Claude Code、OpenClaw、Hermes、DeepAgents：四种 Agent Harness 的设计对比
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 agent Anthropic 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 agent Nous Research 多渠道网关 + cron 后台 三层记忆（SQLite + Markdown） DeepAgents 开发者用的 harness SDK LangChain 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。 ...