harnext 是 FlowHunt 出品的开源 AI 编程代理，采用 harness engineering。它是一个交互式终端代理，能够读取、写入和编辑文件，执行 shell 命令，驱动 MCP 服务器，并生成分阶段的 GitHub Actions 工作流，让 AI 端到端地处理 GitHub Issue。

harnext 如何把 GitHub Issue 自动化为 Pull Request？

harnext setup 会写入一条分阶段的 GitHub Actions 工作流流水线。每个阶段对应一个 label；提升 label 即触发下一阶段。流水线依次走过 issue:tagged → stage:plan → stage:implement → stage:review → stage:merged，每一步都由专属 AI 代理自动处理。

harnext 支持哪些 AI 模型和提供商？

harnext 通过 pi-ai 开箱即用支持 20+ LLM 提供商，包括 Anthropic、OpenAI、Google、Ollama、NVIDIA NIM、llama.cpp、vLLM、Mistral 等。可以仅用一个 --provider 和 --model 标志切换提供商，甚至为每个流水线阶段使用不同的提供商。

我可以在 harnext 中使用 Claude Code 或 OpenAI Codex 吗？

可以。每个 harnext 流水线阶段都可以分发给不同的 executor。交互式工作时使用 harnext REPL，无人值守运行时把 CI 阶段交给 claude-code 或 codex 即可——审批与沙箱绕过标志会自动应用。

harnext 代理具备哪些工具？

harnext 自带极简而聚焦的六工具 executor：read、write、edit、bash、skill 和 MCP。这就是整个代理——没有包装层、胶水脚本，也没有隐藏的编排层。

我能用本地模型运行 harnext，把代码留在本地吗？

可以。把 harnext 指向 Ollama 或任意兼容 NVIDIA 的端点，你的代码无需离开本机。还可以让交互式 REPL 跑在云端提供商，把 CI 阶段分发到本地 Llama 模型——只要一个 --provider 标志即可。

如何用 harnext 设置 self-hosted runner？

在你的仓库中运行 harnext setup，它会注册一个绑定到该仓库、带有项目专属 label 的 GitHub Actions self-hosted runner，把它作为 systemd 或 launchd 服务安装，并在重启后保持存活。harnext runner status 与 harnext runner logs 可追踪守护进程。

harnext 的 skill 是什么？

skill 是可重用的代理打包件，可附加到任意流水线阶段。内置 skill 包含 review（代码评审）、init（项目初始化）和 browser-verify（视觉回归）。你也可以创建自己的 skill，并在仓库间共享。

harnext 如何连接 MCP 服务器？

harnext 可以以 proxy 或 direct 模式连接任何兼容 MCP 的服务器，从而让代理把浏览器自动化工具、数据库、搜索 API 或任意 MCP 服务作为流水线的原生步骤调用。

harnext 是否开源？如何安装？

harnext 采用 MIT 许可，开源。可用 `npm install -g harnext` 全局安装（需要 Node.js ≥ 20）。源码在 github.com/QualityUnit/harnext，npm 包在 npm 上。

FlowHunt 出品的 Harnext 了解更多

AI 编程代理。Harness 工程化。

harnext 是 AI 编程代理外的 CI 工具链——它生成分阶段的 GitHub Actions 工作流、基于 label 的晋升以及 self-hosted runner，把一个 issue 从分诊一路推到合并的 PR，端到端完成。

立即试用 Harnext 在 GitHub 查看

FlowHunt 的 harnext

一款开源的 AI 编程代理与 CI 工具链，把 GitHub Issue 从 label 自主推进到合并的 PR。由 FlowHunt 团队为不愿放弃控制权、又想在工作流中引入 AI 的开发者打造。

LLM 提供商: 20+
代理工具: 6
流水线阶段: 5
开源: MIT

功能

你想给编程代理加上的一切——都在一个 CLI 里。

harnext 一并交付代理、工具链与 runner。无需胶水脚本，也不需要 agent server。

交互式终端代理: 一个 REPL，可以读取、写入、编辑、运行 bash 并驱动 MCP 服务器。脚本与 CI 可使用 -p 的 one-shot 模式。
20+ 提供商，一个 CLI: 通过 pi-ai 接入 Anthropic、OpenAI、Google、Ollama、NVIDIA 等。用 --provider 与 --model 即时切换。
面向你仓库的工具链: 生成 GitHub Actions 工作流，按 label 拾取 issue，运行正确阶段，并把结果回贴。
Self-hosted runner: 在你自己的机器上注册守护进程（systemd / launchd），在你的硬件上运行各阶段。幂等安装。
Skill 与 MCP: 把可复用的 skill（review、init、browser-verify）打包，并以 proxy 或 direct 模式连接任意 MCP 服务器。
Replays 与 status: harnext status 显示活跃运行；replays 让你按步重放任意会话。会话存放在 ~/.harnext。

