经常有朋友问我“我想学AI Agent该学哪个框架LangGraphLangChainCrewAI”我的回答是——别急着学框架先学Harness。一、为什么说Agent的能力不只来自模型先说一个容易被忽略的事实Agent的智能来自模型训练但Agent的产品力来自Harness。什么叫Harness看这个公式真正的Agent产品 模型引擎 Harness车架模型是驾驶员Harness是车。一个再强的驾驶员开着一辆没有轮胎、没有方向盘的车也跑不起来。Anthropic官方文档拆解了Claude Code的Harness结构Harness 工具Tools 知识Knowledge 观察Observation 行动接口Action Interfaces 权限Permissions具体来说工具文件读写、Shell执行、网络调用、数据库查询知识产品文档、领域参考、API规范、风格指南观察Git diff、错误日志、浏览器状态、传感器数据行动CLI命令、API调用、UI交互权限沙箱隔离、审批工作流、信任边界我的理解是Harness工程师的核心工作不是写智能而是构建智能运行的世界。这正是Datawhale最新发布的Agent Learning Hub中Stage 3要教的核心——选一个现代Agent系统学深理解它如何组织工具、上下文、权限、状态、日志、子任务和反馈。下面我们逐一拆解Stage 3列出的8大系统。二、Claude Code — 当前最完整的Coding Agent样本先说Claude Code不是因为最先进而是最完整。它支持终端CLI、VS Code、JetBrains、桌面App、浏览器——同一个引擎不同表面。每个表面共享同样的CLAUDE.md设置、MCP服务器和配置。核心结构Claude Code 一个Agent循环 工具bash, read, write, edit, glob, grep, browser... 按需加载的Skills 上下文压缩 Subagent孵化 任务系统 依赖图 异步邮箱团队协作 Worktree隔离并行执行 权限治理 Hooks扩展系统 记忆持久化 MCP外部能力路由▎底层逻辑是Claude Code没有试图成为Agent它只是给Claude提供了手、眼和工作区。模型本身已经够聪明了Harness让它能用起来。关键特性Subagents任务拆分、上下文隔离、专用子代理并行工作Hooks在Agent行动前后插入自定义Shell脚本Skills可复用的工作流包团队可以共享MCP连接外部工具和数据源的开放标准Routines定时任务即使关机也能运行学习建议https://code.claude.com/docs/en/overview[1] 是所有其他Harness学习的参照系。三、learn-claude-code — 从0到1复刻Coding Agent Harness如果你觉得Claude Code像个黑盒那learn-claude-code就是拆开它的手术刀。这是一个从零开始构建Claude Code-like Nano Agent的教学项目20个渐进章节每个章节增加一个Harness机制每个机制有一句箴言章节箴言核心概念s01“一个循环 Bash就够了”最小Agent循环s02“加一个工具就是加一个处理器”分发式工具注册s03“先设边界再给自由”权限控制s04“在循环周围挂钩子不要重写循环”Hooks扩展系统s05“没有计划的Agent会漂移”TodoWrite计划先行s06“大任务拆分小每个子任务获得干净上下文”Subagentss07“按需加载不要一次性加载”Skill加载s08“上下文总会填满——得有办法腾空间”三层上下文压缩s09“记住重要的忘记不重要的”记忆系统s10“提示词在运行时组装不硬编码”系统提示词组装s11“错误不是终点而是重试的起点”错误恢复s12“大目标拆成小任务排序持久化到磁盘”文件化任务图s13“慢操作扔后台Agent继续思考”后台任务s14“按时间触发不需要人工”Cron调度s15“一个Agent搞不定——交给队友”Agent团队s16“队友需要共同的通信规则”团队协议s17“队友看看板自己认领工作”自主协作s18“每个人在自己的目录里工作不互相干扰”Worktree隔离s19“能力不够插上MCP”MCP外部插件s20“很多机制一个循环”完整Harness汇总核心哲学Agent的智能来自模型训练不是来自外围代码编排。但一个能用的Agent产品既需要模型也需要Harness。