OpenAI 把 Harness 开源了：AI 用得好不好，从来不在提示词
- OpenAI 将 Codex Harness 整体开源：codex exec CLI、官方 SDK（TypeScript/Python）、app-server 三大组件，Apache-2.0 可改可商用
- 官方数据：保留推理与上下文压缩两项 Harness 调整，让 GPT-5.6 Sol 在 ARC-AGI-3 从 13.3% 提升到 38.3%，输出 token 减少六倍
- Thrive Holdings 与 Crete 将其嵌入税务准备流程，试点处理 7000 份申报，准备时间缩短约三分之一；Cisco 用 SDK 做了 App Builder
- 官方演示 Relay：上下文从界面来、工具从 MCP 来、写操作必须人工审批，全程没有聊天框
- Harness 从各家私活变成公共基建，竞争上移一层：Agent 循环归 OpenAI，业务规则和沉淀的 Skills 归你
大家好，我是若风。
六月三十号，我写过一篇文章，核心判断就一句话：
模型和算力是厂商的事，你能拉开差距的，只有那套 Harness。
本周，OpenAI 给这个判断补了一个官方注脚。
他们宣布把 Codex 的底层核心框架 Harness 整体开源——Apache-2.0 协议，代码在 openai/codex 仓库，可改、可商用。
说实话，不是发新模型。但对天天琢磨「怎么把 AI 用稳」的人来说，这比新模型重要。
发生了什么
一句话讲完：OpenAI 把驱动自家编程智能体的那套执行系统，整个放了出来。
不是开源一个模型权重，而是那套真正干活的「底盘」——理解任务、维持记忆、调工具、报进度、处理失败、关键时刻停下来等人审批，全在里面。
除了这次的三件组件（下面细说），官方博客还顺带确认了两件事：GitHub 和 JetBrains 在把 Codex 引入现有 IDE 工作流，也就是不再要求你迁去它们的地盘，而是它们来找你。
Greg Brockman 转发时说：「Codex 能驱动的远不止编程工具。」
顺带一提，同一个仓库的 Rust 工程和沙箱设计，我前两天刚拆过一篇：OpenAI 管它叫轻量级，Codex 仓库里躺着 115 个 Rust crate。这次开源的 Harness，就住在这个仓库里。
官方替我说了那句话
我六月观察到的现象是：大多数人用 AI，是把所有事塞进一个通用聊天框，答案不对，就在对话里反复拉扯。
OpenAI 官方博客的说法更直接：与其让每个团队把熟悉的工作流硬搬进一个通用代码助手，不如把 Agent 直接带进围绕实际工作设计的软件里。
安全分析师看的是预警队列，客服工程师看的是账户历史，产品经理看的是需求看板。对真正干活的人来说，重要的不是聊天框，而是眼前的业务界面。
界面本身就是最重要的上下文。
这句话我六月想写没写出来，官方替我写了。
最硬的证据：同一个模型，差三倍
官方博客里的一组数据，值得单独拎出来看。我对着官方博客把这几个数字核了两遍，没抄错。
在难度极高的 ARC-AGI-3 基准上，OpenAI 只对 Harness 动了两刀——保留推理、上下文压缩。GPT-5.6 Sol 的得分从 13.3% 涨到 38.3%，输出 token 反而少了六倍。
模型一个字没换，换的只是挽具。
这是我六月那个公式的实测版：
模型 + 算力 + Harness 约束 = AI 的真实战斗力
前两项锁死的情况下，第三项一动手：分数三倍，成本六分之一。
三件工具，按需求对号入座
这次放出三个组件，不用全学，按你要干的事选：
codex exec（CLI）——跑自动化的。 CI 任务、后台脚本、一次性批处理。有边界的 Agent 工作流，返回结构化输出，简单直接。
Codex SDK（TypeScript / Python）——写程序用的。 用代码启动、恢复、流式传输任务，精准控制线程与任务的生命周期。
Codex app-server——把 Agent 装进产品用的。 这次真正的重头戏。通过 JSON-RPC 协议连接本地 Codex 进程：保持持久对话状态、流式看它在干什么、中途打断、把你应用的工具暴露给 Agent、处理人工审批（Human-in-the-loop）。
前两个是「开他们的车」，第三个是「把发动机拆下来，装你自己的底盘」。
已经有人把它装进了非编程产品
三个案例，一个比一个离编程远。
税务。 Thrive Holdings 和 Crete 把 Harness 嵌进专业税务准备流程，试点跑了 7000 份申报表，准备时间缩短约三分之一。财务是容错率最低的场景之一——这件事比「Agent 写代码」更能说明 Harness 的成色。
Cisco。 用 Codex SDK 在云控制平台里做了 App Builder，客户用自然语言创建自定义应用，底层流转全部交给 Harness。
官方演示 Relay。 一个物流运营看板，全程没有聊天框：业务员选中延误货单，点「比较恢复方案」；应用自动把界面上下文喂给 Agent，调应用自有的 MCP 工具取实时数据；方案出来后弹审批框，人点了同意才执行重新订舱；完成后台板自动刷新。
做产品的人应该把 Relay 这几步看一遍。它演示的不是 Agent 多聪明，而是约束放在哪：上下文从界面来，工具从 MCP 来，写入必须过人。
app-server 我自己还没跑起来，等有实测记录再来补一篇。先把判断放在这。
挽具从私活变基建，差距往哪移
这是我真正想说的部分。
六月写那篇的时候，这个判断更像一种直觉，说出来心里其实没底。这两天看到官方数据，算是有点释然。
过去一年，Harness 是各家公司的私活：Claude Code 一套、Codex 一套、Cursor 一套，都藏在产品里。你觉得 A 顺手、B 别扭，又说不清为什么——差异大半在那套看不见的挽具上。
现在 OpenAI 把自家挽具开源了。与其说是开源了一个框架，不如说是把一条护城河填平了。私活变基建，竞争不会消失，只会往上移一层。
官方总结了三个「归你」：
- 界面归你：用户继续用熟悉的看板、编辑器、地图，Agent 是隐形帮手，不是霸占屏幕的主角；
- 上下文与工具归你：内部系统、机密文档、API 通过 MCP 直接开放给 Agent；
- 边界归你：哪些危险动作必须人工放行，宿主应用说了算。
翻译成一句话：Agent 循环归 OpenAI，业务规则归你。
而再往上一层，还是我六月的那个推论：底座免费之后，值钱的是沉淀在底座之上的约束。Skills 本质是可复用的 Harness 模块——这条线没有被开源动摇，反而被加固了：发动机和底盘都白送了，比的就是谁的方向盘打得准。
写在最后
回到那个公式：
模型 + 算力 + Harness 约束 = AI 的真实战斗力
六月我说它，是一个个人体感；现在，它是一个有官方数据、有开源代码支撑的公共判断。
挽具人人可得了。
接下来的问题是：你打算套着它，去驾驭什么。
参考资料：
相关阅读：
评论互动