🐯虎嗅•最新收集於 61m
OpenAI 開源智能體 Harness
💡OpenAI 發出訊號：下一場開發者平台競爭，關鍵可能是智能體基礎設施而非模型本身。
⚡ 30-Second TL;DR
有什麼變化
OpenAI 將 Harness 開源，目標是協助智能體從模型能力走向實際落地。
為什麼重要
若此發布包含可用於生產環境的編排原語，可能降低可靠智能體的建置門檻，並加劇 AI 開發者平台之間的競爭。由於文章缺乏實作細節，從業者在採用前應先確認儲存庫與授權條款。
下一步行動
找到 OpenAI 官方 Harness 儲存庫，檢查其授權與支援的執行環境，然後用小型工具呼叫智能體基準測試與現有編排堆疊比較。
誰應關注：Developers & AI Engineers
關鍵要點
- •OpenAI 將 Harness 開源，目標是協助智能體從模型能力走向實際落地。
- •這項更新直接置於 OpenAI 與 DeepSeek 的競爭背景下，顯示智能體開發基礎設施已成為戰略重點。
- •文章強調智能體成敗不只取決於大模型本身，也取決於 Harness 等周邊執行與編排能力。
- •原文資訊極少，目前無法確認 Harness 的 API、支援模型、部署方式或開源授權條款。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 12 個來源。
🔑 增強重點摘要
- •OpenAI 將原有的 Codex 平台組件（包含 CLI、應用伺服器與官方 SDK）正式轉型為開源的智能體整合層（Integration Layer）。
- •智能體 Harness 被定義為非模型的運行時基礎設施，負責管理工具執行、記憶體、上下文、安全性及持久化狀態，充當大模型的作業系統。
- •業界正經歷從單純優化模型智能，轉向「Harness 工程」的戰略轉移，重點在於構建能防止智能體故障的控制系統與環境設計。
- •開源 Harness 的核心價值在於透過優化上下文管理（如延遲工具載入、壓縮對話歷史），可協助開發者降低 30% 至 75% 的模型調用成本。
- •現代 Harness 架構引入了「漸進式揭露（Progressive Disclosure）」與「檔案系統快照」等模式，以解決複雜任務中上下文視窗耗盡的問題。
📊 競品分析▸ Show
| 特性 | OpenAI Harness | TrueFoundry (TrueForge) | DeepSeek Harness |
|---|---|---|---|
| 授權條款 | 待確認 | MIT | MIT |
| 核心優勢 | 與 OpenAI 模型深度整合 | 供應商中立、成本效益高 | 高度靈活、輕量化 |
| 部署方式 | 雲端/本地混合 | 雲端原生 | 本地優先 |
🛠️ 技術深入
- 採用漸進式揭露（Progressive Disclosure）技術，實現懶加載工具發現，減少無效上下文佔用。
- 支援檔案系統快照（Filesystem Snapshots），用於記錄與恢復智能體的環境狀態。
- 實作編排器-子智能體（Orchestrator-Subagent）模型，將複雜任務拆解以優化資源分配。
- 內建安全閘道（Safety Gate），強制執行防護欄並記錄所有執行步驟，防止未經授權的資料庫操作。
- 整合統一桌面應用，支援 Chat、Work 與 Codex 三種模式，並共享使用配額與工作流。
🔮 前景展望AI analysis grounded in cited sources
智能體開發將從模型依賴轉向基礎設施依賴。
隨著 Harness 成為控制平面，開發者將更看重執行環境的穩定性與成本控制，而非僅僅追求模型參數規模。
開源 Harness 將導致模型推理成本顯著下降。
透過 Harness 進行上下文壓縮與工具調用優化，企業能以更少的 Token 消耗完成相同任務。
⏳ 時間線
2026-08
OpenAI 正式將 Codex 平台組件開源，定位為智能體 Harness。
📎 來源 (12)
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。