夜雨聆风最近技术圈讨论最多的三个词：
• OpenClaw • Harness • Claude Code
有人说："OpenClaw 是 Harness，Claude Code 不是。"
有人说："它们都是 Harness，只是场景不同。"
还有人说："国内的 Coze、Dify 也是 Harness。"
到底谁对？
这篇文章帮你彻底理清：
1. 三者的关系（谁包含谁？谁是谁的一种？） 2. Harness 的判断标准（什么才算 Harness？） 3. 国内哪些产品属于 Harness（Coze？Dify？FastGPT？）
一、核心概念：先定义，再讨论
1.1 Harness 是什么？
图 3：Harness 的 4 条判断标准
Harness = Agent 编排层
核心能力：
• 任务分解：把复杂任务拆成多个子任务 • 多 Agent 调度：分配给不同 Agent 执行 • 结果汇总：整合各 Agent 的输出
判断标准（满足任意 2 条即可）：
1. ✅ 能调度多个 Agent/Subagent 协作 2. ✅ 有任务分解和结果汇总机制 3. ✅ 有上下文/记忆管理系统 4. ✅ 支持工具/技能编排
1.2 OpenClaw 是什么？
OpenClaw = Agent 运行时框架 + Harness 能力
OpenClaw 有两层身份：
| 基础层 | ||
| 高级层 | --runtime "acp" 启用多 Agent 编排 |
关键代码：
# 启用 Harness 模式sessions_spawn --runtime "acp" --agentId "xxx"结论：OpenClaw 包含 Harness 能力，但不止是 Harness。
1.3 Claude Code 是什么？
Claude Code = 命令行场景的 Harness
2026 年 3 月 31 日源码泄露（512,000 行 TypeScript）揭示了它的真实架构：
Harness 能力证据：
• ✅ 三种 Subagent 模式：fork / teammate / worktree • ✅ 任务分解：复杂查询自动拆分为多个工具调用 • ✅ 五阶段上下文管理：工具预算→微压缩→合并→自动压缩→硬截断 • ✅ 三层记忆系统：索引层/主题层/转录层，autoDream 后台整合
结论：Claude Code 是 Harness，专注命令行场景。
二、三者关系：一张图看懂
图 1：Harness 概念与具体产品的关系
┌────────────────────────────────────────────────────────────┐│ Harness（编排层概念） ││ ││ ┌─────────────────┐ ┌─────────────────┐ ││ │ OpenClaw ACP │ │ Claude Code │ ││ │ (通用多渠道) │ │ (命令行场景) │ ││ │ │ │ │ ││ │ • fork 模式 │ │ • fork 模式 │ ││ │ • teammate 模式 │ │ • teammate 模式 │ ││ │ • worktree 模式 │ │ • worktree 模式 │ ││ │ • ACP 协议 │ │ • MCP 协议 │ ││ └─────────────────┘ └─────────────────┘ ││ ││ ┌─────────────────┐ ┌─────────────────┐ ││ │ Coze（扣子） │ │ Dify │ ││ │ (可视化平台) │ │ (工作流引擎) │ ││ └─────────────────┘ └─────────────────┘ │└────────────────────────────────────────────────────────────┘ ↑ │ 实现方式不同，但都是 Harness 的具体产品关系总结：
| Harness | ||
| OpenClaw | ||
| Claude Code | ||
| Coze/Dify |
三、国内 Harness 产品盘点
3.1 判断标准回顾
满足以下任意 2 条即属于 Harness：
1. ✅ 能调度多个 Agent/Subagent 协作 2. ✅ 有任务分解和结果汇总机制 3. ✅ 有上下文/记忆管理系统 4. ✅ 支持工具/技能编排
3.2 国内产品分析
✅ Coze（扣子）- 字节跳动
类型：可视化 Harness 平台
Harness 能力：
• ✅ 多 Bot 协作：支持多个 Bot 分工（如"内容 Bot"+"审核 Bot"） • ✅ 工作流编排：可视化拖拽，多节点串联 • ✅ 插件系统：支持第三方插件调用 • ✅ 记忆管理：Bot 级别的历史对话管理
判断：是 Harness
特点：
• 低门槛（可视化拖拽） • 适合快速搭建客服/营销机器人 • 深度集成字节生态（抖音/飞书）
✅ Dify
类型：开源 Harness 工作流引擎
Harness 能力：
• ✅ 多 Agent 调度：支持多 Agent 协作工作流 • ✅ 任务分解：LLM 自动规划任务步骤 • ✅ 工具编排：内置 20+ 工具，支持自定义 • ✅ 记忆系统：RAG + 历史对话管理
判断：是 Harness
特点：
• 开源可自部署 • 支持多种 LLM（OpenAI/Claude/本地模型） • 工作流可视化编排
✅ FastGPT
类型：开源 Harness 引擎（专注知识库）
Harness 能力：
• ✅ 多模块编排：问题分类→知识库检索→答案生成 • ✅ 工作流系统：支持多节点串联 • ✅ 工具调用：支持 API 调用和代码执行 • ✅ 记忆管理：对话历史 + 知识库检索
判断：是 Harness
特点：
• 专注知识库问答场景 • 开源可自部署 • 适合企业知识库客服
⚠️ LangChain（中国社区）
类型：Harness 开发库（不是产品）
Harness 能力：
