Ne moraš više da otvaraš gomilu AI sajtova, testirao sam HarnessClaw — lokalni Agent radni sto

Poslednje dve godine AI alata je zaista mnogo. Jedan sajt za razgovor, jedan za kod, jedan za bazu znanja, jedan za Agent-a, plus konzole samih proizvođača modela — na desktopu lako završite sa nizom tabova.

Zato mi je prva pomisao pri pogledu na HarnessClaw bila: da li je to samo nova ljuska za chat? Ako samo prebacuje model na desktop, nema neke veze. Prava vrednost bi trebalo da bude — model, Agent, alatke, veštine i projekat smeste u jedan lokalni radni sto, koji funkcioniše kao AI komandni centar.

Ovog puta nisam samo čitao README, niti sam pisao samo predstavljanje proizvoda, već sam prošao kroz HarnessClaw Engine, desktop klijent, konfiguraciju više modela, ugrađene Specialiste i Skill tržište. Zaključak ide prvo: najbolje mesto za promociju je "lokalni AI Agent radni sto".

Ovaj članak se bavi tri stvari: agregacija i upravljanje više Agenata, zbogom "jedan prozor — jedan model"; cross-platform iskustvo koje donosi Electron, tako da Mac/Win/Linux developeri mogu da vide zamisao; Harness inženjersko razmišljanje, nije običan chat prozor, već platforma za izvršenje koja organizuje alate i tokove zadataka oko AI-ja.

[Ovde umetnite preglednu sliku HarnessClaw-a: cilj screenshota — potvrditi da je desktop povezan na Engine i ušao u glavni interfejs; ključne reči: HarnessClaw, povezano, Emma; predložena pozicija: glavni interfejs desktop klijenta]

01. Prvo da pokrenemo HarnessClaw Engine

HarnessClaw se sastoji od dva dela: desktop klijent i pozadinski Engine. Desktop je zadužen za interakciju, Engine za lokalne servise, raspoređivanje zadataka, zahteve ka modelu i stanje rada.

GitHub adresa Engine-a je: harnessclaw/harnessclaw-engine.

Klonirajte lokalno.

I dalje preporučujem GitHub Desktop. Za kolege koje tek nailaze na ovakve open source projekte, klik na Code, pa izbor Open with GitHub Desktop, znatno je bezbrižnije nego rad sa putanjama i autentifikacijom u komandnoj liniji.

Po završetku kloniranja, u korenskom direktorijumu izvršite:

go run ./cmd/server

Ako prethodno niste instalirali Go okruženje, nije problem — prema uputstvima iz terminala, samo dodajte Go okruženje.

Po uspešnom pokretanju servisa, u terminalu će se pojaviti Engine logovi. Na mojoj mašini je Engine naknadno osluškivao lokalni port, a desktop je mogao normalno da prepozna status konekcije.

[Ovde umetnite sliku logova pokretanja Engine-a: cilj screenshota — potvrditi da je Engine lokalno pokrenut i čeka desktop konekciju; ključne reči: go run, cmd/server, server started; predložena pozicija: terminal]

Po ovoj strukturi, HarnessClaw nije običan web ulaz za chat. Više liči na to da lokalno pokrenuti Agent Engine stavi pozadi, a desktop služi kao objedinjeni ulaz. Prednost ovog dizajna je: naknadno povezivanje projekata, veština i alata ne mora u potpunosti da zavisi od cloud stranice.

Ako ga stavimo u razvojni scenario, Engine je kao lokalni AI servisni temelj, a desktop kao upravljačka tabla. Možete prvo priključiti model, a zatim polako dodavati projekte, Agente i veštine. Taj pristup ima više prostora za maštu nego "još jedan chat prozor".

02. Desktop klijent nakon instalacije podseća na AI komandnu tablu

GitHub adresa desktop klijenta je: harnessclaw/harnessclaw.

Release stranica nudi instalacione pakete za macOS i Windows. Zvanični README jasno kaže — HarnessClaw je desktop aplikacija Electron + React + Vite.

Korisnici macOS-a obratite pažnju na verziju čipa. Apple Silicon preuzima arm64, Intel čip x64. Ne grešite ovde, jer u suprotom možda neće moći da se otvori, ili će se čudno ponašati.

