從 Codex Harness 開源，看 AI 公司的護城河是什麼？

本文作者： 李娜 2026-09-30 16:24 導語：技術領先非護城河，開源意在沉澱轉換成本、規模與反饋。8 月 19 日，OpenAI 正式開源了 Codex Harness。這家公司名字裡的 Open，久違地兌現了一次。（(公眾號：)）長期深耕 Agent Harness 的開發者群體對該消息的普遍反饋是“振奮”。因為過去只有少數頂尖 Agent 產品掌握的 Harness，現在終於開始向更多開發者和企業開放了。隨著 Codex 等最佳實踐的開源，Harness 正在經歷從“私產”到“公器”的轉化，其本身的稀缺性，正在快速下降。

這也是 OpenAI 為什麼終於“Open”了一回的重要原因。當頂尖 Agent 產品積累的 Harness 方法論不斷擴散，Codex 這樣的最佳實踐也正式開源，開發者便可以站在現成的 Agent Runtime 上繼續開發。過去許多公司依靠 Harness Engineering 建立起來的技術領先，也會更快被行業學習和複製。那究竟什麼是 Harness？

對於不太熟悉這個領域的朋友，可以用一個極簡公式來理解這個概念：Agent = Model + Harness如果說模型是輸出原始推力的“發動機”，那麼 Harness 就是將這種不確定推力轉化為確定性輸出的“傳動系統”和“調壓站”，負責把智能組織成可以持續完成交付任務的系統，其中包括管理模型的上下文、調用工具、保存狀態、控制權限，也要在任務失敗後繼續推進。在Chatbot時代，模型原本只能一輪一輪地回覆，頂多起到一個解答問題，提供情緒價值的作用。但是在經過 Harness 的組織後，我們才能開始利用模型的智能去實際交付產出。Harness 的核心價值不再是智能，而是“治理”。

當我們評價一個 Agent 能力時，只看模型是不夠的，同一個模型放進不同套 Harness，最終表現可能相差很大。從去年 Claude Code，再到今年爆火的 Codex，已經有許多 Agent 產品證明了一套優秀的 Harness 系統加上頂級模型是能夠釋放巨大的商業潛力。現在，開發者每月排著隊為這類產品支付幾十甚至幾百美元，而付費用戶也不再侷限於開發者，越來越多的白領、知識工作者和企業主開始為 Agent 產品買單。市場中已經出現了極端的商業案例：有小企業主為某款 Agent 產品支付了單週近 10 萬元的費用。

他們之所以願意支付這麼高的費用，是因為這項Agent切實幫助他獲得了遠超成本的收入。剛剛是從收益角度衡量Harness的機制，從成本測出發，一套更設計的 Harness 還可能在任務質量接近的情況下，降低 Token 消耗，改善投入產出比。最近，Databricks 最近在自己的數百萬行代碼庫上做了一次內部測試(https://www.databricks.com/blog/benchmarking-coding-agents-databricks-multi-million-line-codebase)。

測試任務來自公司內工程師真實完成過的工作，覆蓋 Python、Go、TypeScript 和 Scala 等語言，比常見的公開 Benchmark 更接近大型公司的日常開發流程。其中一組實驗直觀展示了 Harness 對成本的影響。Databricks 在相同模型、相同推理強度下，分別用 Claude Code、Codex 和更輕量的 Pi 三種 Harness 完成同一任務。結果顯示，三者完成質量接近，但單任務成本最高相差兩倍以上。原因在於 Pi 每輪送入模型的上下文量約為 Claude Code 或 Codex 的三分之一，所需輪次也更少。

這些產品與測試都說明，Harness 會直接影響 Agent 的體驗、成本和商業價值。按常理，這樣的技術理應成為公司的最核心資產，並且對外嚴防死守。但是，在過去兩週發生的事情卻恰好相反，頂尖模型廠商開始主動開源自己的 Harness。八月中旬，DeepSeek 率先開放 DeepSeek Harness；不到一週，OpenAI 也開放了支撐 Codex App、CLI 和 IDE Extension 的 Agent Harness。比如，Cisco 將 Codex 引入複雜的企業工程環境。