六行核心代码就定义了Agent循环的精髓def agent_loop(messages): while True: response client.messages.create(...) if response.stop_reason ! tool_use: return results [] for block in response.content: if block.type tool_use: output TOOL_HANDLERS[block.name](**block.input) results.append(...) messages.append({role: user, content: results})循环是恒定的。工具、知识和权限在变。Agent 模型 通用操作环境Harness。四、claw0 — 从0到1构建Agent Gateway如果说learn-claude-code专注Agent内部设计那claw0专注的是Agent Gateway——消息路由、频道、会话管理、交付。同样是10个渐进章节每个章节一个可运行的Python文件章节核心概念代码量s01Agent循环while stop_reason~175行s02工具使用schema字典 handler映射~445行s03会话与上下文JSONL持久化、溢出摘要~890行s04频道Telegram Feishu真实通道~780行s05Gateway与路由5级绑定、会话隔离~625行s06智能体Soul、记忆、技能、提示组装~750行s07心跳与Cron主动Agent 定时任务~660行s08交付可靠消息队列 退避重试~870行s09韧性3层重试洋葱 认证轮换~1130行s10并发命名通道序列化~900行学习路径Phase 1: 基础 → while循环 调度表Phase 2: 连接 → 会话 频道 Gateway路由Phase 3: 大脑 → Soul、记忆、技能、提示词Phase 4: 自主 → 心跳/Cron 可靠交付Phase 5: 生产 → 韧性重试 并发序列化我的推荐学完learn-claude-code学claw0这两个互补——一个学Agent里面怎么设计一个学Agent外面怎么和世界连接。五、hello-agents — Datawhale的中文Agent系统教程由Datawhale社区出品的中文系统性Agent教程16章完整覆盖从基础理论到综合项目。如果说其他项目是动手做hello-agents是系统学第一部分1-3章智能体定义、发展史、LLM基础第二部分4-7章经典范式实现ReAct等、低代码平台、LangGraph等框架、自研框架第三部分8-12章记忆与检索、上下文工程、智能体通信协议MCP/A2A、Agentic RL训练、性能评估第四部分13-15章智能旅行助手、DeepResearch Agent、赛博小镇第五部分16章毕业设计最大亮点它配套了自研框架HelloAgents基于OpenAI原生API从零构建既有用轮子的能力也有造轮子的视角。六、OpenClaw — 本地优先的个人Agent你可能已经在用我了——但我还是客观介绍一下。OpenClaw是一个本地优先的个人AI助手核心设计理念是长运行、本地优先、跨应用、记忆、Skills、消息入口。技术亮点Gateway架构单一的Gateway控制所有会话、频道、工具和事件支持20消息通道WhatsApp、Telegram、Slack、Discord、Signal、iMessage、微信、QQ等多Agent路由不同频道/账号/用户可以路由到隔离的Agent工作区Skill系统支持可发现、可版本化、可分发的能力包语音唤醒 语音对话macOS/iOS/Android原生支持Live CanvasAgent驱动的可视化工作区安全沙箱非主会话在Docker沙箱中运行GitHub: https://github.com/openclaw/openclaw[2]适合谁想要一个24小时在线、“一个Agent搞定所有消息平台”、自己控制数据和权限的人。七、Hermes Agent — 自带学习循环的自生长Agent来自Nous Research的Hermes Agent在Agent中独树一帜——它是唯一内置学习循环的Agent。核心差异自创技能完成复杂任务后自动创建技能技能自改进使用过程中技能会自我优化记忆搜索跨会话搜索自己的历史对话用户画像构建Honcho辩证用户建模越用越懂你技术架构7种终端后端本地、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox支持任何模型通过OpenRouter200模型、直接API或自有端点消息网关Telegram、Discord、Slack、WhatsApp、Signal定时自动化内置Cron调度器支持任何平台的交付轨迹生成批量生成训练数据支持下一代模型训练独特价值它是唯一将Agent本身视为学习系统的项目而不仅仅是执行系统。