OpenAI Codex Harness正式開源｜不發新模型，卻顛覆AI Agent開發范式

iZhenTanHK 首頁 每日列表 原始影片
實際影片長度：6:38.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:02.870
zhOpenAI Codex Harness開源了,
0:02.870–0:03.913
zh模型只是發動機,
0:03.913–0:06.000
zhHarness才是那套駕駛系統。
0:06.000–0:06.638
zh8月20日,
0:06.638–0:11.000
zhOpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。
0:11.000–0:13.097
zh他提到一個挺反直覺的案例,
0:13.097–0:15.677
zh一套由Codex驅動的稅務系統,
0:15.677–0:18.581
zh在試點中處理了大約7000份報稅表,
0:18.581–0:21.000
zh把稅務準備時間縮短了1 3左右。
0:21.000–0:24.750
zh但如果你只把這理解成OpenAI又升級了一次編程AI,
0:24.750–0:26.000
zh可能就錯過重點了。
0:26.000–0:27.385
zh這次真正值得聊的,
0:27.385–0:28.923
zh甚至不是哪個新模型,
0:28.923–0:32.000
zh而是模型背後那套執行系統Harness。
0:32.000–0:37.000
zh很多人第一次聽到這個詞,會以為它就是個開發框架,其實不太準確。
0:37.000–0:39.000
zh它更像是AI智能體的執行系統。
0:39.000–0:42.319
zh今天一個能連續工作幾十分鐘甚至幾個小時的Agent,
0:42.319–0:45.000
zhCode從來不只是好模型加好Prompt。
0:45.000–0:50.000
zh他得知道什麼時候該讀文件,什麼時候該搜索信息,什麼時候該調用工具,
0:50.000–0:54.000
zh任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
0:54.000–0:58.000
zh哪些操作可以自動跑,哪些必須停下來等人審批。
0:58.000–0:59.538
zh他還要維護任務狀態,
0:59.538–1:00.308
zh保存現成,
1:00.308–1:01.077
zh處理權限,
1:01.077–1:01.846
zh記錄過程,
1:01.846–1:04.154
zh把工具執行的結果不斷送回模型,
1:04.154–1:06.000
zh讓模型決定下一步該幹嘛。
1:06.000–1:11.000
zh說白了,模型負責思考,Harness負責把這種思考真正落進現實世界。
1:11.000–1:14.826
zh這也是為什麼Agent時代正在出現一個判斷,
1:14.826–1:17.783
zh以後決定一個AI產品體驗好不好的,
1:17.783–1:19.870
zh可能不只是用了哪個模型,
1:19.870–1:23.000
zh而是這個模型是怎麼被組織起來工作的。
1:23.000–1:25.000
zhOpenAI自己就給了個很典型的例子。
1:25.000–1:27.833
zh在ARC-IGS這個公開測試集上,
1:27.833–1:30.667
zh同樣是GPT5.6SAL這個模型,
1:30.667–1:32.667
zh用官方Harness跑,
1:32.667–1:34.000
zh得分13.3%。
1:34.000–1:37.287
zh等系統進一步打開Retained Reasoning,
1:37.287–1:40.828
zh也就是保留推理狀態和Compaction上下輪壓縮之後,
1:40.828–1:42.345
zh得分直接提到38.3%,
1:42.345–1:45.000
zh輸出的Token數量反而降到了大概1.6。
1:45.000–1:47.939
zh注意,這不是說模型智商突然翻了三倍,
1:47.939–1:49.408
zh真正值得關注的是,
1:49.408–1:50.551
zh模型壓根沒換,
1:50.551–1:53.000
zh系統表現卻發生了這麼大的變化。
1:53.000–1:59.000
zh這說明大模型的競爭正在從單純比參數,比推理能力,往更深一層下沉。
1:59.000–2:00.135
zh上下文怎麼管,
2:00.135–2:01.270
zh工具怎麼組織,
2:01.270–2:02.405
zh任務怎麼循環,
2:02.405–2:03.541
zh錯誤怎麼恢復,
2:03.541–2:05.000
zh人什麼時候該介入。
2:05.000–2:06.225
zh模型是發動機,
2:06.225–2:08.500
zhHarness才是變速箱,
2:08.500–2:09.200
zh方向盤,
2:09.200–2:09.725
zh導航,
2:09.725–2:10.250
zh刹車,
2:10.250–2:12.000
zh是整套駕駛控制系統。
2:12.000–2:17.000
zh而Codex正在把這套能力越來越完整的開放給開發者。
2:17.000–2:18.773
zh這裡有個容易被誤讀的地方,
2:18.773–2:19.591
zh得澄清一下。
2:19.591–2:23.000
zhCodex的Harness並不是昨天才突然開源的。
2:23.000–2:27.000
zhCodex的代碼倉庫早就用的是Arpreci 2.0許可證。
2:27.000–2:27.857
zh2025年,
2:27.857–2:30.571
zhOpenAI就發布了Codex SDK,
2:30.571–2:34.000
zh開發者可以把整套Agent能力欠進自己的工作流。
2:34.000–2:35.304
zh到了2026年2月,
2:35.304–2:38.174
zh又進一步公開了Codex App Server,
2:38.174–2:40.000
zh一套雙向JSON RPC接口,
2:40.000–2:44.000
zh能把Codex底層的Agent循環接近不同的產品界面裡。
2:44.000–2:49.000
zh所以這次真正值得討論的,不是OpenAI突然把秘密武器免費送人,
2:49.000–2:51.545
zh而是一個更大的趨勢正在成熟。
2:51.545–2:57.000
zhCodex正在從一個產品慢慢變成可以嵌入其他產品的基礎能力。
2:57.000–2:59.000
zh開發者大致有三條路可以走。
2:59.000–3:01.333
zh最簡單的是Codex Exact,
3:01.333–3:04.542
zh可以把Agent直接塞進腳本或者CI流程裡,
3:04.542–3:06.000
zh幹一些邊界清楚的活。
3:06.000–3:08.167
zh再往上是Codex SDK,
3:08.167–3:09.333
zh應用可以創建、
3:09.333–3:10.167
zh恢復現成、
3:10.167–3:11.000
zh運行任務、
3:11.000–3:12.333
zh接收結構化輸出,
3:12.333–3:15.000
zh把Agent真正寫進業務邏輯裡。
3:15.000–3:17.109
zh更深一層是App Server,
3:17.109–3:19.781
zh它甚至不要求你的產品長得像Codex,
3:19.781–3:21.609
zh你可以保留自己原本的界面,
3:21.609–3:24.000
zh只是把底層的Agent循環接近來。
3:24.000–3:26.615
zh這事看起來只是個技術架構上的變化,
3:26.615–3:30.000
zh但可能會改寫AI軟件過去三年的一個基本套路。
3:30.000–3:32.253
zh從ChatGPT爆發以來,
3:32.253–3:34.853
