2026年5月28日 周四晚上19:30,报名腾讯会议了解“如何转型成为前线部署工程师(FDE)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


我要投稿

AgentScope Builder 快速体验:用 Harness 框架快速构建企业自进化智能体

发布日期:2026-05-27 18:51:52 浏览次数: 1517
作者:阿里云云原生

微信搜一搜,关注“阿里云云原生”

推荐语

用 Harness 框架,轻松将个人智能体助手升级为企业级分布式智能体平台,实现从本机到云端的一键部署与团队协作。

核心内容:
1. 基于Harness框架的个人智能体示例“MinQwenPaw”解析
2. 企业级智能体平台AgentScope Builder的核心功能
3. 从个人应用到企业级部署的平滑演进路径

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

在 AgentScope Java 1.1.0 版本[1]中,我们把 QwenPaw、OpenClaw、Coding Agent 那套「工作区即真理 + 自我进化」的体验,沉淀成了 HarnessAgent + AbstractFilesystem + 内置压缩与双层记忆的Harness Engineering 工程基础设施。当时我们留下了一个承诺:写一套 Agent 逻辑,按需切换形态,从个人本机一路扩到企业分布式部署

HarnessAgent 版本发布后关注度非常高,很多开发者想要一个真实的应用场景。今天我们就同时发布了 Agentcope Claw 和 Agentcope Builder,它们既是实际发行的示例产品,也是 AgentScope Java Harness 的具体实践案例:

  • agentscope-claw[2] —— Harness 在「单人本机」一端的完整落地示例。用 AgentScope Java Harness,可以快速做出一个 Java 版本的轻量 QwenPaw/OpenClaw 示例,文中叫做“MinQwenPaw”
  • agentscope-builder[3] —— Harness 在「多人企业」一端的完整落地平台。Builder 可以理解为是 QwenPaw 的分布式版本在一个平台上,整个团队都能开发、运营、共享自己的自进化 Agent。

下面我们先把 AgentScope Claw 这个示例讲透 —— 因为 Builder 不是凭空出现的,它是被 Claw 没能解决的那一组问题企业级需求中催生出来的。


AgentScope Claw-用 Harness 框架

可以快速做出一个“MinQwemPaw”

Cloud Native

“MinQwenPaw”是什么

“MinQwenPaw”可以理解为是 [QwenPaw的轻量级 Java 版本示例:一款装在你自己电脑上的个人助手,下文有些部分,我们会直接叫做“MinQwenPaw”(简化版 Java QwenPaw 的意思)。

注意:“MinQwenPaw”只是 AgentScope Java Harness 的能力展示示例,如果你需要真正的本地可部署版本,请使用我们发布的 QwenPaw 产品。本文重点是下文的 AgentScope Builder 企业级智能体平台。

“MinQwenPaw”以你的身份、在你的文件系统和 shell 里干活,并且会随着使用慢慢“长大” —— 它学到的技能、孵化的子智能体、攒下的记忆,都是它自己在工作区里写的一堆文件。

“MinQwenPaw”在仓库里的位置:

agentscope-examples/agents/agentscope-claw/

它不是一段示意代码,而是一个完整的 Spring Boot 应用JDK 17、一条 mvn package、一条 java -jar,浏览器打开 http://localhost:8080 就能用。所有的状态都落到 ~/.agentscope/ 工作区下,可以用 CLAW_HOME 环境变量改写;首次启动会自动生成一个内置的 default agent,让你不写一行代码就能开始对话。

“MinQwenPaw”三个核心能力

实际用过过 QwenPaw 正式产品的用户都知道,“MinQwenPaw”真正有意思的不是“能聊天”,而是下面三件事 —— 它们也正是 Harness 的设计承诺第一次完整地体现在一个真实产品里:

1. 工作区驱动的自我进化

“MinQwenPaw”的所有状态都不在数据库里,而是在 ~/.agentscope/claw/workspace/ 这个目录下:

  • AGENTS.md —— Agent 的人格与行为约定,每次推理前自动注入 system prompt。
  • skills/ —— 可复用技能,agent 自己写、自己用。
  • subagents/ —— 子 Agent 规格声明,自动被发现和加载。
  • MEMORY.md + memory/YYYY-MM-DD.md —— 双层记忆,由后台 LLM 自动维护。
  • agents/<subId>/sessions/ —— 完整的对话日志(JSONL)和压缩后的上下文。

