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。



如果之前看过我写的 Harness 相关内容，那这篇我就不再重复解释“什么是 Harness”了。

这次介绍的是一个新开源项目：OpenHarness。

香港大学数据科学研究所（HKUDS） 开源的 OpenHarness，4 月 1 日刚发布、已斩获 5k+ Star，还在飞速攀升。

一开始我以为会是又一个新的 Harness 框架，但我实际看了才发现根本不一样。

不同于之前我介绍的 OpenSpec、ECC、Trellis 这类项目。OpenHarness 本身就是一套可运行的、实现 Harness 架构的 Agent Runtime。

说得再简单一些，你可以理解成是更类似于 ClaudeCode/Codex，但是又在上层直接集成了 Harness 的新 TUI。

当然，身为 cc/codex 党，暂时还没有切换工具的打算。

所以我看到的第一反应不是“OpenHarness 能帮我做到什么程度”，而是：

又出现了一个可以认真拆架构的 Harness 实现。

---

它的项目Readme直接写了它的定位：Open Agent Harness。

从公开资料看，这个项目覆盖的不是单点能力，而是一整套 Agent 运行时链路：Agent Loop、43+ 工具、Skills、Memory、权限、Hooks、Tasks、多代理协调、CLI/TUI、插件生态系统。

我看这类项目有个很朴素的习惯：
先不听它讲得多牛逼，先看三件事——实际上手难度、支持什么能力、能做到什么程度

OpenHarness 在这三件事上，至少第一眼看过去是成立的。

它的结构也比较清楚，没有那种“功能很多，但不知道核心在哪”的感觉。项目里基本能看到几层很明确的划分：

• engine：负责 Agent Loop
• tools：负责工具注册和执行
• skills：负责按需加载知识
• plugins：负责扩展
• permissions / hooks：负责治理
• memory / tasks / coordinator：负责长期运行和协作
• ui：负责 CLI 和 TUI

说白了，它不是在回答“怎么做一个会调工具的聊天框”，而是在回答：

如果把 Agent 当成一个真正的系统，它的 Harness 底座应该怎么搭。

---

最简单的安装方式是一条脚本：

curl -fsSL https://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.sh | bash 

如果你想直接从源码装，也可以：

git clone https://github.com/HKUDS/OpenHarness.git cd OpenHarness uv sync –extra dev 

依赖要求也比较标准，这些如果缺失的可以自行安装：

• Python 3.10+
• uv
• Node.js 18+（如果要用 React TUI）
• 一个可用的模型 API Key

后面按照终端的提示，或者在~/.openharness/settings.json 目录中进行环境配置。

# 这里是举例了kimi的接入 export ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic export ANTHROPIC_API_KEY=your_kimi_api_key export ANTHROPIC_MODEL=kimi-k2.5 

这里说一个坑，由于现在项目刚刚开始发展，版本号还处于 0.1.x 版本。如果你想试用的话，我建议主要使用 Linux/MacOS，至少截止4月6号，我自己在 Windows 上，包括 WSL 上都尝试了会报错。

---

最直接的方式就是进交互模式：

uv run oh

或者venv启动的话可以直接使用 oh 指令进入

如果你只是想丢一个 Prompt 测试，也很简单：

oh -p “解释这个代码库” 

如果你想把它接到自动化流程里，它也支持结构化输出：

oh -p “列出main.py中的所有函数” –output-format json 

或者流式 JSON：

oh -p “解决登录失败的问题” –output-format stream-json 

这一点我还算是比较有意思。

因为很多项目的实际使用方式还是停留在“命令行聊天”，OpenHarness 至少已经把几种典型场景都考虑进去了：

• 人在回路里的交互式使用
• shell 脚本里的自动化调用
• 程序对程序的结构化消费

---

OpenHarness 支持三种主流供应商 API 形态：

• Anthropic
• OpenAI-compatible
• GitHub Copilot

以我们最常用的 OpenAI 兼容模式为例，你可以这么切：

uv run oh –api-format openai  –base-url “https://dashscope.aliyuncs.com/compatible-mode/v1”  –api-key “sk-xxx”  –model “qwen3.5-flash” 

也可以走环境变量（当然也可以像前面说的在配置文件中配置）：

export OPENHARNESS_API_FORMAT=openai export OPENAI_API_KEY=sk-xxx export OPENHARNESS_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 export OPENHARNESS_MODEL=qwen3.5-flash uv run oh 

不局限于单一模型的这个思想，其实有点类似 OpenCode，但是又有些许不同。至少没有把自己绑死在某个模型供应商上。

---

OpenHarness 官方文档里已经比较清楚列举了，整体还是以 Harness 体系构建为核心，我就直接拿来了。

🔧 工具（43+）

每个工具都具备：

• pydantic 输入验证——结构化、类型安全输入
• 自描述 JSON 模式——模型会自动理解工具
• 权限集成——每次执行前检查
• 钩子支持 — PreToolUse/PostToolUse 生命周期事件