zh行業裡幾乎形成了一種條件反射,
3:34.853–3:37.280
zh只要用上AI就加一個聊天礦,
3:37.280–3:38.147
zh客服要加,
3:38.147–3:39.360
zh數據分析要加,
3:39.360–3:40.400
zhCRM要加,
3:40.400–3:41.787
zh財務軟件也要加,
3:41.787–3:43.000
zh幾乎無一例外。
3:43.000–3:47.000
zh結果就是底層模型越來越聰明,前端產品卻越來越像。
3:47.000–3:50.000
zh但真實的工作根本不是圍繞聊天發生的。
3:50.000–3:52.196
zh安全工程師面對的是告警列表,
3:52.196–3:54.235
zh財務人員面對的是賬目表格,
3:54.235–3:56.118
zh客服面對的是訂單和公班,
3:56.118–3:58.000
zh物流面對的是貨單和庫存。
3:58.000–3:59.000
zh醫生、律師、
3:59.000–3:59.667
zh工程師,
3:59.667–4:04.000
zh每個行業都有自己幾十年打磨出來的專業界面和操作習慣。
4:04.000–4:05.500
zh凭什麼為了用AI,
4:05.500–4:07.500
zh所有人都得離開這些系統,
4:07.500–4:09.333
zh跑到一個空白聊天礦裡,
4:09.333–4:11.000
zh把上下文重新說一遍。
4:11.000–4:12.909
zh更合理的方向其實反過來,
4:12.909–4:14.977
zh不是讓人去適應AI的界面,
4:14.977–4:18.000
zh而是讓AI進到人本來就在用的界面裡去。
4:18.000–4:20.030
zhCisco已經給出了一個現實案例,
4:20.030–4:24.090
zh他在Cisco Cloud Control裡推出了App Builder,
4:24.090–4:26.000
zh直接把Codex SDK嵌進平台,
4:26.000–4:28.625
zh讓客戶用自然語言創建定制應用,
4:28.625–4:31.600
zh不用先跳到另一個AI工具裡幹完活,
4:31.600–4:33.000
zh再把結果搬回來。
4:33.000–4:35.000
zh稅務場景則更能說明問題。
4:35.000–4:35.757
enOpenAI,
4:35.757–4:39.000
zhThrive Holdings和Crate一起做的Tax AI,
4:39.000–4:42.500
zh壓根沒打算讓會計師每天跟機器人聊天,
4:42.500–4:46.000
zh而是直接進入了原本就存在的報稅流程。
4:46.000–4:48.942
zh這一季度試點處理了700份報稅表,
4:48.942–4:50.327
zh從業人員的修改、
4:50.327–4:50.846
zh審核、
4:50.846–4:51.365
zh糾錯,
4:51.365–4:53.442
zh又被轉化成新的評測信號,
4:53.442–4:55.000
zh繼續推動系統改進。
4:55.000–4:58.000
zh這可能才是Agent真正能走進企業核心業務的方式。
4:58.000–5:04.000
zhAI不是另外多出來的一個軟件,而是變成了原有軟件裡的一層隱形執行能力。
5:04.000–5:06.000
zh當然,這裡有個邊界得說清楚。
5:06.000–5:09.429
zhCodex的代碼用Apache 2.0許可證開源,
5:09.429–5:13.000
zh不代表OpenAI把GPT模型的權重也一併開源了。
5:13.000–5:19.000
zh開源Harness也不代表模型推理、算力、企業部署這些就變成零成本了。
5:19.000–5:22.256
zh更不代表公司可以毫無安全措施地把數據庫、
5:22.256–5:23.233
zh內部API、
5:23.233–5:26.000
zh敏感文件全都甩給Agent去處理。
5:26.000–5:29.824
zh真正成熟的企業及Agent反而會越來越強調全線邊界、
5:29.824–5:30.324
zh殺箱、
5:30.324–5:30.824
zh審計、
5:30.824–5:31.588
zh工具白名單,
5:31.588–5:36.000
zh以及關鍵動作必須有人確認的Human in the Loop機制。
5:36.000–5:40.000
zh而這或許才是Codex Harness最值得關注的地方。
5:40.000–5:44.000
zh過去幾年我們一直在問,下一代模型會有多聰明?
5:44.000–5:48.000
zh但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
5:48.000–5:53.000
zh怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
5:53.000–5:56.000
zh從這個角度看,Harness的價值就很清楚了。
5:56.000–6:02.000
zh模型決定的是智能的上限,Harness決定的是這種智能能不能真正幹活。
6:02.000–6:06.167
zh而應用開發者真正的護城河也會重新回到自己的數據、
6:06.167–6:06.862
zh工作流、
6:06.862–6:07.730
zh專業界面、
6:07.730–6:09.640
zh全線體系和行業理解上。
6:10.000–6:14.000
zh未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
6:14.000–6:15.846
zh它可能沒有巨大的輸入框,
6:15.846–6:17.538
zh沒有閃爍的機器人頭像,
6:17.538–6:20.000
zh也不會要求你重新學一套操作方式。
6:20.000–6:26.000
zh你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
6:26.000–6:27.658
zh只是從某一天開始,
6:27.658–6:30.421
zh這些軟件突然開始自己理解任務,
6:30.421–6:31.711
zh自己調用工具,
6:31.711–6:33.000
zh自己執行工作。
6:33.000–6:37.967
zh只在真正需要你的時候才停下來,問你一句,這一步要執行嗎?
0:00.000–0:02.870
OpenAI Codex Harness開源了,
0:02.870–0:03.913
模型只是發動機,
0:03.913–0:06.000
Harness才是那套駕駛系統。
0:06.000–0:06.638
8月20日,
0:06.638–0:11.000
OpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。
0:11.000–0:13.097
他提到一個挺反直覺的案例,
0:13.097–0:15.677
一套由Codex驅動的稅務系統,
0:15.677–0:18.581
在試點中處理了大約7000份報稅表,
0:18.581–0:21.000
把稅務準備時間縮短了1 3左右。
0:21.000–0:24.750
但如果你只把這理解成OpenAI又升級了一次編程AI,
0:24.750–0:26.000
可能就錯過重點了。
0:26.000–0:27.385
這次真正值得聊的,
0:27.385–0:28.923
甚至不是哪個新模型,
0:28.923–0:32.000
而是模型背後那套執行系統Harness。
0:32.000–0:37.000
很多人第一次聽到這個詞,會以為它就是個開發框架,其實不太準確。
0:37.000–0:39.000
它更像是AI智能體的執行系統。
0:39.000–0:42.319
今天一個能連續工作幾十分鐘甚至幾個小時的Agent,
0:42.319–0:45.000
Code從來不只是好模型加好Prompt。
