Skip to content

README_CN.md

Latest commit

 

History

History
230 lines (167 loc) · 8.77 KB

README_CN.md

File metadata and controls

230 lines (167 loc) · 8.77 KB

AutoHarness Logo

「Aha」— AutoHarness: Automated Harness Engineering for AI Agents

每个 Agent 都值得一个 aha 时刻 — 模型负责推理，我们驾驭其余一切。

AutoHarness Poster

MIT License Python 3.10+ 958 Tests Passed GitHub Ruff mypy

🇬🇧 English · 🇨🇳 简体中文 · 🇯🇵 日本語 · 🇰🇷 한국어 · 🇪🇸 Español · 🇫🇷 Français · 🇩🇪 Deutsch · 🇵🇹 Português · 🇷🇺 Русский

📖 文档 · 🚀 快速开始 · 💡 快速上手 · 🤝 致谢

⚡ 快速安装

git clone https://github.com/aiming-lab/AutoHarness.git
cd AutoHarness && pip install -e .
from openai import OpenAI
from autoharness import AutoHarness

client = AutoHarness.wrap(OpenAI())
# 就这样。你的 Agent 刚刚迎来了它的 aha 时刻。

🔥 最新动态

  • [04/01/2026] v0.2.0 发布：三级管线模式（Core / Standard / Enhanced）、基于 trace 的诊断、接口验证门控、改进的上下文管理。958 项测试全部通过。
  • [04/01/2026] v0.1.0 发布：6 步治理管线、风险模式匹配、YAML constitution、审计追踪、多 Agent 配置、带成本跟踪的会话持久化。

🤔 为什么叫 Aha（AutoHarness）？

在 LLM 训练中，aha 时刻是模型突然学会推理的那一刻。

对于 Agent 而言，aha 时刻是它从"能跑个 Demo"进化为真正可靠的那一刻。

两者之间的鸿沟巨大：上下文管理、工具治理、成本控制、可观测性、会话持久化……这些正是将玩具与生产系统区分开来的工程模式。我们称之为治理工程（harness engineering）。

AutoHarness 是一套轻量的、分层的治理框架，让每个 Agent 都能拥有它的 aha 时刻。

Agent = Model + Harness。 模型负责推理，治理层负责其余一切。

🚀 快速上手

# 包装任意 LLM 客户端（2 行代码，即时治理）
from openai import OpenAI
from autoharness import AutoHarness

client = AutoHarness.wrap(OpenAI())
response = client.chat.completions.create(
    model="gpt-5.4",
    messages=[{"role": "user", "content": "Refactor auth.py"}],
    tools=[{"type": "function", "function": {"name": "Bash", "description": "Run shell commands",
            "parameters": {"type": "object", "properties": {"command": {"type": "string"}}}}}],
)
# 或使用完整的 Agent 循环
from autoharness import AgentLoop

loop = AgentLoop(model="gpt-5.4", constitution="constitution.yaml")
result = loop.run("Fix the failing tests in auth.py")

更多示例 →

✨ 你将获得什么

没有治理层 使用 AutoHarness
Agent 执行 rm -rf /，无人阻拦 6 步管线拦截、记录、并说明原因
上下文超出 token 上限后爆炸 Token 预算 + 截断策略确保上下文受控
完全不知道哪次工具调用花了多少钱 逐次调用成本归因，支持模型感知定价
Prompt 注入畅通无阻 分层验证：输入护栏 → 执行 → 输出护栏
没有审计追踪，合规无从谈起 JSONL 审计日志记录每一次决策，含完整溯源
所有 Agent 共享同一套权限 多 Agent 配置，基于角色的差异化治理

核心架构：6 步治理管线

每次工具调用都流经结构化管线：

1. 解析与验证  →  2. 风险分级  →  3. 权限检查
4. 执行        →  5. 输出脱敏  →  6. 审计日志

内置风险模式可检测危险命令、密钥泄露、路径穿越等安全威胁。

数据一览

6 步治理管线              ·  风险模式匹配          ·  YAML constitution
Token 预算管理            ·  多 Agent 配置         ·  JSONL 审计追踪
2 行代码集成              ·  0 厂商锁定            ·  MIT 开源协议

🔧 管线模式

AutoHarness 支持三种管线模式，按需选择适合的治理级别：

模式 管线 上下文 多 Agent 适用场景
Core 6 步 Token 预算 + 截断 单 Agent 轻量治理
Standard 8 步 + Microcompact + trace 存储 基础配置 生产级 Agent
Enhanced 14 步 + LLM 摘要 + 图片剥离 Fork / Swarm / Background 最高治理级别 
# 通过 constitution 切换模式
# constitution.yaml
mode: core      # 或 "standard" 或 "enhanced"
# 或通过 CLI
autoharness mode enhanced

Enhanced 为默认模式。 开箱即用获得最强治理保障。如需最小开销，切换至 Core 模式。

完整模式对比 →

🖥️ 命令行工具

autoharness init                          # 生成 constitution（default/strict/soc2/hipaa/financial）
autoharness init --mode core              # 指定管线模式生成
autoharness mode                          # 查看当前管线模式
autoharness mode enhanced                 # 切换管线模式
autoharness validate constitution.yaml    # 验证 constitution 文件
autoharness check --stdin --format json   # 根据规则检查工具调用
autoharness audit summary                 # 查看审计摘要
autoharness install --target claude-code  # 一键安装为 Claude Code Hook
autoharness export --format cursor        # 导出跨治理层 constitution

📊 对比表

能力 AutoHarness LangGraph Guardrails AI OpenAI SDK
工具治理管线 ✅ 6 步（最高 14 步） ❌ ⚠️ 仅输出 ❌
上下文管理 ✅ 多层 ❌ ❌ ⚠️ 截断
多 Agent 配置 ✅ ✅ 基于图 ❌ ⚠️ Handoff
验证（输入+输出） ✅ ❌ ✅ Rails ❌
基于 trace 的诊断 ✅ ❌ ❌ ❌
成本归因 ✅ 逐次调用 ❌ ❌ ❌
厂商锁定 无 LangChain 无 OpenAI
上手难度 2 行代码 Graph DSL RAIL XML SDK

🙏 致谢

  • Claude Code（Anthropic）：部分工程模式启发了我们 Enhanced 模式的功能特性
  • Codex（OpenAI）：上下文工程实践为我们的上下文管理设计提供了参考

📌 引用

如果你在研究中使用了 AutoHarness，请引用：

@software{autoharness2026,
  title   = {AutoHarness: The Harness Engineering Framework for AI Agents},
  author  = {{AutoHarness Team}},
  year    = {2026},
  url     = {https://github.com/aiming-lab/AutoHarness},
  license = {MIT}
}

⚠️ 免责声明

Enhanced 模式中的部分架构决策参考了 Claude Code 设计的公开分析和社区讨论，Claude Code 源码于 2026-03-31 通过 Anthropic 的 npm 仓库意外发布。我们承认 Claude Code 的原始源代码是 Anthropic 的知识产权。AutoHarness 不包含、不再分发、也不直接翻译 Anthropic 的任何专有代码。我们尊重 Anthropic 的知识产权，并将及时回应任何相关问题 — 请通过 issue 或 autoharness.aha@gmail.com 联系我们。

📄 许可证

MIT — 详见 LICENSE。