qué hacer, actúa mediante herramientas, observa el resultado y repite h
`knowledge/ai-cyberdefense@es`	La ciberdefensa de la IA es la práctica de proteger sistemas de IA —modelos, agentes, las herramientas que invocan y los datos que alcanzan— frente a ataques que explotan cómo esos sistemas razonan y actúan. En agentes no es una capa que se añade después: los controles que detien
`knowledge/ai-governance@es`	La gobernanza de la IA es el conjunto de políticas, procesos, roles y controles que garantizan que la IA se construya y use de forma responsable, legal y segura. Abarca gestión de riesgos, rendición de cuentas, transparencia, seguridad y cumplimiento a lo largo del ciclo de vida
`knowledge/ai-observability@es`	La observabilidad de IA es la práctica de instrumentar sistemas de IA —sobre todo agentes— para poder ver qué hicieron y por qué. Captura trazas de cada paso: prompts, llamadas a herramientas, contexto recuperado, salidas del modelo, tokens, latencia y coste. Como los agentes son
`knowledge/context-engineering@es`	La ingeniería de contexto es la disciplina de decidir qué información entra en la ventana de contexto limitada de un modelo en cada paso, y qué se queda fuera. Como los agentes se ejecutan en muchos pasos, meter todo ingenuamente en el contexto degrada calidad y coste. La ingenie
`knowledge/embeddings@es`	Un embedding es un vector numérico que representa el significado de un texto (o imágenes, audio, código) de modo que los elementos semánticamente similares quedan cerca en el espacio vectorial. La búsqueda vectorial encuentra los embeddings más cercanos a una consulta, permitiend
`knowledge/enterprise-rag@es`	El RAG empresarial (generación aumentada por recuperación) es el patrón de fundamentar las respuestas de un modelo en los propios documentos de la organización, recuperados en el momento de la consulta, en lugar de depender de la memoria paramétrica del modelo. Permite usar conoc
`knowledge/fine-tuning@es`	El fine-tuning continúa el entrenamiento de un modelo preentrenado con un conjunto de datos más pequeño y dirigido para especializar su comportamiento, estilo o conocimiento de dominio. Es mucho más barato que el preentrenamiento y cambia los pesos del modelo, a diferencia del pr
`knowledge/foundation-models@es`	Un modelo fundacional es un modelo grande preentrenado a escala con datos amplios que puede adaptarse a una gran variedad de tareas posteriores. Los modelos de lenguaje (LLM) y los multimodales son los ejemplos canónicos. El término, acuñado en Stanford en 2021, captura un cambio
`knowledge/guardrails@es`	Los guardarraíles son controles en tiempo de ejecución que acotan lo que entra y sale de un sistema de IA, manteniendo su comportamiento seguro, conforme a la política y al cumplimiento. Comprueban y filtran entradas y salidas, validan acciones de herramientas, bloquean contenido
`knowledge/harness-engineering@es`	La ingeniería de harness es la disciplina emergente de diseñar y optimizar el andamiaje alrededor de un modelo de IA —prompts, herramientas, memoria, entorno, bucle de control y guardarraíles— para que el modelo rinda de forma fiable en tareas reales. Su premisa central: a medida
`knowledge/human-in-the-loop@es`	Human-in-the-loop (HITL) es un patrón de diseño en el que una persona revisa, aprueba o corrige la salida de un sistema de IA antes de que surta efecto, sobre todo en acciones de alto impacto. En lugar de autonomía total, el agente propone y un humano dispone. Es un control prima
`knowledge/mcp-security@es`	La seguridad en MCP es lo que impide que un servidor de Model Context Protocol se convierta en la vía más fácil de entrar a un sistema. El protocolo estandariza cómo los agentes descubren e invocan herramientas; no decide quién puede invocarlas, a qué pueden llegar ni qué pasa cu
`knowledge/model-context-protocol@es`	El Model Context Protocol (MCP) es un estándar abierto para conectar modelos y agentes de IA con herramientas, fuentes de datos y sistemas externos a través de una interfaz única y uniforme. Presentado por Anthropic a finales de 2024, estandariza cómo una aplicación expone contex
`knowledge/multi-agent-architecture@es`	Una arquitectura multiagente divide una tarea entre varios agentes especializados que colaboran, delegan o compiten para alcanzar un objetivo, en lugar de depender de un único agente general. Formas habituales: un orquestador que delega en trabajadores, pipelines donde cada agent
`knowledge/prompt-engineering@es`	La ingeniería de prompts es la práctica de diseñar las entradas que se dan a un modelo de lenguaje para que produzca la salida deseada de forma fiable. Un buen prompt especifica el rol, la tarea, las restricciones, el formato de salida y, cuando conviene, ejemplos. Es la palanca
`knowledge/prompt-injection@es`	La inyección de prompts es un ataque en el que instrucciones maliciosas ocultas en la entrada a un modelo de lenguaje secuestran su comportamiento, haciéndole ignorar sus reglas, filtrar datos o usar mal las herramientas. Encabeza el OWASP Top 10 para aplicaciones LLM. La causa r
`knowledge/reasoning-models@es`	Los modelos de razonamiento son modelos de lenguaje entrenados para gastar cómputo extra 'pensando' antes de responder, generando pasos de razonamiento internos para resolver problemas más difíciles de matemáticas, código y lógica. Cambian latencia y coste por precisión en tareas
`knowledge/tool-use@es`	El uso de herramientas, también llamado function calling, permite a un modelo de lenguaje invocar funciones, APIs o código externos para obtener información o tomar acciones en el mundo real. El modelo decide qué herramienta llamar y con qué argumentos; la aplicación ejecuta la h
`knowledge/agent-memory@pt`	A memória de um agente é como um agente de IA retém e recupera informação além de uma única janela de contexto: entre passos, sessões e tarefas. Costuma separar a memória de trabalho de curto prazo (o contexto atual) da memória de longo prazo (armazenamentos duráveis que o agente
`knowledge/agentic-ai@pt`	A IA agêntica designa sistemas que perseguem objetivos em vários passos — planejam, chamam ferramentas, agem sobre um ambiente e reagem ao feedback — em vez de produzir uma única resposta. Transforma um modelo de linguagem de gerador de texto em um ator capaz de concluir tarefas.
`knowledge/agentic-evaluation@pt`	A avaliação de IA agêntica é a prática de medir quão bem um agente conclui tarefas de vários passos com uso de ferramentas num ambiente, não só a qualidade de uma única resposta. À medida que os modelos saturam os benchmarks estáticos de conhecimento, a avaliação se desloca de me
`knowledge/agentic-threat-model@pt`	Um modelo de ameaças agêntico é o mapa de como um agente autônomo pode ser atacado: não pelos seus pesos, mas por tudo o que ele lê, memoriza, invoca e tem permissão para fazer. Ele nomeia as superfícies — injeção de prompts direta e indireta, envenenamento de ferramentas, excess
`knowledge/ai-agent@pt`	Um agente de IA é um sistema que combina um modelo com ferramentas, memória e um laço de controle para tomar ações rumo a um objetivo, em vez de só responder a um prompt. Ele percebe uma situação, decide o que fazer, age por meio de ferramentas, observa o resultado e repete até c
`knowledge/ai-cyberdefense@pt`	A ciberdefesa de IA é a prática de proteger sistemas de IA — modelos, agentes, as ferramentas que eles chamam e os dados que alcançam — contra ataques que exploram como esses sistemas raciocinam e agem. Em agentes não é uma camada adicionada depois: os controles que detêm um ataq
`knowledge/ai-governance@pt`	A governança de IA é o conjunto de políticas, processos, papéis e controles que garantem que a IA seja construída e usada de forma responsável, legal e segura. Abrange gestão de riscos, prestação de contas, transparência, segurança e conformidade ao longo do ciclo de vida da IA.
`knowledge/ai-observability@pt`	A observabilidade de IA é a prática de instrumentar sistemas de IA — sobretudo agentes — para poder ver o que fizeram e por quê. Captura rastros de cada passo: prompts, chamadas de ferramentas, contexto recuperado, saídas do modelo, tokens, latência e custo. Como os agentes são n
`knowledge/context-engineering@pt`	A engenharia de contexto é a disciplina de decidir qual informação entra na janela de contexto limitada de um modelo a cada passo, e o que fica de fora. Como os agentes rodam em muitos passos, enfiar tudo ingenuamente no contexto degrada qualidade e custo. A engenharia de context
`knowledge/embeddings@pt`	Um embedding é um vetor numérico que representa o significado de um texto (ou imagens, áudio, código) de modo que itens semanticamente similares ficam próximos no espaço vetorial. A busca vetorial encontra os embeddings mais próximos de uma consulta, permitindo buscar por signifi
`knowledge/enterprise-rag@pt`	O RAG empresarial (geração aumentada por recuperação) é o padrão de fundamentar as respostas de um modelo nos próprios documentos da organização, recuperados no momento da consulta, em vez de depender da memória paramétrica do modelo. Permite usar conhecimento privado, atual e go
`knowledge/fine-tuning@pt`	O fine-tuning continua o treinamento de um modelo pré-treinado com um conjunto de dados menor e direcionado para especializar seu comportamento, estilo ou conhecimento de domínio. É muito mais barato que o pré-treinamento e muda os pesos do modelo, ao contrário do prompting ou da
`knowledge/foundation-models@pt`	Um modelo de fundação é um modelo grande pré-treinado em escala com dados amplos que pode ser adaptado a uma ampla variedade de tarefas posteriores. Os modelos de linguagem (LLMs) e os multimodais são os exemplos canônicos. O termo, cunhado em Stanford em 2021, captura uma mudanç
`knowledge/guardrails@pt`	Os guard-rails são controles em tempo de execução que limitam o que entra e sai de um sistema de IA, mantendo seu comportamento seguro, em conformidade com a política e a regulação. Verificam e filtram entradas e saídas, validam ações de ferramentas, bloqueiam conteúdo não permit
`knowledge/harness-engineering@pt`	A engenharia de harness é a disciplina emergente de projetar e otimizar o andaime ao redor de um modelo de IA — prompts, ferramentas, memória, ambiente, laço de controle e guard-rails — para que o modelo tenha desempenho confiável em tarefas reais. Sua premissa central: à medida
`knowledge/human-in-the-loop@pt`	Human-in-the-loop (HITL) é um padrão de design em que uma pessoa revisa, aprova ou corrige a saída de um sistema de IA antes de surtir efeito, sobretudo em ações de alto impacto. Em vez de autonomia total, o agente propõe e um humano dispõe. É um controle primário para gerir o ri
`knowledge/mcp-security@pt`	Segurança em MCP é o que impede que um servidor de Model Context Protocol se torne o caminho mais fácil para dentro de um sistema. O protocolo padroniza como agentes descobrem e invocam ferramentas; ele não decide quem pode invocá-las, o que elas alcançam, nem o que acontece quan
`knowledge/model-context-protocol@pt`	O Model Context Protocol (MCP) é um padrão aberto para conectar modelos e agentes de IA a ferramentas, fontes de dados e sistemas externos por meio de uma interface única e uniforme. Apresentado pela Anthropic no fim de 2024, padroniza como uma aplicação expõe contexto e capacida
`knowledge/multi-agent-architecture@pt`	Uma arquitetura multiagente divide uma tarefa entre vários agentes especializados que colaboram, delegam ou competem para alcançar um objetivo, em vez de depender de um único agente geral. Formas comuns: um orquestrador que delega a trabalhadores, pipelines em que cada agente pos
`knowledge/prompt-engineering@pt`	A engenharia de prompts é a prática de projetar as entradas dadas a um modelo de linguagem para que ele produza a saída desejada de forma confiável. Um bom prompt especifica o papel, a tarefa, as restrições, o formato de saída e, quando útil, exemplos. É a alavanca mais acessível
`knowledge/prompt-injection@pt`	A injeção de prompts é um ataque em que instruções maliciosas escondidas na entrada de um modelo de linguagem sequestram seu comportamento, fazendo-o ignorar suas regras, vazar dados ou usar mal as ferramentas. Lidera o OWASP Top 10 para aplicações LLM. A causa raiz é que os mode
`knowledge/reasoning-models@pt`	Os modelos de raciocínio são modelos de linguagem treinados para gastar computação extra 'pensando' antes de responder, gerando passos de raciocínio internos para resolver problemas mais difíceis de matemática, código e lógica. Trocam latência e custo por precisão em tarefas comp
`knowledge/tool-use@pt`	O uso de ferramentas, também chamado function calling, permite a um modelo de linguagem invocar funções, APIs ou código externos para obter informação ou tomar ações no mundo real. O modelo decide qual ferramenta chamar e com quais argumentos; a aplicação executa a ferramenta e d
`patterns/attributed-memory@en`	Store what an agent remembers as records that carry their origin, an owner who can remove them, and a lifetime — never as an anonymous blob of text. Memory is what turns a one-shot attack into one that re-triggers on future, unrelated tasks; attribution is what makes that reversi
`patterns/context-compression@en`	Context compression reduces the tokens fed to a model on each call while preserving the information it actually needs to act. Use it on long-running agents and long conversations to cut cost and latency and to stay inside the context window. The three levers are summarizing histo
`patterns/correlated-run-trace@en`	One identifier threads a whole agent run — inputs, model and version, every tool call with its arguments and outcome, the final action — into a record you can replay months later. The hard part is not capture. It is being complete enough to reconstruct the run and restrained enou
`patterns/egress-allowlist@en`	Restrict where an agent's traffic is allowed to go. Data theft and injection payload delivery both end in an outbound request, so a default-deny list of permitted destinations is the control that still works after every other one has failed.