0:45.000–0:50.000
他得知道什麼時候該讀文件,什麼時候該搜索信息,什麼時候該調用工具,
0:50.000–0:54.000
任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
0:54.000–0:58.000
哪些操作可以自動跑,哪些必須停下來等人審批。
0:58.000–0:59.538
他還要維護任務狀態,
0:59.538–1:00.308
保存現成,
1:00.308–1:01.077
處理權限,
1:01.077–1:01.846
記錄過程,
1:01.846–1:04.154
把工具執行的結果不斷送回模型,
1:04.154–1:06.000
讓模型決定下一步該幹嘛。
1:06.000–1:11.000
說白了,模型負責思考,Harness負責把這種思考真正落進現實世界。
1:11.000–1:14.826
這也是為什麼Agent時代正在出現一個判斷,
1:14.826–1:17.783
以後決定一個AI產品體驗好不好的,
1:17.783–1:19.870
可能不只是用了哪個模型,
1:19.870–1:23.000
而是這個模型是怎麼被組織起來工作的。
1:23.000–1:25.000
OpenAI自己就給了個很典型的例子。
1:25.000–1:27.833
在ARC-IGS這個公開測試集上,
1:27.833–1:30.667
同樣是GPT5.6SAL這個模型,
1:30.667–1:32.667
用官方Harness跑,
1:32.667–1:34.000
得分13.3%。
1:34.000–1:37.287
等系統進一步打開Retained Reasoning,
1:37.287–1:40.828
也就是保留推理狀態和Compaction上下輪壓縮之後,
1:40.828–1:42.345
得分直接提到38.3%,
1:42.345–1:45.000
輸出的Token數量反而降到了大概1.6。
1:45.000–1:47.939
注意,這不是說模型智商突然翻了三倍,
1:47.939–1:49.408
真正值得關注的是,
1:49.408–1:50.551
模型壓根沒換,
1:50.551–1:53.000
系統表現卻發生了這麼大的變化。
1:53.000–1:59.000
這說明大模型的競爭正在從單純比參數,比推理能力,往更深一層下沉。
1:59.000–2:00.135
上下文怎麼管,
2:00.135–2:01.270
工具怎麼組織,
2:01.270–2:02.405
任務怎麼循環,
2:02.405–2:03.541
錯誤怎麼恢復,
2:03.541–2:05.000
人什麼時候該介入。
2:05.000–2:06.225
模型是發動機,
2:06.225–2:08.500
Harness才是變速箱,
2:08.500–2:09.200
方向盤,
2:09.200–2:09.725
導航,
2:09.725–2:10.250
刹車,
2:10.250–2:12.000
是整套駕駛控制系統。
2:12.000–2:17.000
而Codex正在把這套能力越來越完整的開放給開發者。
2:17.000–2:18.773
這裡有個容易被誤讀的地方,
2:18.773–2:19.591
得澄清一下。
2:19.591–2:23.000
Codex的Harness並不是昨天才突然開源的。
2:23.000–2:27.000
Codex的代碼倉庫早就用的是Arpreci 2.0許可證。
2:27.000–2:27.857
2025年,
2:27.857–2:30.571
OpenAI就發布了Codex SDK,
2:30.571–2:34.000
開發者可以把整套Agent能力欠進自己的工作流。
2:34.000–2:35.304
到了2026年2月,
2:35.304–2:38.174
又進一步公開了Codex App Server,
2:38.174–2:40.000
一套雙向JSON RPC接口,
2:40.000–2:44.000
能把Codex底層的Agent循環接近不同的產品界面裡。
2:44.000–2:49.000
所以這次真正值得討論的,不是OpenAI突然把秘密武器免費送人,
2:49.000–2:51.545
而是一個更大的趨勢正在成熟。
2:51.545–2:57.000
Codex正在從一個產品慢慢變成可以嵌入其他產品的基礎能力。
2:57.000–2:59.000
開發者大致有三條路可以走。
2:59.000–3:01.333
最簡單的是Codex Exact,
3:01.333–3:04.542
可以把Agent直接塞進腳本或者CI流程裡,
3:04.542–3:06.000
幹一些邊界清楚的活。
3:06.000–3:08.167
再往上是Codex SDK,
3:08.167–3:09.333
應用可以創建、
3:09.333–3:10.167
恢復現成、
3:10.167–3:11.000
運行任務、
3:11.000–3:12.333
接收結構化輸出,
3:12.333–3:15.000
把Agent真正寫進業務邏輯裡。
3:15.000–3:17.109
更深一層是App Server,
3:17.109–3:19.781
它甚至不要求你的產品長得像Codex,
3:19.781–3:21.609
你可以保留自己原本的界面,
3:21.609–3:24.000
只是把底層的Agent循環接近來。
3:24.000–3:26.615
這事看起來只是個技術架構上的變化,
3:26.615–3:30.000
但可能會改寫AI軟件過去三年的一個基本套路。
3:30.000–3:32.253
從ChatGPT爆發以來,
3:32.253–3:34.853
行業裡幾乎形成了一種條件反射,
3:34.853–3:37.280
只要用上AI就加一個聊天礦,
3:37.280–3:38.147
客服要加,
3:38.147–3:39.360
數據分析要加,
3:39.360–3:40.400
CRM要加,
3:40.400–3:41.787
財務軟件也要加,
3:41.787–3:43.000
幾乎無一例外。
3:43.000–3:47.000
結果就是底層模型越來越聰明,前端產品卻越來越像。
3:47.000–3:50.000
但真實的工作根本不是圍繞聊天發生的。
3:50.000–3:52.196
安全工程師面對的是告警列表,
3:52.196–3:54.235
財務人員面對的是賬目表格,
3:54.235–3:56.118
客服面對的是訂單和公班,
3:56.118–3:58.000
物流面對的是貨單和庫存。
3:58.000–3:59.000
醫生、律師、
3:59.000–3:59.667
工程師,
3:59.667–4:04.000
每個行業都有自己幾十年打磨出來的專業界面和操作習慣。
4:04.000–4:05.500
凭什麼為了用AI,
4:05.500–4:07.500
所有人都得離開這些系統,
4:07.500–4:09.333
跑到一個空白聊天礦裡,
4:09.333–4:11.000
把上下文重新說一遍。
4:11.000–4:12.909
更合理的方向其實反過來,
4:12.909–4:14.977
不是讓人去適應AI的界面,
4:14.977–4:18.000
而是讓AI進到人本來就在用的界面裡去。
4:18.000–4:20.030
Cisco已經給出了一個現實案例,
4:20.030–4:24.090
他在Cisco Cloud Control裡推出了App Builder,
4:24.090–4:26.000
直接把Codex SDK嵌進平台,
4:26.000–4:28.625
讓客戶用自然語言創建定制應用,
4:28.625–4:31.600
不用先跳到另一個AI工具裡幹完活,
4:31.600–4:33.000
再把結果搬回來。
4:33.000–4:35.000
稅務場景則更能說明問題。
4:35.000–4:35.757
OpenAI,
4:35.757–4:39.000
