# 影片筆記：Codex Harness正式开源！三行代码，直接把Codex装进你的应用，SDK+App Server完整解析，实测迁移AI数据分析Agent全过程


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=17 已先套用暫定修正：通過SDK,你可以直接啟動一個Codex Thread,也可以繼續之前的任務,恢復歷史任務,甚至Folk出一個新的任務分支。 → 通過SDK,你可以直接啟動一個Codex Thread,也可以繼續之前的任務,恢復歷史任務,甚至Fork出一個新的任務分支。；segment=26 已先套用暫定修正：你自己的產品不需要重新實現Codex,只需要通過App Server倒數它,開始一個任務,繼續上一次任務,執行下一步,批准這次操作,或者把當前執行狀態返回給前端。 → 你自己的產品不需要重新實現Codex,只需要通過App Server調用它,開始一個任務,繼續上一次任務,執行下一步,批准這次操作,或者把當前執行狀態返回給前端。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=5 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=6 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

OpenAI 正式開源 **Codex Harness**，將過去封閉在 Codex 產品背後的 Agent 執行系統（狀態管理、工具調用、沙盒環境等）開放給開發者。透過 **Codex SDK** 與 **Codex App Server** 兩大入口，開發者可直接調用底層能力，實現從「選模型+搭框架」到「選擇成熟 Harness+開發業務」的開發範式轉移，並透過實戰驗證了遷移現有 AI 數據分析 Agent 的可行性與穩定性提升。

## 核心重點

1.  **Codex Harness 的發布與定位**：
    *   標誌著從「使用現成智能體」轉向「開放底層 Agent 執行系統」的轉變。
    *   **定義區別**：普通 API 是問一句答一句；Agent 需求則包含項目位置、讀取文件、任務步驟、命令執行、用戶批准、中斷恢復、上下文管理等。
    *   **Harness 定義**：模型負責思考，Harness 負責讓模型完成任務的所有執行細節（狀態恢復、上下文管理、命令執行與用戶批准等穩定性問題）。

2.  **兩大開發入口解析**：
    *   **Codex SDK**：
        *   **適用場景**：已有 Python 項目，希望快速增加 Agent 能力的場景（快速接入）。
        *   **功能**：自動讀取/修改代碼倉庫、分析數據生成報告、連續調用文件/命令行/工具。
        *   **核心操作**：啟動 Codex Thread、繼續/恢復歷史任務、Fork 新任務分支。
    *   **Codex App Server**：
        *   **適用場景**：開發完整 Agent 產品（如桌面端 AI、企業內部數據分析系統、帶界面的數字員工），需要暴露 Agent 執行過程與狀態控制的場景。
        *   **功能**：暴露 Agent 執行過程（執行哪條命令、修改哪個文件、使用何工具、任務進度、高權限操作確認）。
        *   **優勢**：無需重新實現 Codex，通過 App Server 調用即可開始、繼續、執行下一步、批准操作或返回狀態給前端。

3.  **實戰測試與遷移經驗**：
    *   **測試背景**：團隊原有基於 Deep Agents 架構的 AI 數據分析 Agent（包含大量工具、Skills、MCP 及工作流）。
    *   **遷移動作**：將底層 Agent Runtime 更換為 Codex Harness。
    *   **遷移結果**：過程簡單，原業務邏輯、工具、Skills、MCP 大部分可復用。主要變化在於將 Agent 的執行、狀態和任務生命周期管理切換至 Codex Harness。
    *   **效能提升**：複雜長任務（如數據分析：讀取數據->檢查字段->寫 Python 分析->生成圖表->發現異常重算->生成報告）執行更完整穩定。
    *   **解決痛點**：解決了多步操作後目標遺忘、執行中斷、報錯後無法繼續、任務中斷後無法恢復等問題。

4.  **Harness 的核心基礎設施**：
    *   **Sandbox**：將 Agent 命令執行限制在安全環境。
    *   **Approval**：敏感操作需經用戶確認。
    *   **Thread**：保存完整任務與狀態，支持下次繼續執行。
    *   **MCP 與 Skills**：為 Agent 增加外部工具和專業能力。

5.  **開發範式轉移與未來展望**：
    *   **舊範式**：選模型 -> 選 LangChain/LangGraph 等框架 -> 自己搭工具、狀態、線程、Memory、工作流。
    *   **新範式**：選成熟 Harness -> 直接在 Harness 上做業務。模型可換，業務可換，但底層執行系統可複用。
    *   **Codex 的定位演變**：從單一 AI 編程工具 -> 圍繞同一套 Harness 能力展開（CLI, App, IDE）。從服務 OpenAI 內部產品 -> 向開發者開放。最終定位：開發其他智能體的通用 Agent 基座。