每一次对话结束,都会有新事实被提炼出来追加到当日的记忆流水账,后台调度器再周期性地把它们合并进 MEMORY.md调整 agent 的人格、知识、技能不需要动代码,只需要编辑工作区里的文件 —— 改一个文件就等于升级一次 Agent做了,Java 现在也能做了,且是使用 AgentScope Harness 运行时在背后支撑。

2. 直接以你的身份在本机文件系统和 Shell 里干活

“MinQwenPaw”用的文件系统后端是 LocalFilesystemWithShell —— 没有沙箱、没有远端,所有的读写和命令都直接落到本机操作系统。这在你自己机器上不是 bug,是 feature:你让它“帮我把 ~/Downloads 下三个月前的文件挪到归档目录”,它真的能做到,因为它有 Shell。

Harness 的工具集是按“后端能力”条件性注册的 —— 在 Claw 这种本机模式下,execute Shell 工具会自动出现在 Agent 的工具集里;换到不可信环境(如后面会讲的 Builder 远端模式),同一段 Agent 代码里的 Shell 工具会自动消失。这是「同一份 Agent 逻辑、不同形态」的第一个具体体现

3. 直接出现在你常用的 APP 上

“MinQwenPaw”开箱内置 6 种通道:

也就是说:你可以从一条钉钉 DM、或者一个 GitHub Issue 评论里 @claw,它会带着完整的工作区上下文回应你。每个 agent 在 bootstrap 时还会自动注册 outbound_send 工具,让它可以主动往任意通道发消息 —— 子任务跑完后,Channel 路由组件会自动复用入站时的地址,让“完成通知”自然地回到当初触发它的那个钉钉/企微会话。

通道层还自带了一组默认的可靠性机制 —— 幂等去重、Bot-loop 防护、企微签名校验、AES-256-CBC 解密、access-token 续签,这些在企业 IM 集成里“不写就出事”的细节,框架都已经做好了。

“MinQwenPaw”的边界

“MinQwenPaw”本质上还是一个本地助手应用,只要你试着把这套东西放到一个团队里,问题就会接连出现:多个人怎么共享同一个进程?每个人自进化出来的工作区怎么互不污染?多副本部署时同一个用户的记忆怎么跨节点共享?让 agent 跑用户输入的代码怎么不出事?做出来的好 Agent 怎么分享给同事但又不让别人改坏?

这五个问题,每一个单独看都不大,但合起来意味着“MinQwenPaw”必须被重新装进一个不一样的容器里这就是 AgentScope Builder 的起点。


从“MinQwenPaw”到

Builder-QwenPaw 的企业级部署形态

Cloud Native

Claw 假设的是“一台机器、一个用户、一个工作区”。把这套假设直接套到团队场景,会同时崩掉五个地方 —— 每一个都不是"再开几个 Claw 进程"能补上的:

1. 多人共用一个进程,但每个人要看到自己的视图。“MinQwenPaw” 只认本机当前用户。多人登录、按 token 鉴权、按用户分会话 —— 这些都不在 claw 的范围内。
2. 每个用户的工作区必须互不污染。Agent 自进化的副作用是它会写文件 —— 学到的技能、生成的子 Agent、攒下的 MEMORY.md。Alice 调教过的 agent 不能让 Bob 看到他不该看到的东西,更不能让 Bob 的对话覆盖掉 Alice 的记忆。但 claw 用的是一个全局工作区。
3. 多副本部署时,同一个用户必须看到一致的工作区。把“MinQwenPaw”起两个进程在两台机器上,各自的本机磁盘是隔离的;同一个用户的请求落到不同副本上,看到的是两份不同的记忆。
4. 服务端跑用户输入的代码必须有 OS 级隔离。“MinQwenPaw” 默认开了本机 Shell —— 这在你自己电脑上是核心体验,在多租户服务上就是直接的攻击面。
5. 做出来的好 Agent 要能被分享,但不能被改坏。团队里需要的不是“整份导出再让别人导入”,而是细粒度的“我授权给某个组用、但他们不能改”。

这五个问题归结到一件事:「一个用户、一台机器、一个工作区」要被换成「多个用户、多台机器、多组被命名空间隔离的工作区」这不是给“MinQwenPaw”加几个补丁能解决的 —— 它需要在 Harness 这一层工作空间之上,重新搭一层多租分布式户隔离的体系。

