OpenHarness是由香港大学数据科学研究院(HKUDS)于2026年4月开源的一款轻量级AI智能体驾驭框架(Agent Harness)。
它的核心理念是“模型即智能体,代码即驾驭框架”,旨在为大型语言模型(LLM)提供工具调用、记忆管理、安全控制等能力,将一个纯文本模型转变为一个能够执行复杂任务的自主智能体(Agent)。
简单来说,如果把大模型比作“大脑”,那么OpenHarness就是为这个大脑装上“手、眼、记忆和安全边界”的基础设施。

🚀 核心优势:轻量与开源
OpenHarness最显著的特点是其极致的轻量化和高度的开放性,常被看作是商业产品Claude Code核心功能的开源、精简版。
表格
| 对比维度 | OpenHarness | Claude Code |
|---|---|---|
| 代码量 | 1.17万行 Python | 51.2万行 TypeScript |
| 定位 | 轻量级开源研究框架 | 成熟的商业级产品 |
| 开放性 | 完全开源 (MIT许可) | 闭源服务 |
| 模型兼容 | 模型无关,支持多种API | 深度绑定Claude模型生态 |
🛠️ 核心功能与架构
OpenHarness采用模块化设计,包含10个子系统,共同构建了一个完整的智能体运行时环境:
- 智能体循环引擎 (Agent Loop):实现“思考 → 调用工具 → 执行 → 观察结果 → 再思考”的标准闭环,是框架的“心脏”。
- 丰富的工具集 (Tools):内置超过43种工具,涵盖文件读写、Shell命令执行、网络搜索、图表生成等,让智能体能与外部环境交互。
- 多层级安全治理 (Permissions):提供精细的权限控制,包括文件路径规则、危险命令黑名单等,确保智能体操作的安全边界。
- 动态技能系统 (Skills):支持通过 Markdown 文件按需加载专业知识,让智能体能快速掌握特定领域的技能,如代码审查、数据分析等。
- 多智能体协同 (Coordinator):支持创建和管理多个智能体,通过任务分解和分工合作来处理更复杂的工作流。
- 高兼容性:兼容 Anthropic Skills 生态、MCP(Model Context Protocol)协议以及多个官方插件,可复用现有生态资源。
广泛的模型支持
OpenHarness 不绑定任何特定模型,可以接入多种主流大模型API,包括:
- Anthropic 格式:Anthropic、Moonshot (Kimi) 等。
- OpenAI 格式:OpenAI、DeepSeek、阿里 DashScope 等。
- GitHub Copilot 格式:可直接使用 GitHub Copilot 订阅作为后端。
适用场景
- AI研究与教学:代码简洁透明,是学习和研究生产级智能体架构的绝佳材料。
- 定制化智能体开发:开发者可以基于此框架,快速构建面向法律、金融等垂直领域的专用智能体。
- 自动化工作流:可集成到 CI/CD 流程中,实现代码审查、自动化测试等任务的无人值守执行。
- 本地私有化部署:通过配置本地模型(如 Ollama),可在内网或离线环境中运行,满足数据安全要求。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...



