Agent Harness 是什么：为什么 AI Agent 不只是模型
适合谁
想理解 AI Agent 应用底层组成，而不是只比较模型名字的用户
建立一个评估 Agent 应用的通用框架，用来理解 OpenClaw、Hermes、Harness AI 和未来新 Agent。
交付物
学完后你会留下什么
一套 agent harness 评估清单，可用于判断一个 Agent 应用是否具备真实落地能力。
开始前确认
前置条件
- 知道大模型可以调用工具
- 听过 memory、tools、workflow、guardrails 中至少一个词
你会学到
agent harness 是什么
建立一个评估 Agent 应用的通用框架，用来理解 OpenClaw、Hermes、Harness AI 和未来新 Agent。
教程内搜索
支持桌面与移动端。回车可直接搜索。
很多 AI Agent 讨论只盯着模型，但真正能落地的 Agent 应用，通常还需要一层 harness：把模型、工具、状态、记忆、权限和观测组织起来。
你可以把 agent harness 理解为 Agent 的运行承载层。
一个 Agent Harness 通常包含什么
| 组成 | 解决的问题 |
|---|---|
| Model | 负责推理、规划、生成 |
| Tools | 让 Agent 能读写文件、访问网页、调用 API |
| State | 保存当前任务进度和上下文 |
| Memory | 保存跨会话的长期事实和偏好 |
| Permissions | 限制哪些动作能自动执行 |
| Guardrails | 防止越权、误操作和高风险输出 |
| Observability | 记录任务、日志、调用和失败原因 |
| Human-in-the-loop | 在关键动作前要求人工确认 |
用这个框架看 OpenClaw、Hermes、Harness
- OpenClaw：重点在渠道、Gateway、审批、安全和多入口工作流。
- Hermes：重点在 memory、skills、messaging gateway、cron 和长期运行。
- Harness AI：重点在 DevOps 平台内的 pipeline、code、MCP、worker agents 和企业工作流。
这三类内容不是同一层级，但都能放进 agent harness 的评估框架。
选型时问 7 个问题
- Agent 能调用哪些工具？
- 工具权限是否可控？
- 失败时能否看日志和回滚？
- 是否有长期记忆，记忆是否可审查？
- 能否接入真实入口，比如消息、API、pipeline？
- 高风险动作是否需要人工确认？
- 是否有官方文档和稳定更新？
常见误区
- 只看模型，不看工具权限。
- 只看 demo，不看失败处理。
- 只看 memory，不看记忆清理。
- 只看自动化，不看人工确认。
- 只看功能列表，不看能否进入已有工作流。
完成检查
- 你能用 model / tools / state / memory / permissions / observability 来描述一个 Agent 应用。
- 你知道 OpenClaw、Hermes、Harness 各自更强的层面。
- 你能用同一张清单评估未来新的 Agent 应用。
官方资料
继续深挖时，先看这些官方页面
本页内容已按官方文档和产品能力重写，下面这些链接适合你做版本核对和参数确认。
常见问题
你大概率还会继续搜这几个问题
把高频疑问写在教程页内，既减少跳出，也让这篇内容更适合收藏回看。
agent harness 和 AI agent framework 是同一个意思吗？
有重叠但不完全相同。agent framework 更像开发框架，agent harness 更强调让 Agent 可运行、可控、可观测的一整套承载环境。
为什么理解 agent harness 对选型有帮助？
因为真正落地时，模型质量只是一个部分，工具权限、状态管理、记忆、失败处理和观测能力同样决定是否可用。
继续学习
下一步推荐
优先继续当前主题，再给一篇桥接内容，避免学习链路被打断。
Harness 是什么：Harness AI、agent harness 和 coding agent harness 一次分清
搜索 Harness 可能在找三件事：Harness.io 的 AI DevOps Agent、agent harness 技术概念，或统一 coding agent 的工具。
Harness 应用Harness AI DevOps Agent 能做什么：pipeline、修复和策略生成
从应用层理解 Harness AI DevOps Agent：自然语言创建 pipeline、排查构建部署失败、生成策略和接入 DevOps 工作流。
General 资源coding agent harness 工具观察：harness.lol、Open Harness、Harnyard 怎么分清
coding agent harness 不是 Harness.io。它更多指统一、编排或适配 Claude Code、Codex、OpenCode、Cursor 等 coding agent 的工具层。
关联路径
同 Agent 与同意图内容
多 Agent 站点里，相关内容不只看分类，也要看 Agent 归属和搜索意图。
coding agent harness 工具观察：harness.lol、Open Harness、Harnyard 怎么分清
coding agent harness 不是 Harness.io。它更多指统一、编排或适配 Claude Code、Codex、OpenCode、Cursor 等 coding agent 的工具层。
General 对比Agent Harness 和 MCP 有什么不同：运行框架、工具连接与治理边界
Agent harness 关注模型、工具、状态、记忆、权限和执行框架；MCP 更关注 AI 工具如何连接外部系统。二者经常配合，但不是同一层。
OpenClaw 资源OpenClaw 配置模板库：WhatsApp、Telegram、allowlist 与群聊示例
把高频 OpenClaw 配置都汇总成可直接改的模板，减少来回翻文档的成本。
OpenClaw 资源OpenClaw Skills vs Plugins：什么时候装插件，什么时候做 Skill
很多人一看到 ClawHub 和 plugin 就混淆。其实 Skills 和 Plugins 解决的是两类完全不同的问题。
OpenClaw 资源OpenClaw Agent 不是越强越好，而是越会复用越值钱
把 OpenClaw 用进长期工作流后，真正决定成本和稳定性的，不是你有没有一直换更强模型，而是你会不会把记忆、Skills、Hooks 和审批边界沉淀成可复用资产。