AI: 介绍 OpenHarness ，与 Claude Code 比较

关注

原创 2026-04-06 22:29:21 2.1k 阅读 AI 写同款· GEO 优化 ›

OpenHarness：开源AI应用编排框架，告别“胶水代码” 在构建复杂AI应用时，开发者常面临将多个大模型、工具和数据处理流程串联的挑战，这催生了大量处理API调用、错误重试和数据转换的“胶水代码”，严重拖慢开发效率。工作流编排技术应运而生，其核心原理是通过有向无环图（DAG）以声明式的方式定义任务执行流程，由底层引擎负责调度、执行与容错。这项技术的价值在于将开发者从繁琐的集成工作中解放出来，专注于业务逻辑，极大地提升了应用的可维护性、可观测性与交付速度。其典型应用场景包括智能客服、自动化内容创作、多智能体决策系统等复杂AI任务的构建。本文探讨的OpenHarnes 阅读详情

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：

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）。
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。
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。

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。

可观测性
全链路日志、Token计数、成本追踪、实时状态监控。
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）

维度	Claude Code	OpenHarness	差距
代码量	51.2 万行 TypeScript	1.17 万行 Python	轻 44 倍
文件数	1,884 个	163 个	精简 11 倍
工具覆盖	44 种内置工具	43 种内置工具	98% 兼容
命令覆盖	88 条命令	54 条命令	61% 兼容
插件生态	官方完整生态	兼容 12+ 官方插件	核心兼容

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 / ollama
  api_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）

功能	Claude Code	OpenHarness
模型绑定	只能 Claude	任意模型
代码量	51 万行 TS	1.1 万行 Python
本地部署	不支持	完全支持
工具覆盖	100%	约 98%
权限沙箱	强	中等
二次开发	不可能	非常简单
适合人群	日常开发	研究、魔改、本地隐私场景

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：

交互层（Interface Layer）
Agent 核心循环层（Agent Core Layer）
能力扩展层（Capability Layer）
执行引擎层（Execution Engine）
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

模块	OpenHarness	Claude Code
语言	Python	TypeScript
架构	分层模块化	高度封装服务化
模型绑定	无，支持任意 LLM	强绑定 Claude
工具系统	轻量统一接口	复杂内置生态
安全	基础沙箱	企业级权限治理
扩展性	极高，易改	极低，闭源