Codex Harness 是什么，谁真正需要它

是的，你听到的是 OpenAI 在 2026 年 8 月 19 日公布的开放式 Codex agent harness。它并不是一个单独叫“codex-harness”的安装包，而是包含在开源的 openai/codex 项目中，主要由 Codex CLI、SDK 和 app-server 组成。官方公告

最简单的使用方式：安装 Codex CLI

Windows 先安装 Node.js，然后在 PowerShell 执行：

npm install -g @openai/codex

进入你的代码项目：

cd D:\你的项目
codex

第一次运行会提示你登录 ChatGPT。登录后可以直接输入：

解释一下这个项目的结构

或者：

检查这个项目的问题并提出修改方案

官方安装和使用说明见 Codex CLI 文档。

下载开源代码

如果你想阅读源码、修改 harness 或自行编译：

git clone https://github.com/openai/codex.git
cd codex

官方仓库：openai/codex。核心 harness 和 app-server 都在这个仓库中；官方列出的开源范围见 Open Source 页面。

嵌入自己的软件

安装 CLI 后可以启动 app-server：

codex app-server --listen ws://127.0.0.1:4500

自己的桌面程序或网页后端可通过 WebSocket 与它通信，创建任务、接收实时进度、处理中断和人工审批。完整协议见 Codex App Server 文档。

简单选择：

• 自己日常写代码：使用 codex
• 脚本或 CI 自动化：使用 codex exec
• 在 Node.js 应用中调用：使用 Codex SDK
• 开发自己的 Codex 客户端：使用 codex app-server

需要注意：开源的是 agent harness 和集成层，不是 Codex 模型本身；模型访问仍然需要 ChatGPT 登录或相应的 OpenAI 服务权限。

Codex Harness 的核心优势是：你不必自己从零开发“AI 如何持续工作、调用工具、修改文件、申请权限”的整套系统。

它主要适合想把 Codex 嵌入自己产品或自动化流程的开发者，而不仅仅是普通地聊天写代码。

主要优势

• 完整的 Agent 工作循环
  它会管理任务上下文、多轮执行、工具调用、错误恢复和结果返回。你不需要手动把模型的一次回答串成完整工作流。

• 能真正操作代码和工具
  Harness 可以让模型读取文件、修改代码、运行测试、调用终端与 MCP 工具，而不是只返回一段文本。

• 自带权限与审批机制
  你可以规定哪些操作自动执行，哪些操作必须先询问用户，例如修改文件、联网或调用外部系统。

• 支持长任务和持续上下文
  它能保存对话线程、压缩上下文并跨多个步骤继续工作，比较适合代码重构、问题调查和复杂自动化。

• 实时展示执行进度
  通过 app-server，你的程序可以接收“开始任务、运行命令、修改文件、等待审批、任务完成”等实时事件，适合制作自己的 AI 工作台。

• 开源、可检查、可扩展
  CLI、SDK 和 app-server 都已开放源码，你可以了解它如何执行任务、调整集成方式，并连接自己的 MCP 服务。官方开源组件说明

它适合做什么

例如你可以基于它制作：

• 公司内部的自动修复代码平台
• 自动检查并处理工单的运维助手
• 带审批流程的客服或业务助手
• 从需求单自动修改代码、测试并生成报告的系统
• 集成到 IDE、管理后台或桌面软件里的专用 Agent

官方对不同使用方式的建议是：

这是 Harness 最大的价值：界面和业务规则由你的应用控制，Codex 负责底层 Agent 循环和受控执行。官方 Harness 介绍

对你现在是否有用

如果你只是想让 Codex帮你写代码，直接运行：

cd D:\你的项目
codex

就已经在使用这套 Harness 了，不需要单独下载或开发 app-server。

只有当你想制作“自己的 Codex 应用”，例如一个网页按钮点下去便自动分析项目、运行测试并展示过程，才需要进一步学习 SDK 或：

codex app-server

需要注意，开源的是 Agent 执行框架和集成层，不是模型本身；模型访问仍需要 ChatGPT 登录或相应的 OpenAI 服务权限。

可以。先说最关键的一句话：

Codex Harness 不是另一个需要单独打开的软件，而是 Codex 背后负责“让 AI 真正干活”的执行框架。你安装并运行 Codex CLI 时，其实已经在使用 Harness 了。