Thrive Holdings 則與 OpenAI 合作，把 Codex 應用到稅務工作流中，參與處理了 7000 份報稅材料，覆蓋 30 多家會計師事務所，幫助從業者將準備的工作時間縮短了約三分之一。同一套 Agent 執行能力，已經開始進入代碼託管平臺、IDE、企業工程環境和專業服務流程。對於仍在從頭搭建通用 Agent Harness 的創業公司，這會直接改變競爭的格局。Codex 負責人 Tibo 的態度更耐人尋味。他甚至判斷，再過兩三個月，今天這套Codex Harness 也會顯得原始。圖：Tibo 演示把 GPT-5.6 Sol接入 Claude Code Harness。

Tibo 判斷今天的 Codex Harness 會在兩三個月後顯得原始以上一系列信號指向一個問題：技術領先，能成為一家公司的護城河嗎？為了評估 Codex Harness 的真實價值，需要從“功能解剖”與“實戰演練”兩個維度切入：先搞清楚 OpenAI 這次Codex Harness 開源到底開放了什麼？再用這套開源 Harness 實際做一個真實產品demo。只有通過深度的實戰測評，才能更具體地理解 OpenAI 為什麼選擇在這個時間點開源 Codex Harness，以及它想通過這次開源完成怎樣的戰略轉換。01OpenAI 為什麼把 Codex Harness 開源了？

OpenAI 在官方文章裡用一句話概括了這次開放的核心：The reusable part is the agent loop.這句話也劃清了本次開源的邊界。OpenAI 開放的是 Codex 用來持續執行任務的 Agent Loop，也就是支撐 Codex App、CLI 和 IDE Extension 運行的那一層 Harness。開發者現在可以查看它的實現，也可以通過 SDK 和 App Server，把任務管理、工具調用、事件回傳和人工審批等能力接進自己的產品。Codex 使用的模型仍然由 OpenAI 提供，背後的雲端服務也沒有隨代碼倉庫一起開放。

開發者拿到的是模型之外那套可以重複使用的 Agent Runtime。技術拆解顯示，在眾多的接入入口中，其中最值得關注的是 Codex App Server。你可以把 App Server 理解成 Codex 與外部產品之間的連接層。過去，用戶主要在 Codex 自己的界面裡發起任務；現在，開發者可以把同樣的執行能力接進自己的產品：啟動任務、讓 Codex 持續執行、接收輸出和工具調用，也可以在中途暫停，等待用戶確認後繼續。在 App Server 裡，一項持續進行的任務叫 Thread，其中每一輪具體執行叫 Turn。

比如，“審核完這篇文章並生成修改稿” 可以放在同一條 Thread 裡：第一輪 Turn 只讀檢查文章，用戶確認以後，下一輪 Turn 再生成修改稿。對開發者來說，他們再也不必把業務流程遷進一個通用聊天窗口。團隊可以保留已有的控制台、編輯器、任務隊列和審批流程，再決定 Agent 能讀取哪些數據、調用哪些工具、在哪裡運行，以及什麼操作必須經過人工確認。OpenAI 官方展示的物流控制台 Relay，就是開源 Harness 如何進入現有業務系統的一個具體案例。工作人員面對的仍然是熟悉的訂單、運輸狀態和異常處理按鈕。

Codex 在後臺分析問題並調用應用提供的 MCP 工具，涉及生產數據寫入時，再把決定交給工作人員。0220 分鐘做出一個 Agent：Harness 開源到底降低了什麼門檻？圖：OpenAI Codex 的公開倉庫。Codex CLI、核心 Runtime、SDK 和文檔都在同一個項目中持續維護。隨著 Codex Harness 的開源，一個行業核心假設亟待驗證：開發者能否直接利用這套 Harness，從一項真實的業務需求出發，快速做出一個可以交給用戶使用的 Agent 產品？實驗選擇從一個長期困擾自己的需求開始，做一套文章審核工作臺。