`patterns/evaluator-optimizer@en`	One LLM generates a response while a second LLM evaluates it against criteria and returns feedback; the generator revises and the loop repeats until the evaluation passes. It raises quality on tasks with clear evaluation criteria, at the cost of extra calls.
`patterns/goal-decomposition@en`	Goal decomposition has an agent break a high-level goal into an ordered set of smaller, tractable sub-tasks — a plan — before acting, then execute and monitor that plan, re-planning when steps fail. The explicit plan becomes an inspectable artifact you can review, gate, and debug
`patterns/human-approval-gate@en`	A human approval gate pauses an automated workflow at a defined checkpoint so a person can review, edit or reject a proposed action before it executes — especially for high-impact, irreversible or regulated operations. It is the operational form of human-in-the-loop oversight.
`patterns/human-escalation@en`	Hand the whole task to a human when the agent detects it is out of its depth — low confidence, repeated failure, ambiguity, or sensitive situations — and pass full context so the person can take over without re-investigating. Unlike an approval gate, which pauses one action for s
`patterns/least-privilege-tooling@en`	Give an agent the narrowest set of tools, and each tool the narrowest scope, that the task actually needs. The pattern accepts that prompt injection will sometimes succeed and bounds what a hijacked agent can do — you cannot patch the model, but you can decide what it is able to
`patterns/long-term-memory@en`	Give an agent persistent memory across sessions so it remembers facts, user preferences, and prior outcomes beyond a single context window. A write path decides what to store, summarizes it, and deduplicates it; a read path retrieves only the relevant memories into context when n
`patterns/orchestrator-workers@en`	An orchestrator LLM dynamically breaks a task into subtasks, delegates each to a worker LLM, and synthesizes the results. Unlike fixed parallelization, the orchestrator decides the subtasks at runtime — making it suited to complex tasks whose decomposition is not known in advance
`patterns/output-boundary-encoding@en`	Treat everything the model emits as hostile input to whatever consumes it. Encode and validate at each destination — renderer, shell, query, downstream agent — using that destination's own rules. One global sanitiser cannot do this: escaping that is correct for HTML is meaningles
`patterns/parallelization@en`	Parallelization runs multiple LLM calls at the same time and aggregates the results. Two flavors: sectioning (split a task into independent subtasks run in parallel) and voting (run the same task several times to improve reliability or coverage). It cuts latency and can raise qua
`patterns/prompt-chaining@en`	Prompt chaining decomposes a task into a fixed sequence of LLM calls, where each step works on the output of the previous one. It trades a little latency for much higher accuracy and control, and is the simplest workflow pattern: use it whenever a task cleanly splits into ordered
`patterns/recovery-strategy@en`	Give the agent an explicit plan for when things break. Detect failures by validating outputs and catching tool errors; then retry with adjustment, fall back to an alternative path, roll back partial actions, or escalate. Bound retries to avoid runaway loops and cost, make actions
`patterns/reflection@en`	Reflection has a model critique its own output and then revise it, using the critique as feedback. It is a lightweight, single-model way to catch mistakes and improve quality on reasoning, coding and writing tasks — at the cost of extra calls.
`patterns/routing@en`	Routing classifies an input and directs it to the most appropriate specialized handler, prompt or model. It improves quality by letting each path be optimized for its case, and controls cost by sending easy requests to cheap models and hard ones to capable models.
`patterns/sandboxed-execution@en`	Run everything an agent generates or invokes inside a disposable, isolated environment with no ambient credentials, a bounded filesystem, controlled egress and hard resource caps. The sandbox is not there because the agent is malicious; it is there because the agent's input can b
`patterns/semantic-caching@en`	Semantic caching stores past model responses and reuses them when a new request is semantically similar to a previous one — matching by meaning via embeddings, not exact text. It cuts cost and latency for repetitive or near-duplicate queries common in production.
`patterns/supervisor-agent@en`	A supervisor agent is a persistent coordinator that manages a team of specialized sub-agents. It reads the conversation state, decides which specialist should act next, routes messages to it, and integrates returned results toward the goal. Unlike a one-shot decomposer, the super
`patterns/task-prioritization@en`	Order an agent's candidate tasks by value, urgency, dependencies, and cost instead of processing them first-in-first-out. A scoring function and a priority queue decide what runs next, so limited compute, budget, and time go to the work that matters most. Re-score as state change
`patterns/attributed-memory@es`	Guarda lo que un agente recuerda como registros que llevan su origen, un responsable que puede borrarlos y una caducidad — nunca como un bloque de texto anónimo. La memoria es lo que convierte un ataque de una vez en uno que vuelve a dispararse en tareas futuras que no tienen nad
`patterns/context-compression@es`	La compresión de contexto reduce los tokens que se envían al modelo en cada llamada conservando la información que realmente necesita para actuar. Úsala en agentes de larga duración y conversaciones extensas para recortar coste y latencia y mantenerte dentro de la ventana de cont
`patterns/correlated-run-trace@es`	Un identificador hilvana la ejecución entera de un agente —entradas, modelo y versión, cada llamada a herramienta con sus argumentos y su resultado, la acción final— en un registro que puedes reproducir meses después. Lo difícil no es capturar. Es ser lo bastante completo para re
`patterns/egress-allowlist@es`	Restringe adónde puede ir el tráfico de un agente. El robo de datos y la entrega de un payload de inyección terminan ambos en una petición saliente, así que una lista de destinos permitidos con denegación por defecto es el control que sigue funcionando cuando todos los demás ya h
`patterns/evaluator-optimizer@es`	Un LLM genera una respuesta mientras un segundo LLM la evalúa contra criterios y devuelve feedback; el generador revisa y el bucle se repite hasta que la evaluación pasa. Eleva la calidad en tareas con criterios de evaluación claros, a costa de llamadas extra.
`patterns/goal-decomposition@es`	La descomposición de objetivos hace que un agente divida una meta de alto nivel en un conjunto ordenado de subtareas más pequeñas y abordables — un plan — antes de actuar, para luego ejecutar y supervisar ese plan, replanificando cuando algún paso falla. El plan explícito se vuel
`patterns/human-approval-gate@es`	Una puerta de aprobación humana pausa un flujo automatizado en un punto de control definido para que una persona revise, edite o rechace una acción propuesta antes de ejecutarse, sobre todo en operaciones de alto impacto, irreversibles o reguladas. Es la forma operativa de la sup
`patterns/human-escalation@es`	Entrega toda la tarea a una persona cuando el agente detecta que supera su competencia — baja confianza, fallos repetidos, ambigüedad o situaciones delicadas — y traspasa el contexto completo para que el humano retome sin volver a investigar. A diferencia de una puerta de aprobac
`patterns/least-privilege-tooling@es`	Dale al agente el conjunto de herramientas más estrecho, y a cada herramienta el alcance más estrecho, que la tarea realmente necesita. El patrón asume que la inyección de prompts a veces tendrá éxito y acota lo que un agente secuestrado puede hacer: no puedes parchear el modelo,
`patterns/long-term-memory@es`	Dota a un agente de memoria persistente entre sesiones para que recuerde hechos, preferencias del usuario y resultados previos más allá de una única ventana de contexto. Una vía de escritura decide qué almacenar, lo resume y lo deduplica; una vía de lectura recupera solo las memo
`patterns/orchestrator-workers@es`	Un LLM orquestador descompone dinámicamente una tarea en subtareas, delega cada una a un LLM trabajador y sintetiza los resultados. A diferencia de la paralelización fija, el orquestador decide las subtareas en tiempo de ejecución, lo que lo hace adecuado para tareas complejas cu
`patterns/output-boundary-encoding@es`	Trata todo lo que el modelo emite como entrada hostil para quien lo consuma. Codifica y valida en cada destino —renderizador, shell, consulta, agente aguas abajo— con las reglas de ese destino. Un saneador global no puede hacerlo: el escapado correcto para HTML no significa nada
`patterns/parallelization@es`	La paralelización ejecuta varias llamadas al LLM a la vez y agrega los resultados. Dos variantes: seccionado (dividir una tarea en subtareas independientes en paralelo) y votación (ejecutar la misma tarea varias veces para mejorar fiabilidad o cobertura). Reduce la latencia y pue
`patterns/prompt-chaining@es`	El encadenamiento de prompts descompone una tarea en una secuencia fija de llamadas al LLM, donde cada paso trabaja sobre la salida del anterior. Cambia algo de latencia por mucha más precisión y control, y es el patrón de flujo más simple: úsalo cuando una tarea se divide limpia
`patterns/recovery-strategy@es`	Da al agente un plan explícito para cuando algo falla. Detecta fallos validando salidas y capturando errores de herramientas; luego reintenta con ajuste, recurre a una ruta alternativa, revierte acciones parciales o escala. Acota los reintentos para evitar bucles y costes descont
`patterns/reflection@es`	La reflexión hace que un modelo critique su propia salida y luego la revise, usando la crítica como feedback. Es una forma ligera, de un solo modelo, de atrapar errores y mejorar la calidad en tareas de razonamiento, código y escritura, a costa de llamadas extra.
`patterns/routing@es`	El enrutamiento clasifica una entrada y la dirige al manejador, prompt o modelo especializado más adecuado. Mejora la calidad al optimizar cada camino para su caso y controla el coste enviando peticiones fáciles a modelos baratos y las difíciles a modelos capaces.