用一个比喻理解

可以把 Codex 分成三部分：

只有模型，就像一个很聪明、但不能碰电脑的人。

加上 Harness 后，它才可以：

1. 打开你的项目文件。
2. 搜索相关代码。
3. 判断问题在哪里。
4. 修改代码。
5. 运行测试。
6. 看到测试失败后继续修改。
7. 最后告诉你改了什么。

一个具体例子

假设你进入项目后运行：

codex

然后输入：

修复用户登录后偶尔跳回登录页的问题，并运行测试验证。

如果只有普通大模型

普通聊天模型通常只能：

• 根据你粘贴的几段代码猜测问题；
• 给你一段修改建议；
• 让你自己寻找文件；
• 让你自己复制代码；
• 让你自己运行测试；
• 测试失败后，你再把错误粘贴回来。

整个执行过程主要由你完成。

使用 Codex Harness

Codex 可以自动形成一个循环：

理解任务
  ↓
搜索登录相关文件
  ↓
阅读认证和路由逻辑
  ↓
找到可能原因
  ↓
修改代码
  ↓
运行测试
  ↓
测试失败？继续检查和修改
  ↓
测试通过
  ↓
汇报改动和风险

这个“不断观察、行动、检查，再继续行动”的循环，就是 Harness 的核心价值。

Harness 具体替你做了什么

1. 管理项目上下文

一个真实项目可能有几百甚至几万个文件。Harness 会帮助 Codex：

• 查看目录结构；
• 搜索关键词和函数；
• 只读取当前任务相关的文件；
• 记住已经调查过什么；
• 在任务较长时压缩旧信息；
• 在后续对话中继续使用前面的结果。

例如，你继续说：

再给这个修复补一个回归测试。

Codex 知道“这个修复”指刚才的登录问题，不需要你重新解释全部背景。

2. 调用本地工具

Harness 允许模型使用你电脑上已有的工具，例如：

• Git
• npm
• Node.js
• TypeScript
• Python
• 测试框架
• 编译器
• 代码格式化工具

例如它可以执行：

npm test

如果测试报错，它能阅读错误信息，再决定下一步怎么处理。

3. 修改文件

普通模型只“建议你修改”。

Harness 可以让 Codex直接编辑项目文件，然后给你展示修改内容。你仍然可以：

• 查看文件差异；
• 拒绝某些操作；
• 使用 Git 恢复；
• 要求重新修改；
• 让它只分析、不改代码。

4. 控制权限

Harness 不只是给 AI 权限，也负责限制权限。

例如你可以控制：

• 是否允许读取项目外的文件；
• 是否允许联网；
• 是否允许运行命令；
• 修改文件前是否需要确认；
• 高风险操作是否必须审批。

所以 Harness 同时扮演“执行器”和“安全边界”。

5. 支持工具扩展

Codex 不只能操作代码，还能通过 MCP、技能和插件连接其他系统，例如：

• GitHub
• 数据库
• 浏览器
• 公司内部 API
• 工单系统
• 文档系统

比如公司可以做一个故障处理助手：

读取报警
→ 查询日志
→ 找到相关代码
→ 提出修复方案
→ 等待人工批准
→ 修改代码
→ 运行测试
→ 创建修复报告

Harness 负责把这些步骤串起来。

“开源”对你有什么意义

OpenAI 开源的是 Codex CLI、SDK 和 app-server 等 Harness 组件，而不是 Codex 模型本身。官方开源说明

开源主要带来三种好处。

普通使用者

你可以：

• 查看它是如何操作文件和执行命令的；
• 提交问题和功能建议；
• 使用社区改进；
• 更清楚地了解权限和执行边界。

但你不需要阅读或者编译源码。

自动化开发者

你可以在脚本中使用 Codex：

codex exec "检查这个项目的测试失败原因并输出报告"

这适合：

• CI 自动检查；
• 定期整理代码；
• 批量分析项目；
• 自动生成文档；
• 自动进行代码审查。

产品开发者

你可以把 Codex 嵌入自己的软件。

例如你开发了一个项目管理网页，页面上有一个按钮：

“分析并解决这个任务”

