LLM Wiki

OpenHarness

8分钟阅读

OpenHarness

一句话定义

OpenHarness 是香港大学数据科学学院（HKUDS）开源的轻量级 Agent 基础设施框架，提供 Agent Loop、43+ 工具、记忆持久化、多级权限和多智能体协调能力，附带可接入飞书/Slack/Telegram/Discord 的个人 AI 助手 ohmo。

摘要

OpenHarness 是 2026 年由香港大学数据科学学院（HKUDS）团队开源的 Python Agent 基础设施框架，以 oh 命令行工具形式发布。其核心理念是”大模型提供智力，Harness 提供手、眼、记忆和安全边界”——将 Agent Harness 定义为”包裹 LLM 使其成为功能性 Agent 的完整基础设施”。框架内置成熟的 Agent Loop（支持流式工具调用、指数退避重试、Token 计数和成本追踪）、43+ 个工具（文件操作、Shell、搜索、网页、MCP）、Markdown 技能按需加载、CLAUDE.md 自动注入、MEMORY.md 持久记忆、多级权限模式（Default/Auto/Plan）和子智能体协调机制。配套的 ohmo 个人 AI 助手可接入飞书、Slack、Telegram、Discord，直接复用现有 Claude Code 或 Codex 订阅，无需额外 API Key。支持 Claude、OpenAI、Codex、GitHub Copilot、Moonshot、智谱、MiniMax、OpenRouter、DeepSeek、Ollama 等 15+ 模型提供商。项目以 MIT 许可证开源，在 Harness Engineering 语境下是 OpenClaw、Hermes Agent 之外的又一重要实现路径。

详情

起源与背景

OpenHarness 由香港大学数据科学学院（HKUDS）团队开发维护。HKUDS 是香港大学在数据科学和人工智能领域的重要研究机构，在 Agent 基础设施和多智能体系统方面有深厚积累。

项目的出发点是解决 AI Agent 开发中的一个普遍痛点：开发者想要构建真正能干活的 Agent，但从工具调用到权限管理、从记忆持久化到多智能体协作，每一步都是坑。OpenHarness 不是另一个聊天机器人 demo，而是一套可以在生产环境使用的 Agent 基础设施。

在 Harness Engineering 的语境下，OpenHarness 与 OpenClaw、Hermes Agent 并列为三种典型的 Harness 实现路径。OpenClaw 侧重上下文管理和双源记忆，Hermes 侧重 Skill 自动生成和 RL 训练闭环，而 OpenHarness 则侧重工具生态、权限模型和多智能体协调。

核心机制 / 工作原理

代码架构

OpenHarness 的代码库组织为 10+ 个子系统：

子系统职责
engine/Agent Loop：流式处理、工具调用、重试逻辑、并行执行
tools/43+ 工具，Pydantic 验证 + JSON Schema + 权限集成
skills/Markdown 技能按需加载，兼容 anthropics/skills
plugins/扩展系统，兼容 claude-code 插件，已测试 12 个官方插件
permissions/多级权限模式（Default/Auto/Plan），路径级规则，命令黑名单
hooks/PreToolUse / PostToolUse 生命周期事件
commands/54 个内置斜杠命令
mcp/Model Context Protocol 客户端
memory/跨会话持久记忆存储
coordinator/子智能体生成和团队协调
ui/React/Ink 终端 UI，完整交互式界面

Agent Loop 核心流程

用户输入 → 模型流式响应 → 检测工具调用请求
  → 权限检查 → PreToolUse 钩子 → 执行工具
  → PostToolUse 钩子 → 将结果反馈给模型
  → 循环直到模型完成

内置指数退避重试机制处理 API 不稳定情况，支持 Token 计数和成本追踪。

多级权限模型

  • Default 模式：标准权限，工具调用需用户确认
  • Auto 模式：自动执行，适合可信场景
  • Plan 模式：先规划再执行，适合复杂任务

支持路径级别和命令级别的细粒度规则配置。

上下文与记忆

  • CLAUDE.md 自动注入：自动发现并注入项目中的 CLAUDE.md 文件
  • 自动上下文压缩：多日会话中保持任务状态和通道日志
  • MEMORY.md 持久记忆：跨会话的知识存储
  • 会话恢复：中断后可恢复之前的对话状态

多 Provider 支持

通过 workflow 和 profile 概念管理模型提供商：

Provider 类型支持的模型
Anthropic 兼容Claude 官方、Moonshot/Kimi、智谱/GLM、MiniMax
Claude 订阅复用本地 ~/.claude/.credentials.json
OpenAI 兼容OpenAI、OpenRouter、DashScope、DeepSeek、SiliconFlow、Groq、Ollama
Codex 订阅复用本地 ~/.codex/auth.json
GitHub CopilotOAuth 设备流，无需 API Key

应用 / 使用场景

  • 个人 AI 编程助手：通过 ohmo 接入飞书/Slack/Telegram/Discord，让 AI 帮你 fork 分支、写代码、跑测试、开 PR，24 小时不休息的编程伙伴
  • Agent 开发框架：提供完整的 Agent Loop、工具调用、权限管理基础设施，开发者可在此基础上构建自定义 Agent
  • 多智能体协调：子智能体生成和团队注册机制，适合构建复杂的多 Agent 工作流
  • 安全敏感场景：多级权限模式和 PreToolUse/PostToolUse 钩子，满足企业级安全合规需求
  • 成本敏感场景：内置 Token 计数和成本追踪，精确控制 API 调用开销
  • 开发调试：干运行模式（oh --dry-run）可在不调用模型的情况下预览配置、技能、工具和认证状态

局限与争议

  • 项目成熟度：作为较新的开源项目，社区生态和长期稳定性有待验证
  • Windows 兼容性：Windows PowerShell 中需使用 openh 而非 oh 命令，因为 oh 与内置 Out-Host 别名冲突
  • 依赖 Claude/Codex 订阅：ohmo 的核心卖点是复用现有订阅，但这也意味着对 Anthropic/OpenAI 平台的依赖
  • ClawTeam 集成未完成：Roadmap 中提到的 ClawTeam 多智能体协作功能尚未实现
  • 文档语言：主要面向中文社区，英文文档相对有限
  • 与 OpenClaw 的差异化：两者都属于 Harness 工程领域，功能有重叠，OpenHarness 需要更清晰地定义自己的差异化优势

与其他实体的关系

  • Harness-Engineering —— OpenHarness 是 Harness 理念的直接实现，项目名称本身就包含 “Harness”；在 Agent = Model + Harness 的框架下，OpenHarness 提供了完整的 Harness 层
  • Claude-Code —— OpenHarness 的技能系统兼容 anthropics/skills，插件系统兼容 claude-code 插件；ohmo 可复用 Claude Code 订阅
  • OpenClaw —— 同为 Agent Harness 实现，功能有重叠但侧重不同：OpenClaw 侧重上下文管理和双源记忆，OpenHarness 侧重工具生态和权限模型
  • Hermes-Agent —— 同为 Agent 基础设施，Hermes 侧重 Skill 自动生成和 RL 训练闭环，OpenHarness 侧重工具调用和多 Provider 兼容

参考来源

  • OpenHarness-GitHub —— HKUDS 官方 GitHub 仓库，包含完整的架构设计、安装指南、Provider 配置、ohmo 助手设置和 API 文档

关系图谱

反向链接