【免费下载链接】harveyAutonomous AI sales agent powered by Claude Code or Codex. Finds prospects, writes cold emails, sends campaigns, handles replies, books meetings. No API keys needed — runs on your Claude or Codex subscriptions.项目地址https://gitcode.com/gh_mirrors/harvey2/harvey点击查看免费下载Harvey 是一个开源的自主 AI 销售智能体autonomous AI sales agent它会自动寻找潜在客户、撰写冷启动邮件、发送营销活动、阅读回复并推进到预约会议全程跑在你的 Claude Code 或 Codex 订阅上没有额外的模型 API 账单。比起它会自动做什么更值得关注的是它如何保证自动化不失控。这篇文章拆解 Harvey 背后的 6 条设计哲学它们对任何 AI Agent 项目都有借鉴价值。先认识 Harvey跑在你订阅上的 AI 销售智能体Harvey 的核心是一个心跳循环heartbeat loop醒来 → 检查预算 → 决定下一步 → 执行 → 记录 → 睡眠默认每 15 分钟一轮。它由五个各司其职的子智能体组成——Scout打分与个性化、Writer写邮件序列、Sender发送、Handler处理回复、Analyst空闲时做分析定义在 harvey/agents/ 目录。它最特别的一点是成本模型模型调用走你已经在付的 Claude Pro/Max 或 ChatGPT 订阅Codex按次调用、不按 token 计费。这让 Harvey 能想一整天的循环而不用担心 API 账单——前提是要有节制。正是这种既自主、又要省钱的张力塑造了下面 6 条原则。下面是它的本地仪表盘localhost:5555左侧是等待你决策的队列右侧是管道数据启动后它会这样工作Decision: prospect (only 3 new prospects; pipeline needs leads) discover → 41 businesses in Portland, OR ($0.00, OpenStreetMap) profile → 41 sites read, 288 observations (free, no model calls) scout → 12 scored against your ICP Decision: write_campaign (12 new prospects with no drafts) Cycle complete. Sleeping for 15 minutes.注意两点每一步都标了成本且决策是确定性的、可解释的。这背后正是它的设计哲学。Harvey 的 6 条设计哲学速览#原则英文原名一句话理解1Autonomous ≠ unsupervised自主不等于放任给智能体装上护栏2You define a good prospect信号先提议、由你确认人说了算3Deterministic over model能用普通代码解决的就别花一次模型调用4Failure is an observation失败也是一种发现拒绝静默5The DB is the asset数据库才是资产智能体不是6Everything is editable提示词、技能、配置全是纯文本改文件即生效下面逐条展开。原则一自主不等于放任 —— 给智能体装上护栏Autonomous doesnt mean unsupervised.自主不等于无人监督一个能整天空转、还会发出去的 Agent最危险的地方在于它什么时候会替你做决定。Harvey 的答案是多层护栏而且每一层都不依赖模型自觉静默时段quiet hours夜间不活动避免在错误的时间点打扰客户。用量预算budget读取你订阅的真实配额按max_daily_claude_percent留足余量满了就睡一小时再检查。发送上限max_daily_sends每天最多发多少封邮件硬性封顶。审批队列Outbox默认每一封外发邮件都要你批准才能发出。确定性发送前闸门pre-send gate不经过任何模型用纯代码拦截坏邮件。一键急停kill switchharvey sending pause立即停下所有外发。这套审批阶梯 确定性闸门的逻辑正是 harvey/gate.py 在发信前强制执行的未渲染的合并变量、违禁词、超长正文、过多链接、HTML 正文、不可送达的地址、收件人与数据库记录不匹配——任意命中就直接拦下并记录原因。用一句话概括它的态度提示词是地板不是保证约束写在 prompt 里校验写进代码里。 