Thrive Holdings和Crate一起做的Tax AI,
4:39.000–4:42.500
壓根沒打算讓會計師每天跟機器人聊天,
4:42.500–4:46.000
而是直接進入了原本就存在的報稅流程。
4:46.000–4:48.942
這一季度試點處理了700份報稅表,
4:48.942–4:50.327
從業人員的修改、
4:50.327–4:50.846
審核、
4:50.846–4:51.365
糾錯,
4:51.365–4:53.442
又被轉化成新的評測信號,
4:53.442–4:55.000
繼續推動系統改進。
4:55.000–4:58.000
這可能才是Agent真正能走進企業核心業務的方式。
4:58.000–5:04.000
AI不是另外多出來的一個軟件,而是變成了原有軟件裡的一層隱形執行能力。
5:04.000–5:06.000
當然,這裡有個邊界得說清楚。
5:06.000–5:09.429
Codex的代碼用Apache 2.0許可證開源,
5:09.429–5:13.000
不代表OpenAI把GPT模型的權重也一併開源了。
5:13.000–5:19.000
開源Harness也不代表模型推理、算力、企業部署這些就變成零成本了。
5:19.000–5:22.256
更不代表公司可以毫無安全措施地把數據庫、
5:22.256–5:23.233
內部API、
5:23.233–5:26.000
敏感文件全都甩給Agent去處理。
5:26.000–5:29.824
真正成熟的企業及Agent反而會越來越強調全線邊界、
5:29.824–5:30.324
殺箱、
5:30.324–5:30.824
審計、
5:30.824–5:31.588
工具白名單,
5:31.588–5:36.000
以及關鍵動作必須有人確認的Human in the Loop機制。
5:36.000–5:40.000
而這或許才是Codex Harness最值得關注的地方。
5:40.000–5:44.000
過去幾年我們一直在問,下一代模型會有多聰明?
5:44.000–5:48.000
但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
5:48.000–5:53.000
怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
5:53.000–5:56.000
從這個角度看,Harness的價值就很清楚了。
5:56.000–6:02.000
模型決定的是智能的上限,Harness決定的是這種智能能不能真正幹活。
6:02.000–6:06.167
而應用開發者真正的護城河也會重新回到自己的數據、
6:06.167–6:06.862
工作流、
6:06.862–6:07.730
專業界面、
6:07.730–6:09.640
全線體系和行業理解上。
6:10.000–6:14.000
未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
6:14.000–6:15.846
它可能沒有巨大的輸入框,
6:15.846–6:17.538
沒有閃爍的機器人頭像,
6:17.538–6:20.000
也不會要求你重新學一套操作方式。
6:20.000–6:26.000
你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
6:26.000–6:27.658
只是從某一天開始,
6:27.658–6:30.421
這些軟件突然開始自己理解任務,
6:30.421–6:31.711
自己調用工具,
6:31.711–6:33.000
自己執行工作。
6:33.000–6:37.967
只在真正需要你的時候才停下來,問你一句,這一步要執行嗎?
0:00.000–0:02.870
zhOpenAI Codex Harness開源了,
OpenAI Codex Harness開源了,
0:02.870–0:03.913
zh模型只是發動機,
模型只是發動機,
0:03.913–0:06.000
zhHarness才是那套駕駛系統。
Harness才是那套駕駛系統。
0:06.000–0:06.638
zh8月20日,
8月20日,
0:06.638–0:11.000
zhOpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。
OpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。
0:11.000–0:13.097
zh他提到一個挺反直覺的案例,
他提到一個挺反直覺的案例,
0:13.097–0:15.677
zh一套由Codex驅動的稅務系統,
一套由Codex驅動的稅務系統,
0:15.677–0:18.581
zh在試點中處理了大約7000份報稅表,
在試點中處理了大約7000份報稅表,
0:18.581–0:21.000
zh把稅務準備時間縮短了1 3左右。
把稅務準備時間縮短了1 3左右。
0:21.000–0:24.750
zh但如果你只把這理解成OpenAI又升級了一次編程AI,
但如果你只把這理解成OpenAI又升級了一次編程AI,
0:24.750–0:26.000
zh可能就錯過重點了。
可能就錯過重點了。
0:26.000–0:27.385
zh這次真正值得聊的,
這次真正值得聊的,
0:27.385–0:28.923
zh甚至不是哪個新模型,
甚至不是哪個新模型,
0:28.923–0:32.000
zh而是模型背後那套執行系統Harness。
而是模型背後那套執行系統Harness。
0:32.000–0:37.000
zh很多人第一次聽到這個詞,會以為它就是個開發框架,其實不太準確。
很多人第一次聽到這個詞,會以為它就是個開發框架,其實不太準確。
0:37.000–0:39.000
zh它更像是AI智能體的執行系統。
它更像是AI智能體的執行系統。
0:39.000–0:42.319
zh今天一個能連續工作幾十分鐘甚至幾個小時的Agent,
今天一個能連續工作幾十分鐘甚至幾個小時的Agent,
0:42.319–0:45.000
zhCode從來不只是好模型加好Prompt。
Code從來不只是好模型加好Prompt。
0:45.000–0:50.000
zh他得知道什麼時候該讀文件,什麼時候該搜索信息,什麼時候該調用工具,
他得知道什麼時候該讀文件,什麼時候該搜索信息,什麼時候該調用工具,
0:50.000–0:54.000
zh任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
0:54.000–0:58.000
zh哪些操作可以自動跑,哪些必須停下來等人審批。
哪些操作可以自動跑,哪些必須停下來等人審批。
0:58.000–0:59.538
zh他還要維護任務狀態,
他還要維護任務狀態,
0:59.538–1:00.308
zh保存現成,
保存現成,
1:00.308–1:01.077
zh處理權限,
處理權限,
1:01.077–1:01.846
zh記錄過程,
記錄過程,
1:01.846–1:04.154
zh把工具執行的結果不斷送回模型,
把工具執行的結果不斷送回模型,
1:04.154–1:06.000
zh讓模型決定下一步該幹嘛。
讓模型決定下一步該幹嘛。
1:06.000–1:11.000
zh說白了,模型負責思考,Harness負責把這種思考真正落進現實世界。
說白了,模型負責思考,Harness負責把這種思考真正落進現實世界。
1:11.000–1:14.826
zh這也是為什麼Agent時代正在出現一個判斷,
這也是為什麼Agent時代正在出現一個判斷,
1:14.826–1:17.783
zh以後決定一個AI產品體驗好不好的,
以後決定一個AI產品體驗好不好的,
1:17.783–1:19.870
zh可能不只是用了哪個模型,
可能不只是用了哪個模型,
1:19.870–1:23.000