Prednost Electron-a je i u ovome: to je prirodno multiplatform desktop tech stek. Za developere, Mac, Windows i Linux više nisu tri potpuno odvojena klijenta, već mogu deliti jedan frontend projekat, jednu desktop ljusku, jedan skup interakcija proizvoda. Trenutno u javnim instalacionim paketima video sam Mac i Windows, Linux je prikladnije staviti pod "open source projekt je izgradiv, cross-platform pravac je jasan".

Interfejs nakon prvog pokretanja izgleda ovako.

Ukupni interfejera prilično čist, na prvi pogled nije kompleksna pozadina — levo su ulazi u funkcije, sredina je glavna radna zona, a desno se prema različitim stranicama prikazuju konfiguracije ili statusi.

Sledeći korak — traži da izaberemo način API priključenja. Većina LLM dobavljača danas nudi OpenAI ili Anthropic kompatibilan interfejs, pa ovde ne treba dvojiti; ključno je da se kasnije Base URL, API Key i Model ID napišu ispravno.

Ovog puta sam prvo probao sa DeepSeek-om.

• Base URL: https://api.deepseek.com/anthropic
• API Key: napravite u DeepSeek konzoli i prekopirajte
• Model ID: deepseek-v4-pro

Kasnije se može nastaviti prilagođavati u podešavanjima.

HarnessClaw podržava i domaće modele (iFlytek, DeepSeek, GLM) i strane. Za domaće korisnike ovo je važno — mnogi timovi danas ne koriste samo jedan model, uobičajena praksa je jedan glavni za dnevne zadatke i jedan rezervni za pokrivanje.

Za profil zadatka ovde sam izabrao razvoj i automatizovanu ops.

I zatim ulazimo u glavni interfejs HarnessClaw-a.

[Ovde umetnite sliku konfiguracije modela na desktopu: cilj screenshota — potvrditi da se DeepSeek, GLM i ostali modeli mogu podesiti; ključne reči: Model Provider, DeepSeek, GLM; predložena pozicija: stranica podešavanja HarnessClaw-a]

Ovde možete razumeti HarnessClaw kao kombinaciju tri stvari.

Prvo, to je lokalni desktop AI ulaz. Običan chat, razgovor vezan za projekat, poziv Agent-a — sve u jednom prozoru.

Drugo, to je centar za konfiguraciju modela. Ne morate Key za svaki model držati u različitim alatima, već ih objedinjeno upravljate ovde.

Treće, to je radni sto za Agente. Nije samo pitanje-odgovor, već organizuje zadatke oko Agent-a, projekta, veštine i alata.

Jednom rečenicom — to je "desktop AI komandna tabla". I to je razlog zašto mislim da je vredniji od običnog chat klijenta.

03. Upravljanje agregacijom više Agenata jeste ključ

Tokom ovog testa, DeepSeek i Zhipu GLM su u podešavanjima oba u statusu uključeno. U podrazumevanim podešavanjima Agenta, Primary model može biti zhipu:glm-5.1, a fallback model deepseek:deepseek-v4-pro, pri čemu je fallback uključen.

[Ovde umetnite sliku podešavanja više modela: cilj screenshota — potvrditi da se Primary model i fallback model mogu konfigurisati odvojeno; ključne reči: zhipu:glm-5.1, deepseek-v4-pro, fallback; predložena pozicija: stranica podešavanja HarnessClaw-a]

Ova funkcija deluje neupadljivo, ali je za stvarnu upotrebu važna. Direktno rešava jedan dosadan problem: ranije, kad smo koristili AI, često je bio jedan prozor — jedan model, jedan alat — jedan Key, jedan projekat — jedan kontekst. Za DeepSeek mora da se menja prozor, za GLM takođe, a prelazak na drugog Agent-a iznova zahteva organizovanje prompt-a.

Jer ono čega se AI aplikacije najviše plaše nije da interfejs nije dovoljno kul, već to što kad model prijavi grešku, sav posao stane. Na primer, pri prvom testu sam naišao na bifrost: stream request failed. Kasnije, kad sam podesio konfiguraciju, običan chat je mogao normalno da vraća — kad sam tražio "odgovori samo sa dve reči: primljeno", zaista je odgovorio "primljeno".