在內容生產的典型場景中，Agent 承擔著核對事實、糾正技術定義及區分立場等高頻需求。在實測中，通過加載定製化的審核 Skill，這一流程在 Codex 體系下表現得非常絲滑順手。可一旦想把這項能力交給其他內容創作者，事情就麻煩了。大部分用戶不想研究 Prompt，也不瞭解 Skill 和底層接口。大部分用戶需要的是一套簡單操作流程，選中一篇文章，點擊開始審核，看見系統正在做什麼，讀完審核結論，再決定是否生成修改稿。過去要做這樣一款產品，團隊通常需要先用 LangGraph、Agno 或 Pi 等框架搭建 Agent 的運行系統。

模型怎樣讀取長文，什麼時候調用搜索和本地工具，多輪任務怎樣保持狀態，執行過程如何回傳前端，文件寫入如何等待審批，任務中斷後怎樣繼續 —— 這些通用能力都需要逐項實現、調試和優化。等到整套系統穩定下來，產研團隊才有精力處理真正影響業務價值的問題。依託開源的 Codex Harness，開發者的重心得以發生根本性偏移：從繁瑣的底層工程重構，轉向對產品核心價值（如審核標準、交互邊界）的定義。以下是驗證該邏輯的產品需求 Prompt 範例：基於https://github.com/openai/codex Codex App Server構建一個面向內容創作者的文章審核臺。

用戶可以選擇一篇待發布文章，啟動 AI 審核，並看到完整的執行軌跡。第一輪審核必須保持只讀。界面需要展示當前任務狀態、審核結論、工具調用與執行事件、文件修改數量，以及寫入前的人工審批按鈕。只有用戶明確批准以後，Codex 才能另存一份修改稿，不能覆蓋原文。圖：這次構建從產品需求開始，描述了目標用戶、核心流程、需要展示的信息和寫入權限，沒有重新設計一套 Agent Loop。Codex Harness 已經解決了任務怎樣持續執行、工具怎樣被調用、權限怎樣被控制這些通用問題，剩下真正需要開發者設計的，反而都是更靠近業務的部分。

比如，Codex 底層會產生大量命令、搜索和文件事件，但普通創作者不需要理解這些東西。更重要的是，在實際場景中，開發者還需要告訴 Codex，什麼才算真正審核好一篇文章。這部分工作的難度和工作量不亞於開發一套穩定的 Harness，但它對最終產品價值的貢獻更加直接。開源的 Codex Harness 省掉了重複搭建通用執行系統的時間。開發者可以把省下來的精力直接用於打磨審核標準、信息呈現和權限邊界 —— 這些才是真正決定產品價值的部分。不到 20 分鐘，這個文章審核工作臺 Demo 就端到端跑通了。

最終 Demo 的頁面很簡單，包括文章路徑、“開始審核”按鈕、審核結論，以及一條展示執行過程的事件流。頁面通過本地 WebSocket 代理連接 codex app-server。用戶點擊“開始審核”後，系統啟動第一輪 Turn，只讀取文章和資料，不修改任何文件。圖：頁面右上角顯示 Harness 已連接。此時還沒有啟動任務，Observer 中的事件、工具調用和文件修改都為 0。圖：左側持續輸出審核判斷，右側展示已經發生的工具調用。第一輪保持只讀，因此文件修改數量始終為 0。實測反饋顯示，即便是不具備 Prompt 經驗的非技術人員，也能在無需指導的情況下完成任務。

這證明了 Harness 開源的核心價值：將 AI 能力從“專家級配置”降維為“普通用戶交互”。開發者不再需要從零構建複雜的 Agent 循環，只需在成熟的執行層之上疊加一層面向場景的應用界面。審核完成以後，真正寫入文件以前，產品把決定交還給用戶這會給新一批 Agent 創業公司和企業內部開發者帶來很大的價值。創業公司可以用更低的工程成本驗證垂直場景，企業開發者也能更快地把 Agent 接進客服、財務、法務、內容和研發等現有流程。現在，他們不需要推翻原來的產品和業務邊界，只需要接入 Codex 的任務執行能力，再根據具體場景設計它的工作方式。但門檻降低從來都有兩面。

