2026年港大新开源 OpenHarness,两天斩获 1.9K Star!它把 Agent 从黑盒变成了白盒!

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

大家好,我是讯享网,很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



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 Harness?

OpenHarness 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:

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、Tools(43个工具)

涵盖文件I/O、Shell、搜索、Web、MCP协议等:

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:

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:

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、Commands(54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、MCP(Model 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.git cd 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_URL=https://api.moonshot.cn/anthropic export ANTHROPIC_API_KEY=your_kimi_api_key export ANTHROPIC_MODEL=kimi-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

启用插件

oh plugin enable

扩展OpenHarness

添加自定义工具

from pydantic import BaseModel, Field from openharness.tools.base import BaseTool, ToolExecutionContext, ToolResult 

class MyToolInput(BaseModel):

query: str = Field(description="Search 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(output=f"Result for: {arguments.query}")

添加自定义技能

创建~/.openharness/skills/my-skill.md

--- 

name: my-skill

description: Expert guidance for my specific domain

My Skill

When to use

Use when the user asks about [your domain].

Workflow

  1. Step one
  2. 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" }

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。

如果你对AI Agent架构感兴趣,或者想构建自己的Agent,不妨去看看这个项目。代码不长,但信息量很大。

GitHub:https://github.com/HKUDS/OpenHarness

如果本文对您有帮助,也请帮忙点个 赞👍 + 在看 哈!❤️

在看你就赞赞我!

小讯
上一篇 2026-04-10 14:08
下一篇 2026-04-10 14:06

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/255752.html