`patterns/sandboxed-execution@es`	Ejecuta todo lo que un agente genera o invoca dentro de un entorno aislado y desechable, sin credenciales ambientales, con sistema de ficheros acotado, salida controlada y límites duros de recursos. El sandbox no está porque el agente sea malicioso, sino porque su entrada puede s
`patterns/semantic-caching@es`	La caché semántica almacena respuestas pasadas del modelo y las reutiliza cuando una nueva petición es semánticamente similar a una previa, casando por significado mediante embeddings, no por texto exacto. Reduce coste y latencia en consultas repetitivas o casi duplicadas, comune
`patterns/supervisor-agent@es`	Un agente supervisor es un coordinador persistente que gestiona un equipo de subagentes especializados. Lee el estado de la conversación, decide qué especialista debe actuar a continuación, le enruta los mensajes e integra los resultados hacia el objetivo. A diferencia de un desc
`patterns/task-prioritization@es`	Ordena las tareas candidatas de un agente por valor, urgencia, dependencias y coste en lugar de procesarlas por orden de llegada. Una función de puntuación y una cola de prioridad deciden qué se ejecuta a continuación, de modo que el cómputo, el presupuesto y el tiempo limitados
`patterns/attributed-memory@pt`	Guarde o que um agente lembra como registros que carregam sua origem, um responsável que pode removê-los e um prazo de validade — nunca como um bloco de texto anônimo. A memória é o que transforma um ataque de uma vez só em um que volta a disparar em tarefas futuras sem nenhuma r
`patterns/context-compression@pt`	A compressão de contexto reduz os tokens enviados ao modelo em cada chamada preservando a informação de que ele realmente precisa para agir. Use-a em agentes de longa duração e conversas extensas para cortar custo e latência e permanecer dentro da janela de contexto. As três alav
`patterns/correlated-run-trace@pt`	Um identificador costura a execução inteira de um agente — entradas, modelo e versão, cada chamada de ferramenta com seus argumentos e resultado, a ação final — em um registro que se pode reproduzir meses depois. O difícil não é capturar. É ser completo o bastante para reconstrui
`patterns/egress-allowlist@pt`	Restrinja para onde o tráfego de um agente pode ir. O roubo de dados e a entrega de um payload de injeção terminam ambos em uma requisição de saída, então uma lista de destinos permitidos com negação por padrão é o controle que continua funcionando depois que todos os outros já f
`patterns/evaluator-optimizer@pt`	Um LLM gera uma resposta enquanto um segundo LLM a avalia contra critérios e devolve feedback; o gerador revisa e o laço se repete até a avaliação passar. Eleva a qualidade em tarefas com critérios de avaliação claros, ao custo de chamadas extras.
`patterns/goal-decomposition@pt`	A decomposição de objetivos faz um agente dividir uma meta de alto nível em um conjunto ordenado de subtarefas menores e tratáveis — um plano — antes de agir, e então executar e monitorar esse plano, replanejando quando passos falham. O plano explícito vira um artefato inspecioná
`patterns/human-approval-gate@pt`	Um portão de aprovação humana pausa um fluxo automatizado num ponto de controle definido para que uma pessoa revise, edite ou rejeite uma ação proposta antes de executar, sobretudo em operações de alto impacto, irreversíveis ou reguladas. É a forma operacional da supervisão human
`patterns/human-escalation@pt`	Entrega a tarefa inteira a uma pessoa quando o agente detecta que está além de sua competência — baixa confiança, falhas repetidas, ambiguidade ou situações sensíveis — e repassa o contexto completo para que o humano assuma sem reinvestigar. Diferente de um portão de aprovação, q
`patterns/least-privilege-tooling@pt`	Dê ao agente o conjunto de ferramentas mais estreito, e a cada ferramenta o escopo mais estreito, que a tarefa realmente exige. O padrão assume que a injeção de prompts às vezes terá êxito e limita o que um agente sequestrado pode fazer: você não consegue corrigir o modelo, mas c
`patterns/long-term-memory@pt`	Dá a um agente memória persistente entre sessões para que ele lembre fatos, preferências do usuário e resultados anteriores além de uma única janela de contexto. Um caminho de escrita decide o que armazenar, resume e remove duplicatas; um caminho de leitura recupera apenas as mem
`patterns/orchestrator-workers@pt`	Um LLM orquestrador decompõe dinamicamente uma tarefa em subtarefas, delega cada uma a um LLM trabalhador e sintetiza os resultados. Diferentemente da paralelização fixa, o orquestrador decide as subtarefas em tempo de execução, o que o torna adequado para tarefas complexas cuja
`patterns/output-boundary-encoding@pt`	Trate tudo o que o modelo emite como entrada hostil para quem o consome. Codifique e valide em cada destino — renderizador, shell, consulta, agente a jusante — com as regras desse destino. Um sanitizador global não dá conta: o escape correto para HTML não significa nada para um s
`patterns/parallelization@pt`	A paralelização executa várias chamadas ao LLM ao mesmo tempo e agrega os resultados. Duas variantes: seccionamento (dividir uma tarefa em subtarefas independentes em paralelo) e votação (executar a mesma tarefa várias vezes para melhorar confiabilidade ou cobertura). Reduz a lat
`patterns/prompt-chaining@pt`	O encadeamento de prompts decompõe uma tarefa numa sequência fixa de chamadas ao LLM, em que cada passo trabalha sobre a saída do anterior. Troca um pouco de latência por muito mais precisão e controle, e é o padrão de fluxo mais simples: use-o quando uma tarefa se divide limpame
`patterns/recovery-strategy@pt`	Dê ao agente um plano explícito para quando algo falha. Detecte falhas validando saídas e capturando erros de ferramentas; depois reenvie com ajuste, recorra a um caminho alternativo, reverta ações parciais ou escale. Limite as retentativas para evitar laços e custos descontrolad
`patterns/reflection@pt`	A reflexão faz um modelo criticar sua própria saída e depois revisá-la, usando a crítica como feedback. É uma forma leve, de um único modelo, de capturar erros e melhorar a qualidade em tarefas de raciocínio, código e escrita, ao custo de chamadas extras.
`patterns/routing@pt`	O roteamento classifica uma entrada e a direciona ao manipulador, prompt ou modelo especializado mais adequado. Melhora a qualidade ao otimizar cada caminho para seu caso e controla o custo enviando requisições fáceis a modelos baratos e as difíceis a modelos capazes.
`patterns/sandboxed-execution@pt`	Execute tudo o que um agente gera ou invoca dentro de um ambiente isolado e descartável, sem credenciais ambientais, com sistema de arquivos limitado, saída controlada e limites rígidos de recursos. O sandbox não existe porque o agente seja malicioso, mas porque a entrada dele po
`patterns/semantic-caching@pt`	O cache semântico armazena respostas passadas do modelo e as reutiliza quando uma nova requisição é semanticamente similar a uma anterior, casando por significado via embeddings, não por texto exato. Reduz custo e latência em consultas repetitivas ou quase duplicadas, comuns em p
`patterns/supervisor-agent@pt`	Um agente supervisor é um coordenador persistente que gerencia uma equipe de subagentes especializados. Ele lê o estado da conversa, decide qual especialista deve agir em seguida, roteia mensagens para ele e integra os resultados em direção ao objetivo. Diferente de um decomposit
`patterns/task-prioritization@pt`	Ordene as tarefas candidatas de um agente por valor, urgência, dependências e custo em vez de processá-las por ordem de chegada. Uma função de pontuação e uma fila de prioridade decidem o que roda em seguida, de modo que computação, orçamento e tempo limitados vão para o trabalho
`architectures/customer-service-agent@en`	A reference architecture for an enterprise customer-service agent that resolves common requests end to end — answering from a grounded knowledge base, acting in the CRM and ticketing systems through tools, and escalating to a human when confidence is low or the action is high-imp
`architectures/enterprise-knowledge-assistant@en`	A reference architecture for an internal knowledge assistant that answers employee questions from the company's own documents — wikis, policies, tickets, code — with citations and respecting each user's access permissions. It combines hybrid retrieval and reranking for grounding,
`architectures/sales-copilot@en`	A sales copilot is an agent that assists reps end to end: it researches accounts from CRM and product data, drafts personalized outreach and follow-ups, logs activity, surfaces next-best-actions, and prepares meeting briefs. Everything is grounded in the company's CRM, deal, and
`architectures/ai-workforce@en`	An AI workforce is an orchestrated team of specialized agents that collaborate on multi-step business processes under a supervisor. The supervisor decomposes a goal, prioritizes and delegates subtasks to specialist agents (research, drafting, QA), and they share state through a c
`architectures/operations-center@en`	An operations center is an agentic AIOps system that watches monitoring signals and alerts, correlates and triages them, diagnoses likely root cause, and executes only vetted runbook remediations — keeping destructive or novel actions behind human approval. It cuts alert fatigue
`architectures/customer-service-agent@es`	Una arquitectura de referencia para un agente empresarial de atención al cliente que resuelve solicitudes comunes de extremo a extremo: responde desde una base de conocimiento fundamentada, actúa en el CRM y los sistemas de tickets mediante herramientas, y escala a un humano cuan
`architectures/enterprise-knowledge-assistant@es`	Una arquitectura de referencia para un asistente de conocimiento interno que responde preguntas de los empleados desde los propios documentos de la empresa —wikis, políticas, tickets, código— con citas y respetando los permisos de acceso de cada usuario. Combina recuperación híbr
`architectures/sales-copilot@es`	Un copiloto de ventas es un agente que asiste a los representantes de principio a fin: investiga cuentas a partir del CRM y de los datos de producto, redacta correos personalizados y seguimientos, registra actividad, propone próximas mejores acciones y prepara informes para reuni
`architectures/ai-workforce@es`	Una fuerza laboral de IA es un equipo orquestado de agentes especializados que colaboran en procesos de negocio de varios pasos bajo un supervisor. El supervisor descompone un objetivo, prioriza y delega subtareas a agentes especialistas (investigación, redacción, control de cali
`architectures/operations-center@es`	Un centro de operaciones es un sistema agéntico de AIOps que vigila las señales de monitoreo y las alertas, las correlaciona y prioriza, diagnostica la causa raíz probable y ejecuta solo remediaciones de runbooks validados, manteniendo las acciones destructivas o novedosas detrás
`architectures/customer-service-agent@pt`	Uma arquitetura de referência para um agente empresarial de atendimento que resolve solicitações comuns de ponta a ponta: responde a partir de uma base de conhecimento fundamentada, age no CRM e nos sistemas de tickets via ferramentas, e escala para um humano quando a confiança é
`architectures/enterprise-knowledge-assistant@pt`	Uma arquitetura de referência para um assistente de conhecimento interno que responde perguntas dos funcionários a partir dos próprios documentos da empresa —wikis, políticas, tickets, código— com citações e respeitando as permissões de acesso de cada usuário. Combina recuperação
`architectures/sales-copilot@pt`	Um copiloto de vendas é um agente que assiste os representantes de ponta a ponta: pesquisa contas a partir do CRM e dos dados de produto, redige mensagens personalizadas e follow-ups, registra atividade, sugere próximas melhores ações e prepara briefings para reuniões. Tudo é fun
`architectures/ai-workforce@pt`	Uma força de trabalho de IA é uma equipe orquestrada de agentes especializados que colaboram em processos de negócio de várias etapas sob um supervisor. O supervisor decompõe um objetivo, prioriza e delega subtarefas a agentes especialistas (pesquisa, redação, controle de qualida
`architectures/operations-center@pt`	Um centro de operações é um sistema agêntico de AIOps que observa sinais de monitoramento e alertas, correlaciona e prioriza, diagnostica a causa raiz provável e executa apenas remediações de runbooks validados, mantendo ações destrutivas ou inéditas atrás de uma aprovação humana
`governance/eu-ai-act@en`	The EU AI Act is the European Union's comprehensive, risk-based law for artificial intelligence. It sorts AI systems into risk tiers — unacceptable (banned), high-risk (strict obligations), limited-risk (transparency duties) and minimal-risk — and adds specific obligations for ge
`governance/iso-42001@en`	ISO/IEC 42001:2023 is the first international, certifiable standard for an AI management system (AIMS). Like ISO 27001 for information security, it defines how an organization should establish, implement, maintain and continually improve the way it governs AI — through a policy,
