低成本模型也能跑 Coding Agent

之前让低成本模型做 coding agent，主流做法是直接上 Claude 3.5 Sonnet 或 GPT-4 硬怼，或者自己写 prompt 工程凑合。Open Interpreter 的 harness emulation 思路更底层——它模拟的是 OpenAI 内部给 Codex 配的 agent 执行框架本身，相当于把「高端模型的系统提示+工具调用模式」抽出来复用。

跟 Continue、Cline 这些 IDE 插件比，它不是给人类程序员辅助写代码，而是让模型自主执行终端命令、读写文件、调试；跟 AutoGPT、BabyAGI 这些泛用 agent 比，它又极度聚焦 coding 场景，不做多余抽象。如果你正在用 Qwen-32B、DeepSeek-V2 或本地小模型做自动化运维、代码生成服务，这个项目的 harness 切换机制能帮你省掉大量 prompt 调优时间。

一个值得关注的细节是它用 Rust 重写了核心执行层，Python 只留接口层，这对需要沙箱安全隔离的生产部署是加分项。