配置

The Harness 读取一个属于你的文件 ~/.harness/config.toml，在项目中还读取该项目的 harness.toml。这两个文件可以从空文件开始。每个新对话都要选择在哪里工作；真实键鼠权限、其他窗口信息和屏幕录像在首次涉及时需要明确选择。内部配置默认值不视为用户同意。

config.toml

harness 第一次运行时写入它，内容是你选的模型和密钥。app 的 Settings 页面和终端界面也会修改它，你也可以手动编辑：

[model]
provider = "openrouter"
model = "deepseek/deepseek-v4.1-flash"
reasoning_effort = "low"

[keys]
OPENROUTER_API_KEY = "sk-or-..."

[limits]
max_steps = 60                     # steps per task
max_minutes = 120                  # minutes per conversation

[session]
environment = "ask"                # ask where each new conversation works

[computer]
mode = "browser"                   # the computer kind that choice highlights first

[physical]
level = "ask_once_app"             # when the agent may use your mouse and keyboard

[[physical.rules]]
level = "never"
app = "wechat"

[packages]
auto_install = "official"          # install the packages a task needs, from the official registry

节
[model]	provider 和模型，以及它的高级设置（模型和 provider）
[keys]	你的 provider 和连接器的密钥，按其变量名存放；这个文件只有你能读取
[packages]	首次使用时安装、registry、你安装的包（包）
[general]	语言、主题、通知
[limits]	每个对话的步数、分钟数和金额，sub-agent 层数，每一步之前是否询问
[session]	新对话在哪里工作，是否带子 agent
[environments]	agent 什么时候可以在对话中取用另一个环境（权限与隐私）
[computer]	首先高亮的电脑环境、显示器、截图尺寸、同时工作的对话数
[physical]、[privacy]	鼠标和键盘，以及模型能了解到你的窗口的哪些信息（权限和隐私）
[personal]	agent 应当了解的关于你的信息，用你自己的话写
[data]	对话保留多久

对话在哪里工作

每个新对话都要选择环境。选项来自已安装的包：

环境	--workspace
不用环境	none	只对话：模型和已连接的工具。不启动工作进程，也不给模型任何画面
项目文件夹	project	在你指定的一个文件夹里读写文件、运行命令；没有屏幕
后台浏览器	browser	隔离的浏览器，不带你的登录状态
后台应用	apps	你的应用程序，不占用你的屏幕
你的桌面	desktop	你的屏幕，以及设置允许范围内的鼠标和键盘
独立显示环境	display	它自己的显示器或虚拟机

session.environment 决定怎么选：

取值
ask（默认）	每个对话开始时询问；高亮你上一次的选择，回车即确认
last	沿用上一次的选择，不询问
某一种环境，如 none 或 browser	总是用它

所有前端都有这个选择：终端里开场的选择和 /environment，app 里模型旁边的选择器，命令行的 --workspace 和 --folder，Python 里的 workspace=。没有人可问的场合（脚本、Python 接口）遇到 ask 时，任务不会启动，错误信息会指出该用哪个参数：不会替你选。computer.mode 只是在你还没有选过时，首先高亮的那一种电脑环境。

对话并不局限在这个环境里。某一步需要别的环境时，agent 会请求取用，见取用另一个环境。

设置参考列出了每个键、它的取值和默认值。修改从下一个对话开始生效；权限级别和工作区数量立即生效。

项目的 harness.toml

含有 harness.toml 的文件夹就是一个项目。它列出项目使用的包，在那里运行 harness install 会在它旁边写入 harness.lock，这样参与这个项目的每个人都得到同样的包：

[packages]
computer = "^1.0"
mine = { source = "git:github.com/you/mine@v0.3", range = "^0.3" }

哪一个优先

从低到高：默认值、config.toml、项目的 harness.toml、环境变量，以及单条命令的选项（例如 harness run --workspace browser "task"），后者只对那一次运行有效。

环境变量

变量
OPENROUTER_API_KEY, …	某个 provider 的密钥，代替 [keys]
HARNESS_DATA	config.toml、对话和库所在的位置（默认 ~/.harness）
HARNESS_HOME	包、环境和权重所在的位置（默认 ~/.cache/harness）
HARNESS_REGISTRY	另一个包 registry：一个 https 地址或本地文件夹
HARNESS_CHROME_PATH	后台浏览器使用的 Chrome 可执行文件，代替已安装的 Google Chrome
HARNESS_HOST_IDLE	没有打开任何内容时 session host 保持运行的秒数（默认 1800）

描述一次运行的文件

benchmark 和其他重复进行的运行，用 TOML 文件描述它们运行什么；这些文件由包提供，你也可以自己写：一个 agent（它的 prompt、skill 和运行时设置）、一个模型文件（每个角色由哪个模型担任）和一个实验（一个环境、它的任务和 seed、一个 episode 的预算，以及对 agent 和模型的修改）。每一层覆盖它前面的一层，命令的选项最后生效：

#:schema https://harness.lmms-lab.com/docs/schema/experiment.json
description = "my game, five seeds, a cheaper model"
bench = "mygame"
tasks = ["play"]
seeds = "0-4"
model = "deepseek-flash"

[budget]
max_model_calls = 40               # per episode
max_cost_usd = 0.5                 # per episode
max_total_cost_usd = 5             # the whole run

[overrides.agent.runtime]
verifier = false                   # do not check the result with a second model

[overrides.model.main]
reasoning_effort = "low"

第一行让能为 TOML 读取 JSON schema 的编辑器（Taplo，或 Even Better TOML 扩展）补全并解释每个键。 配置键参考列出了所有键，benchmark 包的 README 说明它如何运行自己的实验。

每次运行都把这些文件解析成一个 lock：其中包含决定它计算什么的一切（版本、prompt、skill、模型角色、运行时设置、包）， 不包含它在哪里运行。lock 的哈希就是这次运行的 identity，记录在它的 manifest.json 中：identity 相同的两次运行，运行的是同一套配置。