自研 Mini-Harness：从零打造轻量 Agent 框架的实践思路

为什么放弃现成框架，选择自研 Harness

很多开发者在搭建 AI Agent 时会直接套用现成的框架，但这位 B 站 UP 主给出了不同的选择——从零搭建一个自己的 Mini-Harness。原因并不复杂：现成框架功能虽然完善，却带着大量用不上的模块，占用资源、拖慢整体运行速度。

作者坦言，整个工具在界面风格上参考并致敬了 Claude Code，因为「这种方式和风格我们比较喜欢」，但对其中冗余的功能做了大量删减。核心诉求是三点：集成度高、运行快、完全可控。用他的原话说，「后期我们想怎么动怎么动」，尤其是在做自动化 Agent 相关工具时，自己掌控的代码改起来更方便，而依赖别人的框架则「不太方便」。

这其实反映了一个真实的工程权衡：通用框架追求覆盖面，而垂直场景往往只需要其中一小部分能力。当你对性能和可控性有明确要求时，「减法」比「加法」更有价值。

Mini-Harness 具备哪些核心能力

虽然定位是「Mini」，但这套工具的功能覆盖并不算窄。作者演示中提到，它能够适配多种 API 接入方式，包括 OpenAI 传统格式、OpenAI Response 格式，以及 Anthropic 风格的接口，用户只需在设置中选择即可。

在工具能力上，它集成了浏览器操控、终端、文件读写、文件上传、联网搜索、子智能体（Sub-agent）以及 Skills 等模块。作者形容为「基本上你能想到的都有了」，但也诚实承认「肯定不如 Claude Code 那么完善和全面」——一些暂时用不到的功能被主动砍掉，需要时再补。

这种「按需构建」的思路，恰恰是自研 Harness 相较通用框架的差异点：保留骨架，去掉赘肉。

子智能体（Sub-agent） 是当前 Agent 工程中的重要架构模式：主 Agent 将复杂任务拆解后，动态派发给多个专职子 Agent 并行或串行处理，最终汇总结果。这种设计可以突破单次上下文窗口的长度限制，让系统处理远超单轮对话能力的长程任务。Skills 模块则通常指预定义的可复用技能单元，类似函数库，Agent 可以直接调用而无需每次重新生成执行逻辑，从而提升稳定性并减少 token 消耗。两者结合，使 Harness 能够编排远比单次对话更复杂的自动化工作流。

一个真实案例：12 小时自动生成 3D 地铁模拟

最能说明问题的是作者展示的实际案例。他让 Agent 自主完成了一个类似 Counter-Strike 风格的 3D 地铁模拟场景——从环境搭建到细节呈现，整个过程 Agent 花费了约 709 分钟，接近 12 个小时自主运行、输出并修正。

值得关注的是背后的模型配置：后台使用的是通义千问^广告（Qwen）3.8 系列的 27B 模型，属于相对基础的选择。作者强调，这类任务不可能「一句 prompt 就完成」，而是需要 Agent 反复迭代，人工再介入优化几次，才能逐步逼近需求。

除了游戏场景，作者还提到 Harness 可以驱动 Agent 操作 Word、PPT，甚至打开 Blender 进行 3D 建模，让它自行迭代把作品「做得越来越精细化」。这些能力的共同点在于：Agent 不是一次性生成，而是通过持续迭代逼近目标，这也是当前 Agent 工程的核心范式。

通义千问（Qwen）3.8 系列是阿里云开源的多尺寸大语言模型家族，其中 27B 指参数量约 270 亿。在本地或私有服务器部署场景下，27B 规模的模型是性能与资源消耗之间常见的折中选择——相比 7B/8B 模型推理质量更稳定，又不像 70B 以上模型那样对显存要求极高。以该量级模型驱动 Agent 完成 12 小时长程任务，意味着整个过程中模型需要持续进行代码生成、错误分析与迭代修正，这对模型的指令遵循能力和上下文理解能力都有较高要求，也侧面说明了迭代次数和人工介入节点的重要性。

项目加载与远程连接的灵活性

在工作区管理上，这套工具支持两种模式：本地项目和远程 SSH 连接。用户可以直接加载本机的某个目录开始新任务，也可以填入用户名、密码连接远程 SSH 服务器（部分无需密码的场景可跳过）。

作者演示时，将自己的项目统一挂载在服务器的 data 目录下，连接后即可像操作本地一样新建对话、执行任务。这种设计让 Harness 既能服务本地轻量开发，也能对接远程算力资源。

设置项拆解：Provider、搜索与浏览器控制

在配置层面，Mini-Harness 提供了几个关键选项。Provider 部分决定以何种格式接入模型，可选 OpenAI、OpenAI Response 或 Anthropic 风格；同时需要填写 Model ID，并设定默认的「深度思考」等级。

搜索服务是一个可选项。作者自己使用 SearXNG 搭建了私有搜索服务器，但也说明用户完全可以不填——不填的情况下系统会调用内置方式去网上抓取内容。浏览器控制方面，工具通过 privileged 方式操控本机或指定浏览器，实现真实的网页操作能力。

作者还提到，任务区支持自定义任务类型，比如「头脑风暴」这类他们自己定义的模式。配合像 DeepSeek^广告 V4 这类高速模型，可以极快地完成网页截图理解、产品策划分析等轻量任务——「重点就是删除很多东西，要它快」。整套设计的哲学始终围绕「快」和「可控」展开。

SearXNG 是一款开源的元搜索引擎，可自托管部署，聚合 Google、Bing、DuckDuckGo 等多个搜索源的结果，同时不向这些服务商传递用户身份信息。在 Agent 开发场景中，使用私有 SearXNG 实例有两大优势：一是避免直接调用商业搜索 API 的频率限制和费用，二是让搜索行为完全在自控基础设施内闭环，符合对数据隐私有要求的企业或个人用户的需求。privileged 方式操控浏览器 通常指以较高权限启动 Chromium/Chrome 等浏览器进程，允许 Agent 直接读写 DOM、截图、填表、点击等，与仅能抓取静态 HTML 的方案相比，可以处理需要 JavaScript 渲染或登录态的动态页面。

小结：轻量自研是被低估的路径

这期演示传递出一个务实的观点：在 Agent 开发中，不是所有场景都需要重型通用框架。当团队对性能、可控性和后续扩展有明确要求时，从零搭建一个精简的 Harness，往往是更高效的选择。

作者表示这套工具可以下载试用。对于希望深入理解 Agent 底层运行机制、或需要高度定制化 Agent 工作流的开发者来说，这类轻量自研方案值得研究和借鉴。