微信扫码
添加专属顾问
我要投稿
用 Harness 框架,轻松将个人智能体助手升级为企业级分布式智能体平台,实现从本机到云端的一键部署与团队协作。核心内容:1. 基于Harness框架的个人智能体示例“MinQwenPaw”解析2. 企业级智能体平台AgentScope Builder的核心功能3. 从个人应用到企业级部署的平滑演进路径
在 AgentScope Java 1.1.0 版本[1]中,我们把 QwenPaw、OpenClaw、Coding Agent 那套「工作区即真理 + 自我进化」的体验,沉淀成了 HarnessAgent + AbstractFilesystem + 内置压缩与双层记忆的Harness Engineering 工程基础设施。当时我们留下了一个承诺:写一套 Agent 逻辑,按需切换形态,从个人本机一路扩到企业分布式部署。
HarnessAgent 版本发布后关注度非常高,很多开发者想要一个真实的应用场景。今天我们就同时发布了 Agentcope Claw 和 Agentcope Builder,它们既是实际发行的示例产品,也是 AgentScope Java Harness 的具体实践案例:
下面我们先把 AgentScope Claw 这个示例讲透 —— 因为 Builder 不是凭空出现的,它是被 Claw 没能解决的那一组问题企业级需求中催生出来的。
AgentScope Claw-用 Harness 框架
可以快速做出一个“MinQwemPaw”
Cloud Native
“MinQwenPaw”可以理解为是 [QwenPaw] 的轻量级 Java 版本示例:一款装在你自己电脑上的个人助手,下文有些部分,我们会直接叫做“MinQwenPaw”(简化版 Java QwenPaw 的意思)。
注意:“MinQwenPaw”只是 AgentScope Java Harness 的能力展示示例,如果你需要真正的本地可部署版本,请使用我们发布的 QwenPaw 产品。本文重点是下文的 AgentScope Builder 企业级智能体平台。
“MinQwenPaw”以你的身份、在你的文件系统和 shell 里干活,并且会随着使用慢慢“长大” —— 它学到的技能、孵化的子智能体、攒下的记忆,都是它自己在工作区里写的一堆文件。
“MinQwenPaw”在仓库里的位置:
agentscope-examples/agents/agentscope-claw/它不是一段示意代码,而是一个完整的 Spring Boot 应用:JDK 17、一条 mvn package、一条 java -jar,浏览器打开 http://localhost:8080 就能用。所有的状态都落到 ~/.agentscope/ 工作区下,可以用 CLAW_HOME 环境变量改写;首次启动会自动生成一个内置的 default agent,让你不写一行代码就能开始对话。
实际用过过 QwenPaw 正式产品的用户都知道,“MinQwenPaw”真正有意思的不是“能聊天”,而是下面三件事 —— 它们也正是 Harness 的设计承诺第一次完整地体现在一个真实产品里:
1. 工作区驱动的自我进化
“MinQwenPaw”的所有状态都不在数据库里,而是在 ~/.agentscope/claw/workspace/ 这个目录下:
AGENTS.md —— Agent 的人格与行为约定,每次推理前自动注入 system prompt。skills/ —— 可复用技能,agent 自己写、自己用。subagents/ —— 子 Agent 规格声明,自动被发现和加载。MEMORY.md + memory/YYYY-MM-DD.md —— 双层记忆,由后台 LLM 自动维护。agents/<subId>/sessions/ —— 完整的对话日志(JSONL)和压缩后的上下文。每一次对话结束,都会有新事实被提炼出来追加到当日的记忆流水账,后台调度器再周期性地把它们合并进 MEMORY.md。调整 agent 的人格、知识、技能不需要动代码,只需要编辑工作区里的文件 —— 改一个文件就等于升级一次 Agent。做了,Java 现在也能做了,且是使用 AgentScope Harness 运行时在背后支撑。
2. 直接以你的身份在本机文件系统和 Shell 里干活
“MinQwenPaw”用的文件系统后端是 LocalFilesystemWithShell —— 没有沙箱、没有远端,所有的读写和命令都直接落到本机操作系统。这在你自己机器上不是 bug,是 feature:你让它“帮我把 ~/Downloads 下三个月前的文件挪到归档目录”,它真的能做到,因为它有 Shell。
Harness 的工具集是按“后端能力”条件性注册的 —— 在 Claw 这种本机模式下,execute Shell 工具会自动出现在 Agent 的工具集里;换到不可信环境(如后面会讲的 Builder 远端模式),同一段 Agent 代码里的 Shell 工具会自动消失。这是「同一份 Agent 逻辑、不同形态」的第一个具体体现。