点击后，后台通过 Codex SDK 或 app-server：

1. 创建一个任务线程；
2. 将工单和项目路径交给 Codex；
3. 实时接收执行过程；
4. 把进度显示到网页；
5. 遇到敏感操作时显示“同意/拒绝”按钮；
6. 最后显示代码改动和测试结果。

这种情况才是“基于 Codex Harness 开发产品”。官方建议，需要持久对话、实时事件和审批处理的应用使用 app-server。App Server 文档

你现在应该怎么用

如果你的目的只是让 Codex 帮你开发项目，不需要研究源码，也不需要手动启动 app-server。

进入一个项目：

cd D:\你的项目
codex

然后可以试试这些任务：

先不要修改文件，解释这个项目的结构以及启动方法。

运行项目测试，分析失败原因，但暂时不要修改。

找出项目中最明显的一个问题，修复它并运行测试。

检查当前未提交的代码改动，指出可能的问题，不要修改文件。

最简单的判断

• 想让 Codex 帮你写代码：直接用 codex
• 想让 Codex 自动执行一次任务：用 codex exec
• 想在自己的程序中调用 Codex：用 SDK
• 想自己开发一个类似 Codex 的界面：用 app-server
• 想研究或修改底层执行方式：下载开源仓库

所以，对你目前而言，Harness 的实际优势并不是“多安装一个东西”，而是：**你只需要描述目标，Codex 就能在受控权限下自己查看项目、修改代码、运行工具和验证结果。**这整套能力已经包含在你安装的 Codex CLI 里。官方介绍

这三个东西并不完全是同一类：

• Codex 桌面端：给普通用户直接使用的成品。
• Codex Harness：Codex 桌面端、CLI 等产品背后的 Agent 执行引擎与开发接口。
• DeepSeek Harness：与 Codex Harness 同层级的另一套开源 Agent 执行框架，更强调所有部件都可替换。

可以把它们理解为：

Codex 桌面端 = 做好的汽车
Codex Harness = Codex 汽车使用的发动机、控制系统和底盘
DeepSeek Harness = 另一套可以自由组装发动机、底盘和车身的模块化平台

核心区别

---

1. Codex 桌面端是什么

你现在正在使用的桌面端，是一个已经完成的产品。

它已经替你做好：

• 项目和聊天管理；
• 文件选择与预览；
• 多个任务并行；
• 权限确认；
• 代码差异查看；
• 终端执行；
• 浏览器和电脑操作；
• 插件、技能和外部服务连接；
• 文档、表格、图片等文件处理；
• 长任务状态展示。

你只要打开项目，说：

检查这个项目为什么无法启动，修复后运行测试。

桌面端会负责把任务交给底层 Harness，再把执行过程以界面形式展示给你。Codex 桌面端官方说明

桌面端的优势

最大的优势是省事：

• 不需要写程序；
• 不需要理解通信协议；
• 不需要自己保存会话；
• 不需要自己实现审批界面；
• 不需要维护 Agent 运行服务。

桌面端的限制

因为它是成品，你不能随意改变产品结构。

例如，你很难把它改成：

• 医院内部的患者资料调查助手；
• 物流公司的异常订单处理台；
• 客服人员专用的工单页面；
• 自动处理 Git 仓库任务的公司内部平台；
• 带公司特殊审批流程的运维助手。

如果你只想写代码，桌面端通常已经够用。

---

2. Codex Harness 是什么

Codex Harness 是桌面端背后的“执行能力”。

它负责：

• 保存任务上下文；
• 让模型读取项目；
• 调用终端和其他工具；
• 反复执行“检查—修改—测试”；
• 管理沙箱和权限；
• 请求人工批准；
• 发送实时执行事件；
• 保存、恢复和继续会话。

官方把 Harness 定义为围绕模型的执行系统：模型负责推理，Harness 负责上下文、工具、权限、会话和任务循环。Codex Harness 官方介绍

为什么已经有桌面端，还需要 Harness？

因为公司通常不想让员工离开自己的业务系统。

假设你经营一个电商平台，客服后台里已经有：

• 用户信息；
• 订单记录；
• 物流信息；
• 退款按钮；
• 聊天记录。

你可能想在订单旁边增加一个按钮：

AI 调查此订单

点击后：

1. 你的后台把订单信息交给 Codex。
2. Codex 查询物流和退款规则。
3. Codex判断可能原因。
4. Codex提出处理方案。
5. 如果涉及退款，要求客服点击批准。
6. 批准后调用你的退款接口。
7. 把结果更新回订单页面。

