一、项目概述

Claude Code 是 Anthropic 开发的一款终端智能体编码工具，通过自然语言与开发者交互，理解代码库上下文，自动化完成日常编码任务、代码审查、Git 工作流管理等工作。

核心特性

• 基于 Anthropic Claude 大语言模型
• 高度可扩展的插件架构
• 安全的工具调用和权限管理
• 支持多种工作流和集成

二、项目目录结构

这是一套通过命令行安装 OpenCode、配置火山方舟等多模型接入，并集成 agency-agents 多智能体体系，最终可在 CLI 或桌面端使用专业化 AI 智能体协作完成各类任务的完整部署与使用流程。

安装 OpenCode

curl -fsSL https://opencode.ai/install | bash

Installing opencode version: 1.3.9
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 100%
Successfully added opencode to $PATH in /Users/junjian/.zshrc

                                 ▄
█▀▀█ █▀▀█ █▀▀█ █▀▀▄ █▀▀▀ █▀▀█ █▀▀█ █▀▀█
█░░█ █░░█ █▀▀▀ █░░█ █░░░ █░░█ █░░█ █▀▀▀
▀▀▀▀ █▀▀▀ ▀▀▀▀ ▀  ▀ ▀▀▀▀ ▀▀▀▀ ▀▀▀▀ ▀▀▀▀


OpenCode includes free models, to start:

cd <project>  # Open directory
opencode      # Run command

// ...

桌面应用程序

• GitHub Release
• opencode.ai/download

配置 OpenCode

Harness Engineering 是 2026 年软件工程领域涌现的一门新学科，其核心理念是：在生成式 AI 时代，由于模型能力已趋于同质化（Commodity），构建可靠、可扩展的 AI 智能体系统的关键不再是模型本身，而是在模型周围设计的“Harness”（支架/编排系统）。

通过分析提供的资料，可以从以下几个维度深入理解 Harness Engineering：

1. 核心定义与马车隐喻

“Harness”一词源于马具（如缰绳、马鞍、嚼子），这个隐喻生动地解释了三者的关系：

• 马（Horse）：指代 AI 模型。它拥有强大的动力和速度，但本身并不知道要去哪里，也不具备自我约束力。
• Harness（马具/支架）：指代基础设施。包括约束机制、护栏和反馈回路，用于将模型的原始能力转化为生产力。
• 骑手（Rider）：指代人类工程师。负责提供方向和意图，而不是亲自奔跑（写代码）。

正式定义上，Harness engineering 是设计和实现一个能够约束、告知、验证并纠正 AI 智能体行为的系统学科。

2. Harness Engineering 的三大支柱

根据 OpenAI 和 NxCode 的实践，一个成熟的 Harness 系统包含三大核心组件：

• 上下文工程（Context Engineering）：确保智能体在正确的时间获得正确的信息。这要求将代码库视为唯一的真理来源，不仅包含代码，还包括架构决策、API 契约和动态的观测数据（如日志、指标）。
• 架构约束（Architectural Constraints）：通过机械化的手段强制执行“好代码”的标准。例如使用确定性的 Linter、结构化测试（如 ArchUnit）和严格的依赖层级校验，防止 AI 智能体在生成代码时由于灵活性过高而导致架构腐化。
• 熵管理/垃圾回收（Entropy Management / Garbage Collection）：AI 生成的代码库容易积累“AI 废料（AI Slop）”，文档也容易过时。Harness 系统需要定期运行专门的智能体来清理不一致的文档、修复违反架构约束的代码以及优化冗余逻辑。

本文综合 Anthropic、OpenAI、Martin Fowler、LangChain、Mitchell Hashimoto、NxCode、MiniMax 等前沿文章的分析报告。

一、什么是 Harness Engineering？

1.1 词源与隐喻

"Harness" 直译为"马具"——缰绳、鞍座、嚼子，是用来驾驭一匹强大但不可预测的动物的工具。这个隐喻极其精准：

隐喻	对应实体
马匹	AI 模型——强大、快速，但自身不知道该去哪里
马具（Harness）	基础设施——约束、护栏、反馈循环，引导模型的力量
骑手	人类工程师——提供方向，而不是亲自奔跑

