2026 年 4 月，硅谷 AI 工程圈最火的概念不是某个新模型，而是 Harness Engineering（驾驭工程）。OpenAI、Anthropic、Google 都在强调：模型提供智能，harness 提供手、眼、记忆和安全边界。就在这个浪潮下，香港大学数据科学实验室（HKUDS）开源了 OpenHarness——一个用 Python 实现的完整 Agent Harness 框架，上线 3 周 GitHub 星标破万，已迭代到 v0.1.7。
这不是又一个 Agent 框架。它是 Harness Engineering 理念的第一个完整开源实现。
📌 核心问题：为什么需要 Harness？
过去两年，大模型能力飞速提升，但一个根本矛盾始终存在：模型越强，对环境的需求越高。GPT-5 能写出复杂代码，但它不知道你的项目结构、不知道该跑哪个测试、不知道哪些文件不能动。Claude Opus 4 能做长链推理，但每次对话都从零开始，没有记忆、没有工具、没有安全边界。
Harness Engineering 的核心洞察是：Agent 的瓶颈不在模型智能，而在基础设施。就像一辆赛车，引擎（模型）再强，没有底盘、悬挂、轮胎、刹车（harness），它跑不了赛道。
OpenHarness 就是这个「底盘」的开源实现。它的定位公式非常清晰：
Agent Harness = LLM + Tools + Skills + Memory + Permissions + Hooks + Multi-Agent + MCP + Tasks + Coordinator
🔥 十大子系统架构拆解
OpenHarness 实现了完整的 Agent Harness 模式，包含 10 个子系统，每个子系统解决一个关键问题：
1. Engine（引擎）
核心 Agent Loop 实现。Streaming Tool-Call Cycle（流式工具调用循环）、API Retry with Exponential Backoff（指数退避重试）、Parallel Tool Execution（并行工具执行）、Token Counting & Cost Tracking（Token 计数与成本追踪）。这是整个框架的心脏。
2. Tools（工具层）
43+ 内置工具，覆盖 File（文件操作）、Shell（命令执行）、Search（搜索）、Web（网络访问）、MCP（外部服务集成）。工具是 Agent 与外部世界交互的手和眼。
3. Skills（技能层）
On-Demand Skill Loading（按需技能加载），技能用 Markdown 文件定义（.md），兼容 anthropics/skills 规范。技能 = 可复用的任务模板，Agent 遇到特定场景时自动加载对应技能。40+ 内置技能。
4. Plugins（插件生态）
Plugin Manifest 支持 10 种组件类型：commands、agents、skills、hooks 等。插件系统让社区可以扩展框架能力，形成生态。
5. Permissions（权限治理）
Multi-Level Permission Modes（多级权限模式）、Path-Level & Command Rules（路径级和命令级规则）、PreToolUse / PostToolUse Hooks（工具使用前后钩子）、Interactive Approval Dialogs（交互式审批对话框）。这是安全边界——Agent 不能什么都干，需要有刹车。
6. Hooks（钩子系统）
PreToolUse / PostToolUse 钩子，让开发者在工具调用前后插入自定义逻辑。比如：调用 Shell 前检查命令安全性、调用 Web Fetch 后做内容审查。
7. Commands（命令系统）
Slash Commands（斜杠命令），如 /plugin list、/setup 等。命令系统提供了人机交互的快捷入口。
8. MCP（Model Context Protocol）
原生支持 MCP 协议，包括 HTTP Transport、Auto-Reconnect（自动重连）、Tool-Only Server Compatibility（纯工具服务器兼容）。JSON Schema types 自动推断，无需手动类型映射。这让 OpenHarness 可以接入任何 MCP 兼容的外部服务。
9. Memory（记忆系统）
CLAUDE.md Discovery & Injection（项目上下文自动发现与注入）、Context Compression / Auto-Compact（上下文压缩，自动压缩长对话）、MEMORY.md Persistent Memory（跨会话持久记忆）、Session Resume & History（会话恢复与历史）。这让 Agent 不再每次从零开始。
10. Tasks + Coordinator（任务调度 + 协调器）