这时你不想让客服打开 Codex 桌面端，再复制订单信息。你希望 AI 直接存在于客服后台。

这就是 Codex Harness 的使用场景：

你的业务界面
      ↓
Codex app-server / SDK
      ↓
Codex Harness
      ↓
模型、文件、终端、MCP 工具和审批

Codex Harness 相对桌面端的优势

不是“更聪明”，而是“更能定制”。

你可以决定：

• 用户看到什么界面；
• 自动附加哪些业务数据；
• Agent 能调用哪些工具；
• 什么操作必须审批；
• 结果保存到哪里；
• 哪些按钮会启动什么任务；
• 如何展示执行过程；
• 是否允许中断、恢复和继续任务。

官方提供三种主要入口：

• codex exec：一次性自动任务；
• Codex SDK：在代码里启动、恢复和管理任务；
• codex app-server：开发完整界面，处理会话、实时事件和审批。App Server 文档

Codex Harness 的优势和代价

优势：

• 与 Codex 模型和工具体系结合紧密；
• 采用了和 Codex 产品相同的底层系统；
• 已有成熟的代码操作、权限和审批能力；
• 不必从零实现 Agent 循环；
• 适合快速做一个可靠的业务 Agent。

代价：

• 它本身不是一个面向普通用户的全新应用；
• 自定义产品仍然需要开发前端和后端；
• 开源 Harness 不代表 Codex 模型免费；
• 模型访问和托管服务仍然属于独立部分。

---

3. DeepSeek Harness 是什么

DeepSeek Harness 与 Codex Harness 才是比较接近的竞争关系。

它也是一个 Agent 执行框架，但设计哲学是：

Everything is a plugin——所有东西都是插件。

其中可替换的部分包括：

• 模型；
• 工具；
• Skills；
• 会话系统；
• 沙箱；
• 存储；
• Agent Loop；
• 调度；
• UI。

也就是说，它不只是允许你“添加几个工具”，而是希望整个 Agent 系统都可以重新组合。DeepSeek Harness 官方介绍

它甚至提供几种不同运行模式：

• Standard Mode：完整编码 Agent；
• Code Mode：让模型通过 TypeScript 组合多轮工具调用；
• Minimal Mode：只有 Shell 和文件编辑器，适合测试模型本身；
• Creator Mode：用于检查运行结构、开发插件和创建新配置。

