OpenHarness（简称oh）是由香港大学数据科学研究院（HKUDS） 数据智能实验室开源的轻量级AI智能体驾驭框架（Agent Harness），核心定位是为大语言模型（LLM）提供完整的运行时基础设施，将普通LLM快速转化为具备工具调用、记忆管理、安全治理、多智能体协同能力的全能AI助手。
 该项目于2026年4月1日正式发布，采用MIT开源协议，完全免费可商用。其设计理念是“模型即智能体，代码即驾驭”（The model is the agent. The code is the harness.），不训练新模型，而是专注于为已有大模型构建高效、安全、可扩展的“骨架”，解决智能体开发中工具集成、记忆管理、安全管控、循环执行等通用痛点。
 OpenHarness最大亮点在于极致轻量化：仅用1.17万行Python代码、163个文件，实现了Claude Code（51.2万行TypeScript代码）约98%的工具覆盖能力、61%的命令覆盖能力，体积缩小44倍，同时保持完整的智能体核心能力与高度兼容性，兼容Anthropic官方Skills技能包、Claude Code插件生态，支持任意大模型（OpenAI、Kimi、DeepSeek、通义千问、本地Ollama模型等）接入。
 OpenHarness构建了10大核心子系统，覆盖智能体全生命周期能力，功能特色可归纳为6大核心维度：
 作为框架核心，实现“思考→调用工具→执行→观察结果→再决策”的标准智能体闭环，具备三大关键能力：
 
  
    
    
 
     
双层记忆架构：工作记忆（实时管理对话上下文）+ 持久记忆（MEMORY.md文件跨会话存储）；
 
     
上下文优化：自动上下文压缩（突破Token限制）、会话历史管理、多轮对话续接；
 
     
CLAUDE.md自动注入：自动发现项目目录下的CLAUDE.md文件，注入项目规范、接口文档等上下文。
 
    
 
  
    
    
 
     
一键启动：单命令oh即可启动完整智能体环境，支持3种使用模式：
 
     
 
      
 交互式TUI（React终端界面）：日常开发对话，可视化命令选择、权限弹窗；
 
      
 单次提问模式：oh -p "任务指令"，快速执行单任务；
 
      
 脚本集成模式：嵌入Python代码，批量自动化执行；
 
     
 
     
跨平台兼容：支持Windows、Mac、Linux全系统，Python 3.10+即可运行；
 
     
零配置上手：内置默认配置，支持API密钥自动读取、模型自动适配。
 
    
 OpenHarness采用模块化、低耦合、高内聚的架构，拆分为10个边界清晰的子系统，每个模块带完整Pydantic类型校验与权限检查：
 
  
    
    

      子系统名称 核心职责 技术实现 Engine（核心引擎） 智能体主循环控制 Python异步框架，流式处理工具调用与结果反馈 Tools（工具系统） 43+内置工具管理与执行 基类BaseTool+Pydantic输入校验，插件化注册 Memory（记忆系统） 上下文与持久记忆管理 文件存储（MEMORY.md）+ 内存缓存，自动压缩算法 Permissions（权限系统） 安全管控与沙箱隔离 路径正则匹配、命令白名单、交互式钩子 Skills（技能系统） Markdown技能加载与解析 动态解析.md文件，映射为工具调用模板 Plugins（插件系统） 扩展能力支持 事件钩子、自定义命令、智能体类型注册 Agents（智能体系统） 多智能体管理与协同 主从架构、任务队列、消息通信机制 UI（交互界面） React+Ink终端TUI 前端组件化，实时状态展示、权限弹窗 Gateway（网关层） 多模型接入适配 OpenAI/Anthropic兼容协议，支持自定义API格式 Telemetry（可观测） 日志、监控、成本追踪 全链路埋点、Token计数、成本报表生成 
    
 
  
    
    
 
     
轻量化复刻：1.1万行代码实现Claude Code核心能力，代码量减少97.7%，性能无明显损耗；
 
     
模型无关设计：抽象网关层，支持OpenAI、Anthropic、Kimi、DeepSeek、通义千问、Ollama本地模型等任意LLM接入，通过--api-format参数切换协议；
 
     
流式处理优化：全链路异步流式，工具调用结果实时返回，减少用户等待时间；
 
     
安全沙箱：基于系统权限隔离+路径白名单，双重保障文件与命令执行安全；
 
     
生态兼容：100%兼容Anthropic Skills技能包、Claude Code插件，降低迁移成本。
 
    
 OpenHarness凭借轻量化、全功能、高安全特性，适配个人开发、企业生产、学术研究三大核心场景，覆盖10+细分领域：
# 检查Python版本 

python –version # 安装OpenHarness pip install openharness # 验证安装 oh –version

模式1：交互式TUI（推荐）
# 直接启动，自动读取环境变量API密钥 

oh # 或指定模型与API密钥 oh –api-key sk-xxx –model gpt-4o # 支持本地Ollama模型 oh –api-format openai –base-url http://localhost:11434/v1 –model llama3