zh而是這個模型是怎麼被組織起來工作的。
而是這個模型是怎麼被組織起來工作的。
1:23.000–1:25.000
zhOpenAI自己就給了個很典型的例子。
OpenAI自己就給了個很典型的例子。
1:25.000–1:27.833
zh在ARC-IGS這個公開測試集上,
在ARC-IGS這個公開測試集上,
1:27.833–1:30.667
zh同樣是GPT5.6SAL這個模型,
同樣是GPT5.6SAL這個模型,
1:30.667–1:32.667
zh用官方Harness跑,
用官方Harness跑,
1:32.667–1:34.000
zh得分13.3%。
得分13.3%。
1:34.000–1:37.287
zh等系統進一步打開Retained Reasoning,
等系統進一步打開Retained Reasoning,
1:37.287–1:40.828
zh也就是保留推理狀態和Compaction上下輪壓縮之後,
也就是保留推理狀態和Compaction上下輪壓縮之後,
1:40.828–1:42.345
zh得分直接提到38.3%,
得分直接提到38.3%,
1:42.345–1:45.000
zh輸出的Token數量反而降到了大概1.6。
輸出的Token數量反而降到了大概1.6。
1:45.000–1:47.939
zh注意,這不是說模型智商突然翻了三倍,
注意,這不是說模型智商突然翻了三倍,
1:47.939–1:49.408
zh真正值得關注的是,
真正值得關注的是,
1:49.408–1:50.551
zh模型壓根沒換,
模型壓根沒換,
1:50.551–1:53.000
zh系統表現卻發生了這麼大的變化。
系統表現卻發生了這麼大的變化。
1:53.000–1:59.000
zh這說明大模型的競爭正在從單純比參數,比推理能力,往更深一層下沉。
這說明大模型的競爭正在從單純比參數,比推理能力,往更深一層下沉。
1:59.000–2:00.135
zh上下文怎麼管,
上下文怎麼管,
2:00.135–2:01.270
zh工具怎麼組織,
工具怎麼組織,
2:01.270–2:02.405
zh任務怎麼循環,
任務怎麼循環,
2:02.405–2:03.541
zh錯誤怎麼恢復,
錯誤怎麼恢復,
2:03.541–2:05.000
zh人什麼時候該介入。
人什麼時候該介入。
2:05.000–2:06.225
zh模型是發動機,
模型是發動機,
2:06.225–2:08.500
zhHarness才是變速箱,
Harness才是變速箱,
2:08.500–2:09.200
zh方向盤,
方向盤,
2:09.200–2:09.725
zh導航,
導航,
2:09.725–2:10.250
zh刹車,
刹車,
2:10.250–2:12.000
zh是整套駕駛控制系統。
是整套駕駛控制系統。
2:12.000–2:17.000
zh而Codex正在把這套能力越來越完整的開放給開發者。
而Codex正在把這套能力越來越完整的開放給開發者。
2:17.000–2:18.773
zh這裡有個容易被誤讀的地方,
這裡有個容易被誤讀的地方,
2:18.773–2:19.591
zh得澄清一下。
得澄清一下。
2:19.591–2:23.000
zhCodex的Harness並不是昨天才突然開源的。
Codex的Harness並不是昨天才突然開源的。
2:23.000–2:27.000
zhCodex的代碼倉庫早就用的是Arpreci 2.0許可證。
Codex的代碼倉庫早就用的是Arpreci 2.0許可證。
2:27.000–2:27.857
zh2025年,
2025年,
2:27.857–2:30.571
zhOpenAI就發布了Codex SDK,
OpenAI就發布了Codex SDK,
2:30.571–2:34.000
zh開發者可以把整套Agent能力欠進自己的工作流。
開發者可以把整套Agent能力欠進自己的工作流。
2:34.000–2:35.304
zh到了2026年2月,
到了2026年2月,
2:35.304–2:38.174
zh又進一步公開了Codex App Server,
又進一步公開了Codex App Server,
2:38.174–2:40.000
zh一套雙向JSON RPC接口,
一套雙向JSON RPC接口,
2:40.000–2:44.000
zh能把Codex底層的Agent循環接近不同的產品界面裡。
能把Codex底層的Agent循環接近不同的產品界面裡。
2:44.000–2:49.000
zh所以這次真正值得討論的,不是OpenAI突然把秘密武器免費送人,
所以這次真正值得討論的,不是OpenAI突然把秘密武器免費送人,
2:49.000–2:51.545
zh而是一個更大的趨勢正在成熟。
而是一個更大的趨勢正在成熟。
2:51.545–2:57.000
zhCodex正在從一個產品慢慢變成可以嵌入其他產品的基礎能力。
Codex正在從一個產品慢慢變成可以嵌入其他產品的基礎能力。
2:57.000–2:59.000
zh開發者大致有三條路可以走。
開發者大致有三條路可以走。
2:59.000–3:01.333
zh最簡單的是Codex Exact,
最簡單的是Codex Exact,
3:01.333–3:04.542
zh可以把Agent直接塞進腳本或者CI流程裡,
可以把Agent直接塞進腳本或者CI流程裡,
3:04.542–3:06.000
zh幹一些邊界清楚的活。
幹一些邊界清楚的活。
3:06.000–3:08.167
zh再往上是Codex SDK,
再往上是Codex SDK,
3:08.167–3:09.333
zh應用可以創建、
應用可以創建、
3:09.333–3:10.167
zh恢復現成、
恢復現成、
3:10.167–3:11.000
zh運行任務、
運行任務、
3:11.000–3:12.333
zh接收結構化輸出,
接收結構化輸出,
3:12.333–3:15.000
zh把Agent真正寫進業務邏輯裡。
把Agent真正寫進業務邏輯裡。
3:15.000–3:17.109
zh更深一層是App Server,
更深一層是App Server,
3:17.109–3:19.781
zh它甚至不要求你的產品長得像Codex,
它甚至不要求你的產品長得像Codex,
3:19.781–3:21.609
zh你可以保留自己原本的界面,
你可以保留自己原本的界面,
3:21.609–3:24.000
zh只是把底層的Agent循環接近來。
只是把底層的Agent循環接近來。
3:24.000–3:26.615
zh這事看起來只是個技術架構上的變化,
這事看起來只是個技術架構上的變化,
3:26.615–3:30.000
zh但可能會改寫AI軟件過去三年的一個基本套路。
但可能會改寫AI軟件過去三年的一個基本套路。
3:30.000–3:32.253
zh從ChatGPT爆發以來,
從ChatGPT爆發以來,
3:32.253–3:34.853
zh行業裡幾乎形成了一種條件反射,
行業裡幾乎形成了一種條件反射,
3:34.853–3:37.280
zh只要用上AI就加一個聊天礦,
只要用上AI就加一個聊天礦,
3:37.280–3:38.147
zh客服要加,
客服要加,
3:38.147–3:39.360
zh數據分析要加,
數據分析要加,
3:39.360–3:40.400
zhCRM要加,
CRM要加,
3:40.400–3:41.787
zh財務軟件也要加,
財務軟件也要加,
3:41.787–3:43.000
zh幾乎無一例外。
幾乎無一例外。
3:43.000–3:47.000
zh結果就是底層模型越來越聰明,前端產品卻越來越像。
結果就是底層模型越來越聰明,前端產品卻越來越像。
3:47.000–3:50.000
zh但真實的工作根本不是圍繞聊天發生的。
但真實的工作根本不是圍繞聊天發生的。
3:50.000–3:52.196
zh安全工程師面對的是告警列表,
安全工程師面對的是告警列表,
3:52.196–3:54.235
