北京时间8月20日，OpenAI发布《Codex as a platform: build on the open agent harness》，介绍开发者如何基于开源的Codex Harness构建自己的Agent应用。

Codex App、CLI和IDE扩展使用同一套底层Harness。它负责管理会话状态、上下文、工具调用、沙箱和人工审批。开发者可以通过codex exec、SDK或app-server，把这些能力接入企业已有的操作台、客服系统、安全工具和内部应用。

五天前，北京时间8月14日，DeepSeek刚刚开源DeepSeek Harness，简称DSH。DeepSeek还为它单独开设了微信公众号，用一只黑色鲸鱼作为标识，与模型产品沿用的蓝色鲸鱼区别开。

截至8月20日，DSH在GitHub获得约17.37万颗Star和1.88万次Fork。相关帖子登上Hacker News，得到744分和310条评论。DSH还在Preview阶段，在几天内获得了远超普通开发工具的关注。

为什么一套尚未成熟的Harness会吸引这么多开发者？OpenAI这次把Codex进一步定义为“平台”和“开放的Agent Harness”，相比过去提供的接入方式，究竟增加了什么？Harness过去主要服务于模型公司自己的Agent产品，为什么头部模型公司开始主动开放Harness？

这几个问题背后，AI的主战场之一，也开始延伸到了“Agent运行时”。

01

OpenAI开放了哪些能力

2025年10月6日，OpenAI宣布Codex正式GA时，同步推出Codex SDK。开发者可以把CLI背后的Agent放进自己的工具和工作流。codex exec后来被用于脚本和CI任务，app-server又开放线程、回合、事件流和审批协议，让第三方应用能够保持长期会话。

2026年1月，OpenAI还专门拆解过Codex的Agent Loop，包括模型如何接收指令、调用工具、读取执行结果，再进入下一轮推理。这些能力在DeepSeek发布DSH之前已经存在。

在最新博客中，OpenAI把这些能力统一概括为Codex Harness，并明确鼓励开发者用它构建自己的产品。Codex的定位由App、CLI和IDE中的编程Agent，继续向企业应用的底层执行系统延伸。

开发者媒体ExplainX作者Yash Thakker用了一个形象的比喻：App、CLI和IDE扩展像同一栋楼的三个入口，OpenAI这次想让开发者关注整栋楼。他认为，这种定位也让Codex开始与Claude Agent SDK进入更直接的比较。

OpenAI还给出一组数据，说明Harness会怎样影响同一个模型的实际表现。

在ARC-AGI-3测试中，GPT-5.6 Sol单独运行时得到13.3%的分数。加入Codex Harness的持续推理和上下文压缩后，分数升至38.3%，输出Token减少到原来的约六分之一。

OpenAI在博客中列举了几项已经公开的应用：Cisco将Codex SDK用于Cisco Cloud Control中的App Builder；GitHub和JetBrains把Codex接入现有IDE工作流；Thrive Holdings与Crete将Codex用于税务准备，一项试点处理了7000份纳税申报表，报税准备时间缩短约三分之一。

图：OpenAI展示的物流运营场景。Codex被嵌入业务控制台，帮助调查异常订单。

在这些案例中，企业的代码、客户数据、内部工具、审批和任务记录会经过同一套“运行时”。Codex如果成为默认的Agent底座，OpenAI就更靠近真实工作流，也更靠近由这些工作流产生的模型调用。

02

黑色鲸鱼的挑战

DSH的开放更为彻底，它把模型、工具、技能、会话、沙箱、存储、Agent Loop、调度和UI全部做成插件，底层由Cordis管理挂载、卸载和依赖关系，“一切皆插件。”

两者的差别主要在于开放的程度，如果用制造一个汽车做比喻，Codex把核心的发动机调教好了，你可以接入其它非核心组件，但需要和这个发动机适配，DSH允许开发者连发动机都自己来组装。

但DSH并不是第一个开放程度如此高的Harness。

比如Pi Harness采用MIT许可证，也提供Agent Loop、工具调用、状态管理和多模型接口。它的核心更小，许多外围能力交给扩展。

在一些开发者看来，技术上的可改造性并不足以解释DSH的独特价值。创业公司当然可以从DSH出发，换上自己的模型、界面、工具和权限系统，搭出一款类似Codex或Claude Code的产品。但同样的事情也可以从Pi、OpenCode或其他开源项目起步。

DSH的特点，是做了统一的插件结构。模型适配器、Session、存储、沙箱和Loop遵循同一套Cordis机制，开发者替换底层组件时，尽量不需要维护一份与上游长期分叉的源码。

图：DeepSeek Harness将运行能力组织成插件，开发者可以查看、替换和重新组合不同组件

Pi Agent的主要开发者、Flask作者Armin Ronacher说DSH并不完美，但这是他第一次看到这个领域的新项目后，产生了重新审视Pi部分设计选择的想法。

这套架构很有新意，但离生产环境还有距离。DSH作者之一Tianyi Cui在Hacker News上提醒，当前只是早期预览版，会有不少粗糙之处，也会出现破坏兼容性的修改。

但开发者的实际评价明显分化。一名开发者检查代码后估算，DSH包含约45.3万行代码和219个包，肯定了它的执行日志和沙箱设计，也批评首个公开版本只有一笔压缩后的Git提交，Benchmark材料不足，不利于外部开发者理解项目演进。

Reddit上的试用反馈则集中在性能与成本：有人认为DSH可以充分发挥DeepSeek模型能力，但速度慢、Token消耗高，产品说明和插件用途也不够清楚。这些属于个人测试结果，不能外推为普遍结论，却说明可改造性并没有自动解决使用成本和成熟度问题。