3. 直接出现在你常用的 APP 上
“MinQwenPaw”开箱内置 6 种通道:
也就是说:你可以从一条钉钉 DM、或者一个 GitHub Issue 评论里 @claw,它会带着完整的工作区上下文回应你。每个 agent 在 bootstrap 时还会自动注册 outbound_send 工具,让它可以主动往任意通道发消息 —— 子任务跑完后,Channel 路由组件会自动复用入站时的地址,让“完成通知”自然地回到当初触发它的那个钉钉/企微会话。
通道层还自带了一组默认的可靠性机制 —— 幂等去重、Bot-loop 防护、企微签名校验、AES-256-CBC 解密、access-token 续签,这些在企业 IM 集成里“不写就出事”的细节,框架都已经做好了。
“MinQwenPaw”本质上还是一个本地助手应用,只要你试着把这套东西放到一个团队里,问题就会接连出现:多个人怎么共享同一个进程?每个人自进化出来的工作区怎么互不污染?多副本部署时同一个用户的记忆怎么跨节点共享?让 agent 跑用户输入的代码怎么不出事?做出来的好 Agent 怎么分享给同事但又不让别人改坏?
这五个问题,每一个单独看都不大,但合起来意味着“MinQwenPaw”必须被重新装进一个不一样的容器里。这就是 AgentScope Builder 的起点。
从“MinQwenPaw”到
Builder-QwenPaw 的企业级部署形态
Cloud Native
Claw 假设的是“一台机器、一个用户、一个工作区”。把这套假设直接套到团队场景,会同时崩掉五个地方 —— 每一个都不是"再开几个 Claw 进程"能补上的:
MEMORY.md。Alice 调教过的 agent 不能让 Bob 看到他不该看到的东西,更不能让 Bob 的对话覆盖掉 Alice 的记忆。但 claw 用的是一个全局工作区。这五个问题归结到一件事:「一个用户、一台机器、一个工作区」要被换成「多个用户、多台机器、多组被命名空间隔离的工作区」。这不是给“MinQwenPaw”加几个补丁能解决的 —— 它需要在 Harness 这一层工作空间之上,重新搭一层多租分布式户隔离的体系。
Builder 把“MinQwenPaw”的核心体验装进了一个面向团队和企业的 Web 平台。一句话定位:
Builder 是 OpenClaw 的分布式版本 —— 同样的自我进化、同样的工作区驱动、同样的 Harness 运行时;只是从“一个人”变成“一个组织”,从“一台笔记本”变成“一组横向扩容的服务”。
作为一款平台产品,它的核心能力有如下两点:
Builder 的产品设计有一条底层核心设计 —— workspace 是 Agent 的资产。所有的隔离、所有的共享、所有的多租户能力,全部围绕这一点展开。
(用户, Agent) 都有自己独立的 workspace 命名空间。Alice 的 agent-A 和 Bob 的 agent-A 即使起点配置完全相同,他们各自的微调、记忆、技能演化都互不渗透。这个模型直接来自团队协作的真实需求 —— “做出好东西后能分享、但不必交出控制权”。它也意味着:只要 workspace 这个抽象设计得足够干净,所有上层产品能力(创建、编辑、分享、fork、计费、审计)都能以同一种方式表达。这正是 Builder 的产品骨架。
随着模型能力的不断提升,智能体构建的边界也在不停的拓展。不止是开发人员,非开发者也期望能在网页上点几下就能搭出一个能干活的 Agent。这类产品的核心体验要求:选模板 → 配参数 → 连工具 → 发布,降低了 Agent 开发的入口门槛。
Builder 同样也是一款智能体开发平台:用户从浏览器登录,不写代码就能搭出自己的 Agent。在 UI 上挑模板(或从空白脚手架起步)、选模型、写 system prompt、勾选技能 / 子 Agent / 工具 / MCP 服务,保存即可直接对话 —— 门槛低、上手快、所见即所得。
大多数零代码平台产出的是一个静态的 Agent —— 你配好它能做什么,它就永远做那些事;想让它做新的事,你得回到管理后台手动改配置。Agent 的能力上限等于你在创建那一刻想到的所有东西。
Builder 不一样。每个 Agent 背后都有一个持续生长的 workspace:
skills/ 目录。下次遇到类似场景,它能直接调用已学的技能而不是重新推理。subagents/),之后直接委派,不再自己做。这三件事不需要用户回到管理后台操作 —— Agent 自己在工作区里写文件,工作区在对话中持续演化。你配好的是它的起点,而不是它的上限。
当然,“自动进化”不意味着完全放飞。工作区里的一切都是文件、可编辑、可版本化 —— 用户随时可以在 UI 里编辑 AGENTS.md(调人格)、管理 skills/(增删技能)、投喂 knowledge/(补充领域知识)、审视 MEMORY.md(纠正记忆)。“零代码”不是“零控制”,而是“你不需要写代码来控制 Agent,但随时可以用文件来控制它”。
