start	end	text
0	5820	受Deepseek Harness最近爆火的影響,Codex這邊也放大招了,Codex Harness正式上線。
5820	17700	以前我們使用Codex本質上是在使用一個已經做好的智能體,你把任務交給它,它會自己讀代碼、改文件、執行命令、調用工具,最後把事情做完。
17700	25600	但這次不一樣,OpenAI開始把Codex背後真正負責讓Agent跑起來的那套系統,也就是Codex Harness。
25600	42200	通過Codex SDK和Codex App Server開放出來,你可以把它理解成,以前OpenAI給你的是一台已經裝好的車,而現在連發動機、底盤、控制系統這些核心能力也開始允許開發者直接拿來使用。
42200	49000	你不需要重新從零搭一整套Agent,就可以直接基於Codex Harness開發自己的AI數據分析。
49000	53200	Agent、辦公Agent、編程Agent,甚至完整的數字員工。
53200	58300	Codex Harness和普通模型API最大的區別也就在這裡。
58300	68500	普通API的邏輯很簡單,你發一句話,模型返回一個答案,但一個真正能夠完成複雜任務的Agent遠遠不只是問一句答一句。
68500	74200	他還需要知道自己現在在哪個項目裡,要讀取哪些文件,當前任務執行到第幾步,
74200	82300	某條命令能不能運行,修改文件之前是否需要用戶批准,任務做到一半中斷之後能不能恢復,
82300	85300	以及上下文越來越長以後應該怎麼管理。
85300	93400	這些真正決定Agent能不能持續穩定完成複雜任務的能力,加在一起就是Harness。
93400	98400	換句話說,模型負責思考,Harness負責讓模型真正把事情做完。
98400	106500	這一次Codex Harness對開發者最重要的兩個入口,就是Codex SDK和Codex App Server。
106500	115500	先說Codex SDK,這個其實最好理解,如果你現在已經有一個Python項目,只是想快速給它增加Codex的Agent能力,
115500	120500	就可以直接使用SDK,不需要重新搭一套Agent框架。
120500	132100	你可以讓它自動讀取一個代碼倉庫並修改代碼,也可以讓它分析一批數據,然後生成報告,或者執行一個需要連續調用文件、命令行和各種工具的複雜任務。
132100	141600	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。
141600	150300	所以Codex SDK更像是一個快速接入入口,你已經有自己的程序,只是希望把Codex Harness的能力加進去,
150300	157900	優先用它就可以。而另外一個Codex App Server則更加底層,更適合真正開發完整Agent產品。
157900	169400	比如,你想做一個桌面端AI Agent企業內部的數據分析系統,AI編程工具,或者一個帶完整介面的數字員工,這時候僅僅調用SDK就不夠了。
169400	175600	因為你的產品不能只是發一句Prompt,然後等最終結果,它還需要時時知道Agent在幹什麼。
175600	183200	比如,現在正在執行哪條命令,正在修改哪個文件,要用了哪個工具,任務執行到哪一步,
183200	192000	以及某個高權限操作是不是需要用戶確認。Codex App Server就負責把這些過程完整暴露出來。
192000	201200	OpenAI官方現在也明確把它作為Codex產品深度集成的重要接口,用來連接Codex Harness和不同的客戶端。
201200	210300	這裡可以用一個很簡單的方式理解。Codex Harness是整套Agent執行系統,Codex App Server則是你控制這套系統的接口。
210300	223600	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。
223600	232700	所以,如果你只是想快速調用Codex優先使用SDK,如果你想真正開發一款完整的Agent產品,就重點研究App Server。
232700	235700	我們團隊也在第一時間做了一次實際測試。
235700	240700	之前,我們有一套基於Deep Agents架構開發的AI數據分析。
240700	246700	Agent裡面已經包含大量數據分析工具,Skills, MCP,以及一整套完整的數據分析工作流。
246700	251800	這一次,我們嘗試把底層Agent Runtime更換為Codex Harness。
251800	254800	實際遷移過程比預想中簡單很多。
254800	259800	原來的業務邏輯,工具,Skills,和MCP大部分都可以繼續復用。
259800	266800	主要變化是把Agent的執行,狀態和任務生命周期管理切換到Codex Harness這一套體系。
266800	272800	遷移完成之後,一個比較明顯的感受就是複雜長任務跑起來更加完整和穩定。
272800	275800	比如一次完整的數據分析任務,Agent的數據分析任務。
275800	285800	Agent可能需要先讀取數據,檢查字段,再寫Python做分析,然後生成圖表,發現異常之後重新計算,最後再生成完整報告。
285800	289800	整個過程中可能包含幾十步甚至上百步操作。
289800	299800	這種任務真正考驗的,其實已經不只是模型會不會寫代碼,而是Agent在執行幾十步以後會不會忘記最開始的目標?