Takvi mali testovi su jako bitni. AI radni sto makar i savršeno priča koncepte, ako osnovni zahtev ka modelu nije stabilan, nijedan Agent i Skill kasnije nemaju smisla.

Vrednost konfiguracije više modela je upravo u tome: glavni model radi glavne zadatke, rezervni model preuzima kad god je abnormalnost. Za rad kao što su kreiranje sadržaja, pregled koda i sređivanje materijala — moći stabilno završiti jedan zadatak važnije je od nekoliko upečatljivih ulaza u stranici.

Ali HarnessClaw ne želi da kaže "podržavam mnogo modela", već "mogu više modela, više Agenata i više Skill-ova da smestim u jedan radni sto". To je upravljanje agregacijom više Agenata.

Ranije ste možda morali da otvorite četiri prozora: jedan za pisanje članaka, jedan za traženje materijala, jedan za analizu koda, jedan za upravljanje API Key-evima. Sada razumnije je: čovek samo drži kormilo, jasno kaže zadatak; Agent izvršava, iznosi odgovarajuću sposobnost i koristi je.

Predlažem da glavna linija proizvoda u članku ne bude "neki model je naročito jak", već "upravljanje agregacijom više Agenata". Tako se DeepSeek, GLM, iFlytek, strani modeli, ugrađeni eksperti i Skill tržište mogu staviti u jedan okvir — klijentu je lakše da prihvati, jer to nije klađenje na jednog modela, već pretvaranje više modela i više Agenata u konfigurabilne, rasporedivo radne resurse.

04. Ono što zaista radi su Specialistsi

Sledeće ono što me najviše zanima: da li Agent može da se koristi.

HarnessClaw sadrži ugrađene Specialists-e. Oni nisu kao obični modeli zaduženi samo za chat, već imaju jasnu podelu — writer, researcher, analyst, developer, scheduler, travel planner, recommender i tako dalje.

Tokom testa poslao sam Emmi jednu poruku:

Pozovi Specialists developera, neka samo jednom rečenicom kaže šta može; neka ne piše fajlove.

Ovog puta nije običan odgovor, već je okinuta Specialists kartica alata. U interfejsu se pojavila specialists agent kartica, a po završetku zadatka rezultat se vratio u glavni chat.

[Ovde umetnite sliku poziva Specialists-a: cilj screenshota — potvrditi da glavni asistent može da rasporedi developer specialist-a i dobije rezultat; ključne reči: Specialists, developer, completed; predložena pozicija: stranica za chat HarnessClaw-a]

Ovaj rezultat je ključan.

Jer iz ugla predstavljanja proizvoda, korisnika nije briga koliko je opcija u pozadini, već ga zanima: kad pošaljem zadatak, da li glavni asistent može da ga prepušta odgovarajućem ekspertu i da rezultat vrati.

Ugrađeni Specialists već ima tu osnovu. Na primer, možete dizajnirati razvojni slučaj:

• researcher traži materijale i pozadinu
• developer čita kod i objašnjava implementaciju
• analyst sumira rizike i zaključke
• writer sređuje izlaz orijentisan ka korisniku

To se veže za "AI razvojnog asistenta". Nije jedan Agent od početka do kraja, već glavni asistent na osnovu zadatka prepušta različite delove različitim ekspertima.

Ako želite time da zadovoljite klijentovu potrebu za "prikazom sposobnosti Agent-a", ja bih prvo išao tim putem. Jer njime se jasno može ispričati "čovek drži kormilo, Agent izvršava": korisnik postavlja cilj, glavni asistent ocenjuje tip zadatka i prepušta konkretne korake prikladnijem ekspertu.

05. Skill tržište već može da priključi repozitorijum i otkrije veštine

Pored Specialists-a, još jedna stvar vredna pisanja jeste Skill tržište.

Kad sam prvi put otvorio Skill tržište, instalirane veštine su bile 0, repozitorijumi takođe 0. To je normalno i pokazuje da ne prepisuje gomilu nekontrolisanih plagina, već zahteva od korisnika da sam doda izvor veština.

Ovog puta sam dodao repozitorijum openclaw/clawhub, adresa je:

https://github.com/openclaw/clawhub

Granu sam izabrao main, skeniranje putanje .agents/skills, prikazno ime ClawHub.