## 詳細大綱

### 一、 Codex Harness 的發布與定位
1.  **背景**：受 Deepseek Harness 爆火影響，OpenAI 發布 Codex Harness。
2.  **轉變意義**：
    *   過去：使用者僅是 Codex 智能體的使用者（輸入任務，自動完成）。
    *   現在：OpenAI 開放底層系統，允許開發者直接調用核心能力（發動機、底盤、控制系統）。
3.  **定義區別**：
    *   普通 API：問一句答一句。
    *   Agent 需求：需知道項目位置、讀取文件、任務步驟、命令執行、用戶批准、中斷恢復、上下文管理。
    *   **Harness 定義**：模型負責思考，Harness 負責讓模型完成任務的所有執行細節。

### 二、 兩大開發入口解析
1.  **Codex SDK**
    *   **適用場景**：已有 Python 項目，需快速增加 Agent 能力。
    *   **功能**：自動讀取/修改代碼倉庫、分析數據生成報告、連續調用文件/命令行/工具。
    *   **核心操作**：啟動 Codex Thread、繼續/恢復歷史任務、Fork 新任務分支。
    *   **定位**：快速接入入口。
2.  **Codex App Server**
    *   **適用場景**：開發完整 Agent 產品（如桌面端 AI、企業內部數據分析系統、帶界面的數字員工）。
    *   **功能**：暴露 Agent 執行過程（執行哪條命令、修改哪個文件、使用何工具、任務進度、高權限操作確認）。
    *   **定位**：控制 Harness 的接口，連接 Codex Harness 與不同客戶端。
    *   **優勢**：無需重新實現 Codex，通過 App Server 調用即可開始、繼續、執行下一步、批准操作或返回狀態給前端。

### 三、 實戰測試與遷移經驗
1.  **測試背景**：團隊原有基於 Deep Agents 架構的 AI 數據分析 Agent（包含大量工具、Skills、MCP 及工作流）。
2.  **遷移動作**：將底層 Agent Runtime 更換為 Codex Harness。
3.  **遷移結果**：
    *   過程簡單，原業務邏輯、工具、Skills、MCP 大部分可復用。
    *   主要變化在於將 Agent 的執行、狀態和任務生命周期管理切換至 Codex Harness。
4.  **效能提升**：複雜長任務（如數據分析：讀取數據->檢查字段->寫 Python 分析->生成圖表->發現異常重算->生成報告）執行更完整穩定。
5.  **解決痛點**：解決了多步操作後目標遺忘、執行中斷、報錯後無法繼續、任務中斷後無法恢復等問題。

### 四、 Harness 的核心基礎設施
Codex Harness 預先處理了開發 Agent 的麻煩事，成為可複用的基礎設施：
1.  **Sandbox**：將 Agent 命令執行限制在安全環境。
2.  **Approval**：敏感操作需經用戶確認。
3.  **Thread**：保存完整任務與狀態，支持下次繼續執行。
4.  **MCP 與 Skills**：為 Agent 增加外部工具和專業能力。

### 五、 開發範式轉移與未來展望
1.  **舊範式**：選模型 -> 選 LangChain/LangGraph 等框架 -> 自己搭工具、狀態、線程、Memory、工作流。
2.  **新範式**：選成熟 Harness -> 直接在 Harness 上做業務。
    *   模型可換，業務可換，但底層執行系統可複用。
3.  **Codex 的定位演變**：
    *   從單一 AI 編程工具 -> 圍繞同一套 Harness 能力展開（CLI, App, IDE）。
    *   從服務 OpenAI 內部產品 -> 向開發者開放。
    *   最終定位：開發其他智能體的通用 Agent 基座。
4.  **後續預告**：將演示 Codex SDK 和 App Server 的使用，接入工具、Skills、MCP，並集成進完整 AI 數據分析 Agent。提供教程與源碼。

## 工具 / 模型 / 名詞整理

*   **Deepseek Harness**：影片中提及受其爆火影響而發布 Codex Harness，具體指代需查證。
*   **Codex**：OpenAI 的產品/模型。
*   **Codex Harness**：OpenAI 正式開源的 Agent 執行系統，包含狀態管理、工具調用、沙盒環境等。
*   **Codex SDK**：適合已有 Python 項目，希望快速增加 Agent 能力的開發入口。
*   **Codex App Server**：適合開發完整 Agent 產品，需要暴露 Agent 執行過程與狀態控制的開發入口。
*   **OpenAI**：發布 Codex Harness 的公司。
*   **Codex Thread**：Codex 中保存完整任務與狀態的單位，支持下次繼續執行。
*   **Codex CLI**：Command Line Interface，Codex 的命令行工具。
*   **Codex App**：Codex 的應用程序。
*   **IDE**：Integrated Development Environment，集成開發環境。
*   **Python**：程式語言。
*   **Deep Agents**：影片中提及的原有架構名稱，具體指代需查證。
*   **LangChain**：AI 開發框架。
*   **LangGraph**：AI 開發框架。
*   **Sandbox**：沙盒環境，將 Agent 命令執行限制在安全環境。
*   **Approval**：批准機制，敏感操作需經用戶確認。
*   **Thread**：線程或任務線，保存完整任務與狀態。
*   **MCP**：Model Context Protocol 或其他特定協議/工具，為 Agent 增加外部工具。
*   **Skills**：技能模塊，為 Agent 增加專業能力。

