harness 与 hermes-agent 源码阅读路线和维护建议

先读 Harness 的路线

推荐顺序:

  1. README.md
  2. Makefile
  3. cmd/gitness/main.go
  4. cli/operations/server/server.go
  5. types/config.go
  6. cmd/gitness/wire.go
  7. app/bootstrap/bootstrap.go
  8. app/router/web.go
  9. web/dist.go
  10. 选择一个业务域继续,例如 app/api/controller/repo + app/services/repo + app/store/database/repo.go

读 Harness 不建议从 web/src/pages 开始,因为前端页面很多,容易迷失。先理解后端资源模型和 API 更有效。

先读 Hermes Agent 的路线

推荐顺序:

  1. README.md
  2. pyproject.toml
  3. hermes_cli/main.py
  4. run_agent.py
  5. model_tools.py
  6. tools/registry.py
  7. toolsets.py
  8. hermes_state.py
  9. gateway/run.py
  10. 选择一个工具继续,例如 tools/terminal_tool.pytools/file_tools.pytools/browser_tool.py

读 Hermes Agent 不建议一上来读完整 gateway/run.py,文件非常大。先理解 agent loop 和 tool registry,会更容易。

从架构角度如何维护 Harness

优先维护这些边界:

  • controller 不要承载过重业务逻辑
  • service 负责业务规则
  • store 负责数据访问
  • types 保持稳定
  • OpenAPI 与前端 client 保持同步
  • 配置项集中在 types/config.go

建议优化:

  • 给 Makefile 增加统一 dev/start 目标
  • 拆分过大的 Wire 组装
  • 把本地启动说明写得更明确
  • 增加 API 变更时的生成校验

从架构角度如何维护 Hermes Agent

优先维护这些边界:

  • 工具注册统一走 tools.registry
  • provider 差异尽量放进 ProviderProfile
  • agent loop 不要继续无限膨胀
  • gateway adapter 和核心 agent 保持隔离
  • 安全策略独立成可测试模块
  • 技能和插件要有明确的信任边界

建议优化:

  • 持续拆小 run_agent.pyhermes_cli/main.pygateway/run.py
  • 为工具注册、provider profile、gateway adapter 提供更明确的插件模板
  • 强化危险工具的审计日志
  • 对技能和插件增加签名/来源/权限说明
  • 对不同平台入口做一致的错误展示

如果你要二次开发 Harness

适合做:

  • 增加 DevOps 平台功能
  • 扩展 API
  • 增加自定义资源管理
  • 集成企业认证或内部系统
  • 加强 Pipeline / Registry / Gitspace

不适合把它改成:

  • AI agent runtime
  • 本地个人自动化助手
  • 纯聊天机器人

如果你要二次开发 Hermes Agent

适合做:

  • 增加工具
  • 增加模型 provider
  • 增加消息平台
  • 增加自动化技能
  • 增加 memory backend
  • 增加企业内部系统连接器

不适合把它改成:

  • 大型多人 DevOps 平台
  • Git 托管服务
  • Artifact Registry
  • 企业 RBAC 平台

最终判断

如果你的目标是"搭一个代码托管/CI/制品/开发环境平台",看 Harness。

如果你的目标是"搭一个能对话、能调用工具、能记忆、能通过消息平台执行任务的 AI 助手",看 Hermes Agent。

如果你的目标是"让 AI 帮我操作 DevOps 平台",两者可以组合:Harness 作为平台,Hermes Agent 作为智能操作层。

相关推荐
量子-Alex15 小时前
【大模型智能体】A practical guide to building agents
大数据·数据库·人工智能
千寻girling15 小时前
机器学习 | 监督学习算法(了解) | 尚硅谷学习
开发语言·人工智能·后端·python·学习·算法·机器学习
蓦然回首却已人去楼空15 小时前
深度学习进阶:自然语言处理|6.1.4 QA|L2 范数、梯度裁剪与 L1/L2 正则化详解
人工智能·深度学习·自然语言处理
SZLSDH15 小时前
行业洞察 | 场景、孪生与智能体:数字孪生平台协同演进的底层逻辑
ai·数字孪生·数据可视化·智能体
陈嘿萌15 小时前
恶劣天气红外与可见光图像融合:佛山大学团队系列研究与 AWMM-100k 基准数据集
人工智能·图像融合·恶劣天气条件·佛山大学·系列研究
菜鸡旭旭15 小时前
【AI培训中台场景润色】
人工智能
wuweijianlove15 小时前
算法调优中的性能回归与基准测试分析的技术7
人工智能·数据挖掘·回归
迈威通信15 小时前
储能BMS、PCS设备协议繁多,工业网关该如何选型才能支撑边缘计算?
网络·人工智能·安全·边缘计算·信息与通信
小飞侠是个胖子15 小时前
10个全栈聚合平台项目实战:AI提示词与架构设计指南
人工智能