• ✅ Agent 编排：提供 Agent 编排的底层库 • ✅ 工具链：丰富的工具集成 • ✅ 记忆系统：多种记忆后端
判断：是 Harness 库，但不是终端产品
特点：
• 开发者用来构建自己的 Harness • 类似" Harness 的 SDK" • 需要自己写代码组装
⚠️ 通义千问 / 文心一言
类型：大模型（不是 Harness）
分析：
• ❌ 单个模型，不能调度多 Agent • ❌ 没有任务分解机制 • ❌ 没有独立的记忆管理系统 • ✅ 提供 API 可被 Harness 调用
判断：不是 Harness，是 Agent 可调用的模型
类比：
• 大模型 = 演员（执行能力） • Harness = 导演（编排能力）
⚠️ Kimi / 智谱 AI
类型：大模型产品（不是 Harness）
分析：
• ❌ 单一模型服务 • ❌ 不能调度多 Agent • ❌ 没有工作流编排 • ✅ 可被 Harness 集成
判断：不是 Harness
3.3 汇总表
图 2：国内 Harness 产品对比
| OpenClaw ACP | |||
| Claude Code | |||
| Coze（扣子） | |||
| Dify | |||
| FastGPT | |||
| LangChain | |||
| 通义千问 | |||
| 文心一言 | |||
| Kimi | |||
| 智谱 AI | |||
| Cursor |
四、常见误区
4.1 "大模型就是 Harness"
错误。
• 大模型 = 演员（执行能力） • Harness = 导演（编排能力）
例子：
• 通义千问 = 演员 • Coze = 导演（可以调度多个通义千问实例协作）
4.2 "只有 OpenClaw 是 Harness"
错误。
Harness 是一种模式，不是某个产品的专利。
类比：
• "操作系统"是一种概念 • Windows、macOS、Linux 都是操作系统 • 同理，OpenClaw、Claude Code、Coze、Dify 都是 Harness
4.3 "Harness 必须是独立产品"
错误。
Harness 可以存在于不同形态：
• 独立产品：Coze、Dify • 功能模块：OpenClaw 的 ACP 模式 • 开发库：LangChain
关键判断：能否调度多 Agent 协作，而不是产品形态。
五、选型建议
5.1 按场景选择
| 命令行开发 | ||
| 飞书/微信机器人 | ||
| 快速搭建客服机器人 | ||
| 企业知识库问答 | ||
| 自研 Harness | ||
| 服务器部署，7x24 运行 |
5.2 组合方案
推荐组合：
开发者本地：Claude Code（开发工作流） ↓ Git 提交 ↓服务器：OpenClaw（监听 Git webhook） ↓ 触发业务流程（如公众号文章生成） ↓ 多渠道发布（飞书/微信/Slack）优势：
• 开发时用 Claude Code 高效写代码 • 业务场景用 OpenClaw 对接多渠道 • 通过 Git/API 连接两者
六、给开发者的建议
6.1 学习路径
第一步：理解 Harness 概念
• Harness = Agent 编排层 • 核心能力：任务分解 + 多 Agent 调度 + 结果汇总
第二步：体验不同 Harness
• 命令行场景：Claude Code • 多渠道业务：OpenClaw • 可视化编排：Coze / Dify
第三步：学习架构设计
• Claude Code 源码分析（三层记忆/五阶段管理） • OpenClaw ACP 协议文档 • Dify 工作流设计
6.2 避免的误区
误区 1："大模型 = Harness"
• 纠正：大模型是演员，Harness 是导演
误区 2："只有一个产品是 Harness"
• 纠正：Harness 是模式，多个产品都实现了这种模式
误区 3："Harness 必须很复杂"
• 纠正：简单的任务分解 + 结果汇总就是 Harness
6.3 实践建议
从简单开始：
1. 先用 Coze 体验可视化 Harness（门槛最低） 2. 再用 Claude Code 体验命令行 Harness 3. 最后用 OpenClaw 搭建多渠道业务 Harness
关注生态：
• Coze：学习可视化编排 • Claude Code：学习 MCP 协议 • OpenClaw：贡献 skills 生态 • Dify：学习工作流设计
结尾：回归本质
OpenClaw、Harness、Claude Code 的关系，不是"谁替代谁"，而是：
• Harness = 抽象概念（像"操作系统"） • OpenClaw = Harness 的一种实现（通用多渠道） • Claude Code = Harness 的一种实现（命令行场景）
国内 Harness 产品：
• Coze（扣子）、Dify、FastGPT 都是 Harness • 通义千问、文心一言、Kimi 不是 Harness（是大模型）
下次讨论时，不要问"哪个是 Harness？"
要问："它解决了什么场景的编排问题？"
想清楚这个问题，选型就简单了。
#AIAgent #OpenClaw #Harness #ClaudeCode #Coze #Dify #开发者工具 #推选智库
延伸阅读：
• OpenClaw 官方文档：https://docs.openclaw.ai/ • Claude Code 源码分析：https://github.com/pankaj28843/understanding-claude-code • Coze（扣子）：https://www.coze.cn/ • Dify：https://dify.ai/ • FastGPT：https://fastgpt.run/ • Model Context Protocol 规范：https://modelcontextprotocol.io/
本文首发于微信公众号「推选智库」。关注获取更多技术前沿解读与开源项目推荐。
