## 引言：AI 编码的信任危机

AI 编码工具已经非常强大，但用户仍然不敢完全信任。为什么？

```
第一层：AI 补全代码（Copilot）→ 解决「写」的问题
第二层：AI 对话编程（Claude Code）→ 解决「复杂任务」的问题
第三层：流程编排 + 质量保障（OpenMatrix）→ 解决「可信交付」的问题
```

OpenMatrix 定位在第三层——不是让 AI 写得更好，而是让 AI 的产出**可信、可交付**。

本文将深入解析 OpenMatrix 的架构设计，以及它如何借鉴 Harness 的核心思想实现可靠的 AI 任务编排。

---

## Harness 核心思想回顾

Harness 是业界领先的 DevOps 平台，其核心架构思想有三点：

### 1. 委托模型（Delegate Architecture）

Harness 本身不执行任何部署操作，而是通过 Delegate（代理）来完成：
- Harness 只做决策和编排
- 实际执行由 Delegate 在目标环境中完成
- Delegate 可以部署在任何地方（Kubernetes、VM、本地）

### 2. 状态持久化（State Persistence）

Harness 将所有执行状态持久化存储：
- 执行历史、审批记录、变量状态全部保存
- 支持断点续传，中断后可以恢复
- 不依赖内存状态，重启不丢失数据

### 3. 流程编排引擎（Pipeline Engine）

Harness 提供强大的流程编排能力：
- Stage（阶段）级别的流程控制
- Step（步骤）级别的原子操作
- 支持并行执行、条件分支、审批节点
- 阻塞节点不会中断整体流程

---

## OpenMatrix 架构设计

OpenMatrix 借鉴 Harness 的思想，设计了 AI 任务编排的完整架构。

### 架构总览

```
┌─────────────────────────────────────────────────────────────┐
│                      OpenMatrix 架构                        │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   ┌─────────────┐     ┌─────────────┐     ┌─────────────┐  │
│   │   Skills    │────▶│    CLI      │────▶│  Orchestrator│  │
│   │  (入口层)   │     │  (命令层)   │     │  (编排引擎)  │  │
│   └─────────────┘     └─────────────┘     └─────────────┘  │
│                                                   │         │
│                                                   ▼         │
│                                           ┌─────────────┐   │
│                                           │   Storage   │   │
│                                           │  (持久化)   │   │
│                                           └─────────────┘   │
│                                                   │         │
│                                                   ▼         │
│   ┌─────────────┐     ┌─────────────┐     ┌─────────────┐  │
│   │ AgentRunner │────▶│ SubagentTask│────▶│ Claude Code │  │
│   │ (委托执行)  │     │ (任务配置)  │     │  (Delegate) │  │
│   └─────────────┘     └─────────────┘     └─────────────┘  │
│                                                             │
└─────────────────────────────────────────────────────────────┘
```

### 核心组件

| 组件 | 对应 Harness 概念 | 职责 |
|-----|------------------|------|
| Skills | Pipeline Trigger | 用户入口，触发执行流程 |
| CLI | CLI/API | 命令行接口，管理状态 |
| Orchestrator | Pipeline Engine | 任务编排，状态流转 |
| Storage | State Manager | 状态持久化，断点续传 |
| AgentRunner | Stage Executor | 准备任务配置 |
| Claude Code Agent | Delegate | 实际执行任务 |

---

## 一、委托模型：不执行，只编排

OpenMatrix 最核心的设计原则：**自己不写代码，只做决策和协调**。

### 委托架构对比

| Harness | OpenMatrix |
|---------|-----------|
| Harness Platform 不部署 | OpenMatrix 不写代码 |
| Delegate 在目标环境执行 | Claude Code Agent 执行 |
| Delegate 可以在任何环境 | Agent 可以处理任何语言 |

### AgentRunner 的委托机制

```typescript
// OpenMatrix 不直接执行，而是准备 SubagentTask
async prepareSubagentTask(task: Task): Promise<SubagentTask> {
  return {
    subagent_type: this.mapAgentType(task.assignedAgent), // 映射 Agent 类型
    description: `${task.assignedAgent}: ${task.title}`,
    prompt: await this.buildExecutionPrompt(task), // 构建完整提示词
    isolation: needsIsolation ? 'worktree' : undefined, // 是否隔离执行
    taskId: task.id,
    timeout: task.timeout
  };
}

// Agent 类型映射
mapAgentType(agentType: AgentType): ClaudeCodeSubagentType {
  const mapping: Record<AgentType, ClaudeCodeSubagentType> = {
    planner: 'Plan',
    coder: 'general-purpose',
    tester: 'general-purpose',
    reviewer: 'general-purpose',
    researcher: 'Explore',
    executor: 'general-purpose'
  };
  return mapping[agentType];
}
```

