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

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 ArchitectureHarness 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 PersistenceHarness 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 EngineHarness 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SkillsPipeline Trigger用户入口触发执行流程CLICLI/API命令行接口管理状态OrchestratorPipeline Engine任务编排状态流转StorageState Manager状态持久化断点续传AgentRunnerStage Executor准备任务配置Claude Code AgentDelegate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HarnessOpenMatrixHarness 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// OpenMatrix 不直接执行而是准备 SubagentTaskasyncprepareSubagentTask(task:Task):PromiseSubagentTask{return{subagent_type:this.mapAgentType(task.assignedAgent),// 映射 Agent 类型description:${task.assignedAgent}:${task.title},prompt:awaitthis.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{constmapping:RecordAgentType,ClaudeCodeSubagentType{planner:Plan,coder:general-purpose,tester:general-purpose,reviewer:general-purpose,researcher:Explore,executor:general-purpose};returnmapping[agentType];}为什么委托模型是正确的选择跟随模型升级Claude 模型升级OpenMatrix 自动变强不受上下文限制Agent 有独立的上下文窗口不绑定特定模型架构可以复用到其他 AI AgentTypeScript 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HarnessOpenMatrix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pipeline:stages:-name:Buildsteps:[...]-name:Deploysteps:[...]-name:Verifysteps:[...]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strictbalancedfastGate 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 4Lint 检查 (无 error)✅ 严格✅❌Gate 5安全扫描 (npm audit)✅✅❌Gate 6E2E 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pipeline:stages:-name:Build-name:Deployapproval:type:manual# 等待审批但不阻塞后续 StageOpenMatrix 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/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pipeline:variables:buildVersion:1.0.0stages:-name:Buildoutputs:artifactPath:/path/to/artifact-name:Deployinputs:artifactPath:${build.artifactPath}OpenMatrix 的 Agent Memory// AgentRunner 从全局 context.md 读取前序 Agent 的决策privateasyncbuildAccumulatedContext(currentTask:Task):Promisestring{constcontextFilepath.join(omPath,context.md);constcontentawaitfs.readFile(contextFile,utf-8);return## 前序 Agent 共享上下文 (Agent Memory) 以下是之前执行的 Agent 留下的上下文信息 你应该基于这些信息来工作避免重复犯错。${content};}Memory 的写入机制# 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E2EAI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exportconstQUALITY_PRESETS:Recordstring,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 EnginePhase 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 MemoryAgent 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趋势对AI 编码已进入「敢不敢用」阶段切入点对不做 AI、不做 IDE做流程编排层架构对委托模型 持久化状态可扩展、可恢复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 GitHubOpenMatrix 官方文档Harness Platform Architecture