正在打开每日关注
正在打开每日关注
通过可组合处理器解耦模型与 Agent 行为，并支持自动适配和训练进化。
推荐 Darwin Agent 团队的 HarnessX。 他们做了一件简单但有想象力的事： 把 agent 的模型和它的行为用一行代码表示。换行为和换模型从此不再互相拖累。 HarnessX：可组合、自进化的 Agent Harness Foundry 🔗 https://t.co/W4CEG81S9V · v0.1.0 Beta · MIT · 266 stars 大多数 agent 框架解决了"换模型"的问题。"换行为"仍然昂贵——从 coding agent 切换到 research agent、加上记忆或护栏，意味着要重写 agent。 HarnessX 用一个干净的分离解决： agent = model.agentic(harness) • ModelConfig：provider 路由、fallback、按角色的模型分配 • HarnessConfig：完整的行为流水线（tools、memory、processors、trace、sandbox） X = eXtensible Behavior Composition。 无需重写 agent 就能组合、适配、进化 harness。 三重能力 🧩 Compose：9 维行为流水线。任何行为 = 一个 Processor，用 | 操作符组合。13 个内置 processor 覆盖工具编排、上下文管理、错误恢复、护栏、记忆 ⚙️ Adapt：harness 观察自身表现，自动搜索最优配置。MetaHarness 分析轨迹→提议配置变更→沙箱验证→自动推广 🚀 Evolve：两个独立的进化循环—— • Harness Evolution：meta-harness 搜索更好的 processor 组合、prompt 策略、工具配置。不改模型 • Model Evolution：每次运行产生奖励标注轨迹，喂给 SFT/RL 训练（集成 VERL）。改模型本身 四个 Entry Point • hx "research AI trends"：一行 CLI • hx lab：Web UI（localhost:8000） • hx-gateway：IM 集成（飞书/Telegram/Slack/Discord/钉钉） • Python SDK：model.agentic(harness) 一行嵌入任意应用 路线图 | Phase | Focus | Status | | --- | --- | --- | | 1 | 核心：9 维流水线、13 processor、多 provider、SFT/RL 桥接、4 benchmark、Lab UI | ✅ | | 2 | Meta-opt：贝叶斯优化、MetaHarness、自动配置搜索 | 🔄 | | 3 | 自进化：闭环训练、HarnessHUB 社区市场 | 📋 | | 4 | Memory：多模态后端、第三方集成 | 📋 | 当前 hx pull coding-agent@v1.2 的 HarnessHUB 还在路线图上——一旦上线，harness 就能像 docker image 一样被分享和复用。 https://t.co/W4CEG81S9V #Harness #Agent框架 #自进化
是什么
HarnessX 是 Darwin-Agent 开源的 Python harness foundry，用可复用的 processors 与 bundles 组装不同 Agent 行为，再通过 agent = model.agentic(harness) 配置任意模型。ModelConfig 负责 provider 路由、fallback 与角色模型分配；HarnessConfig 负责工具、记忆、处理器、追踪和沙箱。仓库元数据显示其采用 MIT、处于 Beta，包含 CLI、Lab UI、IM Gateway 与 Python SDK。
核心设计
它把“行为”抽象为 Processor，并用 | 组合覆盖 9 个行为维度。Compose 解决能力拼装，Adapt 由 MetaHarness 分析轨迹、提出配置变更并在沙箱中验证，Evolve 则拆分为不改模型的 Harness Evolution，以及通过奖励轨迹和 VERL 进行 SFT/RL 的 Model Evolution。
关键洞察 价值在于把稳定的 Agent 执行接口与可变的行为策略分离，使 coding、research、记忆和护栏能力能够复用与迭代。
边界与风险 README 中的 GAIA 提升数据属于项目自报结果，仍需验证评测适配器、成本与可复现性。自动搜索和闭环训练会增加评估、沙箱与治理复杂度；HarnessHUB、贝叶斯优化等仍是路线图项目。原推文称 266 stars，而元数据显示 452 stars，数量可能对应不同时间点。