`governance/nist-ai-rmf@en`	The NIST AI RMF 1.0 is a voluntary, widely-adopted framework for managing AI risk across the lifecycle. It is organized around four functions — Govern, Map, Measure and Manage — and a set of characteristics of trustworthy AI (valid and reliable, safe, secure and resilient, accoun
`governance/agentic-ai-governance-checklist@en`	A practical, vendor-neutral checklist for governing agentic AI in the enterprise — translating the principles of the EU AI Act, ISO/IEC 42001 and NIST AI RMF into concrete controls you can implement in a harness. It covers human oversight, guardrails, audit logging, evaluation, a
`governance/enterprise-ai-governance-framework@en`	An umbrella operating model for governing AI across an organization. It defines the principles, accountability (RACI), AI risk taxonomy, lifecycle gates and policy hierarchy that keep AI use lawful, safe and aligned with risk appetite. It harmonizes the EU AI Act, ISO/IEC 42001 a
`governance/audit-framework-for-agentic-systems@en`	A practical, vendor-neutral framework for making an agent auditable and for auditing it. It defines the evidence an independent reviewer needs — immutable, correlated traces of every decision and tool call, model and version provenance, evaluation reports, approval and incident r
`governance/human-oversight-and-accountability-policy@en`	An operational policy that turns EU AI Act Article 14 human oversight into practice for agentic AI. It assigns a named accountable owner per agent, sets the oversight level (in-the-loop, on-the-loop, out-of-the-loop) by risk, and defines intervention, override and stop authority
`governance/owasp-llm-top10@en`	The OWASP Top 10 for LLM Applications is the shared vocabulary for what goes wrong in systems built on language models. It is not a control framework and does not tell you what to implement — it names the vulnerability classes, from prompt injection through excessive agency to un
`governance/mitre-atlas@en`	MITRE ATLAS is the adversary's side of the map. Where OWASP names the vulnerability classes in your application, ATLAS catalogues the tactics and techniques attackers actually use against AI-enabled systems — reconnaissance of a model, gaining access to it, staging an attack, eva
`governance/eu-ai-act@es`	El Reglamento Europeo de IA es la ley integral y basada en riesgo de la Unión Europea para la inteligencia artificial. Clasifica los sistemas de IA en niveles de riesgo —inaceptable (prohibido), alto riesgo (obligaciones estrictas), riesgo limitado (deberes de transparencia) y ri
`governance/iso-42001@es`	ISO/IEC 42001:2023 es la primera norma internacional y certificable para un sistema de gestión de IA (AIMS). Igual que ISO 27001 para la seguridad de la información, define cómo una organización debe establecer, implementar, mantener y mejorar de forma continua la manera en que g
`governance/nist-ai-rmf@es`	El NIST AI RMF 1.0 es un marco voluntario y ampliamente adoptado para gestionar el riesgo de la IA a lo largo de su ciclo de vida. Se organiza en torno a cuatro funciones —Gobernar, Mapear, Medir y Gestionar— y un conjunto de características de IA confiable (válida y fiable, segu
`governance/agentic-ai-governance-checklist@es`	Un checklist práctico y neutral para gobernar la IA agéntica en la empresa, que traduce los principios del EU AI Act, ISO/IEC 42001 y NIST AI RMF en controles concretos que puedes implementar en un harness. Cubre supervisión humana, guardarraíles, registro de auditoría, evaluació
`governance/enterprise-ai-governance-framework@es`	Un modelo operativo paraguas para gobernar la IA en toda la organización. Define los principios, la rendición de cuentas (RACI), la taxonomía de riesgo de IA, las puertas de ciclo de vida y la jerarquía de políticas que mantienen el uso de IA legal, seguro y alineado con el apeti
`governance/audit-framework-for-agentic-systems@es`	Un marco práctico y neutral para hacer un agente auditable y para auditarlo. Define la evidencia que necesita un revisor independiente —trazas inmutables y correlacionadas de cada decisión y llamada a herramienta, procedencia de modelo y versión, informes de evaluación, registros
`governance/human-oversight-and-accountability-policy@es`	Una política operativa que lleva la supervisión humana del Artículo 14 del EU AI Act a la práctica para la IA agéntica. Asigna un responsable nombrado por agente, fija el nivel de supervisión (en el bucle, sobre el bucle, fuera del bucle) según el riesgo y define la autoridad de
`governance/owasp-llm-top10@es`	El OWASP Top 10 para aplicaciones LLM es el vocabulario común de lo que sale mal en sistemas construidos sobre modelos de lenguaje. No es un marco de controles y no dice qué implementar: nombra las clases de vulnerabilidad, de la inyección de prompts al exceso de agencia y al con
`governance/mitre-atlas@es`	MITRE ATLAS es el mapa visto desde el lado del adversario. Donde OWASP nombra las clases de vulnerabilidad de tu aplicación, ATLAS cataloga las tácticas y técnicas que los atacantes usan de verdad contra sistemas con IA —reconocer un modelo, ganar acceso a él, preparar el ataque,
`governance/eu-ai-act@pt`	O Regulamento Europeu de IA é a lei abrangente e baseada em risco da União Europeia para a inteligência artificial. Classifica os sistemas de IA em níveis de risco —inaceitável (proibido), alto risco (obrigações estritas), risco limitado (deveres de transparência) e risco mínimo—
`governance/iso-42001@pt`	A ISO/IEC 42001:2023 é a primeira norma internacional e certificável para um sistema de gestão de IA (AIMS). Assim como a ISO 27001 para a segurança da informação, ela define como uma organização deve estabelecer, implementar, manter e melhorar continuamente a forma como governa
`governance/nist-ai-rmf@pt`	O NIST AI RMF 1.0 é um framework voluntário e amplamente adotado para gerir o risco da IA ao longo do seu ciclo de vida. Organiza-se em torno de quatro funções —Governar, Mapear, Medir e Gerir— e um conjunto de características de IA confiável (válida e confiável, segura, resilien
`governance/agentic-ai-governance-checklist@pt`	Um checklist prático e neutro para governar a IA agêntica na empresa, que traduz os princípios do EU AI Act, ISO/IEC 42001 e NIST AI RMF em controles concretos que você pode implementar num harness. Cobre supervisão humana, guard-rails, registro de auditoria, avaliação, controle
`governance/enterprise-ai-governance-framework@pt`	Um modelo operacional guarda-chuva para governar a IA em toda a organização. Define os princípios, a prestação de contas (RACI), a taxonomia de risco de IA, os portões de ciclo de vida e a hierarquia de políticas que mantêm o uso de IA legal, seguro e alinhado ao apetite de risco
`governance/audit-framework-for-agentic-systems@pt`	Um framework prático e neutro para tornar um agente auditável e para auditá-lo. Define a evidência que um revisor independente precisa — traços imutáveis e correlacionados de cada decisão e chamada de ferramenta, proveniência de modelo e versão, relatórios de avaliação, registros
`governance/human-oversight-and-accountability-policy@pt`	Uma política operacional que leva a supervisão humana do Artigo 14 do EU AI Act à prática para a IA agêntica. Atribui um responsável nomeado por agente, define o nível de supervisão (no laço, sobre o laço, fora do laço) conforme o risco e estabelece a autoridade de intervenção, a
`governance/owasp-llm-top10@pt`	O OWASP Top 10 para aplicações LLM é o vocabulário comum do que dá errado em sistemas construídos sobre modelos de linguagem. Não é um framework de controles e não diz o que implementar: nomeia as classes de vulnerabilidade, da injeção de prompts ao excesso de agência e ao consum
`governance/mitre-atlas@pt`	O MITRE ATLAS é o mapa visto do lado do adversário. Onde o OWASP nomeia as classes de vulnerabilidade da sua aplicação, o ATLAS cataloga as táticas e técnicas que atacantes de fato usam contra sistemas com IA — reconhecer um modelo, obter acesso a ele, preparar o ataque, evadir d
`handbook/HRN-001@en`	Harness Engineering is the emerging discipline of building reliable agentic systems for enterprise environments — the engineered scaffolding of memory, tools, orchestration, observability, evaluation, governance, and security that surrounds the model.
`handbook/HRN-002@en`	How the field moved from prompt engineering to tool use to agents to harnesses, and why the engineered scaffolding around the model became its own discipline.
`handbook/HRN-003@en`	A structured taxonomy of the harness — memory, tools, planning, orchestration, observability, evaluation, governance, and security — naming each component, its responsibility, and how the parts compose into a reliable agentic system.
`handbook/HRN-004@en`	The core engineering principles of the harness — reliability over capability, determinism boundaries, observability-first, evidence-first, defense in depth, least authority, graceful degradation, and idempotent actuation — that hold across every component.
`handbook/HRN-005@en`	How the harness governs what the model sees and remembers — working, short-term, and long-term memory; the context window as a budget; retrieval, compression, and deliberate forgetting.
`handbook/HRN-006@en`	How to make a non-deterministic, multi-step agent inspectable — traces and spans, token and cost accounting, evaluation hooks, and deterministic replay — so the system can be debugged, measured, and trusted.
`handbook/HRN-007@en`	How to measure whether an agent is actually good and getting better — offline and online evaluation, golden sets, LLM-as-judge, regression suites, and task-completion metrics — turning agent development from craft into engineering.
`handbook/HRN-008@en`	Governance is an engineered harness layer that enforces policy, approvals, and guardrails at runtime, turning enterprise AI obligations into executable controls that gate every agent action.
`handbook/HRN-009@en`	Planning and goal management is the harness layer that decomposes goals into executable plans, represents and tracks plan state, and replans under failure, making agent autonomy directed rather than reactive.
`handbook/HRN-010@en`	Orchestration is the harness layer that drives execution—single vs multi-agent topologies, supervisor/worker delegation, routing, state machines, and durable workflows—turning a plan into reliable, resumable action.
`handbook/HRN-011@en`	Security for agentic systems is the harness layer that defends against prompt injection, sandboxes tools and permissions, prevents data exfiltration, and enforces agent identity and least privilege across every action.
`handbook/HRN-012@en`	Three representative, anonymized composite case studies showing how harness layers—memory, planning, orchestration, governance, security, observability—combine end-to-end to make enterprise agents reliable.
`handbook/HRN-013@en`	A canonical glossary of Harness Engineering and agentic-systems terminology—harness, agent, tool, orchestration, evaluation, span, RAG, MCP, guardrail, and more—with crisp, citable definitions.
`handbook/HRN-014@en`	A curated, themed reading list for Harness Engineering—agents and orchestration, evaluation, security, governance and standards, and protocols—covering foundational papers, industry writeups, and regulatory frameworks.
`handbook/HRN-001@es`	La Ingeniería de Harness es la disciplina emergente que construye sistemas agénticos fiables para entornos empresariales: el andamiaje de ingeniería —memoria, herramientas, orquestación, observabilidad, evaluación, gobernanza y seguridad— que rodea al modelo.
`handbook/HRN-002@es`	Cómo la industria pasó de la ingeniería de prompts a los sistemas agénticos, y por qué el andamiaje alrededor del modelo acabó siendo la disciplina que decide la fiabilidad.
`handbook/HRN-003@es`	Descomposición precisa de los componentes del harness —memoria, herramientas, planificación, orquestación, observabilidad, evaluación, gobernanza y seguridad— y de cómo encajan entre sí.
`handbook/HRN-004@es`	Los principios de ingeniería que se sostienen en todos los componentes del harness: frontera de determinismo, autoridad acotada, degradación elegante y medición antes que optimización.
`handbook/HRN-005@es`	Qué ve el modelo y qué no: recuperación, compresión de contexto, memoria de trabajo y de largo plazo, y las decisiones de olvido que determinan coste y calidad.
`handbook/HRN-006@es`	Convertir cada paso del agente en una traza reproducible: spans, atribución de coste, depuración de bucles no deterministas y las señales que hacen medible la fiabilidad.
`handbook/HRN-007@es`	Cómo pasar de «parece que funciona» a calidad medida y protegida frente a regresiones: conjuntos de evaluación, jueces, métricas de tarea y evaluación continua en producción.
`handbook/HRN-008@es`	Traducir la política en controles aplicados: aprobaciones humanas, trazabilidad, identidad del agente y rendición de cuentas exigibles en un entorno regulado.
`handbook/HRN-009@es`	Descomposición de objetivos, gestión de subobjetivos y replanificación: cuándo deja el harness decidir al modelo y cuándo fija el camino en código.
`handbook/HRN-010@es`	El bucle que gobierna el sistema: quién llama al modelo, con qué contexto, qué ocurre con la salida, y cómo se coordinan varios agentes sin perder control ni trazabilidad.
