过去一年，「agent」这个词已经被用滥了。但真正决定一个 agent 好不好用的，往往不是模型本身， 而是包在模型外面的那一层东西——harness。LangChain 在 The Anatomy of an Agent Harness 里给了一个很干净的定义：

Agent = Model + Harness。Harness 是「除模型之外的所有代码、配置与执行逻辑」。

模型决定上限，harness 决定你日常摸到的下限：上下文怎么管、记忆放哪、工具怎么给、 权限怎么收、循环由谁驱动。这篇文章拆四个有代表性的 harness，看它们对同一组问题给出的不同答案。

四位选手

定位出品方驱动方式记忆载体
Claude Code交互式编码 agentAnthropic人驱动的终端会话CLAUDE.md / AGENTS.md + 记忆目录
OpenClaw自托管个人助理Peter Steinberger（社区）消息网关 + 心跳定时器磁盘上的 Markdown 文件
Hermes常驻自治 agentNous Research多渠道网关 + cron 后台三层记忆（SQLite + Markdown）
DeepAgents开发者用的 harness SDKLangChain开发者定义的图运行时可插拔虚拟文件系统

简单交代下背景：

  • Claude Code 是 Anthropic 的终端编码 agent，也是「harness 与模型联合演化」路线的代表—— LangChain 那篇文章特别指出，Claude Code 和 Codex 的模型后训练是带着 harness 一起做的。
  • OpenClaw 是 Peter Steinberger 在 2025 年底发布的自托管个人助理（前身叫 Clawdbot，短暂改名 Moltbot 后定名 OpenClaw），几个月内成为增长最快的开源 agent 项目之一；Steinberger 本人已于 2026 年 2 月加入 OpenAI。
  • Hermes 是 Nous Research 的开源 agent，把「Harness Engineering」这个概念直接产品化， 主打自我改进与 7×24 后台运行。
  • DeepAgents 是 LangChain 的「电池全含」harness（langchain-ai/deepagents）， 不是给最终用户的产品，而是给开发者构建自己 agent 的底座，跑在 LangGraph 运行时上。

四者面向的场景完全不同，但要回答的是同一组设计问题。下面逐个维度看。

维度一：谁在驱动循环

这是四个 harness 分歧最大的地方。

Claude Code：人握着方向盘。 核心是一个 REPL 式会话——你说一句，它跑一轮 （读代码、改文件、跑测试），回来找你。Plan mode、权限确认、hooks 都是围绕 「人随时在环上」设计的。它可以后台跑子任务，但会话的节奏由人定。

OpenClaw：网关 + 心跳。 一个常驻 Gateway 守护进程（默认监听 127.0.0.1:18789） 通过 WebSocket 统一接管所有消息渠道——WhatsApp、Telegram、Slack、Discord、Signal、iMessage。 消息进来，路由给 agent 循环处理。更有意思的是 heartbeat：默认每 30 分钟定时唤醒 agent， 读一遍 HEARTBEAT.md 里的任务清单，看有什么该主动做的。人不在场，agent 也在转。

Hermes：默认常驻后台。 同样是多渠道网关（Telegram、Discord、Slack、WhatsApp、Signal、 iMessage、微信、CLI 等 12+ 入口），但设计重心是 7×24 自治运行——官方推荐的部署方式之一就是 5 美元的 VPS，内存占用不到 500MB。cron 调度加上任务完成后自动触发的学习环（下文细说）， 它比 OpenClaw 更进一步：不只是「人不在也在转」，而是「转的过程中还在自我修改」。

DeepAgents：循环是你写的图。 作为 SDK，它不预设谁驱动循环——开发者用 LangGraph 定义图结构，运行时提供持久执行（durable execution）、流式输出和人工中断点。 循环的形状本身就是产品设计的一部分。

工程上这条维度可以翻译成一个问题：你的 agent 的「时钟」是什么？ 是人的下一句话 （Claude Code），是外部消息（OpenClaw/Hermes 的网关），是定时器（heartbeat/cron）， 还是图运行时的状态机（DeepAgents）。先想清楚时钟，再谈其他。