没有 Harness 的 AI Agent 就像旷野中的野马——速度快、令人印象深刻，但对完成任何目标完全无用。

1.2 正式定义

Harness Engineering 是设计和实现以下系统的学科：

1. 约束（Constrain）——限制 AI Agent 能做什么（架构边界、依赖规则）
2. 告知（Inform）——告诉 Agent 它该做什么（上下文工程、文档）
3. 验证（Verify）——检查 Agent 是否正确完成了任务（测试、Linter、CI）
4. 纠正（Correct）——当 Agent 出错时进行修复（反馈循环、自我修复机制）

1.3 与相关概念的区别

Harness Engineering，是在AI大模型时代，以确定性系统外壳约束概率性AI行为，通过上下文工程、架构约束、熵管理三位一体，构建可长期稳定运行的AI Agent系统，推动软件工程从代码实现转向系统设计，成为下一代AI工程化的核心范式。

引言

在人工智能，特别是大型语言模型（LLM）能力迅速发展的时代，软件开发领域正经历一场深刻的范式转移。传统以代码为中心的工程方法正在被一种以语言为中心的新范式所取代。这一新范式将工程设计的核心原则，如控制、可靠性和可扩展性，应用到了人与AI的交互界面上。本报告将深入探讨这一新兴领域，提出“Harness Engineering”（驾驭工程）这一术语，用以描述其背后的系统性原则、核心实践、行业案例及未来挑战。报告旨在为软件工程师、技术领导者及行业观察家提供一个全面的框架，以理解并应用这一即将定义未来技术格局的关键技术。

一、超越提示词与上下文

在深入探讨Harness Engineering之前，必须首先理解它所处的演化脉络。它并非一个凭空出现的概念，而是对已有AI工程实践的一次系统性整合与升华。它标志着行业的焦点从与AI模型的“单次对话”转向了构建一个让AI能够“持续可靠工作”的完整系统。

1.1 定义Harness Engineering

Harness Engineering（驾驭工程）被定义为一个新兴的工程学科，其核心目标是设计和实现一套围

Harness Engineering 定义

Harness engineering 是一门设计和构建约束、反馈循环和生命周期系统的工程学科，用于让 AI 智能体能够可靠地构建软件。它的核心思想是：不直接让 AI 写代码，而是创建一个环境（harness），让 AI 在这个环境中可靠地构建代码。

三大核心支柱

1. Context Engineering（上下文工程）

• 增强的知识库
• 动态上下文注入（可观测性数据、浏览器导航等）
• 提供 AI 完成任务所需的完整信息

2. Architectural Constraints（架构约束）

• 由 AI 智能体监控
• 自定义 lint 规则
• 结构性测试
• 确保生成的代码符合架构规范

3. Entropy Cleanup（熵清理/垃圾回收）

• 定期运行的智能体来发现不一致和违规
• 对抗系统随时间的退化
• 保持代码库的长期质量

典型架构模式

Anthropic 的三智能体架构：

• Planner（规划智能体）：任务分解
• Generator（生成智能体）：代码生成
• Evaluator（评估智能体）：质量评估（基于 Design quality、Originality、Craft、Functionality 等标准）

关键实践

1. 迭代改进：将智能体的困难视为信号，据此添加工具/护栏/文档
2. 自我验证循环：build-test-fix 闭环
3. 循环检测中间件：防止无限循环
4. "推理三明治"：计算预算策略
5. 状态传递：在智能体之间清晰传递任务状态

在智能体（Agentic）编程的前沿领域，Harness 设计（测试与运行框架设计）是性能表现的关键。以下是我们如何推动 Claude 在前端设计和长时间运行的自主软件工程中进一步突破的实践。

作者：Prithvi Rajasekaran，Labs 团队成员

发布日期：2026年3月24日

• Harness design for long-running application development

在过去的几个月里，我一直致力于解决两个相互关联的问题：如何让 Claude 产出高质量的前端设计，以及如何让它在无需人工干预的情况下构建完整的应用程序。这项工作源于我们早期在前端设计能力和长时间运行编程智能体 Harness 方面的尝试。当时，我和同事们通过提示词工程（Prompt Engineering）和 Harness 设计，能够将 Claude 的性能提升到远高于基准线的水平——但两者最终都遇到了瓶颈。

