港大新开源 OpenHarness，两天斩获 1.9K Star！它把 Agent 从黑盒变成了白盒！

这两天GitHub 上突然出现了一个新项目短短两天就斩获了 1.9K Star。点进去一看是香港大学数据科学研究所HKUDS新开源的 AI 项目OpenHarness。这个团队之前已经有不少知名项目了比如 LightRAG、AutoAgent、还有上个月刚火的Nanobot、CLI-Anything可以说是开源界的明星团队。这次的OpenHarness定位非常有意思它不是一个新的Agent而是一个Agent Harness——也就是给模型穿上的马甲。模型负责思考Harness给模型提供手、眼、记忆和安全边界。这个理念一下子把 Agent 的架构说透了。什么是Agent HarnessOpenHarness 的核心理念可以用一句话概括The model is the agent. The code is the harness.这句话把 Agent 系统清晰地拆成了两个层次•模型层Agent提供推理、规划、决策能力•框架层Harness提供工具调用、权限控制、记忆存储、多Agent协调一个纯聊天模型只能输出文本。当模型接入Harness后它获得了文件读写、命令执行、网络请求、持久记忆等能力——从会说变成能做。OpenHarness实现的就是这个Harness层。为什么要做OpenHarness先看一组数据对比你就明白这个项目的意义了Claude Code 是 Anthropic 官方的代码助手功能非常强大但 51 万行代码、1884 个文件对于想学习Agent架构的开发者来说简直是天书。很多人想研究 Agent 内部是怎么工作的但看到这么大的代码库直接就放弃了。OpenHarness 做的事情就是用 1.1 万行 Python 代码重新实现 Claude Code 的核心架构。砍掉了遥测、OAuth、重型React UI这些企业级功能只保留最核心的Harness架构。10大核心子系统OpenHarness的架构由10个核心子系统组成每个都有明确的职责1、Engine智能体循环这是整个框架的心脏。一个简洁的循环却能处理无限的组合while True: response await api.stream(messages, tools) if response.stop_reason ! tool_use: break # 模型完成任务 for tool_call in response.tool_uses: # 权限检查 → 钩子 → 执行 → 钩子 → 结果 result await harness.execute_tool(tool_call) messages.append(tool_results) # 循环继续模型根据结果决定下一步模型决定做什么Harness负责怎么做——包括权限校验、执行、结果格式化。2、Tools43个工具涵盖文件I/O、Shell、搜索、Web、MCP协议等•文件操作Read、Write、Edit、Glob、Grep•Shell执行Bash命令带权限控制•搜索WebFetch、WebSearch、ToolSearch•Agent协作Agent、SendMessage、TeamCreate•任务管理TaskCreate/Get/Update/Stop/Output•MCP协议MCPTool、ListMcpResources每个工具都自带Pydantic输入验证、JSON Schema自描述、权限集成、钩子支持。3、Skills按需加载的技能Skills是按需加载的领域知识只用.md文件就能定义。OpenHarness兼容anthropics/skills格式你只需把.md文件复制到~/.openharness/skills/目录即可。内置技能包括•commit创建清晰的git提交•review代码审查•debug系统地诊断和修复bug•plan编码前设计实现方案•test编写和运行测试•simplify重构代码使其更简洁可维护4、Plugins插件系统OpenHarness 兼容 claude-code 插件生态。官方测试了12个官方插件插件类型功能commit-commandsCommandsGit工作流security-guidanceHooks文件编辑时的安全警告hookifyCommands Agents创建自定义行为钩子feature-devCommands功能开发工作流code-reviewAgents多Agent PR审查pr-review-toolkitAgents专业PR审查Agent这意味着OpenHarness可以直接复用Claude Code已有的生态积累。5、Permissions权限管控三级权限模式给你充分的安全感模式行为适用场景Default写入/执行前询问日常开发Auto全部允许沙箱环境Plan阻止所有写入代码审查还支持路径级规则配置{ permission: { mode: default, path_rules: [{pattern: /etc/*, allow: false}], denied_commands: [rm -rf /, DROP TABLE] }}6、Hooks生命周期钩子支持PreToolUse/PostToolUse生命周期钩子让你可以在工具执行前后插入自定义逻辑。7、Commands54个斜杠命令像聊天一样控制Agent支持/help、/commit、/plan、/resume等常用命令。8、MCPModel Context Protocol支持Model Context Protocol客户端可以接入外部MCP服务器。9、Memory持久记忆用MEMORY.md存储跨会话的持久知识支持会话恢复和历史记录。10、Coordinator多Agent协调支持子Agent派发、团队管理、任务调度ClawTeam集成也在路线图中。快速上手安装# 克隆项目git clone https://github.com/HKUDS/OpenHarness.gitcd OpenHarness# 安装依赖包含开发工具uv sync --extra dev配置模型以Kimi为例export ANTHROPIC_BASE_URLhttps://api.moonshot.cn/anthropicexport ANTHROPIC_API_KEYyour_kimi_api_keyexport ANTHROPIC_MODELkimi-k2.5一键启动# 如果激活了虚拟环境oh# 或者直接用uv运行uv run oh非交互式模式脚本和管道# 单次提示 → 标准输出oh -p Explain this codebase# JSON输出用于编程使用oh -p List all functions in main.py --output-format json# 实时流式JSON事件oh -p Fix the bug --output-format stream-json插件管理# 列出插件oh plugin list# 安装插件oh plugin install source# 启用插件oh plugin enable name扩展OpenHarness添加自定义工具from pydantic import BaseModel, Fieldfrom openharness.tools.base import BaseTool, ToolExecutionContext, ToolResultclass MyToolInput(BaseModel): query: str Field(descriptionSearch query)class MyTool(BaseTool): name my_tool description Does something useful input_model MyToolInput async def execute(self, arguments: MyToolInput, context: ToolExecutionContext) - ToolResult: return ToolResult(outputfResult for: {arguments.query})添加自定义技能创建~/.openharness/skills/my-skill.md---name: my-skilldescription: Expert guidance for my specific domain---# My Skill## When to useUse when the user asks about [your domain].## Workflow1. Step one2. Step two...添加自定义插件创建.openharness/plugins/my-plugin/.claude-plugin/plugin.json{ name: my-plugin, version: 1.0.0, description: My custom plugin}在commands/*.md中添加命令在hooks/hooks.json中添加钩子在agents/*.md中添加Agent。写在最后OpenHarness的出现让我想起了Linux刚诞生时的那句话“Just for fun”。它不是要取代Claude Code而是给开发者一个可理解、可修改、可扩展的Agent框架参考。在AI Agent这个领域我们需要的不只是好用的产品更需要清晰的架构、可学习的代码、开放的生态。OpenHarness正是朝着这个方向迈出的重要一步。模型是Agent代码是Harness。OpenHarness把Agent从黑盒变成了白盒——现在你终于可以看清Agent内部是怎么工作的了。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】