AI Skill Hub 推荐使用:Harness AI 工作流 是一款优质的Agent工作流。AI 综合评分 7.5 分,在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案,这是一个值得深入了解的选择。
Harness AI 工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
Harness AI 工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
# 方式一:cargo install(推荐) cargo install harness # 方式二:从源码编译 git clone https://github.com/majiayu000/harness cd harness cargo build --release # 二进制在 ./target/release/harness
# 查看帮助 harness --help # 基本运行 harness [options] <input> # 详细使用说明请查阅文档 # https://github.com/majiayu000/harness
# harness 配置说明 # 查看配置选项 harness --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量(覆盖配置文件) export HARNESS_CONFIG="/path/to/config.yml"
load/def/lambda) for sandboxed rule evaluation@harness mentions to trigger tasks from issue comments and PR reviews- Rust 1.88+ - Bun 1.1+ for release builds that embed the web dashboard. If web/dist is already built, release builds can reuse it. - At least one agent runtime: - codex CLI - claude CLI - Anthropic API key (for direct API adapter)
git clone https://github.com/majiayu000/harness.git
cd harness
cargo build
Harness requires Postgres 14+ (SQLite was removed in v0.x). Configure server.database_url in your TOML config before starting the server — migrations run automatically on first connect.
Option A — Docker Compose (recommended for local dev):
```bash
**Option B — docker compose directly:**
bash docker compose up -d postgres
**Option C — existing Postgres instance:**
Set `server.database_url` to any existing Postgres 14+ instance:
toml [server] database_url = "postgres://user:password@host:5432/dbname"
**Running tests against a real database:**
bash HARNESS_DATABASE_URL=postgres://harness:harness@localhost:5432/harness cargo test --workspace ```
Integration tests that require a database (e.g. runtime_state_store, thread_db, q_value_store) skip automatically when no Harness database URL is configured.
All settings are declarative TOML. Pass --config <path> or use the defaults in config/default.toml.
```toml [server] transport = "stdio" http_addr = "127.0.0.1:9800" data_dir = "~/.local/share/harness" project_root = "."
[agents] default_agent = "auto"
Register multiple projects in the config file. Each project gets its own worktree isolation, concurrency limits, and agent overrides.
```toml [[projects]] name = "harness" root = "/path/to/harness" default = true # default project for API calls without project field max_concurrent = 2 # max parallel tasks for this project
[[projects]] name = "litellm-rs" root = "/path/to/litellm-rs" max_concurrent = 2
[[projects]] name = "vibeguard" root = "/path/to/vibeguard" max_concurrent = 1 ```
CLI --project name=path flags merge with config entries (CLI overrides on conflict).
[git] base_branch = "develop" remote = "upstream" branch_prefix = "fix/"
[validation] pre_commit = ["cargo fmt --all -- --check", "cargo check"] timeout_secs = 120
[agent] default = "auto" # or set a registered agent name
[review] enabled = true
[concurrency] max_concurrent_tasks = 3 ```
./target/release/harness serve --transport http --port 9800 --config config/default.toml
For Rust consumers inside the repository or embedded integrations, harness-api provides a curated stable import surface over the lower-level crates:
use std::path::Path;
use harness_api::core::SessionId;
use harness_api::exec::ExecPlan;
use harness_api::protocol::INTERNAL_ERROR;
use harness_api::sandbox::{SandboxMode, SandboxSpec};
let _session = SessionId::new();
let _plan = ExecPlan::from_spec("# Demo", Path::new(".")).expect("plan");
let _sandbox = SandboxSpec::new(SandboxMode::ReadOnly, ".");
let _code = INTERNAL_ERROR;
The facade groups the stable parts of harness-core, harness-protocol, harness-sandbox, and harness-exec under one crate without forcing callers to track internal crate layout changes.