Builder 的核心机制:CompositeFilesystem
Cloud Native
如果只用一句话讲清楚 Builder 的实现,那就是:
Builder 把每一个 Agent 都跑在一套 HarnessAgent + CompositeFilesystem 之上 —— 前者负责 Agent 的运行时编排,后者把工作区做成一个可命名空间隔离、可分布式落点、可投射到沙箱的资产。
下面我们沿着一次具体的请求,把这两块拆开看。
Builder 中有一个路由组件,它的工作很简单:把来自Channel的请求,根据 (userId, agentId) 路由到一个独立的 HarnessAgent 实例。
agent-A → 落到 Agent(alice, agent-A)。agent-B → 落到 Agent(alice, agent-B)。agent-A → 落到 Agent(bob, agent-A) —— 与 Alice 的完全独立。每个 HarnessAgent 实例都拿到的是一个被绑定到该用户、该 agent 命名空间的 CompositeFilesystem。换句话说 —— Channel 路由组件不关心隔离怎么实现,它只负责“把对的 agent 实例交给对的请求”;隔离的真正活儿,在下一层做。
CompositeFilesystem 是 Builder 这一切能跑起来的关键。它的命名很直白 —— 它是一个组合(composite)出来的文件系统:
┌──────────────────────────────────────────────────┐│ CompositeFilesystem ││ ││ ┌───────────────────────────────────────────┐ ││ │ Layer 1: 命名空间分发 │ ││ │ 把所有路径透明重写到 │ ││ │ users/{userId}/agents/{agentId}/... │ ││ └───────────────────┬───────────────────────┘ ││ ▼ ││ ┌───────────────────────────────────────────┐ ││ │ Layer 2: 存储后端 │ ││ │ 本机磁盘 / Docker 容器 / 远端 KV 三选一 │ ││ └───────────────────────────────────────────┘ │└──────────────────────────────────────────────────┘
read("AGENTS.md") 时,CompositeFilesystem 会从当前的 RuntimeContext 拿到 (userId, agentId),把路径透明地重写成 users/{userId}/agents/{agentId}/AGENTS.md。Agent 代码以为自己在操作“一整个文件系统”,实际上看到的是被命名空间裁剪过的、只属于它自己的子树。LocalFilesystemWithShell,路径直接落到 ~/.agentscope/builder/workspace/users/{userId}/agents/{agentId}/...。关键点:Agent 代码完全不知道这两层的存在。它使用的还是 Harness 那套统一的 read / write / ls / grep API,和在 claw 里一模一样。隔离是在 CompositeFilesystem 这一层实现的,不是靠业务代码“小心避开别人的目录”实现的。
把这套抽象具体化 —— 当 Alice 在 UI 上让她的 agent-A 学一个新技能(写入 skills/sql-helper/SKILL.md),整个调用链如下:
userId=alice、URL 路径解析出 agentId=agent-A,挂到 RuntimeContext 上。Agent(alice, agent-A) 这个 HarnessAgent 实例。write_file("skills/sql-helper/SKILL.md", ...) 工具。RuntimeContext 拿到 (alice, agent-A),把路径重写为 users/alice/agents/agent-A/skills/sql-helper/SKILL.md。~/.agentscope/builder/workspace/,最终写到磁盘上的 ~/.agentscope/builder/workspace/users/alice/agents/agent-A/skills/sql-helper/SKILL.md。WorkspaceContextHook 注入 system prompt 时同样会经过 CompositeFilesystem 读 skills/,自动定位到 alice/agent-A 自己的子树,新学的技能自动出现在工具集里。Bob 的 agent-A 做同样的事,路径会被重写到 users/bob/agents/agent-A/... —— 物理上和 Alice 的完全不同的目录树。没有任何"is alice or bob"的业务判断代码,隔离是从抽象层挤出来的。