299800	303800	會不會執行一半停下來?報錯之後能不能繼續?
303800	305800	以及任務中斷之後能不能恢復?
305800	309800	這些問題恰恰就是Harness最核心的價值。
309800	315800	Codex Harness本身也已經把很多過去開發Agent最麻煩的事情提前處理好了。
315800	319800	比如Sandbox可以把Agent的命令執行,限制在安全環境裡。
319800	323800	Approval可以讓敏感操作先經過用戶確認。
323800	327800	Thread可以把一個完整任務和狀態保存下來,下次繼續執行。
327800	333800	同時還有MCP和Skills可以繼續給Agent增加外部工具和專業能力。
333800	337800	如果這些能力全部從0自己開發,成本其實非常高。
337800	341800	而現在Codex Harness已經把它們變成了一套可以直接附用的基礎設施。
341800	353800	這也是為什麼我覺得這次Codex Harness真正重要的地方,並不是OpenAI又發布了一個新的Agent SDK,而是開發Agent的方式正在發生變化。
353800	363800	以前我們做Agent往往是先選一個模型,再選LangChain,LangGraph或者其他框架,然後自己搭工具,狀態,全線,memory和工作流。
363800	370800	以後則很可能變成先選擇一套成熟的Harness,然後直接在這套Harness上做自己的業務。
370800	378800	模型可以換,業務也可以換,但底層那套讓Agent穩定執行任務的系統可以直接附用。
378800	389800	而從OpenAI目前公開的信息來看,Codex CLI,Codex App,IDE等不同形態,本身就是圍繞同一套Codex Harness能力展開的。
389800	398800	現在真正發生變化的是,這套原本主要服務OpenAI自己Codex產品的能力,正在進一步向開發者開放。
398800	408800	所以Codex的定位也開始不再只是一個AI變成工具,它正在逐漸變成一套可以拿來開發其他智能體的通用Agent基座。
408800	417800	以後你想開發AI數據分析系統,研發Agent,辦公Agent,甚至企業內部數字員工,並不一定還要從最底層重新打一整套Agent Framework,
417800	424800	完全可以直接站在Codex Harness已經搭好的基礎設施上,繼續做自己的產品和業務能力。
424800	435800	本期後面的實戰,我們就會直接把Codex Harness跑起來,分別演示Codex SDK和Codex App Server的使用方式,以及如何接入工具,Skills和MCP。
435800	441800	最後再把它真正集成進一套完整的AI數據分析Agent。
441800	452800	同時,我們團隊也已經整理好了Codex Harness使用與開發教程,完整配置說明,以及這套基於Codex Harness重構的AI數據分析Agent項目緣碼。
452800	457800	想直接跟著項目復線的,可以查看制定評論領取。
457800	468800	如果之前大家學習Codex,重點還是怎麼把Codex用好,那麼從Codex Harness開始,一個更值得關注的問題已經變成了,怎麼拿Codex做出屬於自己的Agent。
468800	470800	Codex Harness