如果你最近在关注开源 AI Agent 工具，HKUDS/OpenHarness 是一个很值得留意的新项目。它不是单纯再做一个“会聊天的外壳”，而是把一个可运行、可扩展、可治理的 Agent 基础设施单独抽出来，做成了一个开源的 Agent Harness。
按照官方 README 的说法，OpenHarness 主要提供的是一整套轻量级 Agent 基础能力，包括工具调用、技能加载、记忆机制、权限治理和多 Agent 协调；而它附带的 ohmo，则是建立在这套基础设施之上的个人 AI 助手应用。
01 OpenHarness 是什么
可以把 OpenHarness 理解成“给大模型装上手脚、记忆和边界”的运行层。
大模型本身擅长推理和生成，但如果你想让它真正成为一个可以长期工作的 Agent，通常还需要这些外围能力：
- 调工具，而不是只输出文字
- 读写文件、执行命令、访问搜索和网页能力
- 在长会话里保留上下文和记忆
- 对危险操作做权限控制
- 把大任务拆给多个子 Agent 并行处理
OpenHarness 的目标，就是把这部分“围绕模型的工程层”做成一个清晰、开源、可检查的 Python 实现。它更像一个 Agent 操作底座，而不是单独强调某一种模型或某一个聊天界面。
02 这个项目的基本功能
从当前 GitHub 首页和 README 来看，OpenHarness 的核心能力主要集中在下面几块。
1. Agent Loop
这是 Agent 能连续工作的核心执行循环。官方列出的重点包括：
- 流式工具调用循环
- API 重试和指数退避
- 并行工具执行
- Token 统计和成本追踪
这部分的意义在于，Agent 不只是“一问一答”，而是可以在一次任务里连续观察、思考、调用工具、读取结果、再继续下一步。
2. 工具、Skills 和插件体系
OpenHarness 把工具层做得比较完整。项目主页提到它已经内置了文件、Shell、搜索、网页、MCP 等多类工具，并支持按需加载 Markdown 技能文件。
它的价值不只是“工具多”，更重要的是组合方式比较开放：
- 可以直接使用内置工具
- 可以按任务加载 skills
- 可以通过插件扩展 hooks、skills 和 agents
- 兼容
anthropics/skills与相关插件生态
如果你希望把某些固定流程沉淀成可复用能力，而不是每次都靠 prompt 临时描述，这一层会很有用。
3. 上下文与记忆
这部分是 OpenHarness 很重要的差异点。官方给出的关键词包括：
CLAUDE.md发现与注入- 自动上下文压缩
MEMORY.md持久记忆- 会话恢复与历史延续
这意味着它不只是处理当前这一轮输入，而是会尽量把“项目约定”“历史任务”“长期偏好”保留下来，让 Agent 更适合持续工作，而不是每次从零开始。
4. 权限治理与安全边界
Agent 真正进入文件系统、终端和网络之后，治理就非常关键。OpenHarness 在这部分提供了：
- 多级权限模式
- 基于路径和命令的规则控制
PreToolUse/PostToolUsehooks- 交互式审批弹窗
简单说，它不只是让 Agent “能做事”，也考虑了“哪些事能直接做，哪些事必须先经过确认”。
5. 多 Agent 协调
OpenHarness 还支持把任务拆给子 Agent 处理。当前公开资料里提到的能力包括：
- 子 Agent 创建与委派
- 团队注册与任务管理
- 后台任务生命周期管理
对复杂任务来说，这意味着它可以不只靠一个 Agent 串行推进，而是尝试做并行协作。
6. 多 Provider 工作流
OpenHarness 当前并不把 provider 只当成一个底层 API 名称，而是抽象成 workflow + profile。根据 README，当前支持的方向包括：
- Claude / Anthropic-compatible
- OpenAI-compatible
- Codex Subscription
- GitHub Copilot
- Moonshot(Kimi)、GLM、MiniMax 等兼容后端
这让它更像一个“多模型、多入口”的 Agent 运行框架，而不是绑定某一家服务商。
7. React TUI 与非交互模式
OpenHarness 自带终端交互界面，运行 oh 后可以进入 React/Ink TUI。官方 README 提到它支持：
- 命令选择器
- 权限确认
- 模型切换
- Provider 切换
- 会话恢复
如果你不想进入交互界面，也可以用非交互模式直接执行单次任务，例如把结果输出到标准输出、JSON 或流式 JSON，适合脚本化和自动化场景。
03 ohmo 是什么
如果说 OpenHarness 是底层基础设施，ohmo 就是建立在这套基础设施之上的“个人 Agent 应用”。
项目首页对 ohmo 的定位很明确：它不是普通聊天机器人，而是一个可以在长会话里持续工作的个人助手。官方描述里提到，它可以在 Feishu、Slack、Telegram、Discord 等渠道里与你交互，并执行诸如：
- fork 分支
- 写代码
- 跑测试
- 发起 PR
另外，README 还特别强调：ohmo 可以运行在你现有的 Claude Code 或 Codex 订阅之上，不一定要求额外申请新的 API key。对已经在使用这些订阅工具的人来说，这一点门槛比较低。
04 它适合什么场景
从这个项目当前公开出来的能力看，OpenHarness 比较适合下面几类人：
- 想研究生产级 Agent 到底由哪些基础模块组成
- 想自己搭建一个可扩展的开源 Agent 运行层
- 想把工具、技能、记忆、权限、多 Agent 协调放到同一个框架里
- 不希望被单一模型厂商或单一客户端形态绑定
- 想基于现成架构继续做垂直领域 Agent 或个人助手
如果你的目标只是“找一个能直接聊天的成品助手”，那 OpenHarness 本体可能不是最轻量的选择；但如果你更关心 Agent 基础设施、工程可控性和后续扩展，这个项目就很值得研究。
05 快速理解它的定位
一句话总结：
OpenHarness 负责把大模型变成真正可执行任务的 Agent，ohmo 负责把这套能力包装成一个可以长期陪你工作的个人助手。
也可以把它拆成两层来看：
- OpenHarness：开源 Agent Harness，本质是基础设施
- ohmo：基于这套基础设施构建的 personal-agent app
截至 2026 年 4 月 12 日，项目 GitHub 首页显示它的更新已经推进到 v0.1.6（2026 年 4 月 10 日），重点继续放在自动上下文压缩、MCP 传输能力、React TUI 和多 Agent 运行稳定性上。这说明它目前仍处于快速演进阶段，但方向已经非常清晰。
参考链接
- GitHub 项目主页：https://github.com/HKUDS/OpenHarness
- 英文 README：https://github.com/HKUDS/OpenHarness/blob/main/README.md
- 中文 README：https://github.com/HKUDS/OpenHarness/blob/main/README.zh-CN.md