我觉得，这两家的 Harness 开源说明，大模型公司越来越重视模型之外的执行系统。

尤其是 OpenAI。它经常被吐槽不够 Open，却愿意开放 Codex 背后的执行系统。要理解这个选择，得先看看我们使用 AI 的方式发生了什么变化。

01从 Chatbot 到 Agent

以前用 Chatbot，也就是聊天机器人，模型给出答案，一轮对话就结束了。但对用户来说，工作往往才刚开始。比如让它写一段代码，拿到以后还得自己放进文件里运行；报错了，再把错误复制回去，让它接着改。模型一直在回答，人一直在两头搬运。

Agent 开始把这些步骤接起来。它拿到任务，调用工具执行，再读取结果，判断接下来该做什么。这个循环会持续到任务完成或需要人确认。

Harness 就是支撑这个循环的运行系统。模型负责理解和判断，Harness 把它和外部工具接起来，同时管理任务过程。用一个简化说法，就是 Agent = Model + Harness。

— Codex 由模型、Harness 和工具能力共同组成。

这让我想到“德智体美劳全面发展”。衡量一个人是否优秀，除了脑子聪明，还要看他能不能行动、把事情做完。模型像大脑，Harness 负责组织能力。单有聪明的大脑还是单一了些。

我最近学习 Harness，也感觉到只比较模型、写提示词不太够了。要理解模型怎样进入业务，还得把完整的任务过程串起来。东搜一个概念、西补一个工具，很容易知道不少，却用不到一起。

02换掉模型，流程还能继续

放到实际使用里，我之前的一个小尝试就很有代表性：通过命令行和协议桥接，把 DeepSeek V4 Flash 接进 Codex。

接好以后，我先让它做英文翻译成中文，后来又让它帮我开发了两个小游戏。在这个组合里，负责理解和生成的是 DeepSeek V4 Flash，但我使用的工作环境仍然是 Codex。

— 我使用 DeepSeek V4 Flash 接入 Codex 开发小游戏的任务记录。

「模型换了，原来串联任务的流程还可以继续用。」

我们平时说“我在用 Codex”，很容易把模型和执行系统看成一个整体；换进去以后，两者的分工就清楚了。不过，这种替换需要接口和工具调用适配，不能直接推广到所有模型。

接通之后，我更关心的是它能不能稳定交付。就拿小游戏来说，生成代码以后还需要运行、检查。系统得把执行结果送回模型，模型才有依据判断接下来要改哪里。关键操作是否授权、结果是否合格，也得有人或系统负责检查。

这也是我会想到 Photoshop 的原因。用它做常规图像处理，我们通常知道自己做了什么，也知道去哪里确认结果。生成式 AI 的输出会波动，同一句要求换种表达，结果可能就不同。要把它放进生产流程，检查和约束就更重要。

03模型能力与 Harness 工程

我很认同把模型能力和 Harness 工程看成两条建设线。模型侧重理解和生成，Harness 侧重组织执行。模型再聪明，文件写错地方或任务没有验收的问题，也不能靠它自动消失。

OpenAI 公布过一个具体例子：同样是 GPT-5.6 Sol，在 ARC-AGI-3 公开集上，保留推理并启用上下文压缩后，得分由 13.3% 提升至 38.3%。模型没换，周围的运行方式变了，结果也明显不同。

— 同一模型在不同 Harness 设置下，评测结果出现明显差异。

这个例子让我更能理解，为什么执行系统值得单独投入。开发者做应用都会遇到上下文和执行反馈的问题；能复用现成系统，就可以把更多精力放在自己的业务上。两家公司开放 Harness，给开发者提供的正是这种可能。

04两种开源路线

DeepSeek Harness 强调“一切皆插件”。它给我的感觉像一块乐高底座：把不同能力拆开，再按需要组合。业务变化时，开发者可以替换其中一部分，不必推翻整个系统。它目前还是开发者预览版，接口仍会继续迭代。

— DeepSeek Harness 强调“一切皆插件”。

OpenAI 更强调复用已经运行的 Codex 执行能力。终端和代码编辑器可以共用底下的任务循环，不必每个界面重新实现一遍。相关能力此前已经开放，因此不能仅凭最近的宣传动作，把它解释成临时回应 DeepSeek。

— OpenAI 将 Codex Harness 开放给更多客户端使用。

这两种做法可以兼顾：开发者希望底层能力拿来能用，也希望遇到自己的业务时还能改。对公司来说，开源可能降低别人采用它的门槛；围绕它开发的插件和工作流多起来，也会增加这套系统的使用价值。这是我对开源动机的理解，而非两家公司的官方表态。

这样看，OpenAI 保留模型上的竞争力，同时开放外面的执行系统，就不难理解了。模型和执行系统可以分别吸引使用者，也可以一起进入更多产品。

05最后还是看实际任务

落到普通学习者身上，工具还会继续变，但业务需求怎样拆成任务、模型结果怎样检查，这些认识不会因为换个产品就全部作废。理解以后，下一步还是得找一个具体项目动手。

「接入以后，人少做了哪些来回衔接的工作，又有哪些环节仍然必须有人检查。」

我会继续关注这两个项目，但判断它们价值时，最想看的还是实际任务。这更接近我对生产力工具的要求。