[Ovde umetnite sliku dodavanja Skill repozitorijuma: cilj screenshota — potvrditi da se Skill repozitorijum može ručno dodati; ključne reči: ClawHub, .agents/skills, main; predložena pozicija: stranica za konfiguraciju Skill repozitorijuma na Skill tržištu]

Posle dodavanja kliknite na osvežavanje — Skill tržište je skeniralo 11 veština, uključujući:

• autoreview
• clawhub-moderation
• clawhub-pr-maintainer
• clawhub-ui-proof
• convex
• convex-create-component
• convex-migration-helper
• convex-performance-audit
• convex-quickstart
• convex-setup-auth
• crabbox

[Ovde umetnite sliku rezultata skeniranja Skill-ova: cilj screenshota — potvrditi da je Skill tržište otkrilo veštine u ClawHub-u; ključne reči: autoreview, clawhub-ui-proof, convex; predložena pozicija: stranica sa listom na Skill tržištu]

Ovde ću pisati konzervativnije: dodavanje repozitorijuma i otkrivanje veština rade, ali instalacija pojedinog eksternog Skill-a zahteva dalju potvrdu i testiranje.

Zašto tako?

Jer ovaj članak treba da bude upotrebljiv, ne da grlato hvali. Skill tržište je najbolje nositi poziciju "ulaz u ekosistem". Drugim rečima, HarnessClaw ne želi samo da bude desktop klijent, već želi da korisnik ubaci različite sposobnosti za zadatke — kao da Agent-u doda alat za proširenje sposobnosti.

To se može povezati sa klijentovim zahtevima oko "tržišta veština" i "proširenja sposobnosti Agent-a". Dok god je slučaj dizajniran pragmatično, može se napisati: prvo priključiti Skill repozitorijum, zatim otkriti dostupne veštine, pa dozvoliti Agent-u da u konkretnom projektu pozove veštinu. Taj pravac je znatno pouzdaniji nego prazno pričati o "univerzalnom Agentu".

06. Harness inženjersko razmišljanje

Ako se gleda samo interfejs, HarnessClaw se lako pogrešno shvati kao malo lepši chat klijent.

Ali posle iskustva radije ga zovem Harness — "pakovanje AI sposobnosti u kontrolisanu strukturu izvršenja". Ne tera korisnika da neprestano priča sa modelom, već smešta model, Agent-a, Skill, projekat, istoriju sesija i upravljanje konfiguracijom u jedan radni sto.

[Ovde umetnite sliku Harness inženjerske strukture: cilj screenshota — prikazati relaciju između konfiguracije modela, poziva Agent-a, Skill tržišta i ulaza za projekat; ključne reči: Model Provider, Specialists, Skill Marketplace, Projects; predložena pozicija: prateća slika u članku ili mozaik screenshots proizvoda]

Ovaj pristup se jasno razlikuje od običnog chat prozora.

Suština običnog chat prozora je "ti pitaš, ja odgovaram". Korisnik svaki put sam mora da proceni koga da pita, kako da pita, gde da stavi kontekst, kako da sačuva rezultat.

Suština HarnessClaw-a je više "organizacija AI izvršenja". Korisnik i dalje drži kormilo — odlučuje o cilju, ocenjuje rezultat, kontroliše granice; Agent izvršava, poziva modele, koristi veštine, obrađuje zadatke i vraća rezultat.

To je razlog zašto mislim da je on zgodan za predstavljanje developerima. Developeri nemaju manjak chat prozora, pravo im treba radni sto koji može da upravlja AI sposobnostima.

Na primer, za jednu te istu projektnu analizu, običan chat prozor izgleda ovako:

• Otvori prozor sa modelom
• Nalepi pozadinu projekta
• Nalepi isečak koda
• Model analizira
• Otvori drugi alat za sređivanje izlaza

A narativ HarnessClaw-a može postati:

• U jednom desktop-u konfiguriši model
• Ulazom za projekat organizuj kontekst
• Preko Specialists-a podeli zadatak
• Skill tržištem proširi sposobnosti
• Rezultat sačuvaj u sesiji i projektu

Tako se iz "pitaj model jedno pitanje" prelazi u "neka Agent u kontrolisanom okruženju dovrši zadatak".