📚 技能系统

技能是按需知识——仅在模型需要时加载：

Available Skills:

• commit: Create clean, well-structured git commits
• review: Review code for bugs, security issues, and quality
• debug: Diagnose and fix bugs systematically
• plan: Design an implementation plan before coding
• test: Write and run tests for code
• simplify: Refactor code to be simpler and more maintainable
• pdf: PDF processing with pypdf (from anthropics/skills)
• xlsx: Excel operations (from anthropics/skills)
• ... 40兼容人类/技能——只需复制文件到。.md”~/.openharness/skills/+ more

  🔌 插件系统

  兼容 claude 代码插件。测试了 12 个官方插件：

  插件 类型 它的作用 commit-commands 指挥 git提交、推送、PR工作流程 security-guidance 钩子 文件编辑的安全警告 hookify 命令 + 代理 创建自定义行为钩子 feature-dev 指挥 功能开发工作流程 code-review 代理人 多代理PR评审 pr-review-toolkit 代理人 专业的PR审核代理

  # Manage plugins oh plugin list oh plugin install <source> oh plugin enable <name> 

  🤝 生态系统工作流程

  OpenHarness 作为轻量级束层，适用于 Claude 风格的工具约定：

  • 面向OpenClaw的工作流程可以重用Markdown优先的知识和命令驱动的协作模式。
  • Claude风格的插件和技能保持可移植性，因为OpenHarness让这些格式保持熟悉。
  • ClawTeam 风格的多智能体工作很好地映射到内置的团队、任务和背景执行原语。

  关于具体的使用建议而非泛泛的声明，请参见docs/SHOWCASE.md。

  🛡️ 权限

  多级安全与细粒度控制：

  模式 行为 使用场景 默认 写/执行前先问问 日常发展 自动 允许一切 沙盒环境 计划模式 阻止所有写入 大型重构，先复习

  路径层级规则在：settings.json

  { “permission”: { “mode”: “default”, “path_rules”: [{“pattern”: ”/etc/*”, “allow”: false}], “denied_commands”: [“rm -rf /”, “DROP TABLE *”] } } 

  🖥️ 终端用户界面

  React/Ink TUI 提供完整互动体验：

  • 命令选择器：输入→方向键选择 → 进入/
  • 权限对话框：互动 y/n 含工具详情
  • 模式切换器：→从列表中选择/permissions
  • 会议简历：→历史中的精选/resume
  • 动画旋转器：工具执行过程中的实时反馈
  • 键盘快捷键：底部显示，上下文感知

  📡 CLI

  oh [OPTIONS] COMMAND [ARGS]

Session: -c/–continue, -r/–resume, -n/–name Model: -m/–model, –effort, –max-turns Output: -p/–print, –output-format text|json|stream-json Permissions: –permission-mode, –dangerously-skip-permissions Context: -s/–system-prompt, –append-system-prompt, –settings Advanced: -d/–debug, –mcp-config, –bare

Subcommands: oh mcp | oh plugin | oh auth

---

关键差异化能力

• Harness Engineering 方法论：不是”写代码然后手动测”，而是：spawn agent → 自动执行 → 自动验证 → 报告结果。整个开发循环都在 harness 内完成。
• Swarm 多 agent 协作：支持 coordinator 编排多个 in-process teammate 并发工作，不是只有单个 agent 独立对话。
• Provider 无关：同一套 harness 可以跑在 Claude、GPT、Kimi、DeepSeek、Gemini、本地 Ollama 等任何 LLM 上。OpenAI-compatible endpoint 开箱即用。
• 快速扩充中：现阶段直接对标 Claude Code 的核心能力（从其源码提取转写），同时在快速扩展到更多应用场景：
• 类 openclaw 的 auth 管理
• IM channel 集成（可以通过 Telegram/Slack 等使用）
• 一键安装 (curl | bash)
• 可换肤 TUI

---

为什么会关注 OpenHarness，不是我觉得它是标准答案，而是看看这个项目能不能给我带来新的思路。

如果你之前已经理解了 Harness 的重要性，那这次看 OpenHarness，重点就不该还是停留在“哦，原来 Harness 很重要”。

更值得看的，其实是：一个新的开源团队，正在怎么把 Harness 真正做成系统。

团队里到底如何推进构建，这个最终形态到底是什么样子，现在我还不清楚。

究竟是通过团队自己整理出一份自己的 Harness 架构组成清单呢，还是找到接入一套够轻量成熟完备的 Harness 框架？亦或是连入口工具都统一，OpenHarness 这种整合了 Harness 的入口工具？

像我以前的文章里说的，没有所谓的“标准答案”。

至少现在还没有。

OpenHarness 当然还早，可能现在连正常使用起来都费劲。

但至少它给了我们一个新的思考方向。

对我来说，这就够了。