发布日期：2026-09-01 | 话题标签：Codex Harness、DeepSeek Harness、AI Agent 框架、开源
Codex Harness 和 DeepSeek Harness 是 2026 年 8 月相继开源的两款 AI Agent 执行框架，前者由 OpenAI 以 Apache-2.0 协议发布（8 月 19 日），后者由 DeepSeek 以 MIT 协议发布（8 月 13 日），两者相差 6 天，被行业称为"6 天两开源"。DeepSeek Harness 基于 Cordis 插件系统构建，模型、工具、沙箱、UI 等所有层均可替换，核心口号是"一切皆插件"，适合技术开发者自由组合 Agent 工作流，且不绑定任何特定模型；Codex Harness 是支撑 Codex App、CLI 和 IDE 扩展的统一执行框架，以 SDK 和 app-server 形式将 Agent 能力嵌进企业已有的业务系统，门槛更低但替换灵活性有限，且与 OpenAI 模型深度绑定。本文系统对比两者的架构理念、安装方式、四种预设模式、开源协议差异，以及不同团队规模和技术背景下的选型建议。
先搞清楚：Harness 到底是什么
很多人以为 AI Agent = 好模型 + 好提示词，但真正在业务里跑起来的 Agent 需要一套复杂的底层执行系统：理解任务、保持多轮记忆、调用工具、管理沙箱、处理失败、在关键节点暂停等待人工审批，最后返回有用结果。这套"包揽脏活的执行系统"，就是 Harness。
DeepSeek 官方给出了一个公式：Agent = Model + Harness。翻译过来就是——模型是会思考的大脑，Harness 是能干活的身体。有研究数据显示，同一个模型换了执行框架，某类 Agent 任务的评测分数可以从 13% 涨到 38%。模型能力重要，执行层同样关键。
DeepSeek Harness：一切皆插件
发布时间：2026 年 8 月 13 日（开发者预览版 v0.1）
开源协议：MIT，商用无限制
核心口号：一切皆插件
DeepSeek Harness（简称 DSH）与 DeepSeek-V4-Pro-0813 正式版同日发布，发布半小时 GitHub Star 破万，6 天内突破 3.7 万。黑色鲸鱼是它的标识，刻意区别于 DeepSeek 模型产品的蓝色鲸鱼——DSH 团队从一开始就强调，这是一个独立于模型的框架产品。
架构设计
DSH 基于 Cordis 插件系统构建，所有 Agent 能力均由插件组合而成：
-
模型（Model）→ 插件
-
工具（Tool）→ 插件
-
技能（Skill）→ 插件
-
会话管理 → 插件
-
沙箱环境 → 插件
-
存储 → 插件
-
Agent 循环 → 插件
-
调度 → 插件
-
UI 界面 → 插件
这意味着每一层都可以自由替换。你可以换掉默认的 DeepSeek 模型，接入任意模型（包括本地部署的开源模型）；可以替换沙箱，接入自己的执行环境；也可以自己开发插件扩展工具集。
四种预设模式
DSH 内置了四种开箱即用的 Agent 预设，加载不同的插件组合：
模式
定位
适用场景
极简模式（Minimal）
最轻量，无压缩/搜索/Skill/子 Agent
简单修改、最小化 Agent 测试
标准模式（Standard）
默认，功能最全
日常写代码、修 Bug、分析项目
并发/搜索模式
高并发搜索
大批量资料收集、多线程任务
自定义预设
用户自行配置
写作工作台等特定场景
V4-Flash 正式版 Benchmark 里提到的"极简模式"就是 DSH 的 Minimal 预设，这也是官方验证了其框架质量的一个信号。
安装方式
# 推荐：一行命令安装（需要 Node.js）
npx deepseek-harness
# 安装完成后通过本地网关访问
# 浏览器打开 http://localhost:端口号
# 输入 DeepSeek API Key 即可进入
DSH 在本地运行，数据不出本机。
Codex Harness：把 Agent 嵌进你的软件
发布时间：2026 年 8 月 19 日
开源协议：Apache-2.0（含专利授权条款）
核心定位：Codex as a Platform
Codex App、Codex CLI 和 Codex IDE 扩展三款产品共用同一套底层 Harness。OpenAI 开源它的理由是：与其把各团队的工作流硬塞进通用聊天框，不如把 Agent 直接带进围绕实际业务设计的软件里。
架构设计
Codex Harness 是一套统一执行框架，核心负责管理：
-
会话状态：跨轮次的上下文保持
-
工具调用：文件操作、代码执行、搜索
-