`handbook/HRN-011@es`	Tratar al modelo como componente no confiable y manipulable: inyección de prompts, exfiltración por herramientas, límites de autoridad y defensa en profundidad del harness.
`handbook/HRN-012@es`	Tres casos compuestos y anonimizados analizados por su harness: qué falló, qué control lo habría evitado y qué se aprendió al llevarlos a producción.
`handbook/HRN-013@es`	Definiciones canónicas de los términos de Ingeniería de Harness usados en todo el manual, para que el vocabulario no derive entre capítulos.
`handbook/HRN-014@es`	Fuentes, literatura de referencia y observaciones de industria en las que se apoya el manual de Ingeniería de Harness.
`handbook/HRN-001@pt`	A Engenharia de Harness é a disciplina emergente que constrói sistemas agênticos confiáveis para ambientes empresariais: o andaime de engenharia — memória, ferramentas, orquestração, observabilidade, avaliação, governança e segurança — que rodeia o modelo.
`handbook/HRN-002@pt`	Como a indústria passou da engenharia de prompts para os sistemas agênticos, e porque o andaime em torno do modelo acabou por ser a disciplina que decide a confiabilidade.
`handbook/HRN-003@pt`	Decomposição precisa dos componentes do harness — memória, ferramentas, planejamento, orquestração, observabilidade, avaliação, governança e segurança — e de como encaixam entre si.
`handbook/HRN-004@pt`	Os princípios de engenharia que se sustentam em todos os componentes do harness: fronteira de determinismo, autoridade limitada, degradação graciosa e medição antes da otimização.
`handbook/HRN-005@pt`	O que o modelo vê e o que não vê: recuperação, compressão de contexto, memória de trabalho e de longo prazo, e as decisões de esquecimento que determinam custo e qualidade.
`handbook/HRN-006@pt`	Transformar cada passo do agente num traço reproduzível: spans, atribuição de custo, depuração de ciclos não determinísticos e os sinais que tornam a confiabilidade mensurável.
`handbook/HRN-007@pt`	Como passar de “parece que funciona” para qualidade medida e protegida contra regressões: conjuntos de avaliação, juízes, métricas de tarefa e avaliação contínua em produção.
`handbook/HRN-008@pt`	Traduzir a política em controles aplicados: aprovações humanas, rastreabilidade, identidade do agente e prestação de contas exigíveis num ambiente regulado.
`handbook/HRN-009@pt`	Decomposição de objetivos, gestão de subobjetivos e replanejamento: quando o harness deixa o modelo decidir e quando fixa o caminho em código.
`handbook/HRN-010@pt`	O ciclo que governa o sistema: quem chama o modelo, com que contexto, o que acontece à saída, e como se coordenam vários agentes sem perder controle nem rastreabilidade.
`handbook/HRN-011@pt`	Tratar o modelo como componente não confiável e manipulável: injeção de prompts, exfiltração por ferramentas, limites de autoridade e defesa em profundidade do harness.
`handbook/HRN-012@pt`	Três casos compostos e anonimizados analisados pelo seu harness: o que falhou, que controle o teria evitado e o que se aprendeu ao levá-los para produção.
`handbook/HRN-013@pt`	Definições canônicas dos termos de Engenharia de Harness usados em todo o manual, para que o vocabulário não derive entre capítulos.
`handbook/HRN-014@pt`	Fontes, literatura de referência e observações da indústria em que se apoia o manual de Engenharia de Harness.
`homeric/places/troy@en`	The city the Iliad besieges, identified since 1822 with the mound of Hisarlık in north-western Türkiye and excavated continuously since 1870. The identification of the place is settled; what happened there is not.
`homeric/places/ithaca@en`	Odysseus' home and the destination of the whole poem — and, awkwardly, one of its least secure locations. Modern Ithaki carries the name; the Odyssey's own description of the island fits it poorly.
`homeric/places/ogygia@en`	Calypso's island, where Odysseus spends seven of his ten years away. The Odyssey places it deliberately nowhere — 'the navel of the sea' — which is exactly why identifications of it are so revealing.
`homeric/places/house-of-hades@en`	Where Odysseus goes to question the dead. The poem gives sailing directions to it — and they lead past the edge of the world, which is why this entry carries no coordinates at all.
`homeric/places/mycenae@en`	Agamemnon's city, and the one Homeric capital that never had to be found: the citadel was visible above ground throughout antiquity and gives its name to the entire Bronze Age civilisation.
`homeric/places/pylos@en`	Nestor's kingdom, and the Homeric palace we can actually walk through: the Late Bronze Age complex at Ano Englianos, whose Linear B archive survived because the building burned.
`homeric/places/sparta@en`	Menelaus and Helen's kingdom. The valley is certain, the palace is not: Laconia has produced Mycenaean mansions and an early cult of Menelaus, but no palace to match Pylos or Mycenae.
`homeric/places/tiryns@en`	A Catalogue-of-Ships city whose Homeric epithet is a literal description of what survives: walls so massive that later Greeks assumed giants had built them.
`homeric/places/knossos@en`	Minos' city in the Odyssey and the largest palace on Crete — an identification nobody disputes, attached to a civilisation the poems only half remember.
`homeric/places/aulis@en`	Where the fleet gathered before Troy — a real, agreed anchorage whose Homeric event is a portent, not a battle: the serpent and the sparrows that told the Greeks the war would last ten years.
`homeric/places/mount-ida@en`	The mountain the gods watch the war from, and a piece of real topography that anchors the Iliad's landscape: it is visible from Hisarlık, and the plain's rivers come off it.
`homeric/places/hellespont@en`	The strait beside the war. The Achaean ships are beached on it, Achilles' funeral games are held by it, and its current is the most plausible economic reason for Troy to have existed at all.
`homeric/places/zacynthus@en`	The fixed point in the Ionian puzzle. Every reconstruction of Odysseus' kingdom, however radical, agrees on where Zacynthus is.
`homeric/places/same@en`	The second island of Odysseus' kingdom, generally taken to be Kefalonia — the largest island in the group and the one with the most Mycenaean graves and the fewest Mycenaean buildings.
`homeric/places/dulichium@en`	The island of Odysseus' kingdom that has simply gone missing. It sends more suitors than anywhere else and matches nothing on the modern map.
`homeric/places/asteris@en`	The islet where the suitors lie in wait for Telemachus — a place the poem describes precisely and the map has never produced.
`homeric/places/land-of-the-cyclopes@en`	Where Odysseus loses six men and blinds Polyphemus. Two traditions place it on volcanic coasts — Sicily and Campania — and the poem places it nowhere in particular, on purpose.
`homeric/places/aeolia@en`	The floating island of Aeolus, keeper of the winds, whose gift Odysseus' crew open within sight of Ithaca. The Aeolian islands carry the name — which is evidence about Greek naming, not about the poem.
`homeric/places/laestrygonia@en`	Where Odysseus loses eleven of his twelve ships in a single afternoon. The harbour is the most precisely described anchorage in the poem, and nobody can prove which one it is.
`homeric/places/aeaea@en`	Circe's island, where the crew are turned into pigs and where Odysseus is told how to reach the dead. Roman tradition put it on a headland that only looks like an island.
`homeric/places/scylla-and-charybdis@en`	The one hazard in the wanderings that behaves like a real place: a narrow strait with a lethal tidal race on one side and cliffs on the other. Antiquity put it at Messina and never argued.
`homeric/places/sirens@en`	Two singers on a flowery meadow surrounded by the bones of the men who stopped to listen. The poem gives no coordinates and one navigational instruction: wax in the ears, and tie the captain to the mast.
`homeric/places/thrinacia@en`	The island of the Sun's cattle, where the crew commit the sacrilege that kills them all. Antiquity read the name as Sicily; the poem describes a place that cannot be visited safely.
`homeric/places/land-of-the-lotus-eaters@en`	The first stop after the storm, and the first temptation: a people whose fruit makes visitors forget the way home. Ancient geography put them on the Libyan coast, at Djerba.
`homeric/places/planctae@en`	The route Circe tells Odysseus not to take. They are described, named and then avoided — the only place in the poem that exists purely as an alternative.
`homeric/places/scheria@en`	The island of the Phaeacians, the last stop before home and the most civilised place in the poem — a harbour city with walls, ships and a court, described in more social detail than anywhere Odysseus actually rules.
`homeric/places/cape-malea@en`	The hinge of the whole Odyssey. Rounding it, Odysseus is blown off course for ten years — and the poem's geography changes from a map to a story at exactly this point.
`homeric/places/ephyra-acheron@en`	A real river with an underworld reputation, and the site most often confused with the entrance to Homer's Hades. The atlas keeps them apart: this place is here, that one is not.
`homeric/places/ismarus@en`	The first stop out of Troy, and the only one Odysseus reaches by ordinary sailing: a Thracian town he sacks, and where his crew's refusal to leave costs six men per ship.
`homeric/places/egypt@en`	The far edge of the poems' real world. Menelaus is blown there and comes home rich; Odysseus' invented life stories go there too, because it is where a plausible lie about hard travel would go.
`homeric/places/pharos@en`	Where Menelaus is becalmed and wrestles the shape-shifting sea god Proteus. The island is certain; the distance Homer gives it is one of the clearest errors in the poems.
`homeric/places/chryse@en`	Where the Iliad starts. A priest of Apollo comes from Chryse to ransom his daughter, Agamemnon refuses, and the god's plague sets the whole poem in motion.
`homeric/places/tenedos@en`	The island offshore from Troy: a staging point in the Iliad, a hiding place in the later tradition, and a reminder that the Troad's seascape is as checkable as its land.
`homeric/places/dodona@en`	The oracle of Zeus in the Epirote mountains, and one of the few Homeric institutions we can excavate: the same god, the same oak, the same valley.
`homeric/places/troy@es`	La ciudad que asedia la Ilíada, identificada desde 1822 con el montículo de Hisarlık, en el noroeste de Turquía, y excavada sin interrupción desde 1870. La identificación del lugar está zanjada; lo que allí ocurrió, no.
`homeric/places/ithaca@es`	La casa de Odiseo y el destino de todo el poema y, de forma incómoda, una de sus localizaciones menos seguras. La Ítaca moderna lleva el nombre; la descripción que la Odisea hace de la isla le encaja mal.
`homeric/places/ogygia@es`	La isla de Calipso, donde Odiseo pasa siete de sus diez años de ausencia. La Odisea la sitúa deliberadamente en ninguna parte —«el ombligo del mar»— y por eso mismo sus identificaciones resultan tan reveladoras.
`homeric/places/house-of-hades@es`	Adonde va Odiseo a interrogar a los muertos. El poema da instrucciones de navegación para llegar y conducen más allá del borde del mundo: por eso esta ficha no lleva coordenada alguna.
`homeric/places/mycenae@es`	La ciudad de Agamenón y la única capital homérica que nunca hubo que encontrar: la ciudadela estuvo siempre visible sobre el terreno y da nombre a toda la civilización de la Edad del Bronce.
`homeric/places/pylos@es`	El reino de Néstor y el único palacio homérico por el que realmente se puede caminar: el complejo del Bronce Final de Ano Englianós, cuyo archivo en Lineal B se conservó porque el edificio ardió.
`homeric/places/sparta@es`	El reino de Menelao y Helena. El valle es seguro; el palacio, no: Laconia ha dado mansiones micénicas y un culto temprano a Menelao, pero ningún palacio comparable a Pilos o Micenas.
`homeric/places/tiryns@es`	Una ciudad del Catálogo de las Naves cuyo epíteto homérico es una descripción literal de lo que se conserva: murallas tan macizas que los griegos posteriores dieron por hecho que las habían levantado gigantes.
`homeric/places/knossos@es`	La ciudad de Minos en la Odisea y el mayor palacio de Creta: una identificación que nadie discute, adherida a una civilización que los poemas solo recuerdan a medias.
`homeric/places/aulis@es`	Donde se reunió la flota antes de Troya: un fondeadero real y consensuado cuyo episodio homérico es un presagio, no una batalla —la serpiente y los gorriones que anunciaron a los griegos diez años de guerra.