借鉴点给 Agent 的自主空间画边界时护栏要落在确定性的代码里而不是依赖模型应该会守规矩。原则二好客户由你定义 —— 信号先提议、你确认You decide what a good prospect is.什么是好客户由你决定Harvey 知道如何收集 23 种关于一家企业的信号signal它的现有代运营机构、是否在投广告、有没有在线预约、SEO 排名、是否缺 Schema 标记……但它在你确认之前一个都不收集。首次运行时它先提议这份目录见 harvey/signals.py 的SIGNAL_CATALOG每一条都用大白话说明它是什么、成本多少、为什么重要。你在仪表盘或终端里逐个确认、跳过或拒绝harvey signals # 查看目录 harvey signals --confirm free # 打开所有免费的信号 harvey signals --confirm SERP_RANK # 显式打开某个付费信号确认之后仪表盘里的人群构建器cohort builder把这些信号变成一个可查询的目标集合——比如有代运营机构 AND 在投 Google 广告 AND NOT 已有在线预约 → 23 家公司。这带来两个好处每一家为什么在名单里你都解释得清写邮件时 Harvey 也知道该引用哪一条信号。 借鉴点让 Agent提议能力清单、由人来确认而不是开箱即全开。这样花费是刻意为之的结果也是可解释的——一个你自己都解释不清的客户名单你不该往里面发信。原则三能用确定性代码就别用模型If it can be gotten deterministically, dont use a model.能确定性拿到的别用模型这条是 Harvey 能跑在订阅上而不烧钱的根本原因。它把判断和计算严格分开决策是确定性的。心跳里下一步做什么完全由管道里的几个计数推导出回回复 发活动 写活动 拓客 空闲分析见 harvey/main.py 的decide_next_action——不为此额外烧一次模型调用。检索与解析用 Python。找企业、读官网每家公司 3 个 HTTP 请求、无模型调用、学邮箱地址规律全是普通代码。模型只用在真正需要判断的地方给找到的数据打分、写个性化邮件、处理回复的意图分类。换句话说Claude/Codex 被预留给必须用智能的部分其余一律交给廉价、可复现的代码。这就是为什么它能在一个普通订阅内跑一整天的循环。 借鉴点为 Agent 设计一张哪些步骤必须用模型、哪些用代码的清单。默认用代码例外才上模型成本与稳定性都会好得多。原则四失败是一种观察而不是沉默A failure is an observation, not silence.失败是一种观察不是沉默没找到团队页是一个发现Overpass 限流了也是一个发现。Harvey 的设计原则是静默的失败看起来和干净的成功一模一样于是坏掉的一次运行会被误当成这个市场是空的。为此错误不会悄悄消失心跳里连续失败会指数退避60s→120s→…封顶 15 分钟并明确记录第 N 次失败正在恢复见 harvey/main.py。每个阶段发现、画像、富集、验证各自独立运行、可安全重跑、且标明成本某一环出错不会伪装成没找到任何东西。邮箱地址会被诚实地打标verified/riskycatch-all/guess/invalid只有可送达的才会发——一个猜测绝不被当成一次成功。 借鉴点为 Agent 的每一步建立显式失败通道。把没做成功和没东西可做区分开是 Agent 从看着能用走向真的可信的分水岭。原则五数据库才是资产而不是智能体The database is the asset, not the agent.数据库才是资产而不是智能体Harvey 把数据存在本地 SQLitedata/harvey.dbschema 由一个念头驱动每个事实是一行而不是一个列。一家企业的信号不写成companies.has_agency这样的列而是存进observations表的一行带上置信度和来源证据 URL、观察时间。这个设计白拿了四个好处新信号无需迁移——收集器新造一个信号码即可工作。历史是免费的——同一个信号被季度性重复观察本身就成了时间序列它上季度换掉了代运营机构比任何静态事实都更有价值。置信度和出处跟着事实走而不是被覆盖时丢掉。人群就是一个查询——集合交集发生在 SQL 里而不是在应用代码里。词表还是受治理的数据库触发器会拒绝任何不在signal_codes表里的signal_code一个笔误会大声失败而不是悄悄造出一个垃圾信号。相关逻辑见 harvey/state.py。 借鉴点把 Agent 学到的东西沉淀成带置信度与出处、可随时间累积的结构化数据而不是只存在对话历史里。数据会随时间复利智能体本身不会。原则六一切皆可编辑 —— 不用写代码就能改变它Everything is editable.