国内社区参与内测的开发者称，约300名测试者在两周内完成了200多个插件；正式发布两天后，社区整理的精选列表已经收录270个插件，随后又出现了Web UI、移动端控制、模型适配、额度监控和插件市场。

争议也随之出现。有人质疑大量插件只有简单说明、缺少真实用户评分，质量参差不齐；也有人提醒，UI和远程连接插件一旦出现兼容问题，用户必须具备回滚和排错能力。国内社区目前扩展速度很快，但是质量筛选、版本兼容和安全审查都还没跟上。

万颗Star证明了开发者愿意研究这套“新东西”，但还难以证明，在企业生产端，真正有用户愿意把关键工作交给它。

03

模型厂为什么必须做Harness？

DSH允许开发者“任意插拔”，但一名大模型开发者并不建议公司在生产场景轻易投入底层改造。

“除了交互流程优化，其他方向碰都不要碰Harness。”他说。

他的理由是，Harness很难形成一套长期稳定的最优方案。模型仍在快速变化，不同模型需要的执行策略也不相同。有些模型适合先完成规划，再调用工具；有些模型需要边执行边修正。同一组工具交给不同模型，稳定性也可能出现明显差异：一种模型可以同时处理几十个工具，另一种模型可能随着工具数量增加迅速失去控制。

模型公司在这方面拥有天然优势。“Codex好在光速前进。”这名开发者说，“它建立在OpenAI的模型能力上，模型更强。DSH短时间内很难超越。Harness离开模型能力，其实是没意义的。Deepseek关键还是要提高模型能力。”

既然Harness难以形成独立壁垒，DeepSeek为什么还要单独开源、单独做品牌？

“对模型厂来说当然需要。”一名大模型开发者给出的答案是闭环，“模型公司可以拿Harness反馈的数据优化模型。”

这里的数据需要准确理解。用户是否允许任务记录用于训练，要看隐私政策。但模型厂可以获得另一种非常有价值的反馈：用户在什么任务上失败，工具调用卡在哪里，一次任务重试多少次，哪种上下文策略消耗最少Token。

过去，DeepSeek只提供API时，任务运行在Claude Code、Codex等外部Harness里。DeepSeek能看到模型请求，很难完整理解请求之前发生了什么，以及模型输出之后任务有没有真正完成。

DSH可以让DeepSeek同时观察模型和运行过程，也让模型团队可以围绕真实任务调整工具调用、推理策略和下一版Harness。对模型厂来说，Harness是一条产品和能力的闭环。

流量是另一层收益。

DeepSeek目前没有推出官方Token Plan，主要通过API收费。OpenCode Go、Cola等第三方平台把DeepSeek API重新包装成月费套餐，掌握了用户入口，也承担重度用户击穿套餐成本的风险。

有了DSH，DeepSeek可以更准确地计算一个Session运行多少轮、缓存命中率怎样、无效重试消耗多少Token，哪些步骤用Flash，哪些步骤调用Pro。大胆猜想一下，如果它未来推出托管版DSH或订阅套餐，计费单位可能从API Token转向例如每五小时额度、任务数量、并发和Pro模型使用量。但是目前还没有证据显示DeepSeek已经决定这样做。

04

运行时之战

DSH发布之前，中国模型公司已经开始建设自己的Agent执行系统。

月之暗面的产品最早叫Kimi CLI。官方变更记录显示，2025年9月14日发布的0.8.0版本已经包含Shell工具、基础系统提示词、上下文统计和Agent Loop；10月31日，月之暗面正式发布Kimi CLI技术预览。此后，这套产品逐步升级为现在的Kimi Code。

Kimi Code是一款运行在终端中的编程Agent。它负责管理上下文、调用工具、读写文件、执行命令，并根据执行结果继续规划下一步。从功能定义看，它已经具备完整Harness；当前代码采用MIT许可证，也支持接入其他兼容模型，开发者可以基于源码、SDK和自定义Agent机制继续改造。

图：Kimi Code是一款开源编程Agent，能够在终端中管理上下文、调用工具并连续执行任务

它与DSH的差别主要在架构目标。Kimi Code首先提供一套可直接使用的编程Agent，开放源码让开发者修改现有产品。DSH把模型、工具、会话、存储、沙箱和Agent Loop都定义为独立插件，希望开发者沿着这套接口重新组合运行时。两者都可以被Fork，也都能成为专用Agent的基础；DSH提供了更细的组件边界，适合需要频繁替换执行策略的开发者。

2026年6月16日，智谱在GLM-5.2发布文章中首次介绍ZCode；7月1日，ZCode正式对外发布，比DSH早约六周。

ZCode是一款围绕GLM模型开发的Agentic Development Environment，也就是带有自主执行能力的开发环境。它拥有自研ZCode Agent，负责管理任务、上下文、终端、文件、权限和代码审查。从功能上看，ZCode内部同样运行着一套Harness；但根据目前公开信息，智谱没有开放这套核心运行时的源代码。它提供插件、Skill和MCP扩展能力，开发者可以增加工具和工作流，却不能像修改DSH那样重写底层Agent Loop。

图：智谱的ZCode是一款围绕GLM优化的Agentic Development Environment，内部运行自研ZCode Agent

因此，Kimi Code和ZCode都可以在广义上被称为Harness，因为它们都负责驱动模型完成连续任务。若把“真正意义上的Harness”限定为可独立嵌入、可更换模型、可以修改执行循环的通用运行时，三者的开放程度便有明显差异：ZCode更接近GLM的官方执行环境；Kimi Code是开源的编程Agent及其运行系统；DSH直接把可拆解、可重组的Harness作为产品主体。

从这个意义上看，模型公司向执行层延伸早已发生，DSH反而是最晚的。DSH带来的新变量是开放深度。Agent时代，“运行时”和入口竞争同样重要。