Agent Harness 是什么？

┌────────────────────────────────────────┐
│         Agent Harness (核心引擎)        │
│                                        │
│  ┌──────────────────────────────────┐  │
│  │  1. 系统指令 & 上下文注入        │  │
│  │     角色设定 + 工具列表 + 历史    │  │
│  └──────────┬───────────────────────┘  │
│             │ Prompt 构造完成           │
│             ▼                           │
│  ┌──────────────────────────────────┐  │
│  │  2. LLM 推理 (Thought)           │  │
│  │     "我需要调用 search 工具..."  │  │
│  └──────────┬───────────────────────┘  │
│             │ 生成 Action               │
│             ▼                           │
│  ┌──────────────────────────────────┐  │
│  │  3. 工具调用 (Action)            │  │
│  │     执行 search(query="...")      │  │
│  └──────────┬───────────────────────┘  │
│             │ 返回 Observation          │
│             ▼                           │
│  ┌──────────────────────────────────┐  │
│  │  4. 结果处理 & 下一轮推理        │  │
│  │     继续循环，直到任务完成        │  │
│  └──────────────────────────────────┘  │
└────────────────────────────────────────┘

# OpenClaw 作为 Harness 的配置
agent:
  name: "妙趣AI助手"
  model: "claude-opus-4"
  system_prompt: |
    你是一个专业的AI助手，擅长技术内容创作和SEO优化。
    你的回答要幽默有趣，用通俗易懂的方式解释技术概念。
    
  # 工具定义
  tools:
    - name: web_search
      description: "搜索网络获取最新信息"
      parameters:
        query: string
        count: number (default: 5)
    
    - name: write_file
      description: "写入文件"
      parameters:
        path: string
        content: string
    
    - name: exec_command
      description: "执行系统命令"
      parameters:
        command: string
        sandbox: boolean (default: true)
  
  # 上下文管理
  context:
    max_turns: 20        # 最多保留20轮对话
    memory_injection: true  # 注入长期记忆
    memory_path: "~/.openclaw/memory/"
  
  # 执行策略
  execution:
    max_iterations: 10    # 最多10次工具调用循环
    timeout: 300          # 单次任务超时5分钟
    retry_on_error: 3     # 错误重试3次

# UI 配置
ui:
  type: discord          # 也可以是 cli, api, feishu
  welcome_message: "你好！我是妙趣AI，有什么可以帮你？"
  typing_indicator: true  # 显示"正在输入..."

// simple-harness.js
import Anthropic from '@anthropic-ai/sdk';

export class AgentHarness {
  constructor(config) {
    this.client = new Anthropic({ apiKey: config.apiKey });
    this.model = config.model || 'claude-3-5-sonnet-20241022';
    this.systemPrompt = config.systemPrompt || '';
    this.tools = config.tools || [];
    this.maxIterations = config.maxIterations || 10;
    this.context = []; // 对话历史
  }
  
  // 注册工具
  registerTool(toolDef) {
    this.tools.push({
      name: toolDef.name,
      description: toolDef.description,
      input_schema: toolDef.schema
    });
  }
  
  // 执行工具调用
  async executeTool(toolName, toolInput) {
    const tool = this.tools.find(t => t.name === toolName);
    if (!tool) throw new Error(`Tool ${toolName} not found`);
    
    if (toolName === 'web_search') {
      // 实现搜索逻辑
      const results = await this._search(toolInput.query);
      return results;
    } else if (toolName === 'write_file') {
      // 实现文件写入
      require('fs').writeFileSync(toolInput.path, toolInput.content);
      return { success: true };
    }
    throw new Error(`Tool ${toolName} execution not implemented`);
  }
  
  // 主推理循环
  async run(userMessage) {
    // 1. 构造初始消息
    this.context.push({
      role: 'user',
      content: userMessage
    });
    
    // 2. 推理循环
    for (let i = 0; i < this.maxIterations; i++) {
      const response = await this.client.messages.create({
        model: this.model,
        system: this.systemPrompt,
        messages: this.context,
        tools: this.tools.length > 0 ? this.tools : undefined,
        max_tokens: 4096
      });
      
      // 3. 处理响应
      const finalText = [];
      let hasToolUse = false;
      
      for (const block of response.content) {
        if (block.type === 'text') {
          finalText.push(block.text);
        } else if (block.type === 'tool_use') {
          hasToolUse = true;
          // 执行工具
          const toolResult = await this.executeTool(
            block.name,
            block.input
          );
          
          // 将工具结果加入上下文
          this.context.push({
            role: 'assistant',
            content: response.content
          });
          this.context.push({
            role: 'user',
            content: [{
              type: 'tool_result',
              tool_use_id: block.id,
              content: JSON.stringify(toolResult)
            }]
          });
        }
      }
      
      // 4. 如果没有工具调用，任务完成
      if (!hasToolUse) {
        return {
          success: true,
          response: finalText.join('\n')
        };
      }
    }
    
    return {
      success: false,
      error: '达到最大迭代次数'
    };
  }
  
  async _search(query) {
    // 简单实现，实际应该用 Brave/Tavily API
    return `搜索结果：${query} (模拟数据)`;
  }
}

// 使用示例
const harness = new AgentHarness({
  apiKey: process.env.ANTHROPIC_API_KEY,
  systemPrompt: '你是一个有用的AI助手。',
  tools: [
    {
      name: 'web_search',
      description: '搜索网络',
      schema: {
        type: 'object',
        properties: {
          query: { type: 'string' }
        }
      }
    }
  ]
});

const result = await harness.run('搜索最新的AI新闻');
console.log(result.response);

# news-assistant.skill.yaml
name: news-assistant
description: 自动搜索和总结AI新闻

trigger:
  type: command
  pattern: "^!news\\s+(.*)"

# Harness 配置
harness:
  model: claude-opus-4
  system_prompt: |
    你是一个AI新闻助手。收到请求后，先搜索相关新闻，
    然后总结成妙趣风格的日报。
    
  tools:
    - web_search
    - write_file

runtime:
  type: node
  entrypoint: assistant.js

---
const { AgentHarness } = require('./harness');

module.exports = async function(context) {
  const topic = context.match[1];
  const harness = new AgentHarness({
    apiKey: process.env.ANTHROPIC_API_KEY,
    systemPrompt: context.skill.harness.system_prompt
  });
  
  const result = await harness.run(`搜索并总结关于${topic}的最新新闻`);
  return { reply: result.response };
};