AI: 介绍 OpenHarness ，与 Claude Code 比较

OpenHarness 是香港大学数据科学研究院（HKUDS）于 2026年4月初 开源的 轻量级AI智能体驾驭框架（Agent Harness），旨在为大语言模型（LLM）提供工具调用、记忆管理、安全控制等能力，将纯文本模型转变为可执行复杂任务的自主智能体。

一、核心理念

The model is the agent. The code is the harness.（模型即智能体，代码即驾驭框架）

• 模型层 (Agent)：负责核心的推理、规划、决策（大脑）。
• 框架层 (Harness)：负责工具执行、权限控制、记忆存储、多智能体协同（手脚与管家）。

二、核心优势（对比 Claude Code）

• 极致轻量化：仅 1.17万行Python代码（vs Claude Code 51.2万行TS），体积缩小 44倍。
• 高兼容性：工具覆盖率 98%（43/44），命令覆盖率 61%（54/88），兼容官方插件。
• 完全开源：采用 MIT 许可，代码简洁、易于理解和二次开发。
• 模型无关：不绑定特定API，可接入 Claude、GPT、Kimi 等主流模型。

三、核心功能与架构

OpenHarness 包含 10大子系统，提供完整的智能体运行时环境：

1. Agent Loop（核心循环）
   实现 思考 → 调用工具 → 执行 → 观察结果 → 再思考 的标准智能体闭环，支持流式工具调用（边思考边执行）。
2. 工具系统 (43种内置工具)
   覆盖文件IO、Shell执行、Web搜索、数据爬取、图表生成、MCP协议等。
3. 记忆系统

• 工作记忆：管理对话上下文。
• 持久记忆：跨会话存储信息，突破Token限制。

4. 安全与治理

• 多级权限控制：精细管控文件路径、命令执行范围。
• 沙箱隔离：防止恶意操作，保障环境安全。

5. 可观测性
   全链路日志、Token计数、成本追踪、实时状态监控。
6. 多智能体协同
   支持多个智能体分工合作、信息共享与任务调度。

四、技术栈

• 后端：Python（核心逻辑）
• 前端：React / Ink（提供交互式终端UI）
• 协议：兼容 MCP（Model Control Protocol）、Anthropic Skills 生态

五、适用场景

• AI 研究：快速实验智能体架构、安全机制、工具调用策略。
• 开发者工具：构建下一代 AI 编辑器、代码助手、自动化运维机器人。
• 企业应用：开发数据分析、客户服务、内容创作等领域的自主AI助理。

六、总结

OpenHarness 是当前最简洁、最完整的 Agent Harness 开源实现。它用极小的代码量，提供了媲美商业产品（如 Claude Code）的强大能力，让开发者能轻松为大模型装上“手、眼、记忆和安全边界”，是研究与构建AI智能体的首选基础设施。

项目地址：https://github.com/HKUDS/OpenHarness

OpenHarness 与 Claude Code 比较

OpenHarness 与 Claude Code 核心定位一致（AI Agent 驾驭框架），但在体量、开放性、技术栈、适用场景上差异巨大。简单说：Claude Code 是成熟商业产品，OpenHarness 是轻量开源研究版。

一、核心定位与背景

• Claude Code
  • 开发者：Anthropic（商业公司）
  • 定位：终端级 AI 编程助手，开箱即用的商业产品
  • 目标：服务专业开发者，最大化生产力、稳定性、生态完整
  • 本质：闭源服务，深度绑定 Claude 模型生态
• OpenHarness
  • 开发者：香港大学 HKUDS（学术团队）
  • 定位：轻量级开源 Agent Harness，Claude Code 核心功能的极简实现
  • 目标：提供可理解、可修改、可研究的智能体基础设施
  • 本质：MIT 开源项目，模型无关、高度可定制

二、技术体量对比（最直观差异）

三、核心架构与能力对比

1. 模型兼容性（决定性差异）

• Claude Code：强绑定 Claude 系列模型（Opus/Sonnet/Haiku），无法接入其他模型。
• OpenHarness：完全模型无关，标准 API 接入。支持 Claude、GPT、Kimi、Gemini 及本地开源模型。

2. 核心功能（能力接近）

两者共享 Agent Harness 核心理念：Model (大脑) + Harness (手脚/记忆/安全)。

• 共同能力：
  • ✅ 标准 思考 → 调用工具 → 执行 → 观察 智能体循环
  • ✅ 文件 IO、Shell 执行、Web 搜索、MCP 协议
  • ✅ 上下文记忆、持久化、Token 追踪
  • ✅ 权限控制、安全沙箱
  • ✅ 兼容 Skills 与插件系统
• Claude Code 独有（企业级）：
  • 复杂多模态、长上下文（200k+）深度优化
  • 完整 IDE 插件（VS Code/JetBrains）
  • 企业级 SSO、OAuth、精细权限、审计日志
  • 官方技术支持、7x24 稳定性保障
• OpenHarness 独有（研究级）：
  • 流式工具调用（边思考边执行）
  • 并行工具执行
  • 极简架构，极易二次开发
  • 完全透明的权限与 Hook 系统

四、技术栈与部署

• Claude Code
  • 语言：TypeScript（后端）+ 原生客户端
  • 部署：闭源服务，需订阅、联网使用
  • 环境：终端 + IDE 插件，跨平台（macOS/Linux/Windows）
• OpenHarness
  • 语言：Python（核心）+ React/Ink（CLI UI）
  • 部署：完全开源，本地一键部署
  • 环境：纯 Python 环境，依赖极少，轻量快速