Builder 把“MinQwenPaw”的核心体验装进了一个面向团队和企业的 Web 平台。一句话定位:

Builder 是 OpenClaw 的分布式版本 —— 同样的自我进化、同样的工作区驱动、同样的 Harness 运行时;只是从“一个人”变成“一个组织”,从“一台笔记本”变成“一组横向扩容的服务”。

作为一款平台产品,它的核心能力有如下两点:

1. QwenPaw 的多租户、可分布式版本,支持多人共用一个平台,每个人的 Agent 互不干扰,支持多副本部署,用户工作区跨节点一致。
2. 零代码智能体开发平台,用户不需要写一行代码,就能在 Web UI 上创建、调教、分享自己的 Agent,Agent 的所有状态都落在工作区里,自动驱动自我进化。

Builder 产品定位 1 —— QwenPaw 的多租户、可分布式版本

Builder 的产品设计有一条底层核心设计 —— workspace 是 Agent 的资产所有的隔离、所有的共享、所有的多租户能力,全部围绕这一点展开。

  • 隔离:每一对 (用户, Agent) 都有自己独立的 workspace 命名空间。Alice 的 agent-A 和 Bob 的 agent-A 即使起点配置完全相同,他们各自的微调、记忆、技能演化都互不渗透。
  • 共享:当你想把自己调教好的 Agent 分享出去时,分享的就是这个 workspace 加上一份授权策略。Builder 把权限分成三档:
    • 可运行(run)
      —— 别人能调它,但看不到工作区内部,也不能改技能或 prompt。
    • 可编辑(edit)
      —— 别人可以改它的配置和工作区文件,等于多人共用一个 Agent。
    • 可 fork
      —— 别人复制出一份属于自己的 workspace,之后两份独立演化。
  • 授权对象:可以是某个具体的同事、某个用户组、也可以是整个组织。

这个模型直接来自团队协作的真实需求 —— “做出好东西后能分享、但不必交出控制权”。它也意味着:只要 workspace 这个抽象设计得足够干净,所有上层产品能力(创建、编辑、分享、fork、计费、审计)都能以同一种方式表达这正是 Builder 的产品骨架。

Builder 产品定位 2 —— 零代码智能体开发平台

随着模型能力的不断提升,智能体构建的边界也在不停的拓展。不止是开发人员,非开发者也期望能在网页上点几下就能搭出一个能干活的 Agent。这类产品的核心体验要求:选模板 → 配参数 → 连工具 → 发布,降低了 Agent 开发的入口门槛。

Builder 同样也是一款智能体开发平台:用户从浏览器登录,不写代码就能搭出自己的 Agent在 UI 上挑模板(或从空白脚手架起步)、选模型、写 system prompt、勾选技能 / 子 Agent / 工具 / MCP 服务,保存即可直接对话 —— 门槛低、上手快、所见即所得。

真正的差异:创建只是起点,Agent 会持续进化

大多数零代码平台产出的是一个静态的 Agent —— 你配好它能做什么,它就永远做那些事;想让它做新的事,你得回到管理后台手动改配置。Agent 的能力上限等于你在创建那一刻想到的所有东西。

Builder 不一样。每个 Agent 背后都有一个持续生长的 workspace:

  • 自动沉淀记忆:每次对话结束后,Agent 会自己提炼新事实写入记忆,下次对话时它比上次"更了解"你和你的业务。你不需要手动更新它的知识库 —— 它自己就在长大。
  • 自动习得技能:Agent 在完成任务的过程中,如果发现某个操作流程可复用,可以把它结构化成一个新 skill 写入 skills/ 目录。下次遇到类似场景,它能直接调用已学的技能而不是重新推理。
  • 自动孵化子 Agent:当某类子任务反复出现,Agent 可以把它拆出来定义为一个专属的子 Agent(写入 subagents/),之后直接委派,不再自己做。

这三件事不需要用户回到管理后台操作 —— Agent 自己在工作区里写文件,工作区在对话中持续演化。你配好的是它的起点,而不是它的上限

当然,“自动进化”不意味着完全放飞。工作区里的一切都是文件、可编辑、可版本化 —— 用户随时可以在 UI 里编辑 AGENTS.md(调人格)、管理 skills/(增删技能)、投喂 knowledge/(补充领域知识)、审视 MEMORY.md(纠正记忆)。“零代码”不是“零控制”,而是“你不需要写代码来控制 Agent,但随时可以用文件来控制它”。