一切皆可编辑Harvey 的销售知识不在代码里、不在向量库里而是skills/目录下你可以直接编辑的纯 Markdownskills/email_frameworks.md —— 冷邮件框架AIDA、PAS、BAB 等与像真人写邮件的硬性规则skills/objection_handling.md —— LAARC 异议处理循环skills/sales_methodology.md —— 销售方法论与伦理边界智能体运行前它需要的技能会被直接拼进提示词。改一个文件下一次心跳的行为就变了——不用重启、不用改代码。子智能体的系统提示词同样是 prompts/ 里可编辑的 Markdown而哪个智能体加载哪些技能由 harvey/brain.py 里的一张映射表决定编辑映射即可调整。行为配置则是两个纯文本文件harvey.yamlHarvey 是谁、卖给谁、渠道与用量上限和.env凭据。仪表盘本身也是harvey/web/里无构建步骤的 HTML/CSS/JS改app.css刷新即可。 借鉴点把知识 / 提示词 / 行为参数从代码中抽离成用户能读懂、能改的纯文本非开发者也能重塑 Agent 的行为。如何上手 Harvey想亲手验证这 6 条原则按下面几步即可仓库为只读仅供学习参考git clone https://gitcode.com/gh_mirrors/harvey2/harvey cd harvey python3.13 -m venv .venv source .venv/bin/activate pip install -e . harvey train https://your-company.com # 让它学会你的产品 harvey signals --confirm free # 确认要收集的信号 harvey discover # 免费源找企业 harvey run # 启动心跳循环 harvey dashboard # 打开 localhost:5555Microsoft 365 邮箱用户的配置细节见 docs/microsoft365.md。写在最后把自主拆成可验证的护栏Harvey 的价值不在于它会自己卖东西而在于它把自主拆解成了一组可验证、可解释、可随时拉闸的机制人在回路原则二、一、成本可预测原则三、失败可见原则四、数据可积累原则五、行为可调整原则六。如果你正在做自己的 AI Agent 项目不妨用这 6 条当一份自检清单你的 Agent 自主时有没有护栏它的目标由谁定义哪些步骤其实不必用模型失败会不会被静默吞掉它学到的东西能不能沉淀下来用户改它的行为要改多少代码答得上来你的自主才接近自主但不失控。本文基于 Harvey 开源项目的 README、harvey/源码与skills/、prompts/整理供学习交流。赞分享【免费下载链接】harveyAutonomous AI sales agent powered by Claude Code or Codex. Finds prospects, writes cold emails, sends campaigns, handles replies, books meetings. No API keys needed — runs on your Claude or Codex subscriptions.项目地址https://gitcode.com/gh_mirrors/harvey2/harvey点击查看免费下载相关推荐Fedora-Hyprland快速入门如何在Fedora上轻松安装HyprlandFedora Hyprland快速入门如何在Fedora上轻松安装Hyprland Fedora Hyprland是一款专为Fedora系统设计的自动化安装脚为什么InferenceX的测试哲学值得所有AI基准项目借鉴AGENTS.md行为测试清单完整解读为什么InferenceX的测试哲学值得所有AI基准项目借鉴AGENTS.md行为测试清单完整解读 InferenceX 是一个持续在 GPU 集群上基准测试人工智能大模型模型评测性能测试如何优雅抢 B站会员购门票biliTickerBuy 三步跑起来如何优雅抢 B站会员购门票biliTickerBuy 三步跑起来 biliTickerBuy 是一款开源免费的 B站会员购票辅助工具专门解决漫展、热门演出开CLI桌面应用RPA上一篇Rime输入方案和配置列表项目常见问题解决方案下一篇几百份 PDF 一次搞定去限制、并扫描件PDFPatcherPDF 补丁丁免费完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/21 1:17:11 · 阅读 1.2k Harvey设计哲学：自主但不失控的6条原则，值得每个AI Agent项目借鉴