## 操作流程整理

1.  **選擇開發入口**：
    *   若為已有 Python 項目且需快速增加 Agent 能力，選擇 **Codex SDK**。
    *   若為開發完整 Agent 產品（如桌面端 AI、數字員工）且需暴露執行過程，選擇 **Codex App Server**。
2.  **初始化與配置**：
    *   使用 Codex SDK 啟動 Codex Thread。
    *   或使用 Codex App Server 連接客戶端，配置工具、Skills、MCP。
3.  **執行任務**：
    *   模型負責思考，Harness 負責執行細節。
    *   系統自動處理：讀取文件、命令執行、工具調用、上下文管理。
4.  **用戶互動與控制**：
    *   進行高權限操作時，觸發 Approval 機制，需用戶確認。
    *   可隨時中斷、恢復歷史任務或 Fork 新任務分支。
5.  **遷移現有 Agent（實戰案例）**：
    *   保留原有業務邏輯、工具、Skills、MCP。
    *   將底層 Agent Runtime 更換為 Codex Harness。
    *   驗證長任務（數據分析全流程）的穩定性與完整性。

## 值得注意的限制或風險

*   **術語與產品名稱不確定性**：影片中提及的 "Deepseek Harness" 和 "Deep Agents" 架構名稱在常見技術文獻中較少見，可能為聽寫錯誤或特定內部/小眾產品名稱，需查證是否指代其他框架或模型。
*   **術語定義模糊**："Codex Thread"、"Skills" 在影片中作為特定術語使用，需確認是否為 Codex 專屬術語還是通用概念。
*   **MCP 指代不明**：影片中提及 "Skills, 以及一整套完整的數據分析工作流... Skills, MCP"，需確認 MCP 在此處指代 Model Context Protocol 或其他特定協議/工具。
*   **遷移兼容性**：雖然影片稱大部分業務邏輯可復用，但將 Agent 的執行、狀態和任務生命周期管理切換至 Codex Harness 可能涉及具體的代碼重構，需評估現有架構的兼容成本。

## 逐字稿辨識疑點

根據可讀性檢核結果，以下片段存在斷句或語意問題，建議在後續校對中特別關注：

*   **Segment 5, 6, 7, 16, 17, 47**: `unnatural_sentence_boundary` — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語。
*   **Segment 36**: `rapid_semantic_review` — 上下文為'比如一次完整的數據分析任務,Agent的數據分析任務。Agent可能需要先讀取數據...'，後半句'Agent的數據分析任務'與前半句意思高度重疊，且未構成完整語意。
*   **Segment 51**: `rapid_semantic_review` — 在Agent開發語境中，常見搭配為'全鏈路'（Full-stack/End-to-end）或'線程管理'（Thread management）。'全線'非標準術語。

**具體疑點列表：**
1.  **Deepseek Harness**：逐字稿提及「受 Deepseek Harness 最近爆火的影響」，此名稱在常見技術文獻中較少見，可能為聽寫錯誤或特定內部/小眾產品名稱，需查證是否指代其他框架或模型。
2.  **Deep Agents**：逐字稿提及「基於 Deep Agents 架構開發」，此為特定架構名稱，需確認是否為該團隊自定義架構或特定開源項目名稱。
3.  **Codex Thread**：逐字稿提及「啟動一個 Codex Thread」，需確認此為 Codex 專屬術語還是通用術語。
4.  **Skills**：在 Agent 開發語境中，通常指代特定功能模塊，需確認是否為 Codex 專屬術語或通用概念。
5.  **MCP**：逐字稿提及「Skills, 以及一整套完整的數據分析工作流... Skills, MCP」，需確認 MCP 在此處指代 Model Context Protocol 或其他特定協議/工具。
6.  **全線**：Segment 51 中提及「全線」，非標準術語，可能為「全鏈路」或「線程管理」的辨識錯誤。

## 可延伸追問

1.  **Deepseek Harness 與 Deep Agents 的具體指代**：影片中提到的 "Deepseek Harness" 和 "Deep Agents" 架構具體是什麼？是否為 OpenAI 內部使用的代號或特定開源項目？
2.  **Codex Thread 的技術實現**：Codex Thread 是如何實現狀態保存和恢復的？與傳統的線程（Thread）或會話（Session）有何本質區別？
3.  **MCP 的具體協議**：在此上下文中，MCP 是否指代 Model Context Protocol？如果是，它是如何與 Skills 協同工作以擴展 Agent 能力的？
4.  **遷移成本評估**：對於已經使用 LangChain/LangGraph 等框架開發的 Agent，遷移到 Codex Harness 的具體代碼改動量有多大？是否有自動遷移工具？
5.  **安全性與沙盒機制**：Codex Harness 的沙盒（Sandbox）機制具體如何隔離 Agent 的命令執行？對於高權限操作（Approval），是否有更細粒度的權限控制？
6.  **性能開銷**：引入 Codex Harness 作為底層執行系統，對 Agent 的響應速度和資源消耗有何影響？與直接調用模型 API 相比，開銷增加多少？