### 为什么委托模型是正确的选择？

1. **跟随模型升级**：Claude 模型升级，OpenMatrix 自动变强
2. **不受上下文限制**：Agent 有独立的上下文窗口
3. **不绑定特定模型**：架构可以复用到其他 AI Agent

> TypeScript 代码是骨架，Prompt 模板是肌肉。
> OpenMatrix 只构建骨架，肌肉由 Claude Code 提供。

---

## 二、持久化循环：对抗上下文压缩

Claude Code 有一个限制：上下文窗口会被压缩。长对话中的历史信息可能丢失。

### Harness 的解决方案

Harness 通过持久化状态解决这个问题：
- 所有执行状态写入数据库
- 重启后从数据库恢复状态
- 执行历史完整保留

### OpenMatrix 的解决方案：step/complete 循环

```
┌──────────────────────────────────────────────────────────────┐
│                    step/complete 循环                        │
├──────────────────────────────────────────────────────────────┤
│                                                              │
│   Skill 调用 openmatrix step                                 │
│        │                                                     │
│        ▼                                                     │
│   ┌─────────────┐                                            │
│   │ 读取 state  │  ← 从磁盘加载，不依赖对话记忆              │
│   └─────────────┘                                            │
│        │                                                     │
│        ▼                                                     │
│   ┌─────────────┐                                            │
│   │ 返回任务    │  ← 返回 SubagentTask 配置                   │
│   └─────────────┘                                            │
│        │                                                     │
│        ▼                                                     │
│   Agent 执行任务                                              │
│        │                                                     │
│        ▼                                                     │
│   Skill 调用 openmatrix complete                             │
│        │                                                     │
│        ▼                                                     │
│   ┌─────────────┐                                            │
│   │ 写入 state  │  ← 持久化到磁盘                             │
│   └─────────────┘                                            │
│        │                                                     │
│        ▼                                                     │
│   下一次 step，从磁盘读状态 ──────────────────┘              │
│                                                              │
└──────────────────────────────────────────────────────────────┘
```

### 状态存储结构

```
.openmatrix/
├── state.json              # 全局状态 (runId, status, currentPhase)
├── plan.md                 # AI 生成的执行计划
├── context.md              # Agent 共享上下文 (Agent Memory)
├── tasks/
│   └── TASK-001/
│       ├── task.json       # 任务定义 + 状态 + 阶段信息
│       ├── develop.json    # 开发阶段结果
│       ├── verify.json     # 验证阶段结果 (质量门禁)
│       └── accept.json     # 验收阶段结果
├── approvals/              # 审批记录
└── meetings/               # Meeting 记录 (阻塞问题)
```

### 与 Harness 的相似性

| 特性 | Harness | OpenMatrix |
|-----|---------|-----------|
| 状态存储 | 数据库 | 文件系统 (.openmatrix/) |
| 断点续传 | 支持 | 支持 (resume 命令) |
| 执行历史 | 完整保留 | 完整保留 (每个阶段) |
| 重启恢复 | 自动恢复 | 需调用 resume |

---

## 三、流程编排：多阶段流水线

Harness 使用 Pipeline 来组织 Stage 和 Step。OpenMatrix 使用 Phase 来组织任务生命周期。

### Harness Pipeline 结构

```yaml
pipeline:
  stages:
    - name: Build
      steps: [...]
    - name: Deploy
      steps: [...]
    - name: Verify
      steps: [...]
```

### OpenMatrix Phase 结构

```
┌─────────┐     ┌─────────┐     ┌─────────┐     ┌─────────┐
│   TDD   │────▶│ Develop │────▶│  Verify │────▶│ Accept  │
│ 🧪 RED  │     │ ✨ GREEN│     │ ✅ 7门禁│     │ 🎉 AI   │
└─────────┘     └─────────┘     └─────────┘     └─────────┘
     │              │               │               │
     │              │               │               │
     ▼              ▼               ▼               ▼
  测试必须失败    测试必须通过     7道质量门禁      AI验收确认
```