當越來越多開發者可以直接使用一套成熟的 Harness，原本需要長期積累的工程能力，也會迅速變成一種隨手可得的基礎設施。回頭文章開頭的問題，如果 Harness 不再稀缺，競爭優勢會轉移到哪裡？03技術領先為什麼還不是護城河？過去一年大模型行業已經反覆證明，模型能力的領先窗口非常短。新的模型發佈以後，Benchmark 會被刷新，推理成本會下降，蒸餾、合成數據和訓練方法會迅速擴散，原本只有頭部閉源模型才能完成的任務，會逐漸進入更便宜的模型，甚至進入開放權重模型的能力射程範圍。今天，Claude 模型在 Coding 和 Agent 場景裡依然處於最強梯隊，但領先本身並不等於長期壁壘。

Kimi、GLM、DeepSeek 等廠商都在持續追趕，並且開源模型權重。雖然，和 Anthropic SOTA 級別的模型之間當然還存在差距。判斷這項領先是否具備長期價值，還要看差距能夠維持多久，以及競爭者需要付出多大成本才能追上。最近的模型競爭裡，能力與成本之間的關係越來越重要。當模型能力接近以後，誰能用更低的推理成本和更高的效率，把相近的能力交付給更多用戶，就會獲得更大的市場空間。現在來看，Harness 也在經歷同樣的價值稀釋過程。一年前，一套優秀的 Agent Harness 還需要大量內部工程經驗及和燒過大量的TOKEN才能總結沉澱下來。

今天，OpenAI 已經可以把其中的通用能力直接開放給開發者。模型也一樣，今天只有頂尖模型才能完成的任務，可能在下一代模型發佈後迅速變成標準能力。但如果 Anthropic 能利用這段技術領先所爭取到的時間窗口，贏得更多開發者的認可，讓 Claude Code 進入越來越多大型組織的研發流程，企業也開始圍繞 Claude 建立權限、數據、評估體系和使用習慣，甚至參與制定行業規範，並進一步影響有利於自身發展的政策，那麼情況就大大不同了。這些優勢雖然形成得更慢，卻更難被競爭者在下一次模型發佈時一併“蒸餾”。討論到這裡，技術領先的價值已經不用贅述了。

對於企業更難回答的問題是，一家公司怎樣把階段性的技術領先，變成競爭者長期難以複製的優勢。在投資領域，人們通常用 “護城河” 描述這種能夠長期抵擋競爭的能力。要判斷技術領先能不能變成長期優勢，可以借用 Hamilton Helmer的7 Powers 框架。Helmer 給出的判斷標準其實很簡單：一項優勢必須同時具有Benefit和Barrier。047 Powers：什麼樣的技術優勢才不會被複制？

7 Powers 是投資人、戰略學者 Hamilton Helmer 提出的一套競爭戰略框架，整套理論試圖回答一個問題：面對同樣聰明、行動迅速，而且全力競爭的對手，一家公司為什麼還能長期獲得顯著的超額回報？Hamilton Helmer 的《7 Powers》Helmer 把支撐這種結果的競爭結構稱為 Power，也可以理解為能夠長期存在的護城河。一項優勢能被最後認定為 Power，必須同時通過兩項檢驗：Benefit，收益。它確實能讓公司多賺錢，比如提高價格、降低成本、加快增長，或者讓客戶留得更久。Barrier，壁壘。對手即使知道你在做什麼，也很難複製；或者複製時需要付出高昂代價。

能創造收益卻容易複製，領先會隨著競爭者追上而消失。難以複製卻不能改善經濟結果，守住它也沒有太大意義。Benefit 和 Barrier 同時成立，優勢才有機會變成 Power。Helmer 在書中總結了七種反覆出現的 Power：這七種 Power 的來源不同，判斷標準卻一致，都必須同時具備 Benefit 和 Barrier。用這套標準回看本文的問題，技術領先本身算不算一種 Power？在 AI 行業裡，幾個月的領先就足以改變競爭格局。模型效果更好，可以更早吸引開發者和企業客戶；Harness 更成熟，也可以讓模型承擔更長、更復雜的任務。從 Benefit 看，技術領先的帶來的價值是巨大的。

