夜雨聆风想要自己搭建一个能真正干活的 AI Agent ，但又找不到轻量、完整的开源基础设施？
今天给大家推荐香港大学开发的开源项目 —— OpenHarness，它提供了完整轻量化的 AI Agent 核心基础设施：工具调用、技能、记忆、多 Agent 协调一应俱全，而且基于它还能搭建个人 AI Agent ohmo ，直接在飞书/ Slack/ Telegram 里帮你自动分叉分支、写代码、跑测试、开 PR ，完全不用额外 API 密钥，用你现有的 Claude Code 或 Codex 订阅就能跑 ♪ (◕‿◕)
什么是 OpenHarness ？
OpenHarness 提供了轻量级 AI Agent 核心基础设施：
- 工具调用
- 技能系统
- 持久化记忆
- 多 Agent 协调
而 ohmo 是基于 OpenHarness 构建的个人 AI Agent —— 它不是另一个聊天机器人，而是真正能在长会话中为你工作的助手。你可以在飞书/Slack/Telegram/Discord 和 ohmo 聊天，它会帮你自动干活。
一句话： 一个命令 oh 就能启动 OpenHarness ，解锁所有 AI Agent 能力。
核心功能五大模块 ✨
| 模块 | 核心能力 |
|---|---|
| 🔄 Agent Loop | 流式工具调用循环、指数退避 API 重试、并行工具执行、 Token 计数和成本追踪 |
| 🔧 Harness Toolkit | 内置 43+ 工具（文件、 Shell 、搜索、 Web 、 MCP ）、按需加载技能（.md ）、插件生态系统、兼容 anthropics/skills |
| 🧠 Context & Memory | CLAUDE.md 自动发现注入、上下文自动压缩、 MEMORY.md 持久化记忆、会话恢复 |
| 🛡️ Governance | 多级权限模式、路径/命令规则、工具调用前后钩子、交互式确认对话框 |
| 🤝 Swarm Coordination | 子 Agent 创建与委派、团队注册与任务管理、后台任务生命周期 |
什么是 Agent Harness ？
OpenHarness 给出了非常清晰的定义：
Agent Harness 是包裹在 LLM 外围，让它成为一个可用 Agent 的完整基础设施。模型提供智能， Harness 提供手、眼、记忆和安全边界。
Harness = Tools + Knowledge + Observation + Action + Permissions
OpenHarness 是一个开源 Python 实现，面向研究者、开发者和社区：
- 理解生产环境 AI Agent 底层工作原理
- 实验前沿工具、技能和 Agent 协调模式
- 用自定义插件、提供者、领域知识扩展 Harness
- 在经过验证的架构之上构建专用 Agent
五分钟快速开始
1. 安装
Linux / macOS / WSL:
curl-fsSLhttps://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.sh|bash
pipinstallopenharness-ai
Windows (原生):
iex (Invoke-WebRequest -Uri 'https://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.ps1')
pip install openharness-ai
💡 Windows 上因为
oh会和内置的Out-Host别名冲突，所以用openh代替。
2. 配置
ohsetup# 交互式向导，选提供者，认证，搞定
OpenHarness 支持这些提供者：Claude / OpenAI / Copilot / Codex / Moonshot(Kimi) / GLM / MiniMax / NVIDIA NIM，任何兼容端点都能用。
3. 运行
oh
就这么简单，一个命令启动交互式 TUI ，就能开始用了 ✧
搭建你的个人 AI Agent ohmo
想要一个能在聊天软件里帮你干活的个人 AI Agent ？ ohmo 帮你搞定：
ohmoinit# 初始化 ~/.ohmo 工作区
ohmoconfig# 配置渠道和提供者
ohmogatewaystart# 启动网关 —— ohmo 就已经在你的聊天软件里生效了
亮点： ohmo 运行在你现有的 Claude Code 订阅或 Codex 订阅之上 —— 不需要额外 API 密钥！
支持的聊天渠道：
- ✅ 飞书
- ✅ Slack
- ✅ Telegram
- ✅ Discord
ohmo 真的能帮你干活：分叉分支、写代码、运行测试、打开 PR ，全程自动化。
多种使用模式
非交互模式（管道和脚本）
oh-p"Explain this codebase"
oh-p"List all functions in main.py"--output-formatjson
oh-p"Fix the bug"--output-formatstream-json
Dry Run （安全预览）
--dry-run 可以在实际执行开始前预览 OpenHarness 会用到什么：
oh--dry-run
oh--dry-run-p"Review this bug fix and grep for failing tests"
三种就绪状态：
- ready: 配置看起来可用，下一步直接运行 prompt
- warning: 可以解析会话，但有些重要内容有问题
- blocked: 请求路径按现状无法成功运行
提供者兼容性
OpenHarness 将提供者视为工作流，按配置文件管理：
内置工作流
| 工作流 | 说明 | 典型后端 |
|---|---|---|
| Anthropic-Compatible API | Anthropic 风格请求格式 | Claude 官方、 Kimi 、 GLM 、 MiniMax |
| Claude Subscription | Claude CLI 订阅桥接 | 本地 ~/.claude/.credentials.json |
| OpenAI-Compatible API | OpenAI 风格请求格式 | OpenAI 官方、 OpenRouter 、 DashScope 、 DeepSeek 、 Ollama |
| Codex Subscription | Codex CLI 订阅桥接 | 本地 ~/.codex/auth.json |
| GitHub Copilot | Copilot OAuth 工作流 | GitHub Copilot 设备流登录 |
支持 Ollama 本地模型，支持 GitHub Copilot OAuth ，不需要 API 密钥，直接用你的订阅。
架构清晰，易于二次开发
OpenHarness 实现了完整的 Agent Harness 模式，包含 10 个子系统：
openharness/
engine/# 🧠 Agent Loop — 查询 → 流 → 工具调用 → 循环
tools/# 🔧 43 个工具 — 文件IO、shell、搜索、web、MCP
skills/# 📚 知识 — 按需加载技能（.md 文件）
plugins/# 🔌 扩展 — 命令、钩子、Agent、MCP 服务器
permissions/# 🛡️ 安全 — 多级模式、路径规则、命令拒绝
hooks/# ⚡ 生命周期 — 工具调用前后事件钩子
commands/# 💬 54 个内置命令 — /help, /commit, /plan, /resume...
mcp/# 🌐 MCP — Model Context Protocol 客户端
memory/# 🧠 记忆 — 跨会话持久化知识
tasks/# 📋 任务 — 后台任务管理
coordinator/# 🤝 多 Agent — 子 Agent 创建、团队协调
prompts/# 📝 上下文 — 系统提示组装、CLAUDE.md、技能
config/# ⚙️ 设置 — 多层配置、迁移
ui/# 🖥️ React TUI — 后端协议 + 前端
核心的 Agent Loop 非常清晰：
while True:
response = await api.stream(messages, tools)
if response.stop_reason != "tool_use":
break # 模型处理完成
for tool_call in response.tool_uses:
result = await harness.execute_tool(tool_call)
messages.append(tool_results)
模型决定做什么， Harness 处理怎么做——安全、高效、完全可观察。
为什么值得试试？
如果你对 AI Agent 底层原理感兴趣，或者想要一个能真正在长会话中帮你干活的个人 AI 助手， OpenHarness 真的值得试试 ✨
项目地址
⭐ GitHub ： https://github.com/HKUDS/OpenHarness
标签： AI Agent 开源项目 人工智能 Agent 基础设施 ohmo