### 任务生命周期（状态机）

```
pending → scheduled → in_progress → verify → accept → completed
                │            │           │        │
                │            ▼           ▼        ▼
                │        blocked      failed   failed
                │            │
                │            ▼
                └───────► waiting (Meeting)
```

### 七道质量门禁（Verify 阶段）

| 门禁 | 检查内容 | strict | balanced | fast |
|-----|---------|:------:|:--------:|:----:|
| Gate 1 | 编译检查 (npm run build) | ✅ | ✅ | ❌ |
| Gate 2 | 测试运行 (npm test) | ✅ | ✅ | ❌ |
| Gate 3 | 覆盖率 (>80%/60%/20%) | ✅ | ✅ | ❌ |
| Gate 4 | Lint 检查 (无 error) | ✅ 严格 | ✅ | ❌ |
| Gate 5 | 安全扫描 (npm audit) | ✅ | ✅ | ❌ |
| Gate 6 | E2E 测试 (Playwright) | ❓可选 | ❓可选 | ❌ |
| Gate 7 | 验收标准 (用户定义) | ✅ | ✅ | ❌ |

---

## 四、Meeting 机制：阻塞不中断

Harness 有一个重要特性：审批节点不会阻塞整个 Pipeline。OpenMatrix 的 Meeting 机制实现了类似效果。

### Harness 的审批机制

```yaml
pipeline:
  stages:
    - name: Build
    - name: Deploy
      approval:
        type: manual
        # 等待审批，但不阻塞后续 Stage
```

### OpenMatrix 的 Meeting 机制

```
❌ 其他方案:
   TASK-001 ✓ → TASK-002 阻塞 ⏸️ → 等用户... (浪费时间)

✅ OpenMatrix:
   TASK-001 ✓ → TASK-002 阻塞 → 创建Meeting → 跳过 ↷
   TASK-003 ✓ → TASK-004 ✓ → 完成!
   → 用户用 /om:meeting 统一处理所有阻塞
```

### Meeting 的设计理念

**最大前进距离（Maximum Forward Progress）**：

- 承认 AI 有不确定性
- 不假装完美，而是用流程管理不确定性
- 遇到阻塞 → 记录 → 跳过 → 继续其他任务
- 用户得到「可预期的部分完成」，而不是「不可预期的全部失败」

### auto 模式：完全无人值守

```bash
/om:auto 实现用户登录功能
# 特点:
# - ❌ 无审批点确认
# - ❌ 无 Phase 间暂停
# - ❌ Meeting 自动跳过 (记录但不阻塞)
# - ✅ 默认 strict 质量级别
# - ✅ 适合 CI/CD 集成
```

---

## 五、Agent 上下文共享：Memory 机制

Harness 支持在 Stage 之间共享变量。OpenMatrix 实现了 Agent Memory 机制。

### Harness 的变量共享

```yaml
pipeline:
  variables:
    buildVersion: "1.0.0"
  stages:
    - name: Build
      outputs:
        artifactPath: /path/to/artifact
    - name: Deploy
      inputs:
        artifactPath: ${build.artifactPath}
```

### OpenMatrix 的 Agent Memory

```typescript
// AgentRunner 从全局 context.md 读取前序 Agent 的决策
private async buildAccumulatedContext(currentTask: Task): Promise<string> {
  const contextFile = path.join(omPath, 'context.md');
  const content = await fs.readFile(contextFile, 'utf-8');

  return `
## 前序 Agent 共享上下文 (Agent Memory)

以下是之前执行的 Agent 留下的上下文信息，
你应该基于这些信息来工作，避免重复犯错。

${content}
`;
}
```

### Memory 的写入机制

```bash
# Skill 调用 complete 时传入摘要
openmatrix complete --summary "实现了用户登录功能，使用 JWT 认证"
# 摘要会自动追加到 .openmatrix/context.md
```

---

## 六、三种质量配置：适应不同场景

Harness 支持不同的 Pipeline 配置来适应不同场景。OpenMatrix 提供三种质量级别。

### 质量配置对比

| 级别 | TDD | 覆盖率 | Lint | 安全 | E2E | AI验收 | 适用场景 |
|:----:|:---:|:------:|:----:|:----:|:---:|:------:|---------|
| **strict** | ✅ | >80% | ✅严格 | ✅ | ❓可选 | ✅ | 🏭 生产代码 |
| **balanced** | ❌ | >60% | ✅ | ✅ | ❓可选 | ✅ | 📦 日常开发 |
| **fast** | ❌ | >20% | ❌ | ❌ | ❌ | ❌ | 🏃 快速原型 |