`homeric/places/mount-ida@es`	La montaña desde la que los dioses contemplan la guerra y una pieza de topografía real que ancla el paisaje de la Ilíada: se ve desde Hisarlık y de ella bajan los ríos de la llanura.
`homeric/places/hellespont@es`	El estrecho junto a la guerra. Las naves aqueas están varadas en él, los juegos fúnebres de Aquiles se celebran a su lado y su corriente es la razón económica más plausible de que Troya existiera.
`homeric/places/zacynthus@es`	El punto fijo del rompecabezas jónico. Toda reconstrucción del reino de Odiseo, por radical que sea, coincide en dónde está Zacinto.
`homeric/places/same@es`	La segunda isla del reino de Odiseo, tenida en general por Cefalonia: la mayor del grupo y la que más tumbas micénicas y menos edificios micénicos ha dado.
`homeric/places/dulichium@es`	La isla del reino de Odiseo que sencillamente ha desaparecido. Envía más pretendientes que ningún otro lugar y no corresponde a nada en el mapa moderno.
`homeric/places/asteris@es`	El islote donde los pretendientes acechan a Telémaco: un lugar que el poema describe con precisión y que el mapa nunca ha producido.
`homeric/places/land-of-the-cyclopes@es`	Donde Odiseo pierde a seis hombres y ciega a Polifemo. Dos tradiciones la sitúan en costas volcánicas —Sicilia y Campania— y el poema no la sitúa en ninguna parte concreta, a propósito.
`homeric/places/aeolia@es`	La isla flotante de Eolo, guardián de los vientos, cuyo regalo abre la tripulación de Odiseo a la vista de Ítaca. Las islas Eolias llevan el nombre, lo que es una prueba sobre la toponimia griega, no sobre el poema.
`homeric/places/laestrygonia@es`	Donde Odiseo pierde once de sus doce naves en una sola tarde. El puerto es el fondeadero descrito con más precisión del poema, y nadie puede demostrar cuál es.
`homeric/places/aeaea@es`	La isla de Circe, donde la tripulación es convertida en cerdos y donde a Odiseo se le explica cómo llegar hasta los muertos. La tradición romana la situó en un promontorio que solo parece una isla.
`homeric/places/scylla-and-charybdis@es`	El único peligro de las andanzas que se comporta como un lugar real: un estrecho angosto con una corriente de marea letal a un lado y acantilados al otro. La Antigüedad lo situó en Mesina y nunca lo discutió.
`homeric/places/sirens@es`	Dos cantoras en un prado florido rodeado por los huesos de quienes se detuvieron a escuchar. El poema no da coordenadas y sí una instrucción náutica: cera en los oídos y el capitán atado al mástil.
`homeric/places/thrinacia@es`	La isla de las vacas del Sol, donde la tripulación comete el sacrilegio que la mata entera. La Antigüedad leyó el nombre como Sicilia; el poema describe un lugar al que no se puede llegar sin peligro.
`homeric/places/land-of-the-lotus-eaters@es`	La primera escala tras la tormenta y la primera tentación: un pueblo cuyo fruto hace que el visitante olvide el camino de vuelta. La geografía antigua los situó en la costa libia, en Yerba.
`homeric/places/planctae@es`	La ruta que Circe le dice a Odiseo que no tome. Se las describe, se las nombra y se las evita: es el único lugar del poema que existe solo como alternativa.
`homeric/places/scheria@es`	La isla de los feacios, la última escala antes de casa y el lugar más civilizado del poema: una ciudad portuaria con murallas, naves y corte, descrita con más detalle social que ningún sitio que Odiseo gobierne.
`homeric/places/cape-malea@es`	La bisagra de toda la Odisea. Al doblarlo, Odiseo es desviado durante diez años, y la geografía del poema pasa de mapa a relato exactamente en ese punto.
`homeric/places/ephyra-acheron@es`	Un río real con fama de inframundo y el yacimiento que más se confunde con la entrada al Hades homérico. El atlas los mantiene separados: este lugar está aquí; aquel, no.
`homeric/places/ismarus@es`	La primera escala al salir de Troya y la única a la que Odiseo llega por navegación ordinaria: una ciudad tracia que saquea y donde la negativa de su tripulación a marcharse cuesta seis hombres por nave.
`homeric/places/egypt@es`	El borde lejano del mundo real de los poemas. A Menelao lo empuja allí el viento y vuelve rico; las vidas inventadas de Odiseo pasan también por allí, porque es adonde iría una mentira verosímil sobre viajes duros.
`homeric/places/pharos@es`	Donde Menelao queda en calma chicha y lucha con Proteo, el dios marino que cambia de forma. La isla es segura; la distancia que le da Homero es uno de los errores más claros de los poemas.
`homeric/places/chryse@es`	Donde empieza la Ilíada. Un sacerdote de Apolo llega desde Crisa a rescatar a su hija, Agamenón se niega y la peste del dios pone en marcha todo el poema.
`homeric/places/tenedos@es`	La isla frente a Troya: punto de apoyo en la Ilíada, escondite en la tradición posterior y recordatorio de que el paisaje marino de la Tróade es tan comprobable como su tierra.
`homeric/places/dodona@es`	El oráculo de Zeus en las montañas del Epiro y una de las pocas instituciones homéricas que se pueden excavar: el mismo dios, la misma encina, el mismo valle.
`homeric/places/troy@pt`	A cidade que a Ilíada sitia, identificada desde 1822 com o morro de Hisarlık, no noroeste da Turquia, e escavada continuamente desde 1870. A identificação do lugar está resolvida; o que aconteceu ali, não.
`homeric/places/ithaca@pt`	A casa de Odisseu e o destino de todo o poema — e, de modo incômodo, uma de suas localizações menos seguras. A Ítaca moderna carrega o nome; a descrição que a Odisseia faz da ilha encaixa mal nela.
`homeric/places/ogygia@pt`	A ilha de Calipso, onde Odisseu passa sete de seus dez anos de ausência. A Odisseia a situa deliberadamente em lugar nenhum — “o umbigo do mar” — e é justamente por isso que suas identificações são tão reveladoras.
`homeric/places/house-of-hades@pt`	Para onde Odisseu vai interrogar os mortos. O poema dá instruções de navegação até lá — e elas levam para além da borda do mundo, razão pela qual esta ficha não traz coordenada alguma.
`homeric/places/mycenae@pt`	A cidade de Agamêmnon e a única capital homérica que nunca precisou ser encontrada: a cidadela esteve sempre visível acima do solo e dá nome a toda a civilização da Idade do Bronze.
`homeric/places/pylos@pt`	O reino de Nestor e o único palácio homérico por onde realmente se pode caminhar: o complexo do Bronze Final de Ano Englianós, cujo arquivo em Linear B se preservou porque o edifício ardeu.
`homeric/places/sparta@pt`	O reino de Menelau e Helena. O vale é certo; o palácio, não: a Lacônia produziu mansões micênicas e um culto antigo a Menelau, mas nenhum palácio comparável a Pilos ou Micenas.
`homeric/places/tiryns@pt`	Uma cidade do Catálogo das Naus cujo epíteto homérico é uma descrição literal do que sobreviveu: muralhas tão maciças que os gregos posteriores supuseram terem sido erguidas por gigantes.
`homeric/places/knossos@pt`	A cidade de Minos na Odisseia e o maior palácio de Creta: uma identificação que ninguém contesta, ligada a uma civilização que os poemas só lembram pela metade.
`homeric/places/aulis@pt`	Onde a frota se reuniu antes de Troia: um ancoradouro real e consensual cujo episódio homérico é um presságio, não uma batalha — a serpente e os pardais que anunciaram aos gregos dez anos de guerra.
`homeric/places/mount-ida@pt`	A montanha de onde os deuses observam a guerra e uma peça de topografia real que ancora a paisagem da Ilíada: é visível de Hisarlık, e dela descem os rios da planície.
`homeric/places/hellespont@pt`	O estreito ao lado da guerra. As naus aqueias estão encalhadas nele, os jogos fúnebres de Aquiles acontecem à sua margem e sua corrente é a razão econômica mais plausível para Troia ter existido.
`homeric/places/zacynthus@pt`	O ponto fixo do quebra-cabeça jônico. Toda reconstrução do reino de Odisseu, por mais radical que seja, concorda sobre onde fica Zacinto.
`homeric/places/same@pt`	A segunda ilha do reino de Odisseu, geralmente tida como a Cefalônia: a maior do grupo e a que deu mais túmulos micênicos e menos edifícios micênicos.
`homeric/places/dulichium@pt`	A ilha do reino de Odisseu que simplesmente sumiu. Envia mais pretendentes que qualquer outro lugar e não corresponde a nada no mapa moderno.
`homeric/places/asteris@pt`	O ilhéu onde os pretendentes espreitam Telêmaco: um lugar que o poema descreve com precisão e que o mapa nunca produziu.
`homeric/places/land-of-the-cyclopes@pt`	Onde Odisseu perde seis homens e cega Polifemo. Duas tradições a situam em costas vulcânicas — Sicília e Campânia — e o poema não a situa em parte alguma concreta, de propósito.
`homeric/places/aeolia@pt`	A ilha flutuante de Éolo, guardião dos ventos, cujo presente a tripulação de Odisseu abre à vista de Ítaca. As ilhas Eólias carregam o nome, o que é prova sobre a toponímia grega, não sobre o poema.
`homeric/places/laestrygonia@pt`	Onde Odisseu perde onze de suas doze naus numa só tarde. O porto é o ancoradouro descrito com mais precisão no poema, e ninguém pode provar qual é.
`homeric/places/aeaea@pt`	A ilha de Circe, onde a tripulação é transformada em porcos e onde a Odisseu se explica como chegar aos mortos. A tradição romana a situou num promontório que só parece uma ilha.
`homeric/places/scylla-and-charybdis@pt`	O único perigo das andanças que se comporta como um lugar real: um estreito apertado com uma corrente de maré letal de um lado e falésias do outro. A Antiguidade o situou em Messina e nunca discutiu.
`homeric/places/sirens@pt`	Duas cantoras num prado florido cercado pelos ossos de quem parou para ouvir. O poema não dá coordenadas e dá uma instrução náutica: cera nos ouvidos e o capitão amarrado ao mastro.
`homeric/places/thrinacia@pt`	A ilha do gado do Sol, onde a tripulação comete o sacrilégio que a mata inteira. A Antiguidade leu o nome como Sicília; o poema descreve um lugar aonde não se pode chegar sem perigo.
`homeric/places/land-of-the-lotus-eaters@pt`	A primeira escala após a tempestade e a primeira tentação: um povo cujo fruto faz o visitante esquecer o caminho de volta. A geografia antiga os situou na costa líbia, em Djerba.
`homeric/places/planctae@pt`	A rota que Circe diz a Odisseu para não tomar. São descritas, nomeadas e evitadas: é o único lugar do poema que existe apenas como alternativa.
`homeric/places/scheria@pt`	A ilha dos feácios, a última escala antes de casa e o lugar mais civilizado do poema: uma cidade portuária com muralhas, naus e corte, descrita com mais detalhe social que qualquer lugar que Odisseu governe.
`homeric/places/cape-malea@pt`	A dobradiça de toda a Odisseia. Ao dobrá-lo, Odisseu é desviado por dez anos — e a geografia do poema passa de mapa a relato exatamente nesse ponto.
`homeric/places/ephyra-acheron@pt`	Um rio real com fama de submundo e o sítio mais confundido com a entrada do Hades homérico. O atlas os mantém separados: este lugar está aqui; aquele, não.
`homeric/places/ismarus@pt`	A primeira escala ao sair de Troia e a única aonde Odisseu chega por navegação comum: uma cidade trácia que ele saqueia e onde a recusa da tripulação em partir custa seis homens por nau.
`homeric/places/egypt@pt`	A borda distante do mundo real dos poemas. Menelau é levado para lá pelo vento e volta rico; as vidas inventadas de Odisseu também passam por ali, porque é para onde iria uma mentira verossímil sobre viagens duras.
