从 0 开始构建 Agent Harness--极客时间课程推荐/优惠
本站非极客时间官网，与官方无任何关系。我们不提供课程下载或详细内容，仅作为课程分享和推荐平台。我们鼓励大家支持正版，尊重创作者的劳动成果，这样不仅能帮助创作者持续产出优质内容，也能让自己获得更好的学习体验。请通过官方渠道购买和学习课程，感谢您的理解与支持。
课程详情
你将获得：
- 可运行，从 0 到 1 实现工业级 OS 底层引擎；
- 可掌控，突破长程上下文、死循环等 20+ 工程卡点；
- 可观测，集成 Tracing、Benchmark 评估的科学度量体系；
- 可二开，从 Framework 到 Harness 的硬核工程落地方案。
课程介绍
你是不是也遇到过这些“AI翻车”现场？
- Agent 读个 3000 行日志，直接报 Token 超限；
- 修编译错误时，同一个错误命令连跑 10 遍，原地鬼打墙；
- 差点执行 rm -rf ./，你手抖着按下了 Ctrl+C。
这不是你 Prompt 写得不好，而是那些“调包框架”（LangChain、AutoGen 等）本身就是黑盒。它们塞给模型几十个工具描述，把状态藏在内存里，你根本插不上手。框架越重，失控越狠。
如今大模型自己就会规划和调用工具了。它们不再需要这些框架“管家”，它们需要的是“缰绳”——Harness。
简单说，Harness 就是给大模型写一个微型操作系统。
- 大模型 = CPU（负责思考）
- 上下文窗口 = RAM（极其金贵的内存）
- 本地操作 = 外设（硬盘、网卡）
Harness 不教模型怎么想，它主要干内存回收、硬件调度、系统中断这些“脏活”。如果你想构建工业级、长周期、可控的 AI Agent，肯定绕不开 Harness。因为三个最大的坑，Harness 刚好全填上了。
学 Harness = 给 AI 套上缰绳，跑得快又不翻车。
课程交付什么？
用 Go 吸收顶级开源项目 OpenClaw 的极简哲学，从零构建工业级 Harness 引擎 —— go-tiny-claw。
你会拿到：
- 完整源码（ReAct 循环、多模型适配、上下文压缩、死循环检测、链路追踪…）
- 搞懂“框架坍塌，Harness 崛起”这条行业暗线
- 具备设计工业级 AI Agent “物理躯体”的真本事
怎么学？
课程按工程开发顺序分为六个章节，共 24 讲：
第一章：认知与核心引擎
我们将抛弃黑盒，纯手写大模型原生的 ReAct 循环。设计优雅的多模型适配层（接入 Claude 与OpenAI兼容 API 模型），并前瞻性地引入独立的“慢思考（Thinking）”机制，极大提升复杂任务的规划成功率。
第二章：极简工具与物理交互
打造强扩展性的 Tool Registry。深刻贯彻极简工具哲学，手写支持多级模糊匹配的健壮 Edit 工具，并利用 Go 的并发特性压榨出并行工具执行的性能极限。
第三章：上下文工程体系
这是决定 Agent 智商的生命线。我们将实现系统提示词的动态组装、超长文本的阶梯降级压缩（Compaction）；更重要的是，摒弃复杂的内部状态机，把“记忆”与“待办”完全外部化为本地的文件系统。
第四章：稳定性控制与多智能体
让 Agent 走向生产环境。实现运行时提醒（Reminders）斩断死循环；通过 Middleware 拦截危险操作，在飞书中弹出卡片等待人类审批（Human-in-the-loop）；引入 Subagent 隔离复杂任务。
第五章：可观测性与科学度量
这是高级工程师的分水岭。为引擎引入链路追踪（Tracing）、成本审计，并搭建自动化 Benchmark 评估脚本，科学量化引擎的每一次进步。
第六章：端到端实战串讲
全要素组装，最终打造出一个强悍的 CLI 工具，以及一个能在飞书群里随时被召唤、具备安全底线的 AgentOps 运维自动化助手。
未来已来，就藏在极简的架构哲学里。带上键盘，我们敲起来。
课程目录
开篇词
- 开篇词｜框架正在坍塌：像写操作系统一样，复刻 OpenClaw 的底层 Harness
第一章：认知与核心引擎
- 01｜架构演进：从 Framework 到 Harness，Agent 到底需要怎样的底层支撑？
- 02｜核心心脏：手写 Agent 的 Main Loop
- 03｜慢思考与自省：在 ReAct 循环中剥离独立的 Thinking 阶段
- 04｜大脑接入：抽象 Provider 接口，适配 Claude 与 OpenAI 兼容大模型
第二章：极简工具与物理交互
- 05｜动作延伸：构建强扩展性的 Tool Registry 与分发机制
- 06｜大道至简：解密 OpenClaw 最简工具集法则与 YOLO 执行哲学
- 07｜容错艺术：实现支持多级模糊匹配的稳健 Edit 工具
- 08｜并发提效：如何让 Agent 在单轮中并行调用多个互相独立的工具？
- 09｜飞书集成：打通真实世界，将 go-tiny-claw 接入飞书机器人的事件流
第三章：上下文工程体系
- 10｜提示词组装：告别面条代码，动态加载 AGENTS.md 与外挂 Skills
- 11｜会话管理：Session 物理隔离与 Working Memory 的底层实现
- 12｜突破内存：基于阶梯降级的 Context Compaction 策略
- 14｜错误自愈：上下文感知的 Error Recovery 提示模板注入机制
- 13｜记忆沉淀：状态外部化，基于文件系统的持久化记忆与待办管理
第四章：稳定性控制与多智能体
- 15｜行为干预：防止 Agent 陷入“死循环”的 System Reminders 机制
- 16｜防御纵深：利用 Middleware 实现高危命令拦截与飞书人工审批
- 17｜任务委派：引入 Subagent 隔离复杂探索任务的上下文瓶颈
第五章：可观测性与科学度量
- 18｜成本与状态追踪：在 Harness 层拦截并记录 Token 消耗与执行耗时
- 19｜洞察黑盒：为 Agent 引入 Tracing 机制复盘失败决策路径
- 20｜科学度量：如何构建 Benchmark 自动化评估脚本，科学量化 Harness 引擎性能？
第六章：端到端实战串讲
- 21｜实战串讲（上）：拼装完整 CLI 引擎，完成未知项目的文件探索与重构
- 22｜实战串讲（下）：打造 AgentOps 小助手，在飞书中触发日志分析与故障修复审批
课程跟练，逐步扩展你的 Agent
- 阶段作业｜让你的 Agent 学会“慢思考 + 动手做事”
结语&测试
- 结束语｜Agent 的尽头是 OS，大模型时代开发者的驾驭新征程
- 结课测试｜来赴一场满分之约！
作者介绍
推荐