可問題在於，Benefit 只是 Power 的一個條件。如果這種領先會隨著模型迭代、人才流動和工程經驗擴散被競爭者快速追上，那麼它帶來的收益雖然真實，卻未必擁有足夠強的 Barrier。這種領先更應被視為一種階段性紅利，也是一股勢能。但這種勢能會衰減——論文會傳播，人才會流動，工程實現會被複刻，代碼也可能被主動開源。真正重要的是，公司能不能利用這段領先窗口，把暫時的技術優勢進一步沉澱成更難複製的 Power。技術領先只有完成這一步轉換，才真正開始具有護城河的意義。偉大的科技公司往往同時運行兩個循環：一邊把上一輪技術領先沉澱成 Power，一邊繼續創造下一輪技術領先。

前者提供長期優勢，後者不斷創造新的時間窗口，而已經形成的 Power 又反過來為下一輪研發提供資金、數據、人才和應用場景。有了這套判斷標準，再看 Codex Harness 開源，如果暫時技術領先只提供了一段勢能，OpenAI 接下來真正需要證明的就是這段勢能能否繼續沉澱為更持久的 Power。05OpenAI 放棄 Harness 的稀缺性想換來什麼？OpenAI 開源 Codex Harness，直接降低了 Harness 實現本身的稀缺性。前文提到的 Databricks 測試已經說明，外部團隊可以使用更輕量的 Harness，在部分任務上以更低成本達到接近的完成質量。

競爭者並不需要 1:1 復刻 Codex。只要在特定任務裡做到質量接近、成本更低，就足以削弱 Codex Harness 的技術稀缺性。但開源也讓 Codex 獲得了更大的分發範圍。在前面的實測裡，幾乎沒有重新實現 Agent 的執行系統。Codex App Server 已經提供了 Thread、Turn、工具調用、事件回傳和人工審批等基礎能力。只需要通過 WebSocket 接收執行事件，再圍繞文章審核設計界面、審核標準和權限邊界，不到 20 分鐘就跑通了一個可以交給普通用戶試用的產品。這件事對開發者的直接價值是降低構建 Agent 產品的工程門檻。

對 OpenAI 來說，價值則在於讓 Codex 從一個面向最終用戶的產品，進一步變成其他產品可以複用的執行層。按照 7 Powers 的標準，OpenAI 接下來需要證明兩件事：這種開放能夠帶來什麼 Benefit，以及它能否進一步形成競爭者難以複製的 Barrier。首先是轉換成本。在 Demo 裡，接入 Codex Harness 還很輕，只需要處理文章路徑、事件流和寫入審批。但放進真實企業以後，接入對象會複雜得多。Agent 需要連接企業的代碼庫、內部工具、權限體系、評估集、部署環境和審批流程。

團隊還要決定什麼數據可以讀取，哪些操作必須經過人工確認，任務失敗後怎樣恢復，以及執行結果如何進入原來的業務系統。這些工作最終會沉澱為一套圍繞 Codex 建立的配置、評估標準、歷史任務和組織流程。當企業更換底層 Harness 時，需要遷移的就不只是一套代碼接口，還包括已經運行在上面的工作方式。Codex Harness 接入得越深，更換系統的成本就越高。開源降低了第一次接入的門檻，深入使用則可能逐漸形成轉換成本。第二層是規模經濟。Codex Harness 雖然開放，但它和底層模型之間仍然存在大量協同。

模型怎樣理解工具描述、怎樣壓縮上下文、什麼時候繼續執行、什麼時候請求審批，都需要 Harness 與模型共同優化。我在 Demo 中看到的 Thread、Turn 和事件流，表面上是產品接口，背後每一次審核、搜索和工具調用都會產生模型推理需求。當更多開發者直接基於 Codex App Server 構建產品，OpenAI 獲得的也不只有更多 Harness 用戶，還可能包括更多模型調用和更豐富的真實任務。如果規模擴大能夠提高推理基礎設施的利用率，並幫助 OpenAI 持續優化模型與 Harness 的配合方式，開放 Harness 就可能進一步形成模型層面的規模經濟。

