oneharness Skill 技能
跨 AI 编程工具的统一 CLI 执行框架
技能简介
oneharness-cli(oneharness)是一个跨 Agent 编程工具的统一 CLI 接口。它通过单一的非交互式命令驱动 Claude Code、Codex、OpenCode、Goose、Qwen Code、Crush、GitHub Copilot CLI、Cursor 等主流 AI 编程工具,将它们的输出标准化为统一的 JSON 格式。它既可以作为终端人员的便捷工具,也可以作为程序化消费者(如 CI/CD 系统)的稳定接口。
核心能力
- 多 Harness 统一调用:支持 8 种主流 AI 编程工具(claude-code、codex、opencode、goose、qwen、crush、copilot、cursor),通过同一套 CLI 接口调用
- Fallback 链模式:第一个可用的工具自动执行(sequential 模式),无需手动判断哪个工具可用
- 并行执行模式:
--run-mode parallel同时运行所有工具,返回各工具独立结果 - 标准化 JSON 输出:
--format json输出结构化结果,包含 exit_code、duration_ms、usage(token 消耗)、stdout/stderr 等统一字段 - 逐工具配置覆盖:每个工具的模型、系统提示、认证方式、权限绕过等参数均可独立配置
- Usage 精确计量:部分工具(Claude Code、Codex、Copilot)支持从响应中提取精确 token 消耗和费用
- Resume 继续机制:支持
--resume恢复历史 session,无需重新执行 - Dry-run 模式:
--dry-run预演命令,不实际执行,用于验证配置
安装配置
环境要求:Python 3.x,至少安装一个支持的 AI 编程工具(claude、codex 等)
pip 安装:
pip install oneharness-cli
pipx 安装(推荐,隔离环境):
pipx install oneharness-cli
验证安装:
oneharness --version
配置认证(环境变量):
export ANTHROPIC_API_KEY=sk-... export OPENAI_API_KEY=sk-...
使用步骤
步骤 1:基本运行
oneharness run --prompt "用 Python 写一个快速排序函数" --format json
默认 sequential 模式,逐个尝试各工具,第一个可用的执行并返回结果。
步骤 2:并行运行所有工具
oneharness run --all --run-mode parallel --prompt "Reply with: pong" --model haiku --format json
所有可用的工具并行执行,返回每个工具的独立结果 JSON 数组。
步骤 3:指定特定工具运行
oneharness run --harnesses claude-code,codex --prompt "解释这段代码" --format compact
只运行指定工具,输出精简格式。
步骤 4:查看各工具可用性和配置状态
oneharness status
步骤 5:恢复历史 session
oneharness resume
适用场景
- CI/CD 自动化测试:在流水线中用统一接口运行多个 AI 编程工具
- 跨平台开发:在不同 OS 上用同一命令调用可用的 AI 工具
- AI 工具评测:并行对比不同工具对同一 prompt 的响应质量、速度、成本
- 批量代码生成:对大量需求批量调用 AI 工具,程序化处理输出
- 开发环境标准化:团队统一使用 oneharness 作为调用 AI 编程工具的入口
适用人群
DevOps / 平台工程师(构建 AI 代码生成 CI/CD 流水线)、AI 工具评测人员、多工具用户、需要程序化调用 AI 的开发者
工作原理
oneharness 的核心是一个 Harness Adapter 层,每个支持的工具对应一个 Adapter,负责将该工具的 CLI 参数、输出格式、认证方式封装为统一接口。Executor 根据 --run-mode 决定顺序尝试还是并行运行所有 Adapter。结果聚合层将各工具的原生输出统一映射到标准化 JSON schema,包含 schema_version、harness、status、duration_ms、usage、text 等字段。配置文件 oneharness.toml(位于 ~/.config/oneharness/)控制各工具的默认参数和行为。
评论与建议
登录 后参与评论或提建议