Builder 的核心机制:CompositeFilesystem




Cloud Native

如果只用一句话讲清楚 Builder 的实现,那就是:

Builder 把每一个 Agent 都跑在一套 HarnessAgent + CompositeFilesystem 之上 —— 前者负责 Agent 的运行时编排,后者把工作区做成一个可命名空间隔离、可分布式落点、可投射到沙箱的资产。

下面我们沿着一次具体的请求,把这两块拆开看。

Channel 路由 —— 每对 (用户, Agent) 一个独立运行时

Builder 中有一个路由组件,它的工作很简单:把来自Channel的请求,根据 (userId, agentId) 路由到一个独立的 HarnessAgent 实例。

  • Alice 调用 agent-A → 落到 Agent(alice, agent-A)。
  • Alice 调用 agent-B → 落到 Agent(alice, agent-B)。
  • Bob 调用同名的 agent-A → 落到 Agent(bob, agent-A) —— 与 Alice 的完全独立。

每个 HarnessAgent 实例都拿到的是一个被绑定到该用户、该 agent 命名空间的 CompositeFilesystem。换句话说 ——  Channel 路由组件不关心隔离怎么实现,它只负责“把对的 agent 实例交给对的请求”隔离的真正活儿,在下一层做。

CompositeFilesystem —— 把工作区做成可隔离的资产

CompositeFilesystem 是 Builder 这一切能跑起来的关键。它的命名很直白 —— 它是一个组合(composite)出来的文件系统

┌──────────────────────────────────────────────────┐│  CompositeFilesystem                             ││                                                  ││  ┌───────────────────────────────────────────┐   ││  │  Layer 1: 命名空间分发                     │  ││  │    把所有路径透明重写到                    │  ││  │    users/{userId}/agents/{agentId}/...    │  ││  └───────────────────┬───────────────────────┘   ││                      ▼                           ││  ┌───────────────────────────────────────────┐   ││  │  Layer 2: 存储后端                         │  ││  │    本机磁盘 / Docker 容器 / 远端 KV 三选一  │  ││  └───────────────────────────────────────────┘   │└──────────────────────────────────────────────────┘
  • 上层是命名空间分发:Agent 调 read("AGENTS.md") 时,CompositeFilesystem 会从当前的 RuntimeContext 拿到 (userId, agentId),把路径透明地重写成 users/{userId}/agents/{agentId}/AGENTS.md。Agent 代码以为自己在操作“一整个文件系统”,实际上看到的是被命名空间裁剪过的、只属于它自己的子树
  • 下层是物理存储后端:命名空间分发完之后,真正落到哪个介质上,取决于后端实现。默认是宿主机磁盘,对应 LocalFilesystemWithShell,路径直接落到 ~/.agentscope/builder/workspace/users/{userId}/agents/{agentId}/...

关键点:Agent 代码完全不知道这两层的存在它使用的还是 Harness 那套统一的 read / write / ls / grep API,和在 claw 里一模一样。隔离是在 CompositeFilesystem 这一层实现的,不是靠业务代码“小心避开别人的目录”实现的。

一次写入的端到端 walkthrough

把这套抽象具体化 —— 当 Alice 在 UI 上让她的 agent-A 学一个新技能(写入 skills/sql-helper/SKILL.md),整个调用链如下:

1. Web 层:JWT 解析出 userId=alice、URL 路径解析出 agentId=agent-A,挂到 RuntimeContext 上。
2. Channel 路由组件:路由到 Agent(alice, agent-A) 这个 HarnessAgent 实例。
3. Agent 推理:模型决定调用 write_file("skills/sql-helper/SKILL.md", ...) 工具。
4. CompositeFilesystem 上层:拦截调用,从 RuntimeContext 拿到 (alice, agent-A),把路径重写为 users/alice/agents/agent-A/skills/sql-helper/SKILL.md
5. CompositeFilesystem 下层:默认本地存储,把这个相对路径拼到 ~/.agentscope/builder/workspace/,最终写到磁盘上的 ~/.agentscope/builder/workspace/users/alice/agents/agent-A/skills/sql-helper/SKILL.md
6. 下次推理:当下一次对话开始时,WorkspaceContextHook 注入 system prompt 时同样会经过 CompositeFilesystem 读 skills/,自动定位到 alice/agent-A 自己的子树,新学的技能自动出现在工具集里。

