前置条件
- 1Python 3.10+ 或 Node.js 20+（两条路径任选其一，建议都装以便对比）
- 2已有一个可用的模型 API Key（Anthropic / OpenAI / Amazon Bedrock 任一）
- 3了解基本的命令行操作与 Python 或 TypeScript 语法
- 4有一个实际的 Git 仓库用于实践
读完想动手？新用户首单 8 折上云
服务器 + 大模型 API + 对象存储，新用户首购享 20% 补贴
常见问题
QStrands Harness 和 Strands Agents SDK 到底什么关系？
SDK 负责「一个 Agent 怎么思考和调工具」，Harness 负责「一次任务怎么跑完」。SDK 里你写 Agent(model=..., tools=[...]) 然后 agent('做件事')，剩下的循环、错误重试、上下文管理归 Harness。换句话说：SDK 是引擎，Harness 是车身加底盘。只用 SDK 的话，循环、截断、摘要、恢复、并发、可观测性全部要你自己写；上了 Harness 之后这些是默认行为，只需要在配置里调参数。本文第 2 节给了两者的职责对照表。
Q那 28% 的 Token 节省到底来自哪里？会不会是牺牲质量换的？
主要来自三个确定性机制，不是靠「让模型少说话」：工具输出超过约 1500 Token 就截断并落盘为引用；上下文占用到 85% 触发结构化摘要而非暴力裁剪；上下文溢出后走恢复流程而不是整轮重跑。官方口径是「准确率相近时」的成本下降，Terminal-Bench 2.1 上得分还高 7.9 点——说明截断策略反而降低了噪音干扰。但要注意：这三个机制默认开启，如果你的任务依赖超长工具输出（比如完整日志分析），需要手动调大截断阈值，见第 5 节。
Q我已经在用 Claude Code / Codex CLI 了，还有必要引入 Strands Harness 吗？
分场景。交互式日常编码，现成的 CLI 体验更好，别换。但如果你要做的是「把 Agent 跑在自己的基础设施上」——批量任务、CI 流水线、需要审计日志、需要自托管模型、需要跨云部署——Harness 这类可嵌入的框架才是正确选择，因为 CLI 工具的设计前提是「人在终端前」。一个实用的折中：日常用 CLI，批量和自动化部分用 Harness，两者共享同一套工具定义与项目规范文件（AGENTS.md）。
Q它能在国内网络环境跑吗？会不会强绑 AWS？
不强绑。Harness 本身是 Apache 2.0 的开源库，本地运行不依赖任何 AWS 服务；模型层通过 provider 抽象接入，Bedrock、Anthropic、OpenAI、Ollama、LiteLLM、以及兼容 OpenAI 协议的国内模型都能配。云端部署适配器里确实有 AWS Lambda / Fargate / Bedrock AgentCore，但同时也有 GCP Cloud Run、Azure Container Apps、Cloudflare Workers、Modal。国内使用建议本地或自有服务器部署，模型走兼容 OpenAI 协议的国内 endpoint，见第 6 节的配置片段。