Micro-Agent Framework

全程用 MiMo Code 开发——一个用 Harness 系统构建的 Harness 系统。

从零实现的 Agent 框架，具备自我进化能力——能从失败中学习、自动修复缺陷、甚至修改自己的源代码。覆盖 AI Coding / AI Agent / Harness Engineering 三大方向。

---

为什么值得关注

• 🏗️ 用 Harness 构建 Harness：全程使用 MiMo Code（SWE-bench Pro V2 57.2%，MIT 开源）开发，项目本身即是 Harness Engineering 的最佳实践证据
• 🧠 自进化引擎 L0-L4：从修复复用到架构自演进，Agent 能自己改自己的代码
• 📊 SWE-bench 评测：集成 Agentless 3 阶段策略，自动化 AI Coding 能力评测
• 🔒 企业级：权限控制、审计日志、可观测性仪表盘
• ✅ 52 项单元测试：覆盖核心模块
• 📝 105 commits：持续迭代的开发记录

---

架构

graph TB
    subgraph "Harness 六层架构"
        L1[L1 信息边界层<br/>AGENTS.md + 角色提示]
        L2[L2 工具系统层<br/>装饰器注册 + Schema]
        L3[L3 执行编排层<br/>ReAct / Plan-then-Execute]
        L4[L4 记忆状态层<br/>短期 64K + ChromaDB]
        L5[L5 评估观测层<br/>独立评估器 + 仪表盘]
        L6[L6 约束恢复层<br/>权限 + 熔断 + 审计]
    end

    subgraph "自进化引擎"
        E0[L0 FixHistory<br/>跨会话复用修复]
        E1[L1 SelfRepair<br/>自动调参/工具修复]
        E2[L2 MetaOptimizer<br/>优化自优化组件]
        E3[L3 Evolution<br/>复盘→技能库→画像]
        E4[L4 Architecture<br/>源码级自演进]
        E0 --> E1 --> E2 --> E3 --> E4
    end

    L1 --> L2 --> L3 --> L4 --> L5 --> L6

Loading

micro-agent/
├── agent/                    # Agent 核心（1180 行 Agent Loop）
│   ├── loop.py               # ReAct / Plan-then-Execute + 熔断 + 回路检测
│   ├── orchestrator.py       # 多 Agent 编排 (fan-out / pipeline)
│   ├── subagent.py           # 子 Agent 委派
│   ├── specialists.py        # 专业化 Agent (Coder/Reviewer/Tester/Doc)
│   ├── diagnosis.py / root_cause.py / self_repair.py / verify.py  # 自修复链
│   ├── governance.py         # 权限控制 + 审计日志
│   ├── observability.py      # 指标/追踪/报告
│   ├── evaluator.py          # 独立评估 Agent (5 维度)
│   ├── token_optimizer.py    # Token 用量优化
│   └── evolve/               # 进化引擎 L0-L4
├── eval/                     # SWE-bench Lite 评测
│   └── swebench_runner.py    # Agentless 3 阶段策略
├── ci/                       # CI/CD 流水线 + 仪表盘
├── llm/ memory/ tools/ mcp/ sandbox/  # 基础设施
├── tests/                    # 52 项单元测试
├── main.py                   # 交互式 CLI
└── ide_server.py             # Web IDE

---

核心特性

🧠 自进化引擎

层级	能力	说明
L0	FixHistory	跨会话复用已验证修复
L1	SelfRepair	自动调参 / prompt / 工具代码 / 模型切换
L2	MetaOptimizer	优化自优化组件自身
L3	Evolution	复盘 → 技能库 → 画像 → 挑战生成
L4	Architecture	读源码 + 生成改动 + 自测试 + 保留/回滚

📊 SWE-bench 评测

• 300 实例 SWE-bench Lite 自动化评测
• Agentless 3 阶段策略（定位 → 修复 → 验证）
• 失败自动重试 + Plan-then-Execute 模式切换
• Gitee 镜像仓库支持

🔒 企业级能力

• 权限控制：工具级 allow/deny + 风险分级 + 配额 + 工作区隔离
• 审计日志：JSONL 格式，agent/tool/risk/details/time
• 可观测性：指标 / token 追踪 / 工具耗时 / 仪表盘
• Token 优化：prompt 缓存 / 输出压缩 / compact / flash 降级

🔗 集成 & 对标

• OpenHands / OpenClaw：Agent 框架对标，多 Agent 协作
• MCP Protocol：stdio / SSE 双传输，标准化接口
• DeepSeek V4 Pro：原生 Function Calling + reasoning_content

---

快速开始

# 依赖
pip install chromadb httpx datasets unidiff GitPython

# 交互式 CLI
$env:DEEPSEEK_API_KEY = "your-key"
python main.py

# SWE-bench 评测
python -m eval.swebench_runner --max 5 --repo "django/django"

# CI 流水线
python -m ci.pipeline

# 开启 Plan-then-Execute 模式
agent = AgentLoop(plan_first=True, ...)

---

开发方式

本项目全程使用 MiMo Code 开发。MiMo Code 是小米 2026 年 6 月开源的 AI Coding 工具（MIT 协议），SWE-bench Pro V2 得分 57.2%，200 步以上长任务胜率 65%。

用 AI Coding 工具构建 AI Coding 框架——这本身就是 Harness Engineering 的最佳实践。

---

License

Apache 2.0 © 2026