Bob 的 agent-A 做同样的事,路径会被重写到 users/bob/agents/agent-A/... —— 物理上和 Alice 的完全不同的目录树。没有任何"is alice or bob"的业务判断代码,隔离是从抽象层挤出来的。

当你需要更强的隔离:在同一套 Composite 上加一层沙箱

Claw 的本机模式下,Shell 命令直接打到宿主机。Builder 的默认本地模式继承了这一点 —— 适合可信团队、单节点部署。但只要你的场景里会有不可信代码进入 Agent(比如让 Agent 跑用户提交的 SQL、Python、Shell 脚本),宿主机就不能再直接挨这一刀。

Builder 在这种场景下走的不是“再造一套沙箱方案”,而是在 CompositeFilesystem 上加一层 projection

  • Agent 进入沙箱模式后,运行时整体迁到 Docker 容器内。
  • 宿主侧仍然是 workspace 的“主”,CompositeFilesystem 把宿主上的 AGENTS.mdskills/subagents/knowledge/ 等关键文件投射进容器内的 /workspace。
  • 容器内的 Agent 看到的是和宿主完全一致的工作台 —— 它读的是同一份 AGENTS.md、用的是同一组 skills。
  • Shell 命令在容器内执行,宿主进程不会被任何用户输入直接影响。

注意 —— 这不是“另一套文件系统”,是同一个 CompositeFilesystem 在下层多套了一层“宿主  容器”的物理映射。Agent 代码、工作区目录结构、UI 体验全部不变,变的只是 Shell 命令的边界落到了容器壁上。

沙箱的隔离粒度 —— 一个容器对应一个 session、一个用户、一个 agent,还是全局共享 —— 是个实际的部署决策,可以按业务场景配置;默认 USER(每个用户一个容器,多 session 共用)在大多数多租户 SaaS 里是合理的起点。

当一台机器不够:把存储层换成分布式后端

到这里 Builder 还是单节点的 —— 工作区落在一台机器的本机磁盘上(或者那台机器上的 Docker 容器里)。一旦你需要把 Builder 做成多副本、用户请求随机落到任意一台节点上都看到一致状态,问题就回到了文章开头说过的“多副本怎么共享工作区”。

CompositeFilesystem 的解法很直接:把下层的存储后端从“本机磁盘”换成“分布式 KV”Builder 抽象出了 BaseStore 这个接口,实现可以是 Redis、对象存储(OSS / S3)、或者你自己接的 KV 服务。换上去之后:

  • Agent 运行时的所有读写都走 RemoteFilesystem,落到 BaseStore。
  • Web 层管理用户工作区也走同一份 BaseStore —— Web 看到的、Agent 看到的是同一份数据。
  • 配合分布式 Session(典型实现是 RedisSession),Builder 进程本身可以多副本对等部署。

整张图里“装命名空间分发的上层”完全没动 —— 命名空间分发是在 CompositeFilesystem 这一层完成的,存储后端无论是本机磁盘、Docker 容器、还是 Redis,都看不到它。这正是当初 Harness 那一篇[1]里讲的 AbstractFilesystem 真正发挥威力的地方 —— 业务代码一行不用改,部署侧换 Bean 就完成了从单机到分布式的迁移。

一图看懂 Builder 架构




Cloud Native


┌─────────────────────────────────────────────────────────────────────┐│  AgentScope Builder(Spring Boot,端口 8080)                       ││                                                                     ││   React SPA ──▶  REST API (JWT)                                     ││                  │                                                  ││                  ▼                                                  ││   ┌──────────────────────────────────────────────────────────────┐  ││   │  Channel路由组件                                              │  ││   │   ├─ Agent (alice, agent-A) ──┐                              │  ││   │   ├─ Agent (alice, agent-B)   │ 每 (user,id) 一个 HarnessAgent│  ││   │   └─ Agent (bob,   agent-A) ──┘                              │  ││   └──────────────────────────────────┬───────────────────────────┘  ││                                      ▼                              ││   ┌──────────────────────────────────────────────────────────────┐  ││   │  CompositeFilesystem                                         │  ││   │   ├─ 上层:命名空间分发  (userId, agentId) → 子树            │  ││   │   └─ 下层:物理存储后端                                      │  ││   │         · 默认:本机磁盘                                     │  ││   │         · 沙箱模式:宿主 ⇄ 容器 projection                   │  ││   │         · 分布式:BaseStore(Redis / OSS / 自定义)          │  ││   └──────────────────────────────────────────────────────────────┘  ││                                                                     ││   用户与 agent 元数据(默认 H2;生产可切到 MySQL / PostgreSQL)     │└─────────────────────────────────────────────────────────────────────┘