Subagent Spawning & Delegation（子 Agent 生成与委派）、Team Registry & Task Management（团队注册与任务管理）、Background Task Lifecycle（后台任务生命周期）。这让多个 Agent 可以协作完成复杂任务。
🤖 ohmo：不是聊天机器人，是真正干活的 Agent
OpenHarness 内置了一个叫 ohmo 的个人 Agent。官方定位非常明确：「Not another chatbot, but an assistant that actually works for you over long sessions.」
ohmo 的核心特性：
- 多渠道接入：飞书 / Slack / Telegram / Discord，直接在聊天软件里用
- 自主执行：fork branches、write code、run tests、open PRs，不需要人工逐步指令
- 零额外成本：跑在你现有的 Claude Code 或 Codex 订阅上，不需要额外 API Key
- 长会话：Auto-Compaction 保持任务状态和渠道日志，可以跑多天的会话
- 多模态：支持文件附件和多模态网关消息
🔥 OpenHarness vs 其他 Agent 框架
市面上的 Agent 框架很多，但 OpenHarness 的差异化非常清晰：
- LangGraph：通用图编排框架，灵活但抽象层重，缺少开箱即用的 harness 基础设施（权限、记忆、工具治理）
- CrewAI：多 Agent 协作框架，侧重角色分工，但单 Agent 能力较弱，缺少 MCP 原生支持
- Claude Code：最强 Coding Agent，但闭源、绑定 Anthropic、不可扩展。OpenHarness 可以看作「Claude Code 的开源 Python 实现」
- OpenClaw：最成熟的个人 Agent 平台，侧重多渠道 + Cron + 插件生态。OpenHarness 更侧重研究和可扩展性
简单说：OpenHarness = Claude Code 的架构理念 + Python 实现 + 开源 + 学术背景。它不是要替代 OpenClaw 或 LangGraph，而是提供一个轻量级、可研究、可扩展的 harness 实现。
🧠 关键洞察
1. Harness Engineering 正在成为标准
从 Anthropic 的 Claude Code 到 OpenAI 的 Codex Agent，再到 Google 的 Gemini CLI，所有前沿厂商都在强调 harness 层的重要性。OpenHarness 的出现意味着这个理念已经从「最佳实践」变成了「可复现的开源实现」。学术界开始系统性研究 harness 架构，这会加速整个领域的工程化。
2. Python 实现的意义
Claude Code 是 TypeScript 实现的，OpenHarness 用 Python 重写，这意味着：AI 研究者可以用熟悉的语言研究 harness 架构；可以更容易地集成 PyTorch、Transformers 等 Python 生态；可以作为学术论文的实验平台。这是从「工程产品」到「研究基础设施」的转变。
3. 「运行在订阅上」的商业模式创新
ohmo 直接跑在 Claude Code 或 Codex 订阅上，不需要额外 API Key。这是一种新的商业模式：框架免费开源，但依赖用户的模型订阅。这降低了使用门槛，同时为模型厂商创造了新的用户粘性。
4. Auto-Compaction 是长会话的关键
Context Compression / Auto-Compact 解决了 Agent 最大的实际问题之一：长会话的上下文管理。当对话超过模型上下文窗口时，不是简单截断，而是智能压缩——保持任务状态和关键信息。这是从「玩具」到「生产工具」的分水岭。
🚀 引发思考
OpenHarness 的出现提出了一个值得思考的问题：当 harness 架构被标准化和开源化后，Agent 的差异化竞争会转移到哪里？
答案可能是：垂直场景的深度优化。通用 harness 是公共基础设施，但真正创造价值的是在特定领域的深度适配——代码审查的 harness、数据分析的 harness、客服的 harness、运维的 harness。就像 Linux 是通用操作系统，但真正创造价值的是运行在上面的各种应用。
对于 AI 工程师来说，现在是学习 harness 架构的最佳时机。OpenHarness 提供了一个完整的、可研究的、可扩展的开源实现，是理解 Agent 基础设施的绝佳入口。
📎 相关阅读
- GitHub: github.com/HKUDS/OpenHarness（MIT 协议，10k+ stars）
- Harness Engineering 核心理念：模型提供智能，harness 提供手、眼、记忆和安全边界
- SWE-CI / TDAD：工程能力在 AI 辅助编程中的关键作用
- Anthropic Claude Code 质量退化复盘：eval 覆盖 + soak 测试的重要性
逍遥云初 | 2026.04.27
