OpenHarness源码研究-5-基础设施-尧图网站建设

📅 发布时间：2026/7/1 2:41:51

OpenHarness源码研究-5-基础设施-配置/认证/权限/扩展

前言

把配置、认证、权限、扩展体系、记忆和Swarm这些"基础设施"一次讲清楚。它们不直接产生对话，但没有它们，Agent Loop 一步都走不了。

配置-四层覆盖与ProviderProfile

Settings 是整个系统的"唯一真相来源"。它通过 Pydantic BaseModel 定义，加载时走四层优先级：

cli arg → env var → settings.json → default

以 model 参数为例：oh --model deepseek-chat覆盖OPENHARNESS_MODEL环境变量，覆盖~/.openharness/settings.json里的model字段，覆盖代码中的默认值"claude-sonnet-4-6"。

具体实现：

# config/settings.py 第651-663行 def merge_cli_overrides(self, **overrides): updates = {k: v for k, v in overrides.items() if v is not None} merged = self.model_copy(update=updates) # 如果覆盖了 profile 相关字段，触发 profile 同步 if profile_updates: return merged.sync_active_profile_from_flat_fields().materialize_active_profile() return merged

这里有一个容易踩坑的设计：扁平字段 vs ProviderProfile 的双轨制。Settings上同时有model、api_format、base_url这些扁平字段，也有profiles: dict[str, ProviderProfile]这个结构化字段。两者描述的是同一件事（当前用什么模型），但来源不同——扁平字段来自 CLI 覆盖，Profile 来自持久化配置。

materialize_active_profile()的作用是把当前 active profile 的数据"投影"回扁平字段。sync_active_profile_from_flat_fields()则反过来——把 CLI 覆盖的扁平字段"写回" profile。这对方法的注释写得清楚：

# config/settings.py 第441-458行 def materialize_active_profile(self) -> Settings: """Project the active profile back onto legacy flat settings fields.""" # config/settings.py 第461-504行 def sync_active_profile_from_flat_fields(self) -> Settings: """Fold legacy flat provider fields back into the active profile."""

设计这种双轨制的原因是兼容——旧版只有扁平字段，新版引入了 Profile 概念。如果从零开始设计，可能根本不需要这层同步。

模型别名系统：用户输sonnet不是合法的 API 模型名，需要在内部转成claude-sonnet-4-6：

# config/settings.py 第121-127行 _CLAUDE_ALIAS_TARGETS = { "sonnet": "claude-sonnet-4-6", "opus": "claude-opus-4-6", "haiku": "claude-haiku-4-5", "sonnet[1m]": "claude-sonnet-4-6[1m]", "opus[1m]": "claude-opus-4-6[1m]", }

还有特殊的opusplan别名——在 plan 模式下用 Opus，其他时候用 Sonnet。把模型选择和权限模式绑定，是个实用的设计。

认证-三种流统一为一个ResolvedAuth

认证体系的场景很杂：Claude API Key、OpenAI API Key、GitHub OAuth 设备码、Codex JWT Token、Claude 订阅 OAuth Token。每种来源不同、存储位置不同、刷新策略不同。AuthManager 把它们统一为一个返回类型：

# config/settings.py 第99-108行 @dataclass(frozen=True) class ResolvedAuth: provider: str # 供应商名 auth_kind: str # "api_key" | "oauth_device" | "external_oauth" value: str # 实际的token/key值 source: str # 来源描述，如 "env:ANTHROPIC_API_KEY" state: str # "configured" | "missing"

resolve_auth()的查找顺序体现了优先级：

1. 外部订阅绑定（codex_subscription / claude_subscription） → 从本地文件读 JWT/OAuth token → 可能触发 refresh 2. OAuth 设备码（copilot_oauth） → 从 keyring 读 GitHub token → 换 Copilot session token 3. Profile 级别的 credential_slot → 从 keyring 读 profile 专用 key 4. 环境变量（ANTHROPIC_API_KEY / OPENAI_API_KEY / DASHSCOPE_API_KEY / ...） 5. settings.json 中的 api_key 字段 6. keyring 中存储的 API key

这套优先级保证了：命令行临时覆盖 > 环境变量 > 持久化配置 > keyring。同时"外部订阅"这一类认证在最前面，因为它最特殊——token 有过期时间，需要刷新逻辑。

认证的存储有两套机制：keyring（系统密钥链，macOS 是 Keychain，Linux 是 Secret Service）和明文文件（~/.openharness/下的 JSON 文件）。keyring 用于 API Key 这种敏感数据，明文文件用于 OAuth token 缓存和外部订阅绑定。

权限-5层决策链

permissions/checker.py的PermissionChecker.evaluate()是一个顺序执行的决策链，前一步拦截了就不往后走：

1. 敏感路径保护（SENSITIVE_PATH_PATTERNS） → ~/.ssh/*、~/.aws/credentials、~/.kube/config 等 → 硬编码，不可配置，不可绕过。防御 prompt injection 的最后一道墙 2. 工具黑名单（denied_tools） → settings 中显式禁止的工具名，直接拒绝 3. 工具白名单（allowed_tools） → settings 中显式允许的工具名，直接放行 4. 路径规则（path_rules） → 基于 fnmatch glob 的路径级控制 → 可以指定"允许读 ~/projects/*"或"禁止写 /etc/*" 5. 命令规则（denied_commands） → 匹配 shell 命令字符串，如 "rm -rf /*" 6. 权限模式（PermissionMode） → FULL_AUTO：全部放行 → PLAN：读操作放行，写操作阻止 → DEFAULT：读操作放行，写操作弹窗确认

关键实现细节：is_read_only不仅仅是个标志位，它决定了整个后半段逻辑。读操作在 DEFAULT/PLAN 模式下都是直接放行的，只有当工具声明自己是"非只读"时，权限检查才真正介入。