代理

极简代理。本地模型。

harnext 是一个小巧而专注的 CLI 代理。六个工具、几个 skill 和一座 MCP 桥——这就是 executor 的全部。指向本地模型，代码库不离开你的机器。

harnext 在 localhost 上以 Ollama llama3.2 运行

极小的工具面.: read · write · edit · bash · skill · MCP。这就是整套代理。没有包装层、胶水脚本，也没有隐藏编排。
本地优先的模型.: 把 harnext 直接指向 Ollama 或 NVIDIA，或任何兼容 OpenAI 的端点。代码不必离开机器。
按阶段切换提供商.: 在 Anthropic 上运行交互式 REPL，再把 CI 阶段分发到本地 Llama。只需一个标志：--provider、--model。
开放且可审计.: MIT 许可的 monorepo，~/.harnext 中以纯 JSON 保存会话。回放任意运行，审计任意工具调用。

harnext 可以自驱——或驱动你信任的任何代理。

每个流水线阶段都可以分发给不同的 executor。交互式工作用 harnext REPL，无人值守的 CI 中按阶段选择 claude-code 或 codex。

harnext
内置交互式 REPL。read、write、edit、bash 与 MCP——由你选择的提供商驱动（Anthropic、OpenAI、Google、Ollama 以及 pi-ai 接入的另外 20+）。
了解更多
Claude Code
Anthropic 的 CLI，已分发。harnext 把阶段交给 claude-code，--max-turns 与沙箱标志自动应用。
了解更多
Codex
OpenAI 的 CLI，已分发。与 Claude Code 同一接口——审批与沙箱绕过标志已为无人值守运行配置好。
了解更多

工具链

从 GitHub Issue 到合并的 PR——一路在轨。

harnext setup 写出一条分阶段的 GitHub Actions 工作流流水线。每个阶段是一个 label；提升 label 即触发下一个。可在 GitHub 托管 runner、你的 self-hosted 守护进程，或两者上运行。

issue:tagged: Tagger 工作流在 issue 一开就打上第一个阶段的 label。
stage:plan: 代理读取 issue，并把结构化的实现计划作为 GitHub 评论写回。
stage:implement: 代理新建分支，按计划编辑文件，并提出 Pull Request。
stage:review: Reviewer 代理读取 diff，发布行内评论，必要时触发 fix 工作流。
stage:merged: 合并后清理工作流在 PR 落地后运行——关闭 issue，更新项目状态。

三条命令到一个跑起来的代理。

harnext 的设计目标是几分钟内即用即产出。先全局安装，每个仓库运行一次 setup，然后启动交互式代理。

1. 安装
npm install -g harnext 需要 Node.js ≥ 20。存放于 ~/.harnext。
在 npm 查看
2. 配置流水线
cd my-repo && harnext setup 添加 label，写入分阶段的 GitHub Actions 工作流，并可选择注册一个 self-hosted runner。
快速上手
3. 当作编程代理使用
harnext 同一个 CLI 就是你的交互式代理——read、write、run、drive MCP。需要 one-shot 时传入 -p。
查看文档

Self-hosted runner

在你自己的硬件上运行代理。

harnext setup 注册一个绑定到该仓库的 GitHub Actions self-hosted runner，作为 systemd 或 launchd 服务安装，并在重启之间保持存活。harnext runner status 与 harnext runner logs 可追踪守护进程。

幂等安装:: 重新执行 setup 会跳过已完成的工作——可安全地多次运行。
项目专属 label:: 唯一 label 可防止共享主机上的 runner 拾取属于其他项目的 job。
公开仓库护栏:: harnext setup 在为公开仓库注册 runner 之前会确认 fork-PR 的审批门已开启。
干净卸载:: 卸载时尽力清理：注销、停止服务、移除全部 runner 产物。

常见问题

: harnext 是 FlowHunt 出品的开源 AI 编程代理，采用 harness engineering。它是一个交互式终端代理，能够读取、写入和编辑文件，执行 shell 命令，驱动 MCP 服务器，并生成分阶段的 GitHub Actions 工作流，让 AI 端到端地处理 GitHub Issue。
: harnext setup 会写入一条分阶段的 GitHub Actions 工作流流水线。每个阶段对应一个 label；提升 label 即触发下一阶段。流水线依次走过 issue:tagged → stage:plan → stage:implement → stage:review → stage:merged，每一步都由专属 AI 代理自动处理。
: harnext 通过 pi-ai 开箱即用支持 20+ LLM 提供商，包括 Anthropic、OpenAI、Google、Ollama、NVIDIA NIM、llama.cpp、vLLM、Mistral 等。可以仅用一个 --provider 和 --model 标志切换提供商，甚至为每个流水线阶段使用不同的提供商。
: 可以。每个 harnext 流水线阶段都可以分发给不同的 executor。交互式工作时使用 harnext REPL，无人值守运行时把 CI 阶段交给 claude-code 或 codex 即可——审批与沙箱绕过标志会自动应用。
: harnext 自带极简而聚焦的六工具 executor：read、write、edit、bash、skill 和 MCP。这就是整个代理——没有包装层、胶水脚本，也没有隐藏的编排层。
: 可以。把 harnext 指向 Ollama 或任意兼容 NVIDIA 的端点，你的代码无需离开本机。还可以让交互式 REPL 跑在云端提供商，把 CI 阶段分发到本地 Llama 模型——只要一个 --provider 标志即可。
: 在你的仓库中运行 harnext setup，它会注册一个绑定到该仓库、带有项目专属 label 的 GitHub Actions self-hosted runner，把它作为 systemd 或 launchd 服务安装，并在重启后保持存活。harnext runner status 与 harnext runner logs 可追踪守护进程。
: skill 是可重用的代理打包件，可附加到任意流水线阶段。内置 skill 包含 review（代码评审）、init（项目初始化）和 browser-verify（视觉回归）。你也可以创建自己的 skill，并在仓库间共享。
: harnext 可以以 proxy 或 direct 模式连接任何兼容 MCP 的服务器，从而让代理把浏览器自动化工具、数据库、搜索 API 或任意 MCP 服务作为流水线的原生步骤调用。
: harnext 采用 MIT 许可，开源。可用 `npm install -g harnext` 全局安装（需要 Node.js ≥ 20）。源码在 github.com/QualityUnit/harnext，npm 包在 npm 上。