【免费下载链接】harveyAutonomous AI sales agent powered by Claude Code or Codex. Finds prospects, writes cold emails, sends campaigns, handles replies, books meetings. No API keys needed — runs on your Claude or Codex subscriptions.项目地址https://gitcode.com/gh_mirrors/harvey2/harvey点击查看免费下载Harvey 是一个开源的自主 AI 销售智能体autonomous AI sales agent它会自动寻找潜在客户、撰写冷启动邮件、发送营销活动、阅读回复并推进到预约会议全程跑在你的 Claude Code 或 Codex 订阅上没有额外的模型 API 账单。比起它会自动做什么更值得关注的是它如何保证自动化不失控。这篇文章拆解 Harvey 背后的 6 条设计哲学它们对任何 AI Agent 项目都有借鉴价值。先认识 Harvey跑在你订阅上的 AI 销售智能体Harvey 的核心是一个心跳循环heartbeat loop醒来 → 检查预算 → 决定下一步 → 执行 → 记录 → 睡眠默认每 15 分钟一轮。它由五个各司其职的子智能体组成——Scout打分与个性化、Writer写邮件序列、Sender发送、Handler处理回复、Analyst空闲时做分析定义在 harvey/agents/ 目录。它最特别的一点是成本模型模型调用走你已经在付的 Claude Pro/Max 或 ChatGPT 订阅Codex按次调用、不按 token 计费。这让 Harvey 能想一整天的循环而不用担心 API 账单——前提是要有节制。正是这种既自主、又要省钱的张力塑造了下面 6 条原则。下面是它的本地仪表盘localhost:5555左侧是等待你决策的队列右侧是管道数据启动后它会这样工作Decision: prospect (only 3 new prospects; pipeline needs leads) discover → 41 businesses in Portland, OR ($0.00, OpenStreetMap) profile → 41 sites read, 288 observations (free, no model calls) scout → 12 scored against your ICP Decision: write_campaign (12 new prospects with no drafts) Cycle complete. Sleeping for 15 minutes.注意两点每一步都标了成本且决策是确定性的、可解释的。这背后正是它的设计哲学。Harvey 的 6 条设计哲学速览#原则英文原名一句话理解1Autonomous ≠ unsupervised自主不等于放任给智能体装上护栏2You define a good prospect信号先提议、由你确认人说了算3Deterministic over model能用普通代码解决的就别花一次模型调用4Failure is an observation失败也是一种发现拒绝静默5The DB is the asset数据库才是资产智能体不是6Everything is editable提示词、技能、配置全是纯文本改文件即生效下面逐条展开。原则一自主不等于放任 —— 给智能体装上护栏Autonomous doesnt mean unsupervised.自主不等于无人监督一个能整天空转、还会发出去的 Agent最危险的地方在于它什么时候会替你做决定。Harvey 的答案是多层护栏而且每一层都不依赖模型自觉静默时段quiet hours夜间不活动避免在错误的时间点打扰客户。用量预算budget读取你订阅的真实配额按max_daily_claude_percent留足余量满了就睡一小时再检查。发送上限max_daily_sends每天最多发多少封邮件硬性封顶。审批队列Outbox默认每一封外发邮件都要你批准才能发出。确定性发送前闸门pre-send gate不经过任何模型用纯代码拦截坏邮件。一键急停kill switchharvey sending pause立即停下所有外发。这套审批阶梯 确定性闸门的逻辑正是 harvey/gate.py 在发信前强制执行的未渲染的合并变量、违禁词、超长正文、过多链接、HTML 正文、不可送达的地址、收件人与数据库记录不匹配——任意命中就直接拦下并记录原因。