Claw 的本机模式下,Shell 命令直接打到宿主机。Builder 的默认本地模式继承了这一点 —— 适合可信团队、单节点部署。但只要你的场景里会有不可信代码进入 Agent(比如让 Agent 跑用户提交的 SQL、Python、Shell 脚本),宿主机就不能再直接挨这一刀。
Builder 在这种场景下走的不是“再造一套沙箱方案”,而是在 CompositeFilesystem 上加一层 projection:
AGENTS.md、skills/、subagents/、knowledge/ 等关键文件投射进容器内的 /workspace。AGENTS.md、用的是同一组 skills。注意 —— 这不是“另一套文件系统”,是同一个 CompositeFilesystem 在下层多套了一层“宿主 ↔ 容器”的物理映射。Agent 代码、工作区目录结构、UI 体验全部不变,变的只是 Shell 命令的边界落到了容器壁上。
沙箱的隔离粒度 —— 一个容器对应一个 session、一个用户、一个 agent,还是全局共享 —— 是个实际的部署决策,可以按业务场景配置;默认 USER(每个用户一个容器,多 session 共用)在大多数多租户 SaaS 里是合理的起点。
到这里 Builder 还是单节点的 —— 工作区落在一台机器的本机磁盘上(或者那台机器上的 Docker 容器里)。一旦你需要把 Builder 做成多副本、用户请求随机落到任意一台节点上都看到一致状态,问题就回到了文章开头说过的“多副本怎么共享工作区”。
CompositeFilesystem 的解法很直接:把下层的存储后端从“本机磁盘”换成“分布式 KV”。Builder 抽象出了 BaseStore 这个接口,实现可以是 Redis、对象存储(OSS / S3)、或者你自己接的 KV 服务。换上去之后:
RemoteFilesystem,落到 BaseStore。BaseStore —— Web 看到的、Agent 看到的是同一份数据。Session(典型实现是 RedisSession),Builder 进程本身可以多副本对等部署。整张图里“装命名空间分发的上层”完全没动 —— 命名空间分发是在 CompositeFilesystem 这一层完成的,存储后端无论是本机磁盘、Docker 容器、还是 Redis,都看不到它。这正是当初 Harness 那一篇[1]里讲的 AbstractFilesystem 真正发挥威力的地方 —— 业务代码一行不用改,部署侧换 Bean 就完成了从单机到分布式的迁移。
一图看懂 Builder 架构
Cloud Native
┌─────────────────────────────────────────────────────────────────────┐│ AgentScope Builder(Spring Boot,端口 8080) ││ ││ React SPA ──▶ REST API (JWT) ││ │ ││ ▼ ││ ┌──────────────────────────────────────────────────────────────┐ ││ │ Channel路由组件 │ ││ │ ├─ Agent (alice, agent-A) ──┐ │ ││ │ ├─ Agent (alice, agent-B) │ 每 (user,id) 一个 HarnessAgent│ ││ │ └─ Agent (bob, agent-A) ──┘ │ ││ └──────────────────────────────────┬───────────────────────────┘ ││ ▼ ││ ┌──────────────────────────────────────────────────────────────┐ ││ │ CompositeFilesystem │ ││ │ ├─ 上层:命名空间分发 (userId, agentId) → 子树 │ ││ │ └─ 下层:物理存储后端 │ ││ │ · 默认:本机磁盘 │ ││ │ · 沙箱模式:宿主 ⇄ 容器 projection │ ││ │ · 分布式:BaseStore(Redis / OSS / 自定义) │ ││ └──────────────────────────────────────────────────────────────┘ ││ ││ 用户与 agent 元数据(默认 H2;生产可切到 MySQL / PostgreSQL) │└─────────────────────────────────────────────────────────────────────┘