zh財務人員面對的是賬目表格,
財務人員面對的是賬目表格,
3:54.235–3:56.118
zh客服面對的是訂單和公班,
客服面對的是訂單和公班,
3:56.118–3:58.000
zh物流面對的是貨單和庫存。
物流面對的是貨單和庫存。
3:58.000–3:59.000
zh醫生、律師、
醫生、律師、
3:59.000–3:59.667
zh工程師,
工程師,
3:59.667–4:04.000
zh每個行業都有自己幾十年打磨出來的專業界面和操作習慣。
每個行業都有自己幾十年打磨出來的專業界面和操作習慣。
4:04.000–4:05.500
zh凭什麼為了用AI,
凭什麼為了用AI,
4:05.500–4:07.500
zh所有人都得離開這些系統,
所有人都得離開這些系統,
4:07.500–4:09.333
zh跑到一個空白聊天礦裡,
跑到一個空白聊天礦裡,
4:09.333–4:11.000
zh把上下文重新說一遍。
把上下文重新說一遍。
4:11.000–4:12.909
zh更合理的方向其實反過來,
更合理的方向其實反過來,
4:12.909–4:14.977
zh不是讓人去適應AI的界面,
不是讓人去適應AI的界面,
4:14.977–4:18.000
zh而是讓AI進到人本來就在用的界面裡去。
而是讓AI進到人本來就在用的界面裡去。
4:18.000–4:20.030
zhCisco已經給出了一個現實案例,
Cisco已經給出了一個現實案例,
4:20.030–4:24.090
zh他在Cisco Cloud Control裡推出了App Builder,
他在Cisco Cloud Control裡推出了App Builder,
4:24.090–4:26.000
zh直接把Codex SDK嵌進平台,
直接把Codex SDK嵌進平台,
4:26.000–4:28.625
zh讓客戶用自然語言創建定制應用,
讓客戶用自然語言創建定制應用,
4:28.625–4:31.600
zh不用先跳到另一個AI工具裡幹完活,
不用先跳到另一個AI工具裡幹完活,
4:31.600–4:33.000
zh再把結果搬回來。
再把結果搬回來。
4:33.000–4:35.000
zh稅務場景則更能說明問題。
稅務場景則更能說明問題。
4:35.000–4:35.757
enOpenAI,
OpenAI,
4:35.757–4:39.000
zhThrive Holdings和Crate一起做的Tax AI,
Thrive Holdings和Crate一起做的Tax AI,
4:39.000–4:42.500
zh壓根沒打算讓會計師每天跟機器人聊天,
壓根沒打算讓會計師每天跟機器人聊天,
4:42.500–4:46.000
zh而是直接進入了原本就存在的報稅流程。
而是直接進入了原本就存在的報稅流程。
4:46.000–4:48.942
zh這一季度試點處理了700份報稅表,
這一季度試點處理了700份報稅表,
4:48.942–4:50.327
zh從業人員的修改、
從業人員的修改、
4:50.327–4:50.846
zh審核、
審核、
4:50.846–4:51.365
zh糾錯,
糾錯,
4:51.365–4:53.442
zh又被轉化成新的評測信號,
又被轉化成新的評測信號,
4:53.442–4:55.000
zh繼續推動系統改進。
繼續推動系統改進。
4:55.000–4:58.000
zh這可能才是Agent真正能走進企業核心業務的方式。
這可能才是Agent真正能走進企業核心業務的方式。
4:58.000–5:04.000
zhAI不是另外多出來的一個軟件,而是變成了原有軟件裡的一層隱形執行能力。
AI不是另外多出來的一個軟件,而是變成了原有軟件裡的一層隱形執行能力。
5:04.000–5:06.000
zh當然,這裡有個邊界得說清楚。
當然,這裡有個邊界得說清楚。
5:06.000–5:09.429
zhCodex的代碼用Apache 2.0許可證開源,
Codex的代碼用Apache 2.0許可證開源,
5:09.429–5:13.000
zh不代表OpenAI把GPT模型的權重也一併開源了。
不代表OpenAI把GPT模型的權重也一併開源了。
5:13.000–5:19.000
zh開源Harness也不代表模型推理、算力、企業部署這些就變成零成本了。
開源Harness也不代表模型推理、算力、企業部署這些就變成零成本了。
5:19.000–5:22.256
zh更不代表公司可以毫無安全措施地把數據庫、
更不代表公司可以毫無安全措施地把數據庫、
5:22.256–5:23.233
zh內部API、
內部API、
5:23.233–5:26.000
zh敏感文件全都甩給Agent去處理。
敏感文件全都甩給Agent去處理。
5:26.000–5:29.824
zh真正成熟的企業及Agent反而會越來越強調全線邊界、
真正成熟的企業及Agent反而會越來越強調全線邊界、
5:29.824–5:30.324
zh殺箱、
殺箱、
5:30.324–5:30.824
zh審計、
審計、
5:30.824–5:31.588
zh工具白名單,
工具白名單,
5:31.588–5:36.000
zh以及關鍵動作必須有人確認的Human in the Loop機制。
以及關鍵動作必須有人確認的Human in the Loop機制。
5:36.000–5:40.000
zh而這或許才是Codex Harness最值得關注的地方。
而這或許才是Codex Harness最值得關注的地方。
5:40.000–5:44.000
zh過去幾年我們一直在問,下一代模型會有多聰明?
過去幾年我們一直在問,下一代模型會有多聰明?
5:44.000–5:48.000
zh但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
5:48.000–5:53.000
zh怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
5:53.000–5:56.000
zh從這個角度看,Harness的價值就很清楚了。
從這個角度看,Harness的價值就很清楚了。
5:56.000–6:02.000
zh模型決定的是智能的上限,Harness決定的是這種智能能不能真正幹活。
模型決定的是智能的上限,Harness決定的是這種智能能不能真正幹活。
6:02.000–6:06.167
zh而應用開發者真正的護城河也會重新回到自己的數據、
而應用開發者真正的護城河也會重新回到自己的數據、
6:06.167–6:06.862
zh工作流、
工作流、
6:06.862–6:07.730
zh專業界面、
專業界面、
6:07.730–6:09.640
zh全線體系和行業理解上。
全線體系和行業理解上。
6:10.000–6:14.000
zh未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
6:14.000–6:15.846
zh它可能沒有巨大的輸入框,
它可能沒有巨大的輸入框,
6:15.846–6:17.538
zh沒有閃爍的機器人頭像,
沒有閃爍的機器人頭像,
6:17.538–6:20.000
zh也不會要求你重新學一套操作方式。
也不會要求你重新學一套操作方式。
6:20.000–6:26.000
zh你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
6:26.000–6:27.658
zh只是從某一天開始,
只是從某一天開始,
6:27.658–6:30.421
zh這些軟件突然開始自己理解任務,
這些軟件突然開始自己理解任務,
6:30.421–6:31.711
zh自己調用工具,
自己調用工具,
6:31.711–6:33.000
zh自己執行工作。
自己執行工作。
6:33.000–6:37.967
zh只在真正需要你的時候才停下來,問你一句,這一步要執行嗎?
只在真正需要你的時候才停下來,問你一句,這一步要執行嗎?