`homeric/places/pharos@pt`	Onde Menelau fica em calmaria e luta com Proteu, o deus marinho que muda de forma. A ilha é certa; a distância que Homero lhe dá é um dos erros mais claros dos poemas.
`homeric/places/chryse@pt`	Onde a Ilíada começa. Um sacerdote de Apolo vem de Crise resgatar a filha, Agamêmnon recusa, e a peste do deus põe todo o poema em movimento.
`homeric/places/tenedos@pt`	A ilha diante de Troia: ponto de apoio na Ilíada, esconderijo na tradição posterior e lembrete de que a paisagem marinha da Trôade é tão verificável quanto sua terra.
`homeric/places/dodona@pt`	O oráculo de Zeus nas montanhas do Epiro e uma das poucas instituições homéricas que se podem escavar: o mesmo deus, o mesmo carvalho, o mesmo vale.
`homeric/episodes/wooden-horse@en`	The best-known episode of the war is not narrated in either poem: the Odyssey has a bard sing it in twenty lines. Its location is the most secure in the atlas, and its historicity the least.
`homeric/episodes/return-to-ithaca@en`	The Phaeacians sail Odysseus home asleep and leave him on his own shore with his treasure. The poem describes the landing place in unusual topographical detail — two headlands, an olive tree, a cave of the nymphs.
`homeric/episodes/calypso-ogygia@en`	Seven years of the ten are spent here, and the poem spends them almost entirely off-stage. When the Odyssey finally opens on Ogygia in Book 5, it gives a lush description and no coordinates.
`homeric/episodes/nekyia@en`	Book 11 sends Odysseus to the edge of the world to consult the prophet Tiresias. It is the one journey in the poem with detailed directions and no possible destination.
`homeric/episodes/catalogue-of-ships@en`	Two hundred and seventy lines listing twenty-nine contingents, their commanders, their ship counts and their towns. It is the single densest piece of geography in Greek literature and the backbone of this atlas.
`homeric/episodes/chryse-and-the-plague@en`	The Iliad opens with a local dispute over a captive woman from a nearby coastal town — and with nine days of arrows from Apollo.
`homeric/episodes/telemachus-at-pylos@en`	A young man arrives by ship at a sacrificing shore, is fed before he is questioned, and hears an old king talk. It is the most ordinary episode in the Odyssey and the easiest to place.
`homeric/episodes/telemachus-in-sparta@en`	The strangest domestic scene in Homer: Helen, back in her husband's house, drugs the wine so the company can talk about Troy without weeping.
`homeric/episodes/menelaus-and-proteus@en`	Becalmed off Egypt, Menelaus ambushes a shape-shifting god to ask the way home — and gets, instead, the news that his brother has been murdered.
`homeric/episodes/cicones-at-ismarus@en`	The last piece of ordinary history in the Odyssey. Odysseus leaves Troy, sacks a Thracian town, loses seventy-two men to a counter-attack, and then the wind takes over.
`homeric/episodes/lotus-eaters@en`	Twenty-three lines, no violence, and the most quietly frightening danger in the poem: a fruit that makes men stop wanting to go home.
`homeric/episodes/cyclops-polyphemus@en`	The most famous episode in Homer and one of the least locatable. Odysseus loses six men, blinds a giant, escapes under a ram, and then shouts his own name — which is what costs him ten years.
`homeric/episodes/aeolus-and-the-winds@en`	The cruellest episode in the poem: Ithaca is in sight, the crew open the bag their captain has guarded for nine days, and the winds blow them all the way back.
`homeric/episodes/laestrygonians@en`	Eleven ships lost in a single harbour. The most precisely described anchorage in the Odyssey is also its deadliest, and nobody can prove where it is.
`homeric/episodes/circe-on-aeaea@en`	A year on an island with a goddess who turns men into pigs, and the only host in the wanderings who sends Odysseus on with instructions instead of injuries.
`homeric/episodes/the-sirens@en`	The one danger Odysseus survives by planning: wax in the crew's ears, his own body lashed to the mast, and the song heard by a man who cannot act on it.
`homeric/episodes/scylla-and-charybdis@en`	A choice between losing six men and losing everyone. It is the only hazard in the wanderings whose physical behaviour matches a real place.
`homeric/episodes/cattle-of-the-sun@en`	The crew's last mistake. Warned twice by name, trapped a month by contrary winds and starving, they kill the Sun's immortal cattle while their captain sleeps.
`homeric/episodes/phaeacians-on-scheria@en`	Odysseus washes ashore naked and is found by a princess doing laundry. What follows is the most civilised sequence in the poem — and the last place he visits before home.
`homeric/episodes/suitors-ambush-at-asteris@en`	Twenty suitors take a ship and wait in a strait for Telemachus to sail home. Six lines of text, one named islet, and an identification that has failed for two thousand years.
`homeric/episodes/agamemnons-murder@en`	The Odyssey's counter-example: the homecoming that goes wrong. Agamemnon reaches his own country and is killed at dinner, and the story shadows Odysseus' return from Book 1 onward.
`homeric/episodes/the-achaean-camp@en`	The Iliad's second setting: a beach of drawn-up ships, a ditch, a wall with gates, and the ground between it and the city where almost all the fighting happens.
`homeric/episodes/achilles-and-hector@en`	Three circuits of the city at a run, past the springs where the women of Troy used to wash — the most topographically specific action scene in Greek epic.
`homeric/episodes/priams-ransom@en`	An old king crosses the plain at night with a wagon of treasure to ask the man who killed his son for the body. The Iliad ends here, and so does its geography.
`homeric/episodes/wooden-horse@es`	El episodio más conocido de la guerra no se narra en ninguno de los dos poemas: la Odisea hace que un aedo lo cante en veinte versos. Su localización es la más segura del atlas; su historicidad, la menos.
`homeric/episodes/return-to-ithaca@es`	Los feacios llevan dormido a Odiseo hasta su casa y lo dejan en su propia orilla con su tesoro. El poema describe el lugar del desembarco con un detalle topográfico insólito: dos promontorios, un olivo, una cueva de las ninfas.
`homeric/episodes/calypso-ogygia@es`	Siete de los diez años transcurren aquí, y el poema los pasa casi enteros fuera de escena. Cuando la Odisea abre por fin en Ogigia, en el canto 5, ofrece una descripción exuberante y ninguna coordenada.
`homeric/episodes/nekyia@es`	El canto 11 envía a Odiseo al borde del mundo a consultar al adivino Tiresias. Es el único viaje del poema con indicaciones detalladas y ningún destino posible.
`homeric/episodes/catalogue-of-ships@es`	Doscientos setenta versos que enumeran veintinueve contingentes, sus jefes, sus naves y sus ciudades. Es la pieza de geografía más densa de la literatura griega y la columna vertebral de este atlas.
`homeric/episodes/chryse-and-the-plague@es`	La Ilíada empieza con una disputa local por una cautiva de una ciudad costera cercana, y con nueve días de flechas de Apolo.
`homeric/episodes/telemachus-at-pylos@es`	Un joven llega por mar a una playa donde se sacrifica, lo alimentan antes de preguntarle y escucha hablar a un rey viejo. Es el episodio más ordinario de la Odisea y el más fácil de situar.
`homeric/episodes/telemachus-in-sparta@es`	La escena doméstica más extraña de Homero: Helena, de vuelta en casa de su marido, droga el vino para que la compañía pueda hablar de Troya sin llorar.
`homeric/episodes/menelaus-and-proteus@es`	En calma chicha frente a Egipto, Menelao embosca a un dios que cambia de forma para preguntarle el camino a casa, y lo que obtiene es la noticia de que su hermano ha sido asesinado.
`homeric/episodes/cicones-at-ismarus@es`	El último trozo de historia ordinaria de la Odisea. Odiseo sale de Troya, saquea una ciudad tracia, pierde setenta y dos hombres en el contraataque, y a partir de ahí manda el viento.
`homeric/episodes/lotus-eaters@es`	Veintitrés versos, ninguna violencia y el peligro más silenciosamente aterrador del poema: un fruto que hace que los hombres dejen de querer volver a casa.
`homeric/episodes/cyclops-polyphemus@es`	El episodio más famoso de Homero y uno de los menos localizables. Odiseo pierde seis hombres, ciega a un gigante, escapa bajo un carnero y luego grita su propio nombre, que es lo que le cuesta diez años.
`homeric/episodes/aeolus-and-the-winds@es`	El episodio más cruel del poema: Ítaca está a la vista, la tripulación abre el odre que su capitán ha custodiado durante nueve días y los vientos los devuelven al principio.
`homeric/episodes/laestrygonians@es`	Once naves perdidas en un solo puerto. El fondeadero descrito con más precisión de la Odisea es también el más letal, y nadie puede demostrar dónde está.
`homeric/episodes/circe-on-aeaea@es`	Un año en una isla con una diosa que convierte a los hombres en cerdos, y la única anfitriona de las andanzas que despide a Odiseo con instrucciones en vez de heridas.
`homeric/episodes/the-sirens@es`	El único peligro que Odiseo supera planificando: cera en los oídos de la tripulación, su propio cuerpo atado al mástil y el canto escuchado por un hombre que no puede obedecerlo.
`homeric/episodes/scylla-and-charybdis@es`	Una elección entre perder seis hombres y perderlos a todos. Es el único peligro de las andanzas cuyo comportamiento físico corresponde a un lugar real.
`homeric/episodes/cattle-of-the-sun@es`	El último error de la tripulación. Advertidos dos veces y por su nombre, retenidos un mes por vientos contrarios y hambrientos, matan las reses inmortales del Sol mientras su capitán duerme.
`homeric/episodes/phaeacians-on-scheria@es`	Odiseo llega desnudo a la orilla y lo encuentra una princesa lavando ropa. Lo que sigue es la secuencia más civilizada del poema, y el último lugar que visita antes de casa.
`homeric/episodes/suitors-ambush-at-asteris@es`	Veinte pretendientes toman una nave y esperan en un estrecho a que Telémaco vuelva a casa. Seis versos de texto, un islote con nombre y una identificación fallida desde hace dos mil años.
`homeric/episodes/agamemnons-murder@es`	El contraejemplo de la Odisea: el regreso que sale mal. Agamenón llega a su tierra y lo matan durante la cena, y la historia proyecta su sombra sobre el regreso de Odiseo desde el canto 1.
`homeric/episodes/the-achaean-camp@es`	El segundo escenario de la Ilíada: una playa de naves varadas, un foso, una muralla con puertas y el terreno entre ella y la ciudad donde ocurre casi todo el combate.
`homeric/episodes/achilles-and-hector@es`	Tres vueltas a la ciudad a la carrera, junto a las fuentes donde lavaban las troyanas: la escena de acción más específica topográficamente de la épica griega.
`homeric/episodes/priams-ransom@es`	Un rey anciano cruza la llanura de noche con un carro de tesoros para pedirle al hombre que mató a su hijo el cuerpo del muchacho. La Ilíada termina aquí, y con ella su geografía.
`homeric/episodes/wooden-horse@pt`	O episódio mais conhecido da guerra não é narrado em nenhum dos dois poemas: a Odisseia faz um aedo cantá-lo em vinte versos. Sua localização é a mais segura do atlas; sua historicidade, a menos.
`homeric/episodes/return-to-ithaca@pt`	Os feácios levam Odisseu adormecido até sua casa e o deixam na própria praia com seu tesouro. O poema descreve o local do desembarque com detalhe topográfico incomum: dois promontórios, uma oliveira, uma gruta das ninfas.
`homeric/episodes/calypso-ogygia@pt`	Sete dos dez anos transcorrem aqui, e o poema os passa quase inteiros fora de cena. Quando a Odisseia enfim abre em Ogígia, no canto 5, oferece uma descrição exuberante e nenhuma coordenada.
