Agent 的可靠性不只取决于模型能力,还取决于模型外部的执行环境、工具协议、上下文管理、编排、可观测性、评估和治理。这里用 ETCLOVG 七层架构系统讲清 Harness Engineering 的设计方法和落地检查项。
围绕 AI 编程、智能体运行时、沙箱、爬虫、无头浏览器、上下文数据库和代码知识图谱,梳理 12 个开源项目的核心能力、适用场景和选型思路。
LobsterAI 是一个面向 OpenClaw 的桌面客户端,提供模型切换、Skills 管理、定时任务、本地与 VM 沙箱切换以及多平台消息集成。围绕 Reddit 摘要、近 30 天需求挖掘和科技新闻聚合三个任务,讲清桌面 Agent 如何自动读取、整理和分发全网信息。
OpenSkills 把技能定义、匹配、资源加载和脚本执行拆成透明流程,适合把 AI Agent 能力集成到自己的 Python 项目。内容覆盖三层渐进式加载、SKILL.md 写法、脚本沙箱、Reference 加载模式和周报生成年度复盘的完整示例。
OpenSandbox 为 AI Agent 的命令执行、代码运行、文件操作和浏览器自动化提供隔离环境。内容讲清它的协议设计、Docker 与 Kubernetes 双运行时、网络控制、入口代理,以及在 Coding Agent、评测和 Agentic RL 中的使用方式。