OpenHarness：港大开源轻量级 Agent 基础设施，兼容 15+ 大模型提供商
AI Agent 领域概念层出不穷，但真正能在生产环境落地的基础设施依然稀缺。从工具调用到权限管理、从记忆持久化到多智能体协作，每一步都充满挑战。
近期，香港大学数据科学学院（HKUDS）团队开源了 OpenHarness 项目。与常见的聊天机器人不同，OpenHarness 是一套完整的 Agent 基础设施框架，让 AI 能够真正在你的电脑上执行实际任务。
OpenHarness 的核心设计理念很清晰：大模型提供智力，而 Harness（框架）则提供手、眼、记忆和安全边界。项目还附带了一个名为 ohmo 的个人 AI 助手，可接入飞书、Slack、Telegram、Discord 等平台，帮你完成 fork 分支、编写代码、运行测试、提交 PR 等开发任务。
核心架构
1. Agent Loop — 核心执行引擎
OpenHarness 内置了成熟的 Agent Loop，支持流式工具调用循环，工具执行、观察、循环一气呵成。关键特性包括：
- 指数退避重试：遇到 API 不稳定时自动处理
- Token 计数和成本追踪：清楚记录每次调用的花费，对生产环境至关重要
- 并行工具执行：提升多工具调用的效率
2. Harness Toolkit — 43+ 内置工具
工具覆盖文件操作、Shell 命令、搜索、网页访问、MCP 等场景。更值得关注的是它的技能加载机制：用简单的 Markdown 文件即可定义各种技能，同时兼容 anthropics/skills 和 Claude-style plugins 插件生态。
3. Context & Memory — 持久化记忆系统
记忆管理是 Agent 落地的关键难点。OpenHarness 的解决方案包括：
- 自动发现并注入项目中的
CLAUDE.md文件，让 AI 理解项目上下文 - 自动上下文压缩，在多日会话中保持任务状态和通道日志
MEMORY.md提供持久记忆支持- 会话恢复功能，中断后可继续之前的工作
4. Governance — 多级权限控制
安全是生产环境的核心考量。OpenHarness 支持路径级别和命令级别的权限规则，通过 PreToolUse 和 PostToolUse 钩子可在工具调用前后插入自定义逻辑，交互式审批对话框让权限控制更加灵活。
5. Swarm Coordination — 多智能体协作
支持子智能体生成和任务委派，具备团队注册和任务管理机制，后台任务生命周期管理完善。Roadmap 中还包括 ClawTeam 集成，未来多智能体协作能力将进一步增强。
ohmo：你的个人 AI 编程助手
ohmo 是基于 OpenHarness 构建的个人 AI 助手，最大的特点是直接复用你已有的 Claude Code 或 Codex 订阅，不需要额外的 API Key。
接入聊天平台后，ohmo 可以帮你：
- Fork 代码分支
- 编写代码
- 运行测试
- 打开 Pull Request
支持 15+ 大模型提供商
OpenHarness 支持的主流模型提供商包括：
- Claude：官方 API 和 Subscription（复用本地
~/.claude/.credentials.json） - OpenAI：官方 API 和 Codex Subscription（复用本地
~/.codex/auth.json） - GitHub Copilot
- 国产模型：Moonshot/Kimi、Zhipu/GLM、MiniMax、DeepSeek、SiliconFlow
- 其他：OpenRouter、DashScope、Groq、Ollama 及兼容 Anthropic/OpenAI 接口
配置通过 workflow 和 profile 的概念管理，比零散的配置项更优雅。
安装与使用
一键安装（推荐）
Linux / macOS / WSL：
curl -fsSL https://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.sh | bashWindows（PowerShell）：
iex (Invoke-WebRequest -Uri 'https://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.ps1')额外参数：
--from-source：从源码安装，适合贡献者--with-channels：一并安装 IM 频道依赖
其他安装方式：
# pip 安装
pip install openharness-ai
# 从源码运行
git clone https://github.com/HKUDS/OpenHarness.git
cd OpenHarness
uv sync --extra dev
uv run oh配置
最简单的方式是使用引导式配置：
oh setup
# Windows PowerShell: openh setup配置流程包括：选择 workflow → 完成认证 → 选择后端 preset → 确认模型 → 保存并激活 profile。
常用配置命令：
# 查看已有 workflow/profile
oh provider list
# 切换当前 workflow
oh provider use codex
# 查看认证状态
oh auth status运行模式
交互模式（推荐，启动 React TUI）：
oh
# Windows PowerShell: openh非交互模式：
# 单次提示 → 标准输出
oh -p "Explain this codebase"
# JSON 输出，适合程序化使用
oh -p "List all functions in main.py" --output-format json
# 实时流式 JSON 事件
oh -p "Fix the bug" --output-format stream-json干运行模式（预览配置，不执行实际操作）：
# 预览交互式会话设置
oh --dry-run
# 预览提示词而不执行
oh --dry-run -p "Review this bug fix"设置 ohmo 个人 AI 助手
在飞书、Slack、Telegram、Discord 中使用 ohmo：
# 1. 初始化（创建人格、记忆、配置目录）
ohmo init
# 2. 配置 gateway
ohmo config
# 3. 运行 gateway
ohmo gateway run
# 或直接运行
ohmoohmo init 会创建以下目录结构：
~/.ohmo/soul.md：长期人格与行为原则~/.ohmo/identity.md：ohmo 身份定义~/.ohmo/user.md：用户画像和偏好~/.ohmo/BOOTSTRAP.md：首轮 onboarding 仪式~/.ohmo/memory/：个人记忆~/.ohmo/gateway.json：gateway 配置
总结
OpenHarness 的优势在于它的生产就绪性：完善的权限控制、成本追踪、记忆管理和多模型支持，让它区别于大多数仍处于 demo 阶段的 Agent 项目。
如果你正在做 AI Agent 开发，或需要一个能真正干活的个人 AI 助手，OpenHarness 值得尝试。