- 课程目录
- 课程介绍
-
在线阅读：开篇词｜框架正在坍塌：像写操作系统一样，复刻 OpenClaw 的底层 Harness
只有亲自造过轮子的人，才知道车辆在高速过弯时，底盘的极限到底在哪里
-
01｜架构演进：从 Framework 到 Harness，Agent 到底需要怎样的底层支撑？
驾驭工程（Harness Engineering）正在崛起
-
02｜核心心脏：手写 Agent 的 Main Loop
Main Loop如何写
-
03｜慢思考与自省：在 ReAct 循环中剥离独立的 Thinking 阶段
我们来做慢思考这个部分
-
04｜大脑接入：抽象 Provider 接口，适配 Claude 与 OpenAI 兼容大模型
今天，我们为引擎接入真实的前沿大模型。
-
05｜动作延伸：构建强扩展性的 Tool Registry 与分发机制
将抽象的意图落地为具体的物理执行
-
06｜大道至简：解密 OpenClaw 最简工具集法则与 YOLO 执行哲学
给 go-tiny-claw 装上 write 和 bash 工具
-
07｜容错艺术：实现支持多级模糊匹配的稳健 Edit 工具
加入专属的 edit_file（代码编辑）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？
串行改并行
-
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
集成飞书
-
10｜提示词组装：告别面条代码，动态加载 AGENTS.md 与外挂 Skills
告别面条提示词，拒绝上下文膨胀
-
11｜会话管理：Session 物理隔离与 Working Memory 的底层实现
多端并发场景下的 Session（会话）物理隔离
-
12｜突破内存：基于阶梯降级的 Context Compaction 策略
攻克短期的闲聊记忆与OOM内容防爆问题
-
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
Externalized State（状态外部化）与基于纯文件系统（File-based）的持久化记忆
-
14｜错误自愈：上下文感知的 Error Recovery 提示模板注入机制
上下文感知的 Error Recovery（错误自愈）提示模板注入
-
15｜行为干预：防止 Agent 陷入“死循环”的 System Reminders 机制
用 Go 语言实现一套 System Reminders（运行时动态提醒机制）
-
16｜防御纵深：利用 Middleware 实现高危命令拦截与飞书人工审批
通过在 Tool Registry 中引入 Middleware 机制，并在高危操作前挂起协程，接入飞书实现人工审批
-
17｜任务委派：引入 Subagent 隔离复杂探索任务的上下文瓶颈
任务委派（Delegation）与多智能体（Multi-Agent / Subagent）架构
-
18｜成本与状态追踪：在 Harness 层拦截并记录 Token 消耗与执行耗时
通过极简的代码，在 Harness 层拦截大模型的返回包，精确记录 Token 消耗、金钱成本和执行耗时
-
19｜洞察黑盒：为 Agent 引入 Tracing 机制复盘失败决策路径
补齐可观测性体系中最具技术含量的一环——链路追踪
-
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？
构建一个极其硬核但又极其简单的自动化 Benchmark 跑分框架
-
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
构建出完全形态的 go-tiny-claw 命令行应用程序
-
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
这一讲，我们将完成这场宏大工程的最后一次端到端实战大考
-
结束语｜Agent 的尽头是 OS，大模型时代开发者的驾驭新征程
恭喜你学完这门课的内容，我们来回顾一下
-
结课测试｜来赴一场满分之约！
结课测试共 8 道单选题，2 道多选题，满分 100 分，系统自动评分，快来挑战吧！
-
阶段作业｜让你的 Agent 学会“慢思考 + 动手做事”
以输出倒逼输入，希望你可以自己动手做出专属的Agent
课程介绍
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...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
讲师介绍
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
适合人群
- 寻求构建轻量可控 Agent 引擎的 AI 应用架构师与开发者；
- 希望将AI能力融入现有工作流的后端/云原生工程师；
- 想要打造安全 ChatOps 机器人的 DevOps/SRE 工程师；
- 为技术负责人与顾问提供 AI 工程化解决方案。