用一句话概括它的态度提示词是地板不是保证约束写在 prompt 里校验写进代码里。 借鉴点给 Agent 的自主空间画边界时护栏要落在确定性的代码里而不是依赖模型应该会守规矩。原则二好客户由你定义 —— 信号先提议、你确认You decide what a good prospect is.什么是好客户由你决定Harvey 知道如何收集 23 种关于一家企业的信号signal它的现有代运营机构、是否在投广告、有没有在线预约、SEO 排名、是否缺 Schema 标记……但它在你确认之前一个都不收集。首次运行时它先提议这份目录见 harvey/signals.py 的SIGNAL_CATALOG每一条都用大白话说明它是什么、成本多少、为什么重要。你在仪表盘或终端里逐个确认、跳过或拒绝harvey signals # 查看目录 harvey signals --confirm free # 打开所有免费的信号 harvey signals --confirm SERP_RANK # 显式打开某个付费信号确认之后仪表盘里的人群构建器cohort builder把这些信号变成一个可查询的目标集合——比如有代运营机构 AND 在投 Google 广告 AND NOT 已有在线预约 → 23 家公司。这带来两个好处每一家为什么在名单里你都解释得清写邮件时 Harvey 也知道该引用哪一条信号。 借鉴点让 Agent提议能力清单、由人来确认而不是开箱即全开。这样花费是刻意为之的结果也是可解释的——一个你自己都解释不清的客户名单你不该往里面发信。原则三能用确定性代码就别用模型If it can be gotten deterministically, dont use a model.能确定性拿到的别用模型这条是 Harvey 能跑在订阅上而不烧钱的根本原因。它把判断和计算严格分开决策是确定性的。心跳里下一步做什么完全由管道里的几个计数推导出回回复 发活动 写活动 拓客 空闲分析见 harvey/main.py 的decide_next_action——不为此额外烧一次模型调用。检索与解析用 Python。找企业、读官网每家公司 3 个 HTTP 请求、无模型调用、学邮箱地址规律全是普通代码。模型只用在真正需要判断的地方给找到的数据打分、写个性化邮件、处理回复的意图分类。换句话说Claude/Codex 被预留给必须用智能的部分其余一律交给廉价、可复现的代码。这就是为什么它能在一个普通订阅内跑一整天的循环。 借鉴点为 Agent 设计一张哪些步骤必须用模型、哪些用代码的清单。默认用代码例外才上模型成本与稳定性都会好得多。原则四失败是一种观察而不是沉默A failure is an observation, not silence.失败是一种观察不是沉默没找到团队页是一个发现Overpass 限流了也是一个发现。Harvey 的设计原则是静默的失败看起来和干净的成功一模一样于是坏掉的一次运行会被误当成这个市场是空的。为此错误不会悄悄消失心跳里连续失败会指数退避60s→120s→…封顶 15 分钟并明确记录第 N 次失败正在恢复见 harvey/main.py。每个阶段发现、画像、富集、验证各自独立运行、可安全重跑、且标明成本某一环出错不会伪装成没找到任何东西。邮箱地址会被诚实地打标verified/riskycatch-all/guess/invalid只有可送达的才会发——一个猜测绝不被当成一次成功。 借鉴点为 Agent 的每一步建立显式失败通道。把没做成功和没东西可做区分开是 Agent 从看着能用走向真的可信的分水岭。原则五数据库才是资产而不是智能体The database is the asset, not the agent.数据库才是资产而不是智能体Harvey 把数据存在本地 SQLitedata/harvey.dbschema 由一个念头驱动每个事实是一行而不是一个列。一家企业的信号不写成companies.has_agency这样的列而是存进observations表的一行带上置信度和来源证据 URL、观察时间。这个设计白拿了四个好处新信号无需迁移——收集器新造一个信号码即可工作。历史是免费的——同一个信号被季度性重复观察本身就成了时间序列它上季度换掉了代运营机构比任何静态事实都更有价值。置信度和出处跟着事实走而不是被覆盖时丢掉。人群就是一个查询——集合交集发生在 SQL 里而不是在应用代码里。词表还是受治理的数据库触发器会拒绝任何不在signal_codes表里的signal_code一个笔误会大声失败而不是悄悄造出一个垃圾信号。相关逻辑见 harvey/state.py。 借鉴点把 Agent 学到的东西沉淀成带置信度与出处、可随时间累积的结构化数据而不是只存在对话历史里。数据会随时间复利智能体本身不会。