### 配置实现

```typescript
export const QUALITY_PRESETS: Record<string, QualityConfig> = {
  fast: {
    tdd: false,
    minCoverage: 0,
    strictLint: false,
    securityScan: false,
    e2eTests: false,
    level: 'fast'
  },
  balanced: {
    tdd: false,
    minCoverage: 60,
    strictLint: true,
    securityScan: true,
    e2eTests: false,
    level: 'balanced'
  },
  strict: {
    tdd: true,
    minCoverage: 80,
    strictLint: true,
    securityScan: true,
    e2eTests: false, // 让用户选择，因为 E2E 测试耗时
    level: 'strict'
  }
};
```

---

## 七、架构优势总结

### 与 Harness 的类比

| Harness 特性 | OpenMatrix 实现 | 优势 |
|-------------|----------------|------|
| 委托模型 | Claude Code Agent | 跟随模型升级，无限能力扩展 |
| 状态持久化 | .openmatrix/ 目录 | 断点续传，对抗上下文压缩 |
| Pipeline Engine | Phase 状态机 | 多阶段验证，层层过滤 |
| 审批不阻塞 | Meeting 机制 | 最大前进距离，效率最大化 |
| 变量共享 | Agent Memory | Agent 间知识传递 |

### OpenMatrix 的独特价值

```
可靠性 = 委托执行（跟随模型升级）
       + 持久化循环（不受上下文限制）
       + 最大前进距离（阻塞不中断）

价值 = 自动化程度 × 质量保障 / 人工介入次数
```

### 为什么这个架构会成功？

1. **趋势对**：AI 编码已进入「敢不敢用」阶段
2. **切入点对**：不做 AI、不做 IDE，做流程编排层
3. **架构对**：委托模型 + 持久化状态，可扩展、可恢复
4. **哲学对**：不追求完美，追求最大前进距离

---

## 结语

OpenMatrix 用软件工程的流程纪律，填补了「AI 能写」到「用户敢用」之间的信任鸿沟。

它的架构借鉴了 Harness 的成熟思想：
- **委托模型**让系统随 AI 进化自动变强
- **持久化循环**让执行不受上下文限制
- **Meeting 机制**让阻塞不影响整体效率

这不是技术问题，是信任问题。OpenMatrix 用流程纪律把 AI 的不确定性，转化为用户可信任的确定性产出。

---

## 参考资料

- [OpenMatrix GitHub](https://github.com/bigfish1913/openmatrix)
- [OpenMatrix 官方文档](https://matrix.laofu.online/docs/)
- [Harness Platform Architecture](https://developer.harness.io/docs/platform/architecture)

引言：AI 编码的信任危机 AI 编码工具已经非常强大，但用户仍然不敢完全信任。为什么？ 第一层：AI 补全代码（Copilot）→ 解决「写」的问题 第二层：AI 对话编程（Claude Code）→ 解决「复杂任务」的问题 第三层：流程编排 + 质量保障（OpenMatrix）→ 解决「可信交付」的问题 OpenMatrix 定位在第三层——不是让 AI 写得更好，而是让 AI 的产出可信、可

OpenMatrix 架构解析：基于 Harness 思想的 AI 任务编排系统

大数据

OpenMatrix借鉴Harness架构，通过委托模型、状态持久化与多阶段流程编排，解决AI编码产出可信度问题。其核心机制包括AgentRunner委托Claude Code执行、step/complete循环对抗上下文压缩、七道质量门禁及Meeting机制确保阻塞不中断，实现AI任务从编写到交付的可靠闭环。

软件工程

文件系统

TypeScript 

Kubernetes

数据库

AI Agent

GitHub

DevOps

Agent

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenMatrix 架构解析：基于 Harness 思想的 AI 任务编排系统-腾讯云开发者社区-腾讯云

OpenMatrix 架构解析：基于 Harness 思想的 AI 任务编排系统

OpenMatrix 架构解析：基于 Harness 思想的 AI 任务编排系统

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