架构模式
Thin Harness + Thick Skills（薄 Harness + 厚 Skill）
Harness 提供最小核心基础设施（上下文管理、记忆、消息路由），所有领域逻辑都在模块化、可安装的 Skill 中。
优势： 模块化、社区可扩展、模型无关 劣势： Skill 质量参差不齐、协调复杂 示例： OpenClaw, Nexu
Monolithic Harness（单体 Harness）
所有 Agent 逻辑内置于一个紧密集成的系统中。
优势： 深度优化、行为一致、易于调试 劣势： 厂商锁定、难以扩展、模型绑定 示例： Claude Code, Cursor Agent
Harness-as-a-Service（Harness 即服务）
Harness 运行在云端，由平台管理。用户配置但不托管。
优势： 零运维、随时可用、托管扩容 劣势： 数据离开本机、平台依赖 示例： Claude Managed Agent, Codex cloud
对比：Claude Code vs Codex vs OpenClaw
| 维度 | Claude Code | Codex | OpenClaw |
|---|---|---|---|
| Harness 规模 | ~51.2万行 | 未知（闭源） | ~5万行 |
| 模型支持 | 仅 Claude | 仅 GPT | 任意模型 |
| 记忆 | 平台管理 | 加密摘要 | 用户拥有文件 |
| Skill | 内置工具 | 内置工具 | 社区 Skill |
| 定制化 | CLAUDE.md | AGENTS.md（有限） | AGENTS.md + MEMORY.md + Skills |
| 开源 | 否（源码可见） | 否 | 是（MIT） |
怎么选？
| 如果你需要... | 选择... |
|---|---|
| 最大控制和定制 | Thin harness (OpenClaw/Nexu) |
| 最佳单模型体验 | Monolithic (Claude Code) |
| 零配置，云优先 | HaaS (Managed Agent) |
| 多 Agent 协作 | Thin harness + multi-agent |
下一篇：记忆系统 →