影片筆記：OpenAI Codex Harness正式開源｜不發新模型，卻顛覆AI Agent開發范式

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

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：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
  • 待修正：逐字稿可先使用，但有待校正清單（segment=77 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=78 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 開源 Codex Harness，標誌著 AI 競爭焦點從「模型能力」轉向「執行系統（Harness）」的組織與調度能力，推動 AI 從「聊天視窗」轉向「隱形嵌入」現有專業工作流的產業趨勢。

核心重點

  • Harness 定義：Codex Harness 不僅是開發框架，更是負責管理任務狀態、工具調用、上下文壓縮及錯誤恢復的「駕駛系統」。
  • 效能關鍵：ARC-IGS 測試數據顯示，相同模型在開啟「保留推理狀態（Retained Reasoning）」與「上下文壓縮（Compaction）」後，得分大幅提升且 Token 消耗降低，證明系統架構對效能影響巨大。
  • 開發範式轉移：產業趨勢從「為 AI 增加聊天視窗」轉向「將 AI 嵌入現有專業界面」，讓 AI 成為原有軟件中的隱形執行能力。
  • 企業部署邊界：開源 Harness 不代表模型權重或算力免費，企業仍需重視安全邊界、審計機制及人工確認（Human in the Loop）。

詳細大綱

一、 Codex Harness 的核心定義與價值

  • 模型與 Harness 的關係：
  • 模型如同發動機，Harness 則是駕駛系統（包含變速箱、方向盤、導航、剎車）。
  • 決定 AI 產品體驗的關鍵，不在於使用哪個模型，而在於模型如何被組織工作。
  • Harness 的功能範圍：
  • 不僅是好模型加好 Prompt。
  • 負責判斷何時讀文件、搜索信息、調用工具。
  • 處理任務失敗恢復、長上下文壓縮、任務狀態維護、權限處理及過程記錄。
  • 將工具執行結果送回模型，由模型決定下一步。