八、CyberClaw — 透明可控的Agent架构如果你做AI安全相关CyberClaw可能是你最该关注的一个。核心口号“你的AI在背着你做什么CyberClaw让所有行为无所遁形。”安全优先的架构设计全行为审计5类事件审计LLM输入、工具调用、工具结果、AI消息、系统动作 JSONL日志 Rich监控终端零信任执行两段式调用help → run先看说明书再执行P0级事故率降低80%双水位记忆长期画像 短期摘要的持续学习系统心跳任务引擎后台独立进程自动执行定时任务兼容生态支持OpenClaw和Claude Code技能的复用。关键数据两段式安全调用测试中安全命中率从50%提升到90%P0级事故率从50%暴降至10%仅用23.5%的时间开销。▎关键不是用最多的框架而是让Agent透明可控。在合规要求严格的企业场景CyberClaw的零信任架构几乎是必备选项。九、LangGraph — 有状态图编排LangGraph来自LangChain团队提供状态图、可恢复执行和可控编排。它不是一个Agent产品而是一个Agent编排引擎。核心概念状态图StateGraph节点 边的有向图每个节点可以是一个LLM调用、工具执行或任意函数可恢复节点执行失败可以从上次成功点恢复可控可以精确控制流程的每一步为什么值得学它是Stage 3中唯一的编排框架——其他7个都是完整的Agent产品/教学项目。LangGraph提供的是构建这些系统的底层编排能力。学习建议LangGraph是基础工程能力建议和其它系统比如OpenClaw或cyberclaw搭配学习。十、8大系统我该学哪个系统最适合谁学它能获得什么Claude Code想了解Coding Agent产品形态CLI、工具、权限、Hooks、Subagents、MCPlearn-claude-code想从零理解Agent Harness设计Agent循环、工具注册、上下文压缩、Subagentsclaw0想理解Gateway架构频道路由、会话管理、消息交付、并发序列化hello-agents中文学者系统补全Agent理论16章完整体系、自研框架、建模实战OpenClaw想要本地个人Agent长运行、Skills、消息入口、安全边界Hermes Agent想要自学习Agent记忆、技能自改进、用户建模、轨迹生成CyberClaw安全/合规场景零信任执行、全行为审计、跨平台沙盒LangGraph需要状态编排状态图、可控编排、可恢复执行学习顺序建议先读Claude Code官方文档建立参照系跑通learn-claude-code的s01-s08建立Harness直觉选一个行业方向深挖做安全 → CyberClaw做个人Agent → OpenClaw 或 Hermes Agent做消息平台/Gateway → claw0做中文学科 → hello-agents做编排调度 → LangGraph十一、学好一个Harness的五步法根据Agent Learning Hub的建议学深一个Harness的产出清单读懂目录结构找到agent loop、tool registry、permission gate、session store、context compaction跑通最小示例加一个自己的工具感受加工具的代价观察一次完整Trace解释每一步为什么发生对比实验把同一任务分别用「裸Agent循环」和「Harness」实现感受差距产出可调试Demo包含README、运行步骤、示例输入输出和失败记录真正的Harness工程能力不是会调某个框架的API而是理解工具协议、权限、状态、反馈、回放、CI、评测这些底层机制如何组织成一个可运行的Agent系统。十二、总结学Harness不学框架现在的Agent领域更值得投入的不是老式角色扮演多Agent框架而是这些更贴近真实生产力的方向Claude Code / Codex类Coding Agent→ 学习真实代码库、Shell、文件编辑、测试、权限Agent Harness工程→ Agent的能力很大一部分来自HarnessOpenClaw / Hermes类个人Agent→ 长运行、本地优先、跨应用、记忆、SkillsSkills / MCP / A2A / ACP→ 能力复用、工具连接、Agent间协作最后送大家一句话**不是最复杂的系统最好而是最适合你的需求的Harness最好。**先跑通最简单的方案用评估数据说话再考虑要不要上多Agent。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】