敏感路径列表值得单独拿出来看：

# permissions/checker.py 第18-37行 SENSITIVE_PATH_PATTERNS = ( "*/.ssh/*", "*/.aws/credentials", "*/.aws/config", "*/.config/gcloud/*", "*/.azure/*", "*/.gnupg/*", "*/.docker/config.json", "*/.kube/config", "*/.openharness/credentials.json", "*/.openharness/copilot_auth.json", )

这些路径在任何权限模式下都不可访问。即使你开了--dangerously-skip-permissions，这个检查也不会跳过——它是在PermissionChecker.evaluate()最开头就执行的，不经过任何模式判断。

扩展体系-四种途径给AI加能力

Hook-生命周期拦截

Hook 只有 4 个事件，但覆盖了关键的拦截点：

# hooks/events.py class HookEvent(str, Enum): SESSION_START = "session_start" SESSION_END = "session_end" PRE_TOOL_USE = "pre_tool_use" POST_TOOL_USE = "post_tool_use"

每种 Hook 有三种实现方式：

Command Hook：执行一个 shell 命令，把 payload 通过环境变量或$ARGUMENTS模板注入
HTTP Hook：POST 到指定 URL，payload 作为 JSON body
Prompt Hook / Agent Hook：调 LLM 判断，返回{"ok": true}或{"ok": false, "reason": "..."}

PRE_TOOL_USE可以阻止工具执行，POST_TOOL_USE可以做事后审计。SESSION_START/END用于初始化和清理。

Hook 的 matcher 机制用fnmatch做通配符匹配，可以指定"只对 bash 工具生效"或"只对包含特定关键字的 prompt 生效"。

MCP-外部工具和资源

MCP（Model Context Protocol）是一种标准化的工具扩展协议。任何实现了 MCP 协议的服务端，都可以作为工具源接入：

# mcp/client.py class McpClientManager: async def connect_all(self): ... async def close(self): ... def list_statuses(self): ...

MCP 工具会和内置工具一起注册到 ToolRegistry 中。对 Agent Loop 来说，MCP 工具和内置工具没有区别——都是BaseTool的子类实例。

Plugin-项目级扩展包

Plugin 是比 Skill 更重的扩展机制。每个 Plugin 有自己的 manifest，可以注册命令、Hook、Skill。Plugin 的发现基于目录扫描，加载时做 manifest 校验。

Skill-slash 命令路由

Skill 是用户最常见的扩展入口。通过/skill-name的方式调用。Skill 的注册是声明式的——在特定目录下放一个 markdown 文件，定义 name 和 description，运行时自动发现。

handle_line()处理用户输入时，先查 slash 命令注册表，匹配到就路由给对应 handler，没匹配到就当作普通对话发给引擎。

记忆系统-文件级的持久记忆

记忆系统用 Markdown 文件做持久化，每个记忆是一个独立的.md文件，放在项目下的.claude/memory/目录中：

.claude/memory/ ├── MEMORY.md ← 索引文件，一行一条 ├── coding-prefs.md ← 具体记忆文件 └── project-context.md

每个记忆文件有 frontmatter 元数据（name、description、type），正文是记忆内容。[[wikilink]]语法用于关联相关记忆。

召回路径：build_runtime_system_prompt()在构建 System Prompt 时，先加载 MEMORY.md 索引（作为概览注入），再用find_relevant_memories()做关键词检索，把和当前用户 prompt 最相关的几个记忆全文注入：

# memory/search.py 第12-40行 def find_relevant_memories(query, cwd, max_results=5): tokens = _tokenize(query) for header in scan_memory_files(cwd): meta_hits = sum(1 for t in tokens if t in header.title + header.description) body_hits = sum(1 for t in tokens if t in header.body_preview) score = meta_hits * 2.0 + body_hits # 标题命中权重是正文的2倍

Swarm-多Agent协作

Swarm 系统允许一个"leader" Agent 启动多个"worker" Agent 并行工作。核心组件：

TeammateSpawnConfig：定义 worker 的 peer 配置（name、prompt、model、permissions、worktree 隔离路径）
TeammateMailbox：Agent 间通信的消息队列。每个 Agent 有一个 inbox 目录，消息是独立的 JSON 文件。写入先写.tmp再os.rename保证原子性，读取按时间戳排序
Worktree：可选的 git worktree 隔离，每个 worker 在独立的文件系统沙箱中操作
Backend：subprocess（子进程）、in_process（协程）、tmux/iterm2（终端面板）三种执行模式

Mailbox 支持的消息类型：user_message（文本消息）、permission_request/response（权限协商）、shutdown（关闭指令）、idle_notification（空闲通知）。

AgentTool（第 4 篇提过）就是通过TeammateExecutor.spawn()启动新 Agent，Swarm 相当于 AgentTool 的"多对多"版本——不只是嵌套调用，而是持续性的团队协作。

总结

Settings 四层覆盖（cli → env → file → default），扁平字段和 ProviderProfile 双轨同步是历史包袱，不是理想设计
AuthManager 把 API Key / OAuth / JWT 三种认证流统一为ResolvedAuth，查找顺序体现了优先级的精心安排
PermissionChecker 是 5 层顺序决策链，敏感路径保护是最外层、不可绕过
Hook 提供 4 个生命周期拦截点，MCP 提供标准化外部工具协议，Plugin 和 Skill 负责扩展发现和路由
记忆系统用 Markdown 文件做持久化，召回时标题命中权重是正文的 2 倍
Swarm 把单 Agent 的工具调用升级为多 Agent 的持续性协作，Mailbox 用文件系统实现消息队列

OpenHarness源码研究-5-基础设施