文章总结： 香港大学数据智能实验室开源OpenHarness项目，用11733行Python代码复刻ClaudeCode98%的核心功能，代码量仅为原版的2.3%。项目包含AgentLoop引擎、43+工具、持久记忆、权限控制和多Agent协调等10个子系统，支持多模型且5分钟可部署。适用于学习Agent架构、本地私有化部署和CI/CD自动化等场景。
综合评分： 87
文章分类： AI安全,安全工具,安全开发,解决方案,其他
11733行代码复刻Claude Code！港大开源OpenHarness
原创
我真tm厉害
我真tm厉害
黑客茶话会
2026年4月11日 17:51
山东
在小说阅读器读本章
去阅读
AI AGENT 框架深度解析
11733行代码复刻Claude Code！港大开源OpenHarness狂揽3.9k星
2026年4月11日 | 黑客茶话会
51万行代码才能做到的事情，11733行就够了。
香港大学数据智能实验室（HKUDS）在4月1日开源了一个项目——OpenHarness，直接拿Claude Code开刀：用不足其1/44的代码量，复刻了98%的核心工具能力。
发布不到10天，GitHub Stars已经突破3.9k，登上Trending榜单，还引来了出版社的注意。
这到底是怎么做到的？
⚡ 数据先说话
11,733
行 Python 代码
98%
Claude Code 功能覆盖
1/44
Claude Code 体积
3.9k+
GitHub Stars（10天内）
对比一句话： Claude Code 源码泄漏时有51.2万行代码，OpenHarness用1.17万行就复刻了其98%的能力——代码量只有它的2.3%。
🧠 什么是”Harness”
这是理解OpenHarness的关键概念。
很多人把AI模型和AI Agent混为一谈，但其实是两层：
🧠 模型层（Model）
提供智能——理解、推理、生成。这是Claude、GPT-4、DeepSeek做的事。
🔧 Harness 层（执行基础设施）
提供”手、眼、记忆、安全边界”——工具调用、文件操作、记忆持久化、权限管控。这就是OpenHarness做的事。
官方定义：”An Agent Harness is the complete infrastructure that wraps around an LLM to make it a functional agent. The model provides intelligence; the harness provides hands, eyes, memory, and safety.”
翻译一下：模型是大脑，Harness是身体。没有Harness，再聪明的模型也只是个聊天机器人。
🏗️ 10个子系统，拆解清楚
OpenHarness的代码组织成10个清晰模块：
openharness/
├── engine/ # Agent Loop 核心引擎
├── tools/ # 43+ 内置工具
├── skills/ # 按需加载的知识技能
├── plugins/ # 插件系统
├── permissions/ # 权限控制
├── hooks/ # 生命周期钩子
├── commands/ # 54 个命令
├── mcp/ # MCP 协议客户端
├── memory/ # 持久记忆
├── coordinator/ # 多 Agent 协调
└── ui/ # React 终端 UI
🔥 5大核心能力拆解
1️⃣ Agent Loop 引擎
不是简单的while循环，而是状态机驱动的执行引擎。支持并行工具调用（自动分析依赖图）、流式处理、指数退避重试、Token预算管理和上下文自动压缩。
2️⃣ 43+内置工具
文件读写、Shell执行、代码搜索（Grep/Glob/LSP）、Web抓取、MCP协议、Notebook编辑……每个工具都有Pydantic类型校验和JSON Schema自描述，复刻了Claude Code 98%的工具能力。
3️⃣ 持久记忆系统
自动发现CLAUDE.md项目规范，MEMORY.md跨会话持久化（SQLite存储），智能上下文压缩：滑动窗口+分层摘要+重要性评分，动态Token预算管理。
4️⃣ 三级权限治理
Strict（严格）：所有危险操作人工确认 / Auto（自动）：信任操作自动放行，可疑操作询问 / Full（全权）：CI/CD场景全自动执行。支持pre/post工具钩子，路径级规则，命令白名单。
5️⃣ Swarm 多Agent协调
父子Agent模式，独立上下文和工具集，任务调度流程：分解→分配→并行执行→同步→合并→错误恢复。未来将集成ClawTeam，支持Agent间消息传递和共享状态。
🌐 模型中立：不绑定Anthropic
OpenHarness原生支持Claude，但通过环境变量可以接入任意OpenAI兼容端点：
| 模型提供商 | 支持 |
| — | — |
| Claude (Anthropic) | ✅ 原生 |
| DeepSeek / 通义千问 / Kimi | ✅ |
| Ollama（本地模型） | ✅ 离线 |
| Groq / SiliconFlow | ✅ |
| OpenRouter | ✅ |
一行环境变量切换模型，不用改任何代码。这让它成为真正意义上的”模型中立”Agent框架。
⚡ 5分钟上手
官方要求用uv包管理器（不支持pip直接安装）：
安装uv
pip install uv
初始化项目并安装OpenHarness
uv init my-agent && cd my-agent
uv add “hkuds/openharness[cli]”
设置API密钥
export ANTHROPIC_API_KEY=sk-…
一条命令启动
oh -p “检查这个仓库，列出Top 3优化建议”
Skills系统： 把.md技能文件放入~/.openharness/skills/，Agent就能按需加载。已有40+内置技能（commit、review、debug、test等），兼容Anthropic官方skills生态。
📊 测试覆盖：不只是demo项目
| 测试类型 | 数量 |
| — | — |
| 单元/集成测试 | 114 |
| CLI E2E 测试 | 6 |
| Harness E2E 测试 | 9 |
| React TUI 测试 | 3 + 4 |
| Skills + Plugins E2E | 12 |
| 总计 | 148 |
148个测试用例——这不是随手写的demo，是认真做工程的产品。
🎯 谁该用OpenHarness
📚 学习Agent底层原理
1.17万行清晰的Python代码，是学习Agent架构最好的教材。比读Claude Code的泄漏源码省力44倍。
🏠 本地私有化部署
支持Ollama离线模型，数据完全不出内网。金融、医疗、政务场景的理想选择。
🤖 CI/CD自动化
无头模式（headless）支持代码审查、测试生成、PR描述自动生成等任务，接入流水线一行命令搞定。
🔬 多Agent研究
内置Swarm协调机制，是研究多Agent协作系统的现成实验平台。
📌 结语
OpenHarness的意义不只是”复刻Claude Code”。它用极简的代码量，把AI Agent的基础设施完整拆解出来，告诉所有人：
✨ Agent的能力不在于模型有多聪明
✨ 而在于给模型配备了多强大的”身体”
✨ 而这个”身体”，其实可以很轻
同样来自HKUDS的Auto-Deep-Research已经在学界获得高度认可，这次的OpenHarness，节奏更快、工程更扎实。
如果你正在学Agent开发，或者想在本地跑一个完整的AI编程助手，OpenHarness值得认真看一看。
GitHub： https://github.com/HKUDS/OpenHarness
⊙ ⊙ ⊙
本文基于GitHub仓库、官方文档及公开技术文章整理。
不涉及未经授权的技术细节或敏感数据。
黑客茶话会
分享安全事件深度解读、攻防技术干货、AI工具生态分析
Copyright © 2026 黑客茶话会
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：黑客茶话会 我真tm厉害
我真tm厉害《11733行代码复刻Claude Code！港大开源OpenHarness》