维度二：上下文工程

四家面对同一个敌人：context rot——上下文窗口塞满之后，模型性能劣化。解法惊人地趋同， 细节各有取舍。

  • Claude Code：自动 compaction（窗口快满时总结压缩）、工具输出落盘、子代理隔离上下文， 以及 Skills 的渐进披露——技能只把名字和描述注入系统提示，用到时才读全文。
  • OpenClaw：同样的渐进披露做得很典型——上下文组装阶段只注入技能的名称、描述和文件路径， 模型判断相关后按需读取 SKILL.md。数万个社区技能也不会撑爆上下文。
  • Hermes：把「按需检索」推到记忆层——新会话不加载历史，而是用 SQLite FTS5 全文检索 只拉相关片段。用了几个月之后，启动延迟也不随历史膨胀。
  • DeepAgents：虚拟文件系统作为 offload 目标（中间结果写文件而不是留在上下文里）， 加上内置 summarization 和 prompt caching。

共识已经形成：上下文是稀缺资源，一切能落盘的都落盘，一切能延迟加载的都延迟加载。 差别只在「落到哪」（文件 / SQLite / 可插拔 backend）和「谁决定加载」（模型自己读 vs 检索器推送）。

维度三：记忆放哪

  • Claude Code：CLAUDE.md / AGENTS.md 承载项目约定，外加自动维护的记忆目录。 哲学是「记忆是给模型看的文档」。
  • OpenClaw：最极端也最迷人——agent 就是磁盘上的一堆文件。SOUL.md 定义人格， MEMORY.md 存长期记忆，HEARTBEAT.md 是任务表。想改 agent 的行为？改文件就行。 想审计它知道什么？打开文件夹看。没有数据库，没有隐藏状态。
  • Hermes：结构最讲究，按认知科学分了三层——情景记忆（会话历史，SQLite + FTS5， 回答「发生过什么」）、语义记忆（偏好与习惯的蒸馏态，回答「你是谁」）、 程序记忆（~/.hermes/skills/ 下的 Markdown，回答「这事怎么做」）， 另有可选的 Honcho 模块做用户建模。
  • DeepAgents：不站队，给你可插拔 backend——内存态、本地磁盘、LangGraph store， 或者按路径组合路由，带读写权限规则。

值得注意的是收敛点：Markdown 文件成了 agent 记忆的通用货币。 连结构最工程化的 Hermes，程序记忆也是 Markdown；连最面向开发者的 DeepAgents，也把文件系统当一等公民。 原因不难理解——人能读、能审、能 diff、能进 git。这对下文的安全维度非常重要。

维度四：技能与自我改进

SKILL.md 正在成为跨 harness 的事实标准（agentskills.io 开放标准）， 四家都支持，但「技能从哪来」分成了两派：

人写/社区装： Claude Code 的技能靠手工编写或生态安装；OpenClaw 有 ClawHub， 社区技能数以万计，装技能像装 npm 包。

Agent 自己长： Hermes 的招牌是五段学习环，每次任务完成后自动跑： 筛选记忆 → 提炼新技能 → 修正误触发的旧技能 → FTS5 建立可检索索引 → 更新用户模型。 官方手册的说法是：「到第十次时，它已经知道你偏好 httpx 而不是 requests」—— 不用教，它自己总结。

自我改进听起来很美，但 Hermes 自己的文档也承认其中的张力：

如果你打算每天 review 它的自我改进，那和手工维护 Skills 有什么区别？

Hermes 的默认答案是「改进时不在环上，产出时在环上」（out of the loop for improvements, on the loop for outputs）。对反馈信号清晰的场景（代码能跑、任务能验收）这是个合理赌注； 对你自己都判断不了对错的模糊领域，自我改进可能把系统性错误越滚越大。

维度五：子代理编排

  • Claude Code：Task 工具派生子代理，各自拿干净上下文，跑完交回一份报告。 子代理类型可定制（探索、规划、审查……）。
  • DeepAgents：内置 task 工具，机制几乎同构——fresh context + 自主执行 + 单次交付， 子代理不与主代理来回聊天，只交最终结果。这是控制上下文污染的关键设计。
  • Hermes：delegate_task 派生子代理，但有个刻意的设计约束：并发硬上限 3 个。 在「自治 agent 可能失控膨胀」这件事上，Hermes 选择了物理限速。
  • OpenClaw：编排相对弱，重心在渠道与主动性而非并行分解。多设备「节点」 （macOS/iOS/Android）连接网关提供能力，更像分布式的手和眼，而不是分布式的脑。

