PipelineLoop 任务循环
自研 ReAct 主循环 + 中间件链：预算控制、上下文规划、停滞检测、错误恢复按需组合，长任务稳定推进。
AI 时代，你的数据安全基座
企业级 AI 智能体执行引擎，核心是自研 PipelineLoop 架构：任务循环、上下文管理、多模型容灾、技能与工具生态全部内置；引擎与数据运行在企业自己的环境里。
01 — 自研引擎
不是把请求丢给模型 SDK 的黑盒调用，而是自研的中间件驱动执行循环：每一步都经过可插拔的中间件链，行为可控、过程可观测。
任务未完成？回到下一轮，直到拿到结果
12 个内置中间件，可按业务插拔组合
把请求直接交给模型 SDK：中间发生了什么看不见，出错只能整体重试，行为无法按业务干预。
每一次模型调用与工具执行都经过中间件：预算、护栏、恢复策略按需挂载，过程可追踪、可复盘、可干预。
02 — 核心能力
从任务循环到工具生态，做 AI 应用需要的基础件这里都有。
自研 ReAct 主循环 + 中间件链：预算控制、上下文规划、停滞检测、错误恢复按需组合，长任务稳定推进。
按模型解析上下文预算，自动压缩与裁剪历史，长对话、大文档场景下依然有条理。
兼容 OpenAI 协议的多模型客户端与 Fallback 链路，主模型不可用时自动切换，业务不中断。
工具注册表 + 标准 Agent Skills（SKILL.md）+ MCP 客户端（本地 stdio / 远程 Streamable HTTP）。
守卫与安全中间件、子 Agent 编排、关键操作原地等待人工确认，复杂流程有边界、有刹车。
SSE 流式输出、持久化事件与断点续跑，配合 trace 追踪，执行过程可观测、可复盘。
03 — 安全与可控
从部署方式到模型选型，数据边界由企业自己决定。
引擎、技能与工具链全程运行在企业自己的服务器或内网环境，数据与执行闭环留在内部。
兼容 OpenAI 协议，可接入私有化部署模型；对数据边界敏感的场景，敏感数据不出内网。
ask_user 人工确认节点：涉及重要数据或外部动作的步骤，原地等待人工把关再继续。
自研 Go 引擎，依赖闭包最小化，无黑盒框架；事件、trace 与运行状态全程留痕。
04 — 可嵌入的基座
LingHarness 是独立的 Go module，服务端、桌面端或内部系统都能直接引用；模型、工具与部署方式自主选择，业务能力自己掌握。
// 直接引用核心引擎
import (
"harness.czlytech.com/harness"
"harness.czlytech.com/skill"
"harness.czlytech.com/llm"
)
// 注册工具、挂载中间件，
// 即可跑起自己的 AI 智能体。经真实企业级 Agent 项目验证的底层运行时
05 — 适用场景
知识问答、文档处理与流程查询，基于企业自己的资料库作答，数据不上外网。
审批、工单、报表等流程接入智能体，人工确认节点兜底，自动化有边界。
对数据边界要求高的企业，私有化模型 + 内网部署，让 AI 可用又可管。
以基座为底，构建企业自己的 AI 产品与服务，能力沉淀在自己手里。