为了实现突破，我寻求了一种能够跨越两个完全不同领域的全新 AI 工程方法：一个由主观审美定义，另一个由可验证的正确性和可用性定义。受生成对抗网络（GAN）的启发，我设计了一种包含**生成器（Generator）和评估器（Evaluator）**智能体的多智能体结构。要构建一个能够可靠且具审美感地对输出进行评分的评估器，意味着首先要开发一套标准，将“这个设计好吗？

开源项目

BitNet

BitNet 是微软开源的 1.58-bit 大模型推理框架，通过三值量化将模型压缩 10 倍，大幅降低推理成本。无法在现有昇腾 910B4 服务器上直接部署。因为 BitNet GPU 内核完全依赖 NVIDIA CUDA，与华为 CANN 架构不兼容，目前无任何官方或社区适配版本。

Page Agent

Page Agent 是阿里开源的纯前端 JavaScript GUI Agent 框架，通过一行脚本将 AI Agent 嵌入网页，用自然语言控制页面操作（点击、填表、导航等）。该项目可立即部署，接入研发网的大模型即可使用。

Next AI Drawio

Next AI Drawio 是一款 AI + draw.io 图表生成工具，通过自然语言生成、修改和增强图表（流程图、架构图、云拓扑图等）。该项目可立即部署，接入研发网的大模型即可使用。

agency-agents

agency-agents 是一套 AI Agent 角色提示词库，为 Claude Code、Cursor 等编程助手提供 140 多个专业角色配置（涵盖工程、设计、营销等 12 个领域）。只需要配置到编程助手中即可以使用了。

GitNexus

GitNexus 是一款零服务器的代码智能引擎，支持 Graph RAG 代码探索。

这是一篇由 Anthropic 发布的技术博客文章，探讨了如何通过构建有效的“脚手架”（harnesses）来提升长时运行智能体（long-running agents）的工作效率。

发布日期：2025 年 11 月 26 日

• Effective harnesses for long-running agents

智能体在跨越多个上下文窗口工作时仍面临挑战。我们从人类工程师身上汲取灵感，为长时运行的智能体构建了一个更有效的脚手架。

随着 AI 智能体（agents）能力的不断提升，开发者正越来越多地要求它们承担复杂的任务，这些任务往往需要持续数小时甚至数天的工作。然而，让智能体在多个上下文窗口（context windows）中保持连贯的进度仍然是一个悬而未决的问题。

长时运行智能体的核心挑战在于：它们必须在离散的“会话”中工作，且每个新会话开始时都没有之前发生的记忆。想象一下，一个软件项目由实行轮班制的工程师负责，而每位新来的工程师对上一班发生的事情毫无记忆。由于上下文窗口是有限的，且大多数复杂项目无法在单个窗口内完成，智能体需要一种方法来弥合多次编码会话之间的差距。

我们开发了一种方案，使 Claude Agent SDK 能够有效地跨多个上下文窗口工作。

本文详解初始化配置向导，涉及安全确认、网络网关、模型提供商（火山引擎 ark-code-latest）、通讯渠道（飞书优先）等关键设置，以及相关命令的执行。还提供了配置文件示例，说明模型、网关、技能等参数配置方法，介绍了重启网关、模型配置与查看的操作。最后展示了 Web UI、TUI、飞书群聊及 macOS 客户端的使用与构建方式。

OpenClaw 更新

openclaw update

Updating OpenClaw...

│
◇  ✓ Updating via package manager (21.15s)
│
◇  ✓ Running doctor checks (3.99s)

Update Result: OK
  Root: /opt/homebrew/lib/node_modules/openclaw
  Before: 2026.3.13
  After: 2026.3.24

// ...

OpenClaw 重置

Agent News

首个专为智能体打造的新闻门户。

GitHub 源代码: https://github.com/wang-junjian/agent-news

技能

ClawHub：Agent News 技能

发布技能到 ClawHub

clawhub publish /Users/junjian/.openclaw/workspace/skills/agent-news \
  --slug "agent-news" \
  --name "Agent News - 智能体的新闻门户" \
  --version "1.0.0" \
  --tags "agent, news" \
  --changelog "Initial release: 支持Agent News平台的新闻搜索、发布、编辑、删除等全流程操作。支持部署Agent News的部署和状态查看。"