维度六：权限、沙箱与安全边界

这个维度上四家的姿态差异，直接反映了各自的用户画像。

  • Claude Code：权限模式（每次确认 / 自动接受编辑 / 计划模式）+ hooks 拦截 + 沙箱化的命令执行。默认假设你在重要的代码库上工作，宁可多问。
  • Hermes：40+ 内置工具全部走显式白名单，沙箱执行，工具集 opt-in。 记忆是可检查的 SQLite，技能是可 diff 的 Markdown——「技术上可回滚」是明确设计目标。
  • DeepAgents：human-in-the-loop 中断点、文件系统 backend 的读写权限规则、可选沙箱。 把安全策略的决定权交给开发者。
  • OpenClaw：网关层有配对信任模型（新设备需审批、签发 device token、仅本机回环可自动通过）， 但作为拿到你 WhatsApp、邮箱、日历的个人助理，它的攻击面天然巨大。2026 年已有安全研究者 以 OpenClaw 为案例系统分析自治 agent 的威胁面。 「文件即 agent」的透明性在这里帮了大忙——至少你能看清它被改成了什么样。

一个值得记住的原则：agent 的能力半径应该和你的审计能力半径匹配。 四家里透明度最高的方案（纯文件）恰恰来自能力半径最大的产品（个人助理），这不是巧合。

维度七：模型耦合，还是模型无关

最后一条维度关乎战略。

Claude Code 是紧耦合路线：harness 参与模型后训练，模型「见过」自己的工具和提示结构。 好处是开箱即用的默契——同样的模型在别的 harness 里往往发挥不出同等水平。

另外三家全是模型无关路线：Hermes 支持 OpenRouter 的 200+ 模型、直连 API、 本地 Ollama（隐私优先方案），DeepAgents 接任何 LangChain 支持的模型，OpenClaw 同样可换后端。 代价是拿不到「联合训练」的红利，需要用 harness 工程弥补。

而 harness 工程确实能弥补相当多——LangChain 给出的证据是：deepagents 在 Terminal Bench 2.0 上从 Top 30 冲进 Top 5，只改了 harness，没换模型。 这大概是「harness 独立价值」最硬的一个数据点。

顺带一提，模型无关路线也有生态风险：据 Hermes 社区文档记载，2026 年 4 月起 Anthropic 限制了第三方工具使用 Claude 订阅账号，第三方 harness 只能走按量付费 API—— 耦合与开放之争，商业层面已经先打起来了。

工程实践：怎么选，怎么落地

如果你是在选一个用：

  • 主业是写代码，要模型与工具的最深协同 → Claude Code。
  • 想要一个活在聊天软件里的助理，愿意自己托管、看重可审计 → OpenClaw。
  • 想要常驻后台、越用越懂你的自治 agent，且你的场景有清晰的对错反馈 → Hermes。
  • 在给自己的产品造 agent，需要掌控循环、状态和部署 → DeepAgents。

如果你是在自己设计 harness，四家的公约数就是现成的检查清单：

  1. 先定时钟：人、消息、定时器还是状态机驱动？这决定后面所有设计。
  2. 上下文当稀缺资源管：落盘 + 渐进披露 + 子代理隔离，三板斧先备齐。
  3. 记忆用 Markdown 打底：能读、能 diff、能审计，别急着上数据库。
  4. 子代理只交报告不闲聊：fresh context + 单次交付是防上下文污染的最佳实践。
  5. 权限白名单起步，能力半径跟着审计能力走。
  6. 别迷信自我改进：没有清晰反馈信号的领域，自动学习环是错误放大器。

收敛与分歧

把四个 harness 摆在一起，收敛的部分多得惊人：Markdown 指令文件、文件系统作外部记忆、 MCP 接工具、SKILL.md 渐进披露、子代理隔离上下文——殊途同归，这些大概率就是 agent 基础设施的「标准件」了。

真正的分歧只剩一个，而且是哲学层面的。Steinberger 在访谈里反复讲：早期 harness 复杂， 是因为模型弱、需要搀扶；模型每强一代，harness 就该薄一层——他的终局里 harness 趋近于消失。LangChain 的赌注恰恰相反：模型会继续换代，但harness 是沉淀工程价值的持久层， Terminal Bench 上那个 Top 30 → Top 5 就是宣言。

一边说脚手架终将拆掉，一边说脚手架就是建筑本身。未来两年 agent 基础设施最重要的走向， 大概就藏在这两句话的胜负里。

参考链接