DeepSeek Harness 的突出优势

更强调模块化

Codex Harness 的主要目标是把成熟的 Codex Agent 能力提供给应用。

DeepSeek Harness 的主要目标更像是：

让开发者重新组合一套自己的 Agent 运行时

你可以替换模型适配器、工具注册表、会话日志、沙箱甚至 Agent Loop。其架构文档明确说明这些部分都由插件提供，可以通过配置替换。DeepSeek 架构文档

运行轨迹更强调可追溯

DeepSeek Harness 使用追加式会话日志记录模型看到的内容，包括：

• 系统提示词；
• 推理和回复；
• 工具调用；
• 工具结果；
• 子 Agent 调度；
• 上下文注入。

恢复、分叉、搜索和回放都建立在同一事件流上。这对以下工作很有价值：

• Agent 调试；
• 模型评测；
• 行为复现；
• 研究不同 Prompt 或工具配置；
• 审计 Agent 为什么做出某个决定。

更适合模型和架构实验

假如你想比较：

同一个任务分别使用 DeepSeek、OpenAI 和本地模型会怎样？

或者：

把默认 Agent Loop 换成我自己的循环是否更好？

DeepSeek Harness 的插件化设计会更自然。

DeepSeek Harness 的代价

它目前官方标记为 Developer Preview，并明确提醒可能出现破坏兼容性的更新。因此：

• API 可能变化；
• 插件接口可能变化；
• 升级可能需要修改配置；
• 生产部署需要自己承担更多维护；
• 自由度越高，需要理解的架构也越多。

虽然它提供 Web UI，可以直接运行：

npx @deepseek-ai/dsh web

但它现阶段仍然更像“Agent 开发和研究平台”，不是 Codex 桌面端那种稳定、完整的日常生产力产品。DeepSeek Harness 仓库

---

两种 Harness 的本质区别

可以把设计目标浓缩成两句话：

Codex Harness

给你一套已经打磨好的 Codex Agent，
让你把它嵌入自己的产品。

重点是：

• Codex 能力；
• 代码任务；
• 沙箱和审批；
• 线程与实时事件；
• SDK/app-server；
• 与 OpenAI 体系配合。

DeepSeek Harness

给你一套高度模块化的 Agent 零件，
让你组合、替换和研究自己的 Agent。

重点是：

• 所有功能插件化；
• 更换模型和执行组件；
• 运行轨迹；
• 多种 Agent 模式；
• 自定义 Loop；
• Agent 框架实验。

---

具体场景怎么选

场景一：我只是想让 AI 帮我写代码

选择：

Codex 桌面端

原因：

• 开箱即用；
• 不用配置 Agent 框架；
• 有完整图形界面；
• 可以查看修改、终端和任务进度。

没有必要单独研究两个 Harness。

场景二：我想做一个公司内部的 AI 编程平台

优先选择：

Codex Harness + SDK/app-server

例如：

• 自动处理 Jira/GitHub 任务；
• 根据需求修改仓库；
• 自动运行测试；
• 在发布前要求人工审批；
• 在公司网页中显示进度。

它的优势是可以直接复用已经完整工作的 Codex Agent 循环。

场景三：我想自由切换多个模型

更值得考虑：

DeepSeek Harness

尤其是你希望：

• 使用 DeepSeek API；
• 更换其他模型适配器；
• 使用自己的推理服务；
• 自定义上下文构造；
• 替换 Agent Loop；
• 比较不同模型和运行模式。

场景四：我想研究 Agent 原理

优先考虑：

DeepSeek Harness

它把更多内部组件显式拆成插件，并提供详细运行轨迹，比较适合学习和实验。

场景五：我要尽快做出可靠产品，不想研究底层

优先考虑：

Codex Harness

原因不是它一定在所有维度都更强，而是它更偏向“把完整 Codex 能力接入应用”，你需要自己决定的底层组件相对更少。

给你的直接建议

根据你前面的问题判断，你目前应该这样选：

1. 日常开发继续使用 Codex 桌面端。
2. 想学习 Harness，可以先试 DeepSeek Harness 的 Web UI，因为启动很直观：

   npx @deepseek-ai/dsh web
   

3. 只有当你准备开发自己的 AI 产品时，再使用 Codex SDK 或 app-server。
4. 如果你的目标是研究“如何搭建 Agent、替换模型和工具”，DeepSeek Harness 更有学习价值。
5. 如果你的目标是“让 Codex 出现在自己的软件中并可靠完成任务”，Codex Harness 更合适。

一句话总结：

Codex 桌面端胜在开箱即用；Codex Harness 胜在成熟的 Codex 能力和产品集成；DeepSeek Harness 胜在彻底的插件化、模型可替换性和实验自由度。

你的理解基本完全正确。

**把 Codex Harness 部署到后台，并不会自动理解你的订单系统、自动找到退款接口，也不会自动在客服页面生成按钮和审批流程。**这些业务集成仍然需要开发。

Harness 的优势不是“业务系统零改造”，而是帮你省掉“如何让大模型稳定地连续工作”这一层基础设施。

你需要开发什么

以“AI 调查订单”为例，你的团队仍然需要完成以下工作。

1. 修改客服页面

需要增加：

• “AI 调查订单”按钮；
• Agent 执行进度区域；
• 调查结果展示；
• 同意退款/拒绝退款按钮；
• 错误和中断状态。

Harness 不会自动修改已有客服系统。

2. 把订单上下文交给 Codex

你的后台需要读取：

• 订单信息；
• 用户信息；
• 物流状态；
• 聊天记录；
• 退款规则。

然后把相关信息作为任务上下文发送给 Codex SDK 或 app-server。

例如概念上类似：

调查订单 ORD-12345。

订单金额：399 元
物流状态：运输中断
用户诉求：要求退款
会员等级：普通用户

请查询最新物流信息，判断是否符合退款条件。
未经客服批准，不得执行退款。

3. 把业务能力开放成工具

你的判断也是对的。

如果希望 Codex查询物流或退款，必须给它可调用的工具，例如：

get_order(order_id)
get_shipping_status(order_id)
check_refund_policy(order_id)
create_refund(order_id, amount, reason)