原则六一切皆可编辑 —— 不用写代码就能改变它Everything is editable.一切皆可编辑Harvey 的销售知识不在代码里、不在向量库里而是skills/目录下你可以直接编辑的纯 Markdownskills/email_frameworks.md —— 冷邮件框架AIDA、PAS、BAB 等与像真人写邮件的硬性规则skills/objection_handling.md —— LAARC 异议处理循环skills/sales_methodology.md —— 销售方法论与伦理边界智能体运行前它需要的技能会被直接拼进提示词。改一个文件下一次心跳的行为就变了——不用重启、不用改代码。子智能体的系统提示词同样是 prompts/ 里可编辑的 Markdown而哪个智能体加载哪些技能由 harvey/brain.py 里的一张映射表决定编辑映射即可调整。行为配置则是两个纯文本文件harvey.yamlHarvey 是谁、卖给谁、渠道与用量上限和.env凭据。仪表盘本身也是harvey/web/里无构建步骤的 HTML/CSS/JS改app.css刷新即可。 借鉴点把知识 / 提示词 / 行为参数从代码中抽离成用户能读懂、能改的纯文本非开发者也能重塑 Agent 的行为。如何上手 Harvey想亲手验证这 6 条原则按下面几步即可仓库为只读仅供学习参考git clone https://gitcode.com/gh_mirrors/harvey2/harvey cd harvey python3.13 -m venv .venv source .venv/bin/activate pip install -e . harvey train https://your-company.com # 让它学会你的产品 harvey signals --confirm free # 确认要收集的信号 harvey discover # 免费源找企业 harvey run # 启动心跳循环 harvey dashboard # 打开 localhost:5555Microsoft 365 邮箱用户的配置细节见 docs/microsoft365.md。写在最后把自主拆成可验证的护栏Harvey 的价值不在于它会自己卖东西而在于它把自主拆解成了一组可验证、可解释、可随时拉闸的机制人在回路原则二、一、成本可预测原则三、失败可见原则四、数据可积累原则五、行为可调整原则六。如果你正在做自己的 AI Agent 项目不妨用这 6 条当一份自检清单你的 Agent 自主时有没有护栏它的目标由谁定义哪些步骤其实不必用模型失败会不会被静默吞掉它学到的东西能不能沉淀下来用户改它的行为要改多少代码答得上来你的自主才接近自主但不失控。本文基于 Harvey 开源项目的 README、harvey/源码与skills/、prompts/整理供学习交流。赞分享【免费下载链接】harveyAutonomous AI sales agent powered by Claude Code or Codex. Finds prospects, writes cold emails, sends campaigns, handles replies, books meetings. No API keys needed — runs on your Claude or Codex subscriptions.项目地址https://gitcode.com/gh_mirrors/harvey2/harvey点击查看免费下载相关推荐Fedora-Hyprland快速入门如何在Fedora上轻松安装HyprlandFedora Hyprland快速入门如何在Fedora上轻松安装Hyprland Fedora Hyprland是一款专为Fedora系统设计的自动化安装脚为什么InferenceX的测试哲学值得所有AI基准项目借鉴AGENTS.md行为测试清单完整解读为什么InferenceX的测试哲学值得所有AI基准项目借鉴AGENTS.md行为测试清单完整解读 InferenceX 是一个持续在 GPU 集群上基准测试人工智能大模型模型评测性能测试如何优雅抢 B站会员购门票biliTickerBuy 三步跑起来如何优雅抢 B站会员购门票biliTickerBuy 三步跑起来 biliTickerBuy 是一款开源免费的 B站会员购票辅助工具专门解决漫展、热门演出开CLI桌面应用RPA上一篇Rime输入方案和配置列表项目常见问题解决方案下一篇几百份 PDF 一次搞定去限制、并扫描件PDFPatcherPDF 补丁丁免费完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考