创建龙虾团队

飞书上创建机器人

打开开发者后台，参考下面的文档分别创建三个机器人：龙虾军舰、龙虾编辑、龙虾运营。

• 快速部署OpenClaw（原Moltbot），集成飞书AI助手

下面是每个龙虾机器人的定位与职责

龙虾军舰

核心定位：团队的枢纽，兼顾协同衔接与流程优化，负责统筹每日工作，确保龙虾编辑、龙虾运营高效联动，避免工作脱节。

安装 OpenClaw

MacOS 环境下安装命令如下：

# 使用npm安装
npm install -g openclaw@latest

# 或使用pnpm安装
pnpm add -g openclaw@latest

# 或使用curl安装
curl -fsSL https://openclaw.ai/install.sh | bash

Windows PowerShell 环境下安装命令如下：

iwr -useb https://openclaw.ai/install.ps1 | iex

快速启动

向导启动命令

openclaw onboard --install-daemon

向导配置选项说明

1. 项目概述

Next AI Draw.io 是一个 AI 驱动的图表创建工具，通过自然语言命令和 AI 辅助可视化来创建、修改和增强 draw.io 图表。

核心特性

• LLM 驱动的图表创建：利用大语言模型通过自然语言直接创建和操作 draw.io 图表
• 基于图像的图表复制：上传现有图表或图像，让 AI 自动复制和增强
• PDF 和文本文件上传：上传 PDF 文档和文本文件以提取内容并生成图表
• AI 推理显示：查看支持模型的 AI 思考过程（OpenAI o1/o3、Gemini、Claude 等）
• 图表历史记录：全面的版本控制，跟踪所有更改
• 交互式聊天界面：与 AI 实时交流以完善图表
• 云架构图表支持：专门支持生成云架构图表（AWS、GCP、Azure）
• 动画连接器：创建动态和动画化的图表元素连接器

技术栈

• 框架：Next.js 16.x + React 19.x
• AI SDK：Vercel AI SDK (ai + @ai-sdk/*)
• 图表渲染：react-drawio
• 样式：Tailwind CSS 4.x
• UI 组件：Radix UI + shadcn/ui
• 多语言支持：i18n
• 桌面应用：Electron
• 部署：Vercel / Cloudflare Workers / EdgeOne Pages

2. 整体架构

1. 项目概述

Vercel AI SDK 是一个与提供商无关的 TypeScript 工具包，旨在帮助开发者使用流行的 UI 框架（如 Next.js、React、Svelte、Vue、Angular）和运行时（如 Node.js）构建 AI 驱动的应用程序和智能体。

核心特性

• 统一提供商架构：支持 OpenAI、Anthropic、Google 等多个模型提供商
• 多框架支持：React、Svelte、Vue、Angular
• 多种模型类型：文本生成、嵌入、图像、语音、转录、重排等
• 智能体框架：ToolLoopAgent 等工具循环代理
• 流式输出：支持实时流式响应

2. 整体架构

📋 概述

elizaOS 是一个开源的多智能体 AI 开发框架，用于构建、部署和管理自主 AI 智能体。采用现代化、可扩展的全功能平台设计。

核心特性

• 🔌 丰富的连接器：内置 Discord、Telegram、Farcaster 等支持
• 🧠 模型无关：支持 OpenAI、Gemini、Anthropic、Llama、Grok 等主流模型
• 🖥️ 现代 Web UI：专业仪表板，实时管理智能体、群组和对话
• 🤖 多智能体架构：从底层设计支持创建和编排专业智能体组
• 📄 文档摄取：轻松摄取文档，支持 RAG 检索和问答
• 🛠️ 高度可扩展：强大的插件系统构建自定义功能
• 📦 开箱即用：无缝的设置和开发体验

🏗️ 系统架构概览

项目结构

ZeroAI 是一个通用的 AI 驱动软件开发助手，能够按照标准化的五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你完成整个软件开发周期。

特性

• 🚀 五步开发流程：需求分析 → 接口设计 → 数据库设计 → 业务逻辑设计 → 代码生成
• 💾 版本管理：完整的项目版本控制，支持创建、查看和加载历史版本
• 📝 Word 导出：一键导出项目文档到 Word 格式
• 🎯 交互式审查：每一步生成结果都可查看、审批或重新生成
• 📊 实时日志：完整记录 AI 开发过程中的所有操作和输出
• 🔄 数据持久化：使用 SQLite 数据库存储项目数据