整张图里真正“新”的只有最上面那一条 —— React SPA + JWT REST API + Channel 的路由。中间和底层全是把 Harness 的 HarnessAgent 与 AbstractFilesystem 直接拿来组合。

这正是 Builder 的设计哲学:不重新发明 Agent 运行时,只补齐让它跑在多租户企业环境里所需要的运维外壳

运行示例-快速体验




Cloud Native

AgentScope Claw(QwenPaw Java 版简化示例)

# 1. 设置模型 API key(默认走 DashScope)export DASHSCOPE_API_KEY=sk-xxx# 2. 编译并运行mvn -pl agentscope-examples/agents/agentscope-claw -am clean package -DskipTestsjava -jar agentscope-examples/agents/agentscope-claw/target/agentscope-claw-*.jar

打开 http://localhost:8080,默认主目录是 ~/.agentscope。需要接钉钉 / 企微 / 飞书等通道的,编辑 ~/.agentscope/agentscope.json 添加对应的 channel 条目即可。详见 Claw README[2]

AgentScope Builder

export DASHSCOPE_API_KEY=sk-xxxmvn -pl agentscope-examples/agents/agentscope-builder -am clean package -DskipTestsjava -jar agentscope-examples/agents/agentscope-builder/target/agentscope-builder-*.jar

服务起在 8080 端口,用 admin/adminbob/bob 或 alice/alice 登录就能进入完整的 UI。生产部署相关的内容(数据库切换、沙箱镜像、分布式后端)见 Builder README[3]

Claw vs Builder-该选哪个




Cloud Native

想体验 AgentScope Java Harness 框架能力,实际动手开发,我应该选用哪个组件开始呢?

两条路并不互斥 —— Harness 的工作区是文件,整个 AGENTS.md / skills/ / subagents/ 子树就是一份可以版本化、可以 Code Review、可以从 claw 直接拷到 Builder 的资产。一个常见的工作流:开发者在自己机器上用“MinQwenPaw”把一个 Agent 调到自己满意,把工作区目录作为模板提交到仓库,再由运维侧通过 Builder 推给整个团队。

总结




Cloud Native

在 AgentScope Java Harness 的首篇发布文章中,我们交付了“自进化 Agent 运行时”的能力 —— HarnessAgent + 工作区约定 + 可插拔文件系统 + Hook 管线。

今天的这一篇把这套运行时真正做成了两个可以直接跑起来的产品同时也是 AgentScope Harness 的深度使用示例演示:

  • Claw:用 AgentScope Harness 框架,我们已经能做出一个完整的 Java 版 “MinQwenPaw” —— 自我进化、本机 Shell、5 种 IM 通道接入,全部装进一个 mvn package 就能跑的 Spring Boot 应用里。
  • Builder:同一套 Harness 运行时,加上一层“workspace 隔离与共享”的运维外壳,就能直接演化成一个面向团队的多租户平台。从 claw 到 Builder,Agent 业务逻辑一行没有改改的只是底层 CompositeFilesystem 在哪一层提供隔离、把数据落到哪个介质上。

这正是 AgentScope Java Harness 设计之初就承诺要做到的:写一套 Agent 逻辑,按需切换形态如果你的开发需求是个人助手,从 Claw README 跑通 quick start 开始;如果是团队 / 公司平台,直接从 Builder README 起步。

相关链接:
[1] AgentScope Java 1.1.0 版本 / Harness 那一篇 / AgentScope Java Harness 的首篇发布文章
https://java.agentscope.io/zh/blogs/agentscope-v1-harness.html
[2] agentscope-claw / Claw README

https://github.com/agentscope-ai/agentscope-java/tree/main/agentscope-examples/agents/agentscope-claw

[3] agentscope-builder Builder README
https://github.com/agentscope-ai/agentscope-java/tree/main/agentscope-examples/agents/agentscope-builder
[4] QwenPaw
https://qwenpaw.agentscope.io/

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询