```
./target/release/harness serve --transport http --port 9800 \ --project harness=/path/to/harness \ --project litellm=/path/to/litellm
Harness exposes 42 methods over JSON-RPC 2.0 (stdio, HTTP, or WebSocket):
| Category | Methods |
|---|---|
| Lifecycle | initialize, initialized |
| Threads | thread/start, thread/resume, thread/fork, thread/list, thread/delete, thread/compact |
| Turns | turn/start, turn/steer, turn/cancel, turn/status, turn/respond_approval |
| GC | gc/run, gc/status, gc/drafts, gc/adopt, gc/reject |
| Skills | skill/create, skill/list, skill/get, skill/delete, skill/governance/view, skill/governance/history, skill/stale |
| Rules | rule/load, rule/check |
| ExecPlan | exec_plan/init, exec_plan/update, exec_plan/status |
| Observability | event/log, event/query, metrics/collect, metrics/query |
| Classification | task/classify, learn/rules, learn/skills |
| Health | health/check, stats/query, agent/list |
| VibeGuard | preflight, cross_review |
```bash
harness 是一个先进的多智能体(Multi-agent)编排框架,旨在为开发者提供统一的任务管理与执行环境。它通过抽象化的接口,实现了对不同 AI 智能体生命周期的标准化控制,帮助开发者构建更复杂、更可靠的 AI 工作流。
本项目具备强大的多智能体编排能力,支持通过可插拔的适配器集成 Claude Code CLI、Codex CLI 及 Anthropic API,并统一管理任务(task)、线程(thread)与轮次(turn)的生命周期。此外,它引入了独立的智能体评审机制(Independent agent review),通过实现智能体与 GitHub review 之间的自动交叉审查,有效避免了架构层面的自我审查偏差。内置的基于 Starlark 的策略引擎(Policy engine)则提供了高度安全的执行策略控制。
开发环境需安装 Rust 1.88+ 版本。若需构建包含 Web Dashboard 的发布版本,还需安装 Bun 1.1+。此外,系统必须配置至少一个智能体运行时(Agent runtime),例如 codex CLI 或 claude CLI。数据库方面,harness 要求使用 Postgres 14+ 版本,不再支持 SQLite。
可以通过源码编译进行安装:首先使用 git clone 克隆仓库,进入目录后执行 `cargo build`。对于数据库环境,推荐在本地开发时使用 Docker Compose 快速启动 Postgres 容器。若需进行集成测试,可以通过设置 `HARNESS_DATABASE_URL` 环境变量来指向真实的 Postgres 实例进行运行。
项目启动前需配置数据库连接。开发者可以通过修改 `config/default.toml` 文件或直接使用 Docker Compose 部署 Postgres。在完成数据库初始化(首次连接会自动运行 migrations)后,即可通过命令行工具或配置好的智能体环境开始使用 harness 进行任务编排。
所有的配置均采用声明式的 TOML 格式。开发者可以通过 `--config <path>` 参数指定配置文件,或直接修改 `config/default.toml` 中的默认设置。配置项涵盖了 server 传输协议(transport)、HTTP 地址(http_addr)、数据存储目录(data_dir)以及默认智能体(default_agent)等关键参数。
对于 Rust 开发者或需要进行嵌入式集成的用户,`harness-api` 提供了一个经过精选且稳定的 API 门面(Facade)。它封装了底层 crate 的复杂性,为 SessionId、ExecPlan 等核心功能提供了易于使用的接口。同时,项目也支持通过 HTTP REST API 进行外部调用与集成。
harness 支持通过定义不同的智能体适配器来构建自动化工作流。通过结合 Starlark 策略引擎进行权限与行为约束,开发者可以实现从任务分发、智能体执行到自动代码评审的完整闭环,确保 AI 生成内容的质量与安全性。
高质量的AI工作流平台,支持多种功能
AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一,可自由商用、修改、分发,仅需保留版权声明。
总体来看,Harness AI 工作流 是一款质量良好的Agent工作流,在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态,建议收藏备用,结合自身场景选择合适时机引入使用。
| 原始名称 | harness |
| 原始描述 | 开源AI工作流:Rust AI agent orchestration platform with App Server, rules, skills, GC, and obs。⭐28 · Rust |
| Topics | ai-agentai-toolsclideveloper-toolsllmrust |
| GitHub | https://github.com/majiayu000/harness |
| License | MIT |
| 语言 | Rust |
收录时间:2026-05-31 · 更新时间:2026-05-31 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
选择 Agent 类型,复制安装指令后粘贴到对应客户端