🐯虎嗅•最新收集於 15m
Harness：將 AI 智慧變成生產標準件
💡模型品質只是另一半；Harness 設計可能讓基準表現提升三倍並大幅降低 Token 使用量。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek 於 8 月 13 日開放 DeepSeek Harness，OpenAI 也將驅動 Codex 的核心 Harness 納入開源體系。
為什麼重要
AI 產品的競爭優勢可能愈來愈來自編排與工作流程設計，而不只是模型能力。開源 Harness 層能降低新創建立領域型 Agent 的門檻，同時也會加劇開發者生態與可重用工作流程的競爭。
下一步行動
在更換模型前，使用目前的 LLM 建立 Harness 原型，明確設計任務循環、工具權限、記憶處理與輸出驗證器。
誰應關注：Developers & AI Engineers
關鍵要點
- •DeepSeek 於 8 月 13 日開放 DeepSeek Harness，OpenAI 也將驅動 Codex 的核心 Harness 納入開源體系。
- •據稱只改變外部執行層，ARC-AGI-3 表現便可由 13.3% 提升至 38.3%，輸出 Token 降至約六分之一。
- •Harness 通常涵蓋五至八項功能，包括任務循環、上下文與記憶管理，以及工具調用。
- •開源方式讓開發者能將通用模型適配至特定產業的工具、流程、權限、資料與驗收標準。
- •文章將 Harness 比作 AI 時代的 Android 平台層，將非結構化的人類經驗轉化為可重複使用的生產資產。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 20 個來源。
🔑 增強重點摘要
- •DeepSeek Harness (dsh) 於 2026 年 8 月 13 日作為開發者預覽版發布，其核心架構基於「一切皆插件」原則，並採用 Cordis 框架構建，該框架被描述為時空可組合性的元框架。
- •OpenAI 開源的 Codex Harness 框架包含三個主要組件：CLI 工具
codex exec、官方 Codex SDK 以及核心引擎app-server，這些組件共同支持持久對話、實時流媒體和人工審批等關鍵功能。 - •Harness 工程被視為 AI 工程成熟度的第三階段，繼 2022-2023 年的提示工程和 2024-2025 年的上下文工程之後，其在 2026 年主要關注代理的自主性和控制。
- •DeepSeek Harness 在發布後迅速獲得採用，在短短約兩天內就在 GitHub 上獲得了超過 95,000 顆星和 8,826 個分支。
- •Codex Harness 框架是在 Apache-2.0 許可下發布的，這允許開發者自由修改、嵌入和商業化該框架，而不受限於通用聊天界面。
📊 競品分析▸ Show
| 特性/產品 | DeepSeek Harness | OpenAI Codex Harness | Anthropic Claude Code |
|---|---|---|---|
| 架構 | 「一切皆插件」的模塊化架構，基於 Cordis 框架，組件可互換。 | 統一的 Harness 驅動跨平台代理 (CLI、Web、macOS App)，包含代理循環、提示與上下文管理、多界面架構。 | 垂直整合的代理產品，提供擴展點但核心不開源。 |
| 許可證 | MIT 許可證 (開源) | Apache-2.0 許可證 (開源) | 商業產品 (不開源) |
| 核心組件 | 模型適配器、工具註冊表、沙盒環境、會話狀態處理器、事件調度器、用戶界面等皆為獨立插件。 | codex exec (CLI 工具)、Codex SDK、app-server (核心引擎執行服務器)。 | 專有，但提供類似的代理功能，如代碼生成和協作。 |
| 性能/基準 | DeepSeek V4-Pro-0813 在 Harness 最小模式下，Terminal Bench 2.1 達到 87.9 分，Toolathlon-Verified 達到 74.1 分，DSBench-FullStack 達到 71.1 分。 | 經 Harness 優化後，GPT-5.6 Sol 模型在 ARC-AGI-3 基準測試中從 13.3% 提升至 38.3%，同時輸出 Token 消耗減少六倍。 | 未提供直接可比的 Harness 優化基準數據。 |
| 定價 | 開發者預覽版，Harness 本身無明確定價。 | 開源，Harness 本身免費使用，但可能涉及 OpenAI 模型 API 調用費用。 | 商業訂閱模式。 |
🛠️ 技術深入
- DeepSeek Harness (dsh)：採用「一切皆插件」的微內核架構，基於 Cordis 元框架構建，該框架支持時空可組合性。
- 模塊化設計：模型適配器、工具註冊表、沙盒環境、會話狀態處理器、事件調度器和用戶界面等功能單元均作為獨立的可互換插件加載。
- 配置靈活性：允許開發者通過更新聲明式 YAML 或 JSON 配置文件來切換不同的模型端點或替換執行工作流程，而無需修改核心邏輯。
- 可追溯性：包含一個僅追加的事件日誌子系統，記錄每個用戶消息、工具調用、中間推理狀態、Token 指標和子代理調度，以供審計、調試和優化。
- 運行模式：提供標準模式（用於常規任務）和創建者模式（用於高級定制）兩種運行模式。
- OpenAI Codex Harness：其核心基於大型 Transformer 神經網絡架構，源自 GPT-3 並針對代碼理解和生成進行了廣泛微調。
- 模型基礎：當前實現由
codex-1提供支持，這是 OpenAIo3AI 推理模型的一個版本，專門針對軟件工程任務進行了優化。 - 分層架構：系統包含代理循環、提示和上下文管理以及支持多個界面的多表面架構。
- 開源組件：開源版本包括
codex exec(CLI 工具)、Codex SDK 和app-server(核心引擎執行服務器)，其中app-server負責管理對話狀態、流式執行和審批處理。 - 上下文管理：通過自動線程壓縮處理上下文管理，當對話上下文窗口過大時，Codex 會總結和壓縮早期內容，以便對話可以繼續。
🔮 前景展望AI analysis grounded in cited sources
AI 代理開發將變得更加模塊化和可組合。
DeepSeek 和 OpenAI 等主要參與者開源其基於插件架構的 Harness 系統，預示著 AI 代理構建將轉向可互換組件的趨勢。
AI 工程的重點將持續從模型優化轉向強大的代理編排和操作化。
「Harness 工程」被認定為 AI 工程成熟度的當前階段，強調模型周圍的環境、反饋循環和安全防護，以實現可靠、自主的任務執行。
由於標準化、開源的編排層，企業對 AI 代理的採用將加速。
開源這些框架使開發者能夠將強大的 AI 代理循環直接集成到現有產品和工作流程中，減少了將業務流程強行納入通用聊天界面的需求。
⏳ 時間線
2021-08-10
OpenAI 推出原始 Codex 模型
2025-04-16
OpenAI 發布 Codex CLI 和 `codex-mini` API
2025-05-16
OpenAI 推出由 `codex-1` 提供支持的 Codex
2026-02-02
OpenAI 推出專用 Codex macOS 應用程序
2026-08-13
DeepSeek 開源 DeepSeek Harness (dsh) v0.1
2026-08-20
OpenAI 正式開源 Codex Harness 框架
📎 來源 (20)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。