实现方式可以是：

• MCP 服务；
• 你的后台直接注册工具；
• 在 Harness 外面实现一层 REST API 适配；
• 让工具内部调用已有 REST、RPC 或数据库服务。

Harness 不会凭空知道你的 REST API。你必须提供接口定义、认证方式和调用代码。

4. 实现权限控制

你还需要定义：

• Codex可以查询哪些订单；
• 是否只能操作当前客服有权查看的订单；
• 最大退款金额；
• 哪些订单禁止自动操作；
• 哪些接口只能读取；
• 什么操作必须人工批准；
• 如何记录审计日志。

最好不要直接把一个拥有全部权限的管理员密钥交给 Harness。

5. 接入审批界面

Codex app-server 能够：

• 告诉你的应用“Agent 正在申请执行某项操作”；
• 暂停当前任务；
• 等待批准或拒绝；
• 收到结果后继续执行。

但是你仍然需要编写：

• 审批按钮；
• 审批消息处理；
• 审批人与权限验证；
• 审批记录；
• 超时处理。

也就是说：

Harness 提供“暂停、等待审批、批准后继续”的机制，但不会自动生成符合你公司业务要求的审批系统。

那 Harness 到底省了什么？

假设完全不用 Harness，你需要自己开发下面这套系统：

接收用户任务
  ↓
生成模型请求
  ↓
保存对话和任务状态
  ↓
解析模型要调用的工具
  ↓
验证工具参数
  ↓
执行工具
  ↓
把工具结果送回模型
  ↓
再次请求模型
  ↓
继续调用其他工具
  ↓
处理异常、重试和取消
  ↓
遇到敏感操作时暂停
  ↓
保存审批状态
  ↓
批准后恢复任务
  ↓
把执行过程实时传给前端
  ↓
处理上下文过长
  ↓
最终生成结果

这才是 Harness 替你处理的部分。

没有 Harness 时，你可能需要自己实现：

• Agent Loop；
• 多轮工具调用；
• 会话状态；
• 流式事件；
• 中断和恢复；
• 上下文管理；
• 工具调用协议；
• 沙箱执行；
• 审批等待状态；
• 任务取消；
• 长任务恢复；
• 模型错误重试；
• 执行日志。

使用 Codex Harness 后，整体分工变成：

所以 Harness 解决的是“通用 Agent 基础设施”，不是“你的电商业务集成”。

用代码量来理解它的价值

假设不用 Harness，你可能需要自己写：

while (!finished) {
  const response = await callModel(messages, tools);

  if (response.toolCalls) {
    for (const call of response.toolCalls) {
      validateTool(call);
      checkPermission(call);

      if (requiresApproval(call)) {
        await savePendingApproval(call);
        await waitForApproval(call);
      }

      const result = await executeTool(call);
      messages.push(result);
    }
  } else {
    finished = true;
  }
}

真实系统还需要补充：

• 数据持久化；
• 并发；
• 超时；
• 重试；
• 流式响应；
• 用户中途补充信息；
• 任务取消；
• 服务重启后恢复；
• 上下文压缩；
• 审计；
• 沙箱；
• 多 Agent；
• 模型版本变化兼容。

Harness 的价值是这些底层能力已经存在，你主要开发业务工具和用户界面。

审批机制具体省在哪里

假设 Codex 准备调用：

{
  "tool": "create_refund",
  "arguments": {
    "order_id": "ORD-12345",
    "amount": 399,
    "reason": "物流丢失"
  }
}