五、适用人群与场景

选择 Claude Code 如果你：

• 是专业开发者，需要开箱即用、稳定可靠的 AI 编程助手
• 深度使用 Claude 模型，追求最佳协同体验
• 需要企业级功能、安全合规、官方支持
• 不想折腾，专注开发而非研究框架

选择 OpenHarness 如果你：

• 是研究者/学生，想学习、读懂、修改 Agent 底层原理
• 是极客/开发者，需要高度定制、多模型自由切换
• 希望本地部署、完全掌控数据，无隐私顾虑
• 用于轻量自动化、CI/CD、研究实验，追求极简高效

六、总结

• Claude Code：功能最全、生态最成熟、体验最佳的商业级 AI 编程代理，但封闭、昂贵、绑定模型、代码黑盒。
• OpenHarness：开源、轻量、模型无关、高度可定制的研究级框架，用 1/44 的代码量实现了 98% 的核心能力，是学习与定制的首选。

一句话选择：干活用 Claude Code，研究/定制用 OpenHarness。

OpenHarness 的快速安装与配置指南

下面给你一份最精简、能直接跑起来的 OpenHarness 快速上手指南，照着复制粘贴即可。
环境：Python 3.9+，Windows / macOS / Linux 通用。

1. 克隆项目

git clone https://github.com/HKUDS/OpenHarness.git cd OpenHarness 

2. 创建虚拟环境（推荐）

python -m venv harness 

激活环境：

• Windows

harness\Scripts\activate 

• macOS / Linux

source harness/bin/activate 

3. 安装依赖

pip install-r requirements.txt 

4. 配置模型 API Key

复制配置模板：

cp config.example.yaml config.yaml 

打开 config.yaml，填入你想用的模型 key，例如：

llm:provider: openai # 可选 openai / anthropic / deepseek / ollamaapi_key: sk-xxxxxxxxxxxxxxxxxxxxxxxx model: gpt-3.5-turbo base_url: https://api.openai.com/v1 # 国内可填代理地址

支持：

• OpenAI
• Anthropic Claude
• 本地 Ollama
• 通义千问、DeepSeek 等

5. 一键启动

python main.py 

启动成功后，你会进入一个交互式 AI Agent 终端，可以直接让它：

• 读写文件
• 执行 shell 命令
• 搜索网页
• 写代码、运行代码
• 规划复杂任务

6. 简单测试指令

你可以直接输入：

列出当前目录文件 

或

创建一个 hello.py 并运行它 

Agent 会自动调用工具完成。

7. 与 Claude Code 对比体验（最直观）

OpenHarness 完整技术架构

OpenHarness 是一个极简、分层、模块化的 Agent 驾驭框架，核心设计思想是：
模型只负责思考决策，框架负责执行、安全、记忆、工具。

整体采用经典分层架构 + 事件驱动，代码只有 1 万多行，非常容易读懂。

一、整体架构分层

从上到下共 5 层：

1. 交互层（Interface Layer）
2. Agent 核心循环层（Agent Core Layer）
3. 能力扩展层（Capability Layer）
4. 执行引擎层（Execution Engine）
5. 基础支撑层（Infrastructure Layer）

二、每层详细结构

1）交互层 Interface Layer

负责与用户交互，不参与核心逻辑。

• 终端 CLI（基于 Ink/React）
• 流式输出
• 命令解析
• 历史记录与回显

入口：

• main.py
• cli/

2）Agent 核心循环层（大脑）

整个框架的心脏，实现标准 ReAct 流程：
Think → Act → Observe → Reflect → Repeat

核心组件

• AgentLoop：主循环调度器
• Planner：任务规划器（复杂任务拆分）
• PromptEngine：提示词模板与结构化输出
• StateMachine：状态管理（idle / thinking / acting / error）

数据流：
用户输入 → 意图理解 → 规划 → 调用工具 → 执行结果 → 总结回复

3）能力扩展层（手脚）

OpenHarness 最核心的一层，对标 Claude Code 的工具系统。

3.1 工具系统 Tool System

内置 43+ 工具，统一接口：

• 文件系统（read/write/mkdir/rm）
• Shell 命令执行
• Web 搜索 & 爬虫
• 代码运行（Python/JS/Shell）
• 数据处理（CSV/JSON/图表）
• MCP 协议兼容

所有工具统一抽象为：

def run(parameters) → Result[success, output, error] 

3.2 记忆系统 Memory

• WorkingMemory：短期上下文（对话历史）
• PersistentMemory：长期存储（文件/DB）
• VectorMemory（可选）：向量检索

3.3 安全与权限

• Path 白名单
• 命令黑名单
• 沙箱隔离
• 操作确认机制

4）执行引擎层 Execution Engine

负责真正执行危险/系统操作，与核心逻辑解耦。

• CommandExecutor：命令执行器
• FileIOEngine：文件操作
• Sandbox：沙箱环境
• ToolInvoker：工具调用分发器

特点：

• 所有系统操作收口在此
• 方便替换、监控、审计

5）基础支撑层 Infrastructure

• 配置系统（config.yaml）
• 日志系统
• Token 计算与计费
• 异常捕获
• LLM 适配器（适配不同模型）

三、核心模块依赖图（极简版）

User → CLI → AgentLoop → Planner → ToolSystem → ExecutionEngine ↓ LLMAdapter ← PromptEngine ← Memory ← Security 

四、与 Claude Code 架构的关键区别