启动后进入React终端界面，支持：

模式2：单次提问模式

# 单命令执行任务 

oh -p "分析当前目录代码，列出3个优化点" # 指定输出格式 oh -p "生成项目README文档" –output README.md

模式3：脚本集成模式
# Python代码嵌入 

from openharness import OpenHarness

# 初始化 agent = OpenHarness(   api_key="sk-xxx",   model="gpt-4o",   tools=["file", "shell", "search"] # 启用指定工具 )

# 执行任务 result = agent.run("分析data.csv数据，生成可视化图表") print(result)

• API配置：支持环境变量（OPENAI_API_KEY、ANTHROPIC_API_KEY）或命令行参数
• 工具配置：/.openharness/config.yaml配置工具白名单、权限路径
• 记忆配置：MEMORY.md存储持久记忆，CLAUDE.md注入项目上下文
• 权限配置：

# 权限示例 permissions:  file:   allow_paths: ["./projects", "./data"]   deny_paths: ["/etc", "/.ssh"]  shell:   allow_commands: ["ls", "grep", "git"]   deny_commands: ["rm -rf", "sudo"]

添加自定义工具
from pydantic import BaseModel, Field 

from openharness.tools.base import BaseTool, ToolResult

class WeatherInput(BaseModel):   city: str = Field(description="城市名称")

class WeatherTool(BaseTool):   name = "weather"   description = "获取城市天气"   input_model = WeatherInput

  async def execute(self, context, input: WeatherInput) -> ToolResult:     # 调用天气API     return ToolResult(success=True, data=f"{input.city}：晴天，25℃")

# 注册工具 agent.register_tool(WeatherTool())

加载自定义技能
 创建skills/my_skill.md：
# 技能：项目文档生成 

 描述 自动生成项目技术文档、API文档、使用手册  输入 - project_path: 项目路径 - doc_type: 文档类型（tech/api/user）  执行 1. 读取项目代码与配置 2. 分析模块与接口 3. 生成对应格式文档

启动时自动加载：oh --skills-dir ./skills

选取Claude Code（官方原型）、LangChain（主流框架）、AutoGPT（经典智能体） 三大同类产品，从核心维度对比：

OpenHarness vs Claude Code

OpenHarness vs LangChain

OpenHarness vs AutoGPT

Q：OpenHarness支持哪些大模型？

A：支持所有兼容OpenAI/Anthropic协议的大模型，包括OpenAI GPT系列、Kimi、DeepSeek、通义千问、文心一言、Llama 3、本地Ollama模型等，通过--api-format参数切换协议即可。

Q：本地部署是否需要GPU？

A：不需要。OpenHarness仅作为框架运行，模型调用依赖云端API或本地Ollama，框架本身CPU即可流畅运行，内存占用<180MB。

Q：如何保障本地文件安全？

A：内置多级权限管控：1. 路径白名单/黑名单配置；2. 文件操作交互式审批弹窗；3. Shell命令白名单；4. 沙箱隔离执行；5. 全链路操作日志记录。

Q：是否支持Windows系统？

A：完全支持Windows 10及以上版本，支持PowerShell、WSL环境，工具与权限功能与Mac/Linux一致。

Q：如何添加自定义工具/技能？

A：工具通过Python类继承BaseTool实现并注册；技能通过Markdown文件编写，放置在skills目录自动加载，详细步骤见官方文档。

Q：记忆数据存储在哪里？

A：持久记忆存储在当前目录MEMORY.md文件，上下文记忆在内存中，会话结束后自动同步到文件，支持跨会话恢复。

Q：与OpenClaw、nanobot的关系？

A：OpenHarness是底层驾驭框架，OpenClaw、nanobot是基于OpenHarness开发的CLI智能体应用，可直接通过oh命令集成使用。

Q：生产环境是否稳定可用？

A：项目已通过114+单元测试、6套E2E测试，支持生产环境，但敏感场景建议配合权限严格配置与监控。

Q：如何更新到最新版本？

A：执行pip install --upgrade openharness即可更新，更新后执行oh --version验证版本。

Q：是否支持离线使用？

A：支持离线模式：1. 接入本地Ollama模型；2. 禁用网络工具；3. 仅使用本地文件/Shell工具，完全离线运行。

OpenHarness作为香港大学数据科学研究院开源的轻量级AI智能体驾驭框架，以极致轻量化设计、完整核心能力、高度安全管控与极简使用体验，重新定义了AI智能体开发的基础设施标准，通过1.1万行Python代码高效实现了Claude Code的核心能力，同时突破模型绑定、闭源限制、本地部署等痛点，兼容任意大模型与Anthropic生态，内置43+工具、多级权限、持久记忆与多智能体协同功能，一行命令即可启动完整智能体环境，既满足个人开发者快速构建AI助手的需求，也适配企业私有部署、学术研究验证的场景，凭借开源开放、安全可控、高效易用的核心优势，成为AI智能体开发领域极具竞争力的轻量化解决方案，为开发者提供了低门槛、高效率、高安全的智能体开发新选择。