07. Kako bih dizajnirao ovaj slučaj

Ako bi se oko HarnessClaw-a pravio sadržaj koji zaista može da se isporuči, slučaj bih postavio ovako:

Sa HarnessClaw-om podići lokalni AI razvojni radni sto: agregirati više modela, više Agenata i više Skill-ova u jedan desktop, čovek odlučuje, Agent izvršava.

[Ovde umetnite putnu kartu slučaja: cilj screenshota — prikazati relaciju između Engine-a, desktop-a, modela, Specialists-a i Skill tržišta; ključne reči: Engine, Model Provider, Specialists, Skill; predložena pozicija: prateća slika u članku ili dijagram toka]

Ovaj slučaj se odvija u tri koraka i pokriva tri glavne linije koje klijenta najviše zanimaju.

Prvi korak — upravljanje agregacijom više Agenata.

Ovde se ne pričaju složeni koncepti, samo jedan bol: ranije jedan prozor — jedan model, sada jedan desktop upravlja sa više modela, više Agenata, više Skill-ova. Screenshot može sadržati glavni interfejs, podešavanja modela, rezultate poziva Specialists-a — čitalac jednim pogledom shvata vrednost "agregacije".

Drugi korak — naglasak na Electron cross-platform.

Ovde se mogu ubaciti pasusi o instalaciji. Mac ima Apple Silicon i Intel pakete, Windows zaseban instalater, Linux se može predstaviti iz ugla Electron tech steka i open source inženjerstva. U naslovu može pisati "Mac/Win/Linux developeri odusevljeni", u telu se priguši: trenutno stvarno testiranje instalacije je pretežno na Mac/Win, Linux je pogodniji za priču o izgradivosti open source-a i tech pravcu.

Treći korak — Harness inženjerska platforma za izvršenje.

Ovde ide ono što smo prošli sa Specialists-ima. Na primer, neka Emma rasporedi developer specialist-a da analizira projekat koda:

Pozovi Specialists developera, analiziraj koje sve ulaze za automatsko testiranje ovaj projekat može da ima, vrati tri predloška.

Ako se radi kreiranje sadržaja, writer specialist može prepraviti zaključke developera u pasus članka:

Neka writer na osnovu analize developera prepravi zaključke u objašnjenje orijentisano tehničkim čitaocima.

Ovim se pokazuje sposobnost proizvoda "čovek drži kormilo, Agent izvršava".

Skill tržište može biti bonus u ovom slučaju. Prvo prikazati dodavanje ClawHub-a, skeniranje veština i viđenje autoreview, clawhub-ui-proof i drugih. Čitalac time shvata da HarnessClaw ne zavisi samo od ugrađenih sposobnosti — ima ulaz za dalje proširenje.

Ova tri koraka zajedno čine prilično kompletan slučaj lokalnog AI radnog stola. Podudara se sa trenutno dostupnim funkcijama HarnessClaw-a i zadovoljava klijentovu potrebu da vidi "sposobnosti proizvoda" i "scenarije korišćenja".

08. Šta se poklapa sa potrebama klijenta

Klijent obično ne želi samo instalacioni tutorijal. Želi da vidi: koji problem ovaj proizvod rešava za korisnika, da li funkcije imaju ubedljive slučajeve, da li postoji prostor za buduće proširenje.

Iz te perspektive, HarnessClaw se trenutno poklapa sa potrebama uglavnom u tri tačke.

[Ovde umetnite tabelu poklapanja funkcija: cilj screenshota — povezati klijentove potrebe sa dostupnim funkcijama HarnessClaw-a; ključne reči: agregacija više Agenata, Electron cross-platform, Harness inženjering; predložena pozicija: screenshot tabele u članku ili prateća slika dokumentacije]

Prvo, upravljanje agregacijom više Agenata.

Kombinacija Engine plus desktop zgodna je za priču o "objedinjenom ulazu". Nije alat za jednokratno pitanje-odgovor, već ima projekte, Agent-a, veštine, module modela. Za čitaoce je neposredna vrednost — manje promene prozora, manje premeštanja konteksta, manje kopiranja između različitih modela.