`homeric/episodes/nekyia@pt`	O canto 11 envia Odisseu à borda do mundo para consultar o adivinho Tirésias. É a única viagem do poema com indicações detalhadas e nenhum destino possível.
`homeric/episodes/catalogue-of-ships@pt`	Duzentos e setenta versos que enumeram vinte e nove contingentes, seus chefes, suas naus e suas cidades. É a peça de geografia mais densa da literatura grega e a espinha dorsal deste atlas.
`homeric/episodes/chryse-and-the-plague@pt`	A Ilíada começa com uma disputa local por uma cativa de uma cidade costeira próxima — e com nove dias de flechas de Apolo.
`homeric/episodes/telemachus-at-pylos@pt`	Um jovem chega de navio a uma praia onde se sacrifica, é alimentado antes de ser interrogado e ouve um velho rei falar. É o episódio mais ordinário da Odisseia e o mais fácil de situar.
`homeric/episodes/telemachus-in-sparta@pt`	A cena doméstica mais estranha de Homero: Helena, de volta à casa do marido, droga o vinho para que a companhia possa falar de Troia sem chorar.
`homeric/episodes/menelaus-and-proteus@pt`	Em calmaria diante do Egito, Menelau embosca um deus que muda de forma para lhe perguntar o caminho de casa — e o que obtém é a notícia de que seu irmão foi assassinado.
`homeric/episodes/cicones-at-ismarus@pt`	O último pedaço de história ordinária da Odisseia. Odisseu sai de Troia, saqueia uma cidade trácia, perde setenta e dois homens no contra-ataque, e daí em diante quem manda é o vento.
`homeric/episodes/lotus-eaters@pt`	Vinte e três versos, nenhuma violência e o perigo mais silenciosamente aterrorizante do poema: um fruto que faz os homens deixarem de querer voltar para casa.
`homeric/episodes/cyclops-polyphemus@pt`	O episódio mais famoso de Homero e um dos menos localizáveis. Odisseu perde seis homens, cega um gigante, escapa sob um carneiro e depois grita o próprio nome — que é o que lhe custa dez anos.
`homeric/episodes/aeolus-and-the-winds@pt`	O episódio mais cruel do poema: Ítaca está à vista, a tripulação abre o odre que seu capitão guardou por nove dias e os ventos os levam de volta ao começo.
`homeric/episodes/laestrygonians@pt`	Onze naus perdidas num único porto. O ancoradouro descrito com mais precisão na Odisseia é também o mais letal, e ninguém pode provar onde fica.
`homeric/episodes/circe-on-aeaea@pt`	Um ano numa ilha com uma deusa que transforma homens em porcos, e a única anfitriã das andanças que despede Odisseu com instruções em vez de ferimentos.
`homeric/episodes/the-sirens@pt`	O único perigo que Odisseu supera planejando: cera nos ouvidos da tripulação, o próprio corpo amarrado ao mastro e o canto ouvido por um homem que não pode obedecê-lo.
`homeric/episodes/scylla-and-charybdis@pt`	Uma escolha entre perder seis homens e perder todos. É o único perigo das andanças cujo comportamento físico corresponde a um lugar real.
`homeric/episodes/cattle-of-the-sun@pt`	O último erro da tripulação. Avisados duas vezes e pelo nome, retidos um mês por ventos contrários e famintos, matam o gado imortal do Sol enquanto o capitão dorme.
`homeric/episodes/phaeacians-on-scheria@pt`	Odisseu chega nu à praia e é encontrado por uma princesa lavando roupa. O que se segue é a sequência mais civilizada do poema — e o último lugar que ele visita antes de casa.
`homeric/episodes/suitors-ambush-at-asteris@pt`	Vinte pretendentes tomam uma nau e esperam num estreito que Telêmaco volte para casa. Seis versos de texto, um ilhéu com nome e uma identificação que falha há dois mil anos.
`homeric/episodes/agamemnons-murder@pt`	O contraexemplo da Odisseia: o retorno que dá errado. Agamêmnon chega à própria terra e é morto no jantar, e a história projeta sua sombra sobre o retorno de Odisseu desde o canto 1.
`homeric/episodes/the-achaean-camp@pt`	O segundo cenário da Ilíada: uma praia de naus encalhadas, um fosso, uma muralha com portas e o terreno entre ela e a cidade onde ocorre quase todo o combate.
`homeric/episodes/achilles-and-hector@pt`	Três voltas à cidade em corrida, junto às nascentes onde as troianas lavavam — a cena de ação mais específica topograficamente da épica grega.
`homeric/episodes/priams-ransom@pt`	Um rei idoso cruza a planície à noite com um carro de tesouros para pedir ao homem que matou seu filho o corpo do rapaz. A Ilíada termina aqui, e com ela sua geografia.
`homeric/routes/odysseus-nostos@en`	The ten-year voyage home from Troy — the most mapped and least mappable itinerary in European literature. The atlas plots it as competing reconstructions, not as a line.
`homeric/routes/telemachy@en`	A young man's journey from Ithaca to Pylos and Sparta and back, in search of news of his father. It is the Odyssey's other voyage — and the only one the atlas can plot with confidence throughout.
`homeric/routes/achaean-expedition@en`	How the army got there. The Iliad begins in the tenth year and takes the journey for granted, so this route is assembled from the Catalogue, from Aulis and from the camp on the shore.
`homeric/routes/nostoi-of-the-others@en`	Odysseus is not the only one coming home. The Odyssey spends its early books on the other nostoi — Nestor's easy one, Menelaus' eight-year detour, Agamemnon's murder — and they are the control group for the whole poem.
`homeric/routes/odysseus-nostos@es`	El viaje de diez años de regreso desde Troya: el itinerario más cartografiado y menos cartografiable de la literatura europea. El atlas lo dibuja como reconstrucciones en competencia, no como una línea.
`homeric/routes/telemachy@es`	El viaje de un joven desde Ítaca a Pilos y Esparta y de vuelta, en busca de noticias de su padre. Es el otro viaje de la Odisea y el único que el atlas puede dibujar con confianza de principio a fin.
`homeric/routes/achaean-expedition@es`	Cómo llegó allí el ejército. La Ilíada empieza en el décimo año y da el viaje por supuesto, así que esta ruta se arma con el Catálogo, con Áulide y con el campamento de la playa.
`homeric/routes/nostoi-of-the-others@es`	Odiseo no es el único que vuelve a casa. La Odisea dedica sus primeros cantos a los otros nostoi —el fácil de Néstor, el rodeo de ocho años de Menelao, el asesinato de Agamenón— y son el grupo de control de todo el poema.
`homeric/routes/odysseus-nostos@pt`	A viagem de dez anos de volta de Troia: o itinerário mais mapeado e menos mapeável da literatura europeia. O atlas o desenha como reconstruções concorrentes, não como uma linha.
`homeric/routes/telemachy@pt`	A viagem de um jovem de Ítaca a Pilos e Esparta e de volta, em busca de notícias do pai. É a outra viagem da Odisseia — e a única que o atlas pode desenhar com confiança do início ao fim.
`homeric/routes/achaean-expedition@pt`	Como o exército chegou lá. A Ilíada começa no décimo ano e dá a viagem como certa, então esta rota é montada a partir do Catálogo, de Áulis e do acampamento na praia.
`homeric/routes/nostoi-of-the-others@pt`	Odisseu não é o único a voltar para casa. A Odisseia dedica seus primeiros cantos aos outros nostoi — o fácil de Nestor, o desvio de oito anos de Menelau, o assassinato de Agamêmnon — e eles são o grupo de controle de todo o poema.
`claims/HE-CLAIM-001@en`	Holding the model fixed and changing only the harness materially changes the outcome of the same task.
`claims/HE-CLAIM-002@en`	Independent practitioners are converging on the same small set of concerns around the model — context and memory, tools, planning and orchestration, observability, evaluation, governance and security — even where they use different names for them.
`claims/HE-CLAIM-003@en`	Building the system around the model is an emerging engineering discipline in its own right, not a specialism of machine learning or of backend engineering.
`claims/HE-CLAIM-004@en`	As frontier model capability commoditises, the harness becomes the durable source of competitive advantage for an enterprise.
`claims/HE-CLAIM-005@en`	The primary unit for comparing harnesses is cost per correctly verified outcome, not successful runs: a run the agent declares successful is a self-report, and it is the one thing a broken harness is still good at producing.
`claims/HE-CLAIM-006@en`	The seven levels of the maturity model are ordered by dependency rather than by preference: a harness does not hold a level while any criterion below it fails, because each level is what makes the level above it measurable.
`claims/HE-CLAIM-007@en`	A harness is not monotonically good. A control that was correct for one model generation can degrade the agent in the next, and current practice makes that invisible because harness components are added and almost never removed.
`claims/HE-CLAIM-001@es`	Con el modelo fijo, cambiar solo el harness cambia materialmente el resultado de la misma tarea.
`claims/HE-CLAIM-002@es`	Practicantes independientes están convergiendo en el mismo conjunto reducido de preocupaciones alrededor del modelo —contexto y memoria, herramientas, planificación y orquestación, observabilidad, evaluación, gobierno y seguridad— aunque las nombren de forma distinta.
`claims/HE-CLAIM-003@es`	Construir el sistema que rodea al modelo es una disciplina de ingeniería emergente por derecho propio, no una especialidad del aprendizaje automático ni de la ingeniería de backend.
`claims/HE-CLAIM-004@es`	A medida que la capacidad de los modelos de frontera se comoditiza, el harness pasa a ser la fuente duradera de ventaja competitiva de una empresa.
`claims/HE-CLAIM-005@es`	La unidad principal para comparar harnesses es el coste por resultado correctamente verificado, no las ejecuciones exitosas: una ejecución que el agente declara exitosa es una autodeclaración, y es justo lo único que un harness roto sigue produciendo bien.
`claims/HE-CLAIM-006@es`	Los siete niveles del modelo de madurez están ordenados por dependencia y no por preferencia: un harness no sostiene un nivel mientras falle cualquier criterio por debajo, porque cada nivel es lo que hace medible al siguiente.
`claims/HE-CLAIM-007@es`	Un harness no es monótonamente bueno. Un control que era correcto para una generación de modelos puede degradar al agente en la siguiente, y la práctica actual lo hace invisible porque los componentes de harness se añaden y casi nunca se quitan.
`claims/HE-CLAIM-001@pt`	Com o modelo fixo, mudar apenas o harness muda materialmente o resultado da mesma tarefa.
`claims/HE-CLAIM-002@pt`	Praticantes independentes estão a convergir no mesmo conjunto reduzido de preocupações à volta do modelo — contexto e memória, ferramentas, planeamento e orquestração, observabilidade, avaliação, governo e segurança — ainda que lhes deem nomes diferentes.
`claims/HE-CLAIM-003@pt`	Construir o sistema que rodeia o modelo é uma disciplina de engenharia emergente por direito próprio, não uma especialidade da aprendizagem automática nem da engenharia de backend.
`claims/HE-CLAIM-004@pt`	À medida que a capacidade dos modelos de fronteira se comoditiza, o harness torna-se a fonte duradoura de vantagem competitiva de uma empresa.
`claims/HE-CLAIM-005@pt`	A unidade principal para comparar harnesses é o custo por resultado corretamente verificado, não as execuções bem-sucedidas: uma execução que o agente declara bem-sucedida é uma autodeclaração, e é justamente a única coisa que um harness quebrado ainda produz bem.
`claims/HE-CLAIM-006@pt`	Os sete níveis do modelo de maturidade estão ordenados por dependência e não por preferência: um harness não sustenta um nível enquanto qualquer critério abaixo falhar, porque cada nível é o que torna o seguinte mensurável.
`claims/HE-CLAIM-007@pt`	Um harness não é monotonicamente bom. Um controle que era correto para uma geração de modelos pode degradar o agente na seguinte, e a prática atual torna isso invisível porque os componentes de harness são adicionados e quase nunca removidos.

Server Configuration
Instructions
Capabilities
Tools
Prompts
Resources

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/santismm/santismm-knowledge-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server