沙箱管理：安全隔离的代码执行环境
-
人工审批节点：在关键步骤暂停等待人工确认
-
上下文压缩：长会话的 token 优化
与 DSH 的插件化不同，Codex Harness 是整体框架，它提供的是标准化的能力接入接口，而不是可替换的插件图谱。开发者不需要关心内部如何运行，只需调用接口把能力嵌进自己的产品。
三种接入方式
# 方式一：命令行直接执行（最快速）
codex exec "帮我分析这个仓库的安全漏洞"
# 方式二：通过 SDK 集成进自有产品
import { CodexHarness } from '@openai/codex-harness'
const harness = new CodexHarness({ apiKey: 'your_key' })
const result = await harness.run({ task: '...' })
# 方式三：app-server 模式（企业后台服务）
codex app-server --port 3000
这三种方式的目标是让企业把 Codex 的 Agent 能力嵌进操作台、客服系统、安全工具、内部应用，而不是让用户在另一个聊天框里操作。
核心区别对比
维度
DeepSeek Harness
Codex Harness
发布时间
2026-08-13
2026-08-19
开源协议
MIT
Apache-2.0
核心理念
一切皆插件，自由组合
把 Agent 嵌进企业软件
架构方式
插件式（Cordis 系统）
统一执行框架
模型绑定
无绑定，模型也是插件
深度绑定 OpenAI 模型
运行方式
本地运行（本地网关）
本地/云端均可，SDK 嵌入
开发者门槛
中（需理解插件体系）
低（三行代码接入）
可替换性
极高（所有层均可替换）
低（框架整体使用）
适合人群
技术开发者、研究者
企业开发团队
GitHub Stars
约 3.7 万（发布6天内）
约 1.7 万（发布次日）
谁更适合你
选 DeepSeek Harness，如果你：
-
想完全掌控 Agent 的每一层，自己决定用什么模型、什么工具、什么沙箱
-
需要高度定制的 Agent 工作流（比如多步骤并发搜索、自定义技能链）
-
不想被模型厂商锁定，希望随时切换底层模型
-
数据隐私要求高，需要完全本地运行
-
MIT 协议更符合你的商用需求
选 Codex Harness，如果你：
-
想把 AI 能力快速嵌进已有的企业系统（操作台、客服、安全工具）
-
团队技术背景参差不齐，需要低门槛的接入方式
-
已经是 OpenAI 的用户，不打算替换模型
-
需要企业级的会话状态管理和审批工作流
两者都不选，如果你：
-
只是想用 AI 辅助编程 → Claude Code 或 Codex CLI 更直接
-
需要一个现成的多模型 API 统一接入层，不想自建框架 → 可以直接用七牛云 AI 大模型广场（qiniu.com/ai/models）的统一 API，免去框架搭建的成本
FAQ
Q：DeepSeek Harness 必须用 DeepSeek 的模型吗？ A：不是。DSH 的模型层也是插件，可以接入任意 OpenAI 兼容接口的模型，包括本地部署的开源模型。"DeepSeek"只是开发者名称，框架本身与模型解耦。
Q：Codex Harness 和 Codex CLI 是什么关系？ A：Codex CLI 是面向个人开发者的命令行编程工具，Codex Harness 是支撑 CLI、App 和 IDE 扩展的底层框架。Harness 开源后，开发者可以用同一套执行引擎构建自己的工具，不再局限于 OpenAI 提供的三个官方前端。
Q：Apache-2.0 和 MIT 哪个对商业更友好？ A：都可以商用，主要区别是 Apache-2.0 包含专利授权条款（使用后不能起诉贡献者专利侵权），MIT 更简洁无附加条件。对大多数商业场景，两者实际差别不大，但法务部门可能偏好 MIT。
Q：两个框架能混用吗，比如用 DSH 的插件接 Codex 的模型？ A：理论上两套框架的接口层不通用，但如果 Codex Harness 暴露了 OpenAI 兼容的 API，DSH 的模型插件可以指向这个端点。目前社区已有人在探索，但尚无官方支持。
总结
DeepSeek Harness 和 Codex Harness 代表了 Agent 执行层的两条路线：前者把权力交给开发者，让每一层都可插拔替换，适合技术深度用户自由组合；后者把 Agent 能力标准化为平台接口，让企业以最低门槛将 AI 嵌进已有系统。6 天之内两者相继开源，意味着 AI 竞赛的战场正在从模型能力转向执行层——谁的框架生态更繁荣，谁就更可能成为下一个时代的 Agent 运行时标准。