你仍然需要告诉 Harness：

create_refund 属于高风险工具，必须人工批准。

你还要开发审批界面。

但 Harness 可以帮你管理这个状态：

Agent 运行中
  ↓
请求调用 create_refund
  ↓
Harness 暂停 Agent
  ↓
发送 approval request 事件
  ↓
你的页面显示批准/拒绝
  ↓
客服点击批准
  ↓
你的后台回复 approval accepted
  ↓
Harness 执行工具
  ↓
将退款结果返回给模型
  ↓
Agent 继续完成任务

如果没有 Harness，你需要自己解决“模型请求工具后如何暂停、保存、等待几小时、再恢复上下文继续执行”的问题。

Codex app-server 提供的是这套生命周期和通信协议，而不是最终审批页面。App Server 文档

能不能完全不修改后台？

通常不能。

存在三种接入程度。

方式一：直接使用桌面端，人工复制信息

改造量最低：

客服复制订单信息
→ 粘贴给 Codex
→ Codex 给建议
→ 客服自己操作退款

优点是几乎不用开发，缺点是：

• 信息需要人工复制；
• 容易漏掉上下文；
• 无法规模化；
• 审计困难；
• 无法自动调用业务接口。

方式二：让 Codex 操作现有网页

如果 Harness 具备浏览器或电脑操作能力，理论上可以让它像人一样：

• 打开客服后台；
• 搜索订单；
• 阅读页面；
• 点击按钮。

这种方式可能不需要修改后台接口，但仍需配置权限，而且存在明显问题：

• 页面改版可能导致流程失效；
• 容易点错位置；
• 速度比 API 慢；
• 权限和审计更困难；
• 涉及退款等高风险操作时不够稳妥。

它适合原型验证或低风险操作，不适合作为重要退款流程的首选方案。

方式三：正式 API/MCP 集成

这是最可靠的方式：

客服后台
  ↓
你的 Agent 集成服务
  ↓
Codex Harness
  ↓
受控业务工具
  ↓
订单、物流、退款系统

需要开发，但优势是：

• 参数明确；
• 权限清晰；
• 容易审计；
• 不依赖页面结构；
• 可以严格限制 Agent；
• 可以进行可靠测试。

更准确的宣传表述

不应该说：

部署 Harness 后，它会自动接管你的业务系统。

更准确的是：

部署 Harness 后，你仍然需要接入业务数据、工具、权限和界面，但不需要从零实现 Agent 的上下文管理、工具循环、流式事件、暂停审批和任务恢复。

因此，你的结论是正确的：

• 后台需要适配；
• 数据需要提供；
• 接口需要开放或包装；
• 权限需要设计；
• 审批页面需要开发；
• Harness 不能零改造实现业务 Agent。

它的优势在于，当你准备开发几十个工具、多个 Agent 场景和大量长任务时，通用执行基础设施不用重复造轮子。如果只有“读取一次订单，然后调用一次模型生成建议”这么简单的需求，直接调用模型 API 可能更轻量，不一定需要 Harness。

一个很实际的选择标准是：

• 一次模型调用就能完成：直接用模型 API。
• 需要两三个固定步骤：普通后端工作流即可。
• 步骤无法预先确定，需要模型自主调查、多次调用工具、暂停审批和恢复：Harness 开始体现价值。
• 只是个人使用：Codex 桌面端最省事。
• 要做完整业务 Agent 产品：才考虑 Harness。

对，你的理解已经非常准确了。

更精确地说，Codex Harness 开源后，收益最大的是两类人。

第一类：开发“另一个 Codex”的人

也就是要做一个完整 Agent 客户端或工作平台，例如：

• 类似 Codex 的桌面端；
• 类似 DeepSeek Harness Web UI 的产品；
• IDE 编程助手；
• 公司内部 AI 开发平台；
• AI 运维工作台；
• 多 Agent 管理平台。

这些产品需要的并不只是聊天框，还包括：

• 会话创建、保存和恢复；
• 实时显示 Agent 执行过程；
• 文件和代码修改；
• Shell 命令执行；
• 工具调用；
• 权限控制；
• 人工审批；
• 任务中断与继续；
• 长上下文管理；
• 错误处理；
• 多任务并行。

