首个Java Harness Framework发布:让智能体开发跨越个人与企业场景

2026年5月18日

72

924

首个Java Harness Framework发布:让智能体开发跨越个人与企业场景

在智能体(Agent)开发领域,OpenClaw、Hermes、Claude Code等产品掀起了一股Harness Engineering热潮——通过结构化工作区、上下文管理与工具约定,让Agent告别“每次对话各自为战”的原始模式。然而,当开发者试图将这套理念落地到企业级场景时,却普遍遭遇了五大核心障碍:多用户多副本的工作区隔离、不可信输入的沙箱执行、分布式环境下的文件系统抽象、子Agent编排的工程复杂度,以及上下文压缩与分层记忆的具体实现。

Workspace:唯一事实来源

AgentScope Java 1.1.0版本的发布标志着这一困境的突破。作为首个Java Harness Framework,它将Harness Engineering的核心理念完整地带入了企业分布式场景,提供了工作区驱动的运行环境、可插拔的抽象文件系统、开箱即用的上下文管理,以及子Agent编排与隔离执行四大核心能力。开发者基于1.1版本可以快速构建面向个人提效的本地应用,也可以开发面向分布式场景的企业级应用,实现一套代码在不同部署形态间的平滑切换。

AbstractFilesystem:让工作区运行在任何环境

Harness Framework的核心设计哲学可以概括为:把“下一轮怎么办、下一天怎么办、上下文爆了怎么办、状态丢了怎么办”的工程答案打包进来,而非让每个Agent项目各自重复发明。 Workspace作为每个Agent的工作空间,承载了人格定义(AGENTS.md)、长期记忆(MEMORY.md)、领域知识(knowledge/)、可复用技能(skills/)、子Agent规格(subagents/)以及会话历史等全部持久化内容。这并非新想法——OpenClaw和Hermes在实践中都发现,让Agent有一个稳定的“工作台”比每次重新初始化有效得多。Harness将这个直觉系统化:工作区是Agent的唯一事实来源(Source of Truth),所有状态的读写都围绕工作区展开。 实际运行中,每次推理开始前,系统自动将AGENTS.md、MEMORY.md、knowledge/等关键文件注入到system prompt里,确保Agent的人格和知识在每一轮都完整呈现。运行结束后,框架会自动提炼新事实写入记忆文件,后台再周期性地把流水账合并成精炼的长期记忆。工作区随对话持

把'下一轮怎么办、下一天怎么办、上下文爆了怎么办、状态丢了怎么办'的工程答案打包进来,而不是让每个Agent项目各自发明一遍。

“AgentScope团队”

沙箱隔离与状态恢复

工作区的理念很美好,但有一个现实约束:本地磁盘目录在分布式场景下行不通。多个Pod各有一块本地磁盘,MEMORY.md写到哪里?哪个副本的版本才是“真”的?AgentScope Java Harness用AbstractFilesystem抽象层来解决这个问题。 对上层而言,Agent只需调用统一的read/write/ls/grep等接口,不关心“文件”实际落在哪;对下层而言,可以适配到本机磁盘、远端对象存储、KV数据库、沙箱文件系统等任意介质。基于这一抽象,框架提供了三种使用模式:本机+Shell模式(适合个人开发和测试)、远端共享存储模式(适合多副本在线服务)、沙箱执行模式(适合需要执行不可信代码的场景如DataAgent)。同一套Agent逻辑,切换filesystem配置就能在三种模式间迁移。 沙箱模式解决的不仅是“隔离执行”,更是“多轮对话中隔离环境的连续性”。每次call()结束后,沙箱当前的文件系统状态会被持久化;下次调用开始时,框架按sessionId或userId找到对应的快照,把沙箱恢复到上次结束的位置。用户不会因为服务重启或请求漂移到其他节点而丢失工

典型场景与实践路径

Harness Framework覆盖了从个人到企业的三条典型开发路径。个人代理Agent场景(如OpenClaw类应用)核心诉求是“让Agent真正了解我、记住我”,Harness提供持续记忆、本地Shell执行、工作区即配置等能力。企业级数据服务场景(如DataAgent)需要执行SQL/Python/Shell且输入来自不可信用户,Harness的沙箱机制确保所有代码在隔离环境内运行,多轮沙箱状态可恢复,分布式记忆可共享。企业在线服务场景(如交易Agent)主要通过调用业务API完成任务,Harness提供默认安全边界(不开启沙箱时默认不暴露Shell工具)、多实例共享记忆、会话跨请求连续等能力。 从部署形态看,个人助手是单用户单进程,所有状态可放在一台机器上;企业级Agent要水平扩容、要多租户、要服务不中断,状态必须能分布式存储和恢复。从安全边界看,本机工具执行没有风险,生产环境上任意Shell执行则是严重的攻击面。从Token经济看,企业场景每一次无效的上下文重推都是真实成本——Harness内置的对话压缩和双层记忆机制正是为解决这一问题而设计。

如有侵权,请联系删除。

Related Articles

联系我们 获取方案
小墨 AI