Drugo, cross-platform iskustvo Electron-a.

Zvanični tech stek je Electron + React + Vite, desktop iskustvo je razvojno prijateljsko. Mac i Windows instalacioni putevi su jasni, Linux se može predstaviti iz ugla open source inženjerstva i Electron tech steka. Ova tačka zgodna je za "developeri više nisu ograničeni platformom na tabove pregledača".

Treće, Harness inženjerska platforma za izvršenje.

Ugrađeni Specialists radi, Skill tržište može da priključi eksterne repozitorijume i otkrije veštine. Može da nosi narativ "alati, zadaci, izvršenje": čovek postavlja cilj i ocenjuje rezultat, Agent izvršava konkretne akcije.

Zato najbolji naslov i glavna linija nisu "još jedan AI chat alat", već "lokalni AI Agent radni sto — testirano". Tako je preciznije i tako se HarnessClaw bolje razlikuje od običnih chat prozora.

09. Ako se piše u biografiju ili predstavljanje projekta

Ako neko želi ovakav projekat da stavi u biografiju, može ga tako predstaviti, ali neka zvuči kao stvarno rađen projekat, a ne gomila imenica.

[Ovde umetnite screenshot predstavljanja projekta: cilj screenshota — prikazati kombinovanu upotrebu HarnessClaw-a na stranicama za projekte, modele i Specialists-e; ključne reči: Projects, Agents, Model Provider; predložena pozicija: stranica projekta u HarnessClaw-u]

Naziv projekta može biti:

Izgradnja i validacija lokalnog AI razvojnog radnog stola zasnovanog na HarnessClaw-u

Tehnički ključne reči:

• Electron desktop
• Go Engine
• WebSocket komunikacija
• Konfiguracija više modela Provider-a
• Raspoređivanje Agent Specialists-a
• Proširenje Skill repozitorijumom

Odgovornosti na projektu:

• Završiti lokalni deployment HarnessClaw Engine-a i validirati status konekcije desktop-a
• Povezati DeepSeek, GLM i ostale modele, validirati konfiguraciju glavnog i rezervnog modela
• Testirati sposobnost raspoređivanja ugrađenih Specialists-a, validirati da glavni asistent može pozvati developer specialist-a
• Povezati ClawHub Skill repozitorijum, validirati sposobnost Skill tržišta za skeniranje i otkrivanje veština

Sistematizovati prodajne tačke proizvoda — upravljanje agregacijom više Agenata, cross-platform desktop i Harness inženjerska platforma za izvršenje

Tako napisano deluje mnogo verodostojnije od "korišćenje AI Agent-a za poboljšanje efikasnosti razvoja". Jer ima deployment, konfiguraciju, validaciju i procenu granica.

Stvarni projekat nema sve funkcije odjednom zrele. Moći izvući upotrebljiv deo i jasno proceniti neupotrebljiv jeste važan deo kako ocene proizvoda, tako i tehničke primene.

ending

Posle ovog iskustva, HarnessClaw još uvek nije "super Agent platforma koja sve automatizuje".

Ali već ima jasan pravac: lokalni Engine nosi sposobnosti, desktop objedinjeno upravlja modelima, projektima, Agentima i veštinama, a kroz Specialists i Skill tržište proširuje sposobnosti za zadatke.

[Ovde umetnite završnu sumarnu sliku: cilj screenshota — prikazati tri ključne stranice HarnessClaw-a: glavni interfejs, Specialists, Skill tržište; ključne reči: HarnessClaw, Specialists, Skill Marketplace; predložena pozicija: mozaik na kraju članka]

Ako sada treba da se napravi sadržaj upotrebljiv za klijenta, fokus bih stavio na tri rečenice.

Prvo, upravljanje agregacijom više Agenata: zbogom "jedan prozor — jedan model".

Drugo, Electron cross-platform: Mac/Win/Linux developeri svima ima prostora za učešće.

Treće, Harness inženjersko razmišljanje: nije običan chat prozor, već platforma za izvršenje koja oko AI-ja organizuje alate i tokove zadataka.

Čovek drži kormilo, Agent izvršava. Taj izraz jeste najprikladnija pozicija proizvoda koju HarnessClaw trenutno može da iznese na tržište.