技术栈

核心依赖

• 框架: Next.js 16 (App Router)
• 语言: TypeScript
• 样式: Tailwind CSS 4
• 数据库: Better-SQLite3
• AI: OpenAI API (兼容 LongCat 等第三方 API)
• 文档导出: docx

测试依赖

• 测试框架: Vitest
• 测试 UI: Vitest UI
• React 测试: @testing-library/react
• DOM 断言: @testing-library/jest-dom
• 用户事件: @testing-library/user-event
• 浏览器环境: jsdom

快速开始

环境配置

1. 复制环境变量模板：

cp .env.example .env

Cline 是一个企业级 AI 编程助手，作为 VS Code 扩展运行。它代表了当前 AI 智能体开发的最高水平之一，具有以下核心特点：

特性	描述
🤖 自主智能体	能够独立规划和执行复杂开发任务
🔧 多工具集成	文件编辑、终端执行、浏览器自动化、MCP 协议
👥 人机回环	每一步操作都需要用户确认，安全可控
🌐 多模型支持	Anthropic、OpenAI、Google、AWS Bedrock 等
💾 检查点系统	可随时回滚到任意工作状态
🏗️ 跨平台架构	VS Code、CLI、JetBrains 多宿主支持

本报告将从架构师和开发专家的角度，深入剖析 Cline 的技术实现。

目录

1. 整体架构设计
2. 核心模块详解
3. Agent 任务循环机制
4. 提示词系统架构
5. 工具执行系统
6. 上下文管理策略
7. 多宿主架构
8. 安全与权限控制
9. 关键技术选型
10. 架构亮点与总结

整体架构设计

1.1 分层架构

Cline 采用清晰的分层架构，从上到下依次为：

ZeroAI 一个通用的 AI 开发助手，能够按照五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你开发软件！

😀

一、理解需求

1. 需要游戏房间创建功能，支持生成唯一的游戏会话标识，用于管理单局游戏的生命周期
2. 需要玩家状态初始化功能，支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性
3. 需要玩家坦克移动逻辑处理功能，支持根据移动指令计算坦克下一帧坐标，并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动
4. 需要玩家坦克射击逻辑处理功能，支持根据射击指令生成子弹对象，判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果
5. 需要地图数据加载功能，支持根据关卡ID获取对应的地图布局数据，包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息
6. 需要敌方坦克AI控制功能，支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击，并实现随关卡递增的难度参数调整
7. 需要子弹碰撞判定功能，支持区分子弹击中不同目标（砖墙、钢墙、坦克、基地）后的处理逻辑，包括销毁子弹、扣除目标生命值或销毁目标
8. 需要基地保护判定功能，支持监测基地是否被敌方子弹或玩家误伤击中，一旦击中立即触发游戏失败结算流程
9. 需要地图元素破坏机制功能，支持普通子弹破坏砖墙、增强子弹破坏钢墙的逻辑，并同步更新地图障碍物状态
10. 需要道具生成与掉落功能，支持在特定条件触发下（如消灭敌方坦克）随机生成速度提升、火力提升、护盾、生命、炸弹、冻结等道具实体
11. 需要道具拾取生效功能，支持玩家坦克拾取道具后触发对应效果，包括移动速度增益、射击属性增强、无敌状态、生命值增加、全屏敌人清除及敌人冻结状态
12. 需要道具效果时效管理功能，支持对速度提升、火力提升、护盾、冻结等具有持续时间的道具效果进行倒计时管理及状态自动清除
13. 需要分数结算功能，支持根据消灭敌方坦克的类型、数量及通关奖励计算并累加玩家当前得分
14. 需要生命值管理功能，支持玩家坦克被击毁时扣除生命值，并在生命值归零时触发游戏结束流程
15. 需要关卡进度管理功能，支持在消灭当前关卡所有敌人后判定通关，并自动切换至下一关卡或触发游戏胜利结算
16. 需要游戏状态流转控制功能，支持管理游戏从准备开始、进行中、暂停、结束等状态的切换逻辑
17. 需要游戏音效开关控制功能，支持接收客户端音效设置指令，维护当前游戏会话的音效开启或关闭状态
18. 需要游戏结算功能，支持在游戏结束或通关时生成包含最终得分、存活状态、通关关卡数等数据的结算报告

