Harness Bridge
SDK / 工具一个本地启动器:让 Claude Code 与其他七种编码 harness 直连任意 OpenAI / Anthropic / Responses 兼容端点——不改任何一行配置文件。
- launcher
- local-models
- cli
- menu-bar
把 agent skill(SKILL.md)编译成扩展有限状态机:操作顺序由程序强制,模型只在状态内部推理。
HEXIS 针对的是 skill 最常见的失败方式:文档躺在上下文里、下一步全由模型临场选择,于是写得再清楚的要求也会被跳过、乱序或在错误情境里套用。它把 SKILL.md 编译成扩展有限状态机——efsm-v1 格式的纯 JSON,带类型化变量、tool/model/judge/user/end 动作、有序的守卫转移、有界循环与 fallback 状态——顺序由程序强制,语言模型只在状态内部做推理与生成。CLI 覆盖 compile(模型起草机器,静态检查不过就带着反馈重画直到通过)、update(折叠执行轨迹,每步一次模型决策;候选机器只有通过检查并重放所有既往接受轨迹才会被接受;答案有缓存、中断可续跑)、guide(生成 GUIDE.md 与 PROMPT.md——一份任何会用工具的 agent(如 Claude Code、OpenCode)都能逐状态执行的系统提示词)与 run。守卫用小型白名单表达式语言,绝不调用 eval。任意 OpenAI 兼容端点可用;原生工具执行走 OpenCode,--executor local 则直接跑 bash。附带四台已编译的示例机器(数据分析 15 态、定理数学 12 态、语料问答 21 态、表格编辑 17 态)和 350+ 个不依赖网络与 API key 的封闭测试。Python 3.11+,MIT,alpha 阶段;配套论文《Compiling Agent Skills into Extended Finite State Machines》。
想给多步骤流程加上确定性顺序、有界循环与可验证终止性的 skill 作者;以及研究 agent 可靠性的研究者——仓库本身就配套一篇「把 skill 编译成 EFSM」的论文。
pip install hexis-agent # 以 `hexis` 导入;命令为 `hexis-agent`;Python >= 3.11 export API_KEY=... # 任意 OpenAI 兼容端点 M="--model <model> --base-url https://your-endpoint/v1" hexis-agent compile --skill path/to/skill --out build/ $M hexis-agent update --build build/ --traces traces/ $M hexis-agent run --machine build/ --input request="..." --workdir work/ --executor local $M
MIT,alpha 阶段。会执行参数(包括 shell 命令)由语言模型生成的工具调用:请在隔离环境中运行,且只用你信任的机器与任务文件(见 SECURITY.md)。update 会把轨迹步骤与 skill 条款发给所配置的模型端点,build 目录会留存轨迹副本与每一次模型问答。原生工具执行依赖 OpenCode;--executor local 改为子进程跑 bash。编译与更新按「每轨迹步约一次调用」消耗模型调用。
收录日期
一个本地启动器:让 Claude Code 与其他七种编码 harness 直连任意 OpenAI / Anthropic / Responses 兼容端点——不改任何一行配置文件。
用你已登录的 Claude Code 账号回答 macOS Spotlight 与 Siri 的提问——一个实验性的 macOS 27 模型委派提供者。
把十个 AI 编程助手的本地聊天记录提取成统一 JSONL——微调、分析,或赶在本地数据库被清空前备份多年的对话。纯标准库实现。