以前要自己实现这些基础设施。现在可以使用 Codex SDK 或 app-server，把 Codex Harness 作为底层执行引擎。

结构类似：

你开发的桌面端或网页
        ↓
Codex SDK / app-server
        ↓
Codex Harness
        ↓
模型、工具、文件、终端、沙箱

不过，目标不一定是复制一个通用 Codex 桌面端。更有价值的方向通常是做一个特定行业或工作流的 Agent 产品。

第二类：开发 AI Native 产品的人

这类产品的核心不是“增加一个 AI 聊天框”，而是让 AI 成为业务流程的一部分。

它通常需要：

• 记忆与会话；
• 多轮推理；
• 上下文工程；
• 工具调用；
• 任务状态；
• 长时间运行；
• 人工审批；
• 失败后重试；
• 中断与恢复；
• 执行过程追踪；
• 权限和沙箱。

例如一个 AI 运维产品：

收到报警
  ↓
查询监控指标
  ↓
搜索日志
  ↓
检查代码和部署记录
  ↓
形成故障判断
  ↓
提出修复方案
  ↓
请求工程师批准
  ↓
执行修复
  ↓
验证系统是否恢复
  ↓
生成事故报告

这个流程不是一次模型 API 调用能完成的。它需要一个持续运行的 Agent Loop，这正是 Harness 提供的核心能力。

但“AI Native 产品”还可以再细分

并不是所有带 AI 的产品都需要 Harness。

不太需要 Harness

例如：

• 文章摘要；
• 翻译；
• 标题生成；
• 文本分类；
• 根据固定资料回答一个问题；
• 从表单生成一封邮件；
• 固定三步的内容处理流程。

结构很简单：

用户输入 → 调用模型 → 返回结果

这种需求直接使用模型 API 就够了。

可能不需要 Harness

例如：

读取订单
→ 让模型判断退款资格
→ 输出建议

如果步骤完全固定，可以直接在普通后端代码里编排：

获取订单 API
→ 模型 API
→ 返回结果

这时引入 Harness 可能反而增加复杂度。

比较需要 Harness

当任务具有以下特点时，Harness 才开始有明显价值：

• 不能提前确定需要几个步骤；
• 模型需要自己决定下一步做什么；
• 需要连续调用多个工具；
• 需要根据工具返回结果调整计划；
• 任务可能运行几分钟甚至几小时；
• 中间需要用户补充信息；
• 某些操作必须人工批准；
• 服务重启后仍需恢复任务；
• 需要记录完整执行轨迹；
• 需要严格控制文件、终端和网络权限。

判断标准可以浓缩成一句话：

如果 AI 只需要“回答”，直接调用模型；如果 AI 需要“持续行动”，才考虑 Harness。

开源相比只提供 SDK，多出的价值

如果 OpenAI 只提供一个封闭 SDK，你只能按官方规定使用。

Harness 开源后，开发者还可以：

• 阅读具体实现；
• 调试 Agent 为什么这样行动；
• 检查权限和沙箱逻辑；
• 研究上下文是如何构造的；
• 修改或替换部分行为；
• 增加自己的工具与协议；
• 针对公司安全要求进行审计；
• Fork 出自己的版本；
• 参与修复问题；
• 学习一套成熟 Agent 系统的工程实现。

所以还有第三类隐性受益者：Agent 基础设施研究者、安全团队和框架开发者。

他们可能并不开发桌面端，而是研究：

• 上下文压缩策略；
• 工具选择；
• Agent Loop；
• 沙箱隔离；
• 审批机制；
• 长任务恢复；
• 多 Agent 协作；
• 模型行为评测。

最终可以这样总结

你的理解可以整理为：

Codex Harness 开源，主要不是让普通用户获得一个新的 Codex 软件，而是把 Codex 背后的 Agent 工程基础设施开放给开发者。

收益最大的是：

1. 想开发类似 Codex 的 Agent 客户端或工作平台的人。
2. 想开发需要记忆、上下文、工具调用、审批和持续执行能力的 AI Native 产品的人。
3. 想研究、审计或定制 Agent 底层运行机制的人。

而普通用户如果只是用 AI 写代码，最直接的选择仍然是 Codex 桌面端或 CLI。对普通用户来说，开源 Harness 的收益更多是间接的：未来会出现更多基于它开发的垂直 Agent 产品。