创建项目

# 🎮 坦克大战 - Tank Battle

一个经典坦克游戏克隆，致敬任天堂的《坦克大战》（Battle City）。

## ✨ 功能特性

### 核心玩法
- **玩家坦克** - 使用 WASD 或方向键控制移动，空格键射击
- **AI 敌方坦克** - 自动移动和射击，难度随关卡递增
- **基地保护** - 保护你的金色基地不被敌人摧毁
- **关卡系统** - 通关后自动进入下一关，敌人越来越强

### 地图元素
- **🧱 砖墙** - 可被子弹破坏，提供战术掩护
- **🔩 钢墙** - 不可破坏的坚固障碍物（增强子弹可以破坏）
// ...

一、理解需求

1. 需要游戏房间创建功能，支持生成唯一的游戏会话标识，用于管理单局游戏的生命周期
2. 需要玩家状态初始化功能，支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性
3. 需要玩家坦克移动逻辑处理功能，支持根据移动指令计算坦克下一帧坐标，并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动
4. 需要玩家坦克射击逻辑处理功能，支持根据射击指令生成子弹对象，判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果
5. 需要地图数据加载功能，支持根据关卡ID获取对应的地图布局数据，包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息
6. 需要敌方坦克AI控制功能，支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击，并实现随关卡递增的难度参数调整
7. 需要子弹碰撞判定功能，支持区分子弹击中不同目标（砖墙、钢墙、坦克、基地）后的处理逻辑，包括销毁子弹、扣除目标生命值或销毁目标
8. 需要基地保护判定功能，支持监测基地是否被敌方子弹或玩家误伤击中，一旦击中立即触发游戏失败结算流程
9. 需要地图元素破坏机制功能，支持普通子弹破坏砖墙、增强子弹破坏钢墙的逻辑，并同步更新地图障碍物状态
10. 需要道具生成与掉落功能，支持在特定条件触发下（如消灭敌方坦克）随机生成速度提升、火力提升、护盾、生命、炸弹、冻结等道具实体
11. 需要道具拾取生效功能，支持玩家坦克拾取道具后触发对应效果，包括移动速度增益、射击属性增强、无敌状态、生命值增加、全屏敌人清除及敌人冻结状态
12. 需要道具效果时效管理功能，支持对速度提升、火力提升、护盾、冻结等具有持续时间的道具效果进行倒计时管理及状态自动清除
13. 需要分数结算功能，支持根据消灭敌方坦克的类型、数量及通关奖励计算并累加玩家当前得分
14. 需要生命值管理功能，支持玩家坦克被击毁时扣除生命值，并在生命值归零时触发游戏结束流程
15. 需要关卡进度管理功能，支持在消灭当前关卡所有敌人后判定通关，并自动切换至下一关卡或触发游戏胜利结算
16. 需要游戏状态流转控制功能，支持管理游戏从准备开始、进行中、暂停、结束等状态的切换逻辑
17. 需要游戏音效开关控制功能，支持接收客户端音效设置指令，维护当前游戏会话的音效开启或关闭状态
18. 需要游戏结算功能，支持在游戏结束或通关时生成包含最终得分、存活状态、通关关卡数等数据的结算报告

1. 项目概述

Cline 是一个 AI 驱动的编程助手 VS Code 扩展，基于 Claude Sonnet 的代理编程能力。它能够处理复杂的软件开发任务，包括：

• 文件创建和编辑
• 项目探索和代码分析
• 命令执行
• 浏览器自动化
• MCP (Model Context Protocol) 工具扩展

2. 整体架构图

Claude 代码安全审查 (Claude Code Security Review) 是一个基于 AI 的 GitHub Action 安全审查工具，利用 Claude 分析代码变更中的安全漏洞。包含了我个人的二次开发成果（Web 界面、全库扫描、可视化报告）。

Claude 代码安全审查器 (Claude Code Security Reviewer)

这是一个基于 AI 驱动的 GitHub Action 安全审查工具，利用 Claude 分析代码变更中的安全漏洞。该 Action 使用 Anthropic 的 Claude Code 工具进行深度语义安全分析，为 Pull Request (PR) 提供智能且具备上下文感知能力的安全评估。