整张图里真正“新”的只有最上面那一条 —— React SPA + JWT REST API + Channel 的路由。中间和底层全是把 Harness 的 HarnessAgent 与 AbstractFilesystem 直接拿来组合。
这正是 Builder 的设计哲学:不重新发明 Agent 运行时,只补齐让它跑在多租户企业环境里所需要的运维外壳。
运行示例-快速体验
Cloud Native
# 1. 设置模型 API key(默认走 DashScope)export DASHSCOPE_API_KEY=sk-xxx# 2. 编译并运行mvn -pl agentscope-examples/agents/agentscope-claw -am clean package -DskipTestsjava -jar agentscope-examples/agents/agentscope-claw/target/agentscope-claw-*.jar
打开 http://localhost:8080,默认主目录是 ~/.agentscope。需要接钉钉 / 企微 / 飞书等通道的,编辑 ~/.agentscope/agentscope.json 添加对应的 channel 条目即可。详见 Claw README[2]。
export DASHSCOPE_API_KEY=sk-xxxmvn -pl agentscope-examples/agents/agentscope-builder -am clean package -DskipTestsjava -jar agentscope-examples/agents/agentscope-builder/target/agentscope-builder-*.jar
服务起在 8080 端口,用 admin/admin、bob/bob 或 alice/alice 登录就能进入完整的 UI。生产部署相关的内容(数据库切换、沙箱镜像、分布式后端)见 Builder README[3]。
Claw vs Builder-该选哪个
Cloud Native
想体验 AgentScope Java Harness 框架能力,实际动手开发,我应该选用哪个组件开始呢?
两条路并不互斥 —— Harness 的工作区是文件,整个 AGENTS.md / skills/ / subagents/ 子树就是一份可以版本化、可以 Code Review、可以从 claw 直接拷到 Builder 的资产。一个常见的工作流:开发者在自己机器上用“MinQwenPaw”把一个 Agent 调到自己满意,把工作区目录作为模板提交到仓库,再由运维侧通过 Builder 推给整个团队。
总结
Cloud Native
在 AgentScope Java Harness 的首篇发布文章中,我们交付了“自进化 Agent 运行时”的能力 —— HarnessAgent + 工作区约定 + 可插拔文件系统 + Hook 管线。
今天的这一篇把这套运行时真正做成了两个可以直接跑起来的产品,同时也是 AgentScope Harness 的深度使用示例演示:
mvn package 就能跑的 Spring Boot 应用里。这正是 AgentScope Java Harness 设计之初就承诺要做到的:写一套 Agent 逻辑,按需切换形态:如果你的开发需求是个人助手,从 Claw README 跑通 quick start 开始;如果是团队 / 公司平台,直接从 Builder README 起步。
https://github.com/agentscope-ai/agentscope-java/tree/main/agentscope-examples/agents/agentscope-claw
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-05-27
AI产品如何从 Skill 走到虚拟员工?
2026-05-26
专访 Box CEO:当软件开始 Headless,谁会成为 Agent 的默认入口?
2026-05-26
顶级模型职场任务完成率不到4%,AI离抢饭碗还差得远!
2026-05-25
王建硕:Markdown 是新时代的编程语言
2026-05-24
从Salesforce亲手拆墙开始谈AI与业务流融合
2026-05-23
OpenAI大神教你如何榨干Codex
2026-05-23
企业AI落地的关键,不是聊天,而是是否能安全的执行:看艺赛旗两款新品
2026-05-22
代码一旦生产出来,首先是负债 —— 一个CIO 的AI效能实践复盘
2026-03-20
2026-03-19
2026-03-17
2026-03-19
2026-03-26
2026-03-03
2026-03-25
2026-03-21
2026-03-09
2026-03-05
2026-05-27
2026-05-26
2026-05-15
2026-05-15
2026-05-13
2026-03-21
2026-03-07
2026-02-06