當然，這條鏈路能否成立，最終仍然要看新增調用能否真正轉化為更低的單位成本。第三層是獨佔資源。前面的文章審核 Demo 會產生一條完整的任務軌跡：Codex 讀取了什麼資料，調用了哪些工具，在哪一步請求人工審批，用戶是否接受審核結論，以及修改稿最後有沒有被採用。類似的軌跡如果出現在代碼、財務、法務和客服等專業場景中，其中會包含大量公開語料裡很少出現的信息：任務為什麼失敗，專家怎樣糾正，什麼結果可以被業務接受，以及人在什麼節點選擇接管 Agent。在合規和用戶授權的前提下，如果這些反饋能夠進入 OpenAI 的評估和模型優化體系，它們就可能成為公開語料與合成數據之外的一類稀缺資源。

外部競爭者即使拿到同樣的 Harness 代碼，也很難立刻獲得相同規模和質量的真實任務反饋。轉換成本、規模經濟和獨佔資源都不會因為開源自然而然地出現。開源 Codex Harness 完成的第一步，是讓更多開發者能夠低成本地把 Codex 接入自己的產品。OpenAI 還需要讓這些產品進入真實業務、產生持續使用，並把新增使用沉澱為客戶流程、模型規模和高質量反饋。如果這條路徑能夠跑通，OpenAI 放棄的是正在快速擴散的 Harness 稀缺性，獲得的則可能是更廣的分發，以及更難被下一輪技術迭代抹平的 Power。所以，再回答本文最初的問題：技術領先當然重要，但其本身還不足以構成護城河。

技術領先更像一種勢能，為公司爭取用戶、收入、數據和時間窗口。真正決定長期競爭力的，是企業能否在這段領先消失以前，把這些紅利沉澱成競爭者難以複製的 Power。技術會擴散，代碼會開源，模型會被追上。真正的護城河，不是你曾經領先過，而是領先消失以後，你還剩下什麼。▼推薦閱讀▼全網最硬核 OpenClaw 2.0 實測：從 ToC 到 ToB 的試探，Agent 網關能重塑工作流邊界嗎？2026-09-05我們拆了 1.1 萬個 DeepSeek Harness 插件，發現官方几乎沒有建立插件治理機制2026-08-28 原創文章，未經授權禁止轉載。詳情見轉載須知。

0人收藏 分享： 相關文章 ai 大模型 評測 在三張圓明園鼠首照片裡，我們看到了3D AI的Harness ...越大越強，不再是 LLM 的專利：PixVerse R2 攻克實時 ...拆解 WorkBuddy、千問辦公和豆包工作，它們其實不是 ...從 Dreamore 到 CreaXene：AI 生成工具正在走向創作 ...李娜 編輯 發私信 當月熱門文章 阿里開源 Qwen3.8-27B 本地實測：性能很強，但 Agent 適配仍待補課 我們拆了 1.

1 萬個 DeepSeek Harness 插件，發現官方几乎沒有建立插件治理機制 萬字長文拆解DeepSeek V4 Pro與Harness：從後訓練到「代理自進化」，更大的變化在開源框架裡 流沙之上：陳冕、景鯤、倪正民和中國 AI 應用創業者的三種選擇 Qwen3.8-27B 登頂全球開源榜第一，曾經的「源神」又回來了！最新文章 Muse爆火，dots入場：Personal Agent開始和互聯網平臺搶入口 實測 Qwen-3.8 與 GLM-5.3 的 Flash 版：誰能讓我提前下班半小時？全網最硬核 OpenClaw 2.

0 實測：從 ToC 到 ToB 的試探，Agent 網關能重塑工作流邊界嗎？對比 Codex，免費的 AgnesCode 也能在底層算子優化任務中打得有來有回 從海拉魯到現實世界：視頻模型如何理解「變化」 在三張圓明園鼠首照片裡，我們看到了3D AI的Harness時刻 熱門搜索 運營商 GAIR 廣告 LinkedIn iWatch 智能音箱 理想汽車 叫獸發言 Pebble AI教育 人形機器人