一、项目速览

入门 · 1 分钟版

OpenHarness 是港大数据团队开源的一套轻量级 Agent 基础设施，而 ohmo 是基于它构建的个人 AI 助手。它解决的不是"再做一个聊天框"，而是把 Agent 在长会话里真正"替你干活"所需的脚手架全部铺好——tool-use、skills、memory、多 agent 协同。

仓库目前 15k+ Star、2.4k+ Fork，114 个测试通过、43+ 工具、54 个斜杠命令，社区反馈活跃度属于近期 Agent 框架里第一梯队。

二、核心功能与架构

进阶 · 推荐细读

整个仓库围绕 10 个子系统展开：engine 负责 Agent 主循环（query → stream → tool-call → 循环），tools 提供 43+ 个开箱即用工具（文件 I/O、Shell、搜索、Web、MCP），skills 用 .md 文件按需加载领域知识，permissions 做多级安全拦截，hooks 暴露 PreToolUse/PostToolUse 生命周期钩子。

一句话判断：模型负责"想什么"，Harness 负责"怎么安全地做"——权限、钩子、工具编排、日志它全包了，你只关心业务。

剩下的子系统同样关键：coordinator 处理多 Agent 协同（subagent 派生、team 调度），memory 跨会话持久化记忆，mcp 内置 Model Context Protocol 客户端可直接挂外部 MCP 服务，配合 React+Ink 写的 TUI 和兼容 Anthropic 协议的 API Client，整套从 CLI 到 UI 都是可替换的。

三、动手实践

入门 · 1 分钟版

环境准备：Python ≥ 3.10、Node（仅 TUI 需要），以及一个 Claude Code 或 Codex 订阅账号——ohmo 直接复用订阅，不另收 API key。

安装有两种姿势，二选一：

# 一键安装（macOS / Linux）
curl -fsSL https://raw.githubusercontent.com/HKUDS/OpenHarness/main/scripts/install.sh | bash

# 或走 PyPI
pip install openharness-ai

装好后先做一次 dry-run，零消耗地看一眼 runtime 是否就绪：

oh --dry-run

这条命令会输出 ready / warning / blocked 三档判断，并附上下一步建议——比如 auth 没配、MCP 配置坏了，还是可以直接跑 prompt。是上线前的健康检查神器。

最小可运行示例：让 ohmo 在本地仓库开分支、写代码、跑测试、提 PR：

oh "为当前仓库新增 README 中文翻译，并跑一遍 pytest"

第一次执行会触发权限弹窗（permissions 子系统），选 allow-for-session 即可。

两个常见踩坑：

1. IM 接入不响应：很多人把 ohmo 接到飞书/Slack 后发现 bot 不说话，原因是它走的是出站 WebSocket而不是入站 webhook，需要在 ~/.openharness/config.yaml 里填 feishu.app_id 和 app_secret，由 ohmo 主动连 IM 网关。
2. 工具调用静默失败：八成是 permissions 默认模式拦截了 bash 工具，先跑 oh --dry-run 看清楚 warning 列表再放行。

四、进阶玩法

深入 · 老手可选

想在团队里复用 ohmo 的工作流，最直接的做法是写自定义 plugin。下面是一个简化版配置，挂上去 /deploy 命令就能被 ohmo 识别：

# ~/.openharness/plugins/deploy.yaml
name: deploy
description: 部署当前分支到 staging
commands:
  - name: deploy
    handler: ./handlers/deploy.py
    permission: write
hooks:
  PreToolUse:
    - match: "bash"
      deny_regex: "^rm -rf /"

文件丢到 ~/.openharness/plugins/ 后，oh --dry-run 会立刻把它列在已加载插件里。

作者视角：如果你是做后端开发的，建议优先研究 engine/query_engine.py 和 tools/registry.py——这两个文件决定了工具怎么注册、prompt 怎么组装。把它们读懂，再去看 coordinator/ 的多 Agent 调度，理解路径最短。

更激进的玩法是把 ohmo 接到内部 MCP 服务（例如自家的日志查询、CI 触发器）：

# ~/.openharness/mcp.yaml
servers:
  - name: internal-logs
    command: ["python", "-m", "my_company.mcp_logs"]
    env:
      LOG_TOKEN: ${env:LOG_TOKEN}

oh 启动时会自动发现并加载，模型调用工具时可直接用 mcp__internal-logs__query 这种命名空间前缀。

五、判断与建议

进阶 · 推荐细读

应该选它：你已经在用 Claude Code 或 Codex，想把"在 IM 里喊一句，机器人就把 PR 开了"这个工作流跑起来；或者想搭一套自己的 Agent 基础设施，又不想从零写 tool-use 循环、权限拦截、hooks 这些脏活。

不该选它：你只想要一个本地跑命令的轻量 CLI——oh 自带 43+ 工具和 React TUI，对纯脚本场景偏重；或者你的模型不在 Anthropic 兼容协议范围里（虽然 API Client 可替换，但默认没适配）。

一句话结论：把它当成"Agent 时代的 Rails"——基础设施给你铺好，差异化靠你自己的 plugin 和 skill，而不是重新发明轮子。

项目信息

参考链接

• GitHub 仓库