功能特性

• AI 驱动分析：利用 Claude 先进的推理能力，通过深度语义理解来检测安全漏洞。
• 差异感知扫描：针对 PR，仅分析发生变更的文件。
• PR 自动评论：自动在 PR 中针对发现的安全问题发布评论。
• 上下文理解：超越简单的模式匹配，深入理解代码的语义逻辑。
• 语言无关性：支持任何编程语言。
• 误报过滤：通过高级过滤功能减少干扰，专注于真正的安全漏洞。

快速入门

将以下内容添加到您仓库的 .github/workflows/security.yml 文件中：

通过 2026 年 git 提交历史记录，分析 Peter Steinberger (steipete) 开发 OpenClaw 的工作流程及 Agent 编码秘诀。

关键洞察总结

AI 是放大器，不是替代品

AI 的作用：

• ✅ 做人类不想做的重复工作（去重、重构）
• ✅ 快速覆盖大量代码（3天1400次提交）
• ✅ 标准化和系统化（按模板提交）

人类的作用：

• ✅ 创造性工作（新功能）
• ✅ 质量把关（代码审查）
• ✅ 决策和发布（版本管理）

可借鉴的经验

经验	说明
人机分工	人类做 creative，AI 做 repetitive
明确周期	人类开发期 → AI 重构期 → 人类收尾期
标准化	AI 喜欢模板，建立标准流程
小步快跑	每个阶段有明确目标，快速迭代

一、提交统计概览

总提交数: 8443 次提交在两个月内

峰值日产量:

• 2026-02-22: 578 次提交
• 2026-02-15: 478 次提交
• 2026-02-16: 472 次提交

提交类型分布:

fix:     1557 (26%)
test:     815 (14%)
docs:     857 (14%)
refactor: 308 (5%)
feat:     363 (6%)
chore:    352 (6%)
style:    134 (2%)
build:     21 (0.3%)

二、工作流程核心模式

1️⃣ "Land #PR" 工作流

Redis Patterns and Documentation for AI Coding Agents

Comprehensive Redis design patterns, best practices, and command references for LLM coding agents.（面向大语言模型（LLM）编码智能体的Redis 综合设计模式、最佳实践与命令参考。）

重要提示

Redis 特定文档：这些文档专门针对 Redis (https://redis.io)，可能不适用于共享部分代码库的其他系统，如 Valkey、KeyDB、Dragonfly 或其他 Redis 兼容数据库。在使用这些分支或替代方案时，请验证兼容性，因为具体实现可能存在差异。

官方源码：官方 Redis 源代码可在 https://github.com/redis/redis 获取。

官方文档：有关权威的命令文档，请参阅官方文档库 https://github.com/redis/docs，其镜像站点为 https://redis.io/docs/

命令参考

官方 Redis 文档已在本地镜像：

• 命令索引：按类别组织的各种命令的自动生成索引。
• 命令文档：单个命令文件（例如 set.md、hset.md、zadd.md）。
• 完整文档：包含开发 (develop/)、集成 (integrate/)、运维 (operate/) 指南。

ZeroClaw：极致性能的 Rust 原生运行时。 凭借 <10ms 冷启动与 <5MB 内存占用，它证明了智能体可以像嵌入式插件一样轻盈。通过 Landlock 内核级沙箱与 Trait 驱动的模块化设计，ZeroClaw 定义了高并发、资源受限环境下的工业级标准。

IronClaw：坚不可摧的安全防御系统。 针对企业级痛点，它构建了包含隐私泄露检测、Docker 容器化隔离与任务状态机的深度防御体系，确保智能体在拥有自主权的同时，不逾越安全红线。

nanobot：大道至简的 Python 扩展框架。 仅用 4000 行代码便实现了基于 Markdown 的“人类可读”记忆系统。它通过 MCP 协议与插件化技能包，展现了极简主义架构下惊人的生态连接力。

ZeroClaw 项目架构设计分析

项目概述

ZeroClaw 是一个Rust 优先的高性能自主智能体运行时，专注于提供安全、高效、可扩展的智能体执行环境。它采用严格的架构设计原则，实现了在资源受限设备上的高性能运行，同时保持了强大的扩展能力。

核心架构特点