二、 數據佐證：系統架構對效能的影響

  • ARC-IGS 測試集案例：
  • 使用相同模型（GPT5.6SAL）進行對比。
  • 官方 Harness 運行：得分 13.3%。
  • 開啟 Retained Reasoning（保留推理狀態）與 Compaction（上下文壓縮）：
  • 得分提升至 38.3%。
  • 輸出 Token 數量降至約 1.6（單位或數值需查證）。
  • 結論：模型未更換，但系統表現發生巨大變化，證明大模型競爭已下沉至上下文管理、工具組織、任務循環與錯誤恢復等層面。

三、 Codex 的開放歷程與開發者路徑

  • 時間線與開放內容：
  • Codex 代碼倉庫早採用 Apache 2.0 許可證。
  • 2025年：發布 Codex SDK，讓開發者將 Agent 能力嵌入工作流。
  • 2026年2月：公開 Codex App Server，提供雙向 JSON RPC 接口，將 Agent 循環接入不同產品界面。
  • 開發者的三條路徑：
  1. Codex Exact：將 Agent 直接嵌入腳本或 CI 流程，處理邊界清楚的任務。
  2. Codex SDK：應用可創建、恢復上下文、運行任務、接收結構化輸出，將 Agent 寫入業務邏輯。
  3. App Server：不要求產品界面像 Codex，保留原有界面，僅將底層 Agent 循環接入。

四、 產業趨勢：從「聊天視窗」到「隱形執行」

  • 過去三年的基本套路（問題）：
  • 行業形成條件反射：只要用 AI 就加聊天視窗（Chat Window）。
  • 結果：底層模型變聰明，前端產品趨同。
  • 現實工作並非圍繞聊天發生（如安全工程師看告警、財務看賬目、客服看訂單）。
  • 強迫用戶離開專業系統進入空白聊天視窗重新輸入上下文是不合理的。
  • 未來的合理方向：
  • 讓 AI 進入人本來就在用的界面，而非讓人適應 AI 界面。
  • AI 變成原有軟件裡的隱形執行能力。
  • 實際案例：
  • Cisco：在 Cisco Cloud Control 推出 App Builder，嵌入 Codex SDK，讓客戶用自然語言創建定制應用，無需跳轉至其他 AI 工具。
  • 稅務場景（OpenAI, Thrive Holdings, Crate）：
  • 開發 Tax AI，直接進入原有報稅流程，非讓會計師與機器人聊天。
  • 試點處理 700 份報稅表。
  • 從業人員的修改、審核、糾錯轉化為新的評測信號，推動系統改進。

五、 企業部署的邊界與護城河

  • 開源的誤區澄清：
  • Apache 2.0 開源的是 Harness 代碼，非 GPT 模型權重。
  • 不意味著模型推理、算力、企業部署變為零成本。
  • 不意味著可無安全措施地將數據庫、內部 API、敏感文件交給 Agent。
  • 成熟企業的特徵：
  • 強調全線邊界、沙箱（疑點：原文為「殺箱」）、審計、工具白名單。
  • 關鍵動作必須有人確認（Human in the Loop 機制）。
  • 開發者的新護城河：
  • 回到自身的數據、工作流、專業界面、全線體系（疑點：原文為「全線體系」）及行業理解。
  • 未來 AI 產品的樣貌：
  • 不天天提醒用戶有 AI。
  • 無巨大輸入框、無閃爍機器人頭像、無需重新學習操作。
  • 在熟悉的軟件（財務、運營、IDE、客服）中自動理解任務、調用工具、執行工作。
  • 僅在需要時暫停，詢問用戶是否執行。

工具 / 模型 / 名詞整理

  • OpenAI
  • Codex
  • Codex Harness
  • Greg Brockman (OpenAI 聯合創始人兼總裁)
  • ARC-IGS (公開測試集)
  • GPT5.6SAL (模型名稱，疑點：需查證是否為特定內部版本或聽寫錯誤)
  • Retained Reasoning (保留推理狀態功能)
  • Compaction (上下文壓縮功能)
  • Apache 2.0 (許可證)
  • Codex SDK
  • Codex App Server
  • JSON RPC (接口協議)
  • Cisco
  • Cisco Cloud Control
  • App Builder
  • Thrive Holdings
  • Crate
  • Tax AI

操作流程整理

  1. 開發者選擇路徑：
  • 若需處理邊界清楚任務，選擇 Codex Exact 嵌入腳本或 CI。
  • 若需將 Agent 寫入業務邏輯，選擇 Codex SDK 創建/恢復上下文並運行任務。
  • 若需保留原有產品界面，選擇 Codex App Server 通過 JSON RPC 接入 Agent 循環。
  1. 系統執行循環：
  • Harness 判斷任務需求（讀文件、搜索、調用工具）。
  • 執行工具並獲取結果。
  • 將結果送回模型，模型決定下一步。
  • 若任務失敗，進行恢復處理；若上下文過長，進行壓縮。
  1. 人工介入（Human in the Loop）：
  • 在關鍵動作執行前，暫停並詢問用戶是否執行。
  • 用戶的修改、審核、糾錯轉化為反饋信號，用於改進系統。

值得注意的限制或風險

  • 成本與權重：開源 Harness 不代表模型權重或算力成本免費，企業部署仍需承擔推理與算力費用。
  • 安全邊界：不可無安全措施地將數據庫、內部 API、敏感文件交給 Agent。
  • 審計與合規：成熟企業需建立審計機制、工具白名單及人工確認流程。
  • 辨識疑點影響：部分關鍵數據（如 Token 數量、模型名稱）可能存在聽寫錯誤，影響對效能提升幅度的精確評估。

逐字稿辨識疑點

警告：以下片段存在可讀性檢核問題（unnatural_sentence_boundary），請謹慎解讀其為確定事實：

  • segment 77: 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 78: 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 79: 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 102: 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 124: 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 125: 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 135: 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 136: 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 138: 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 139: 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 140: 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 149: 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

其他辨識疑點清單：

  • GPT5.6SAL：逐字稿中出現此模型名稱，疑點：需查證是否為正確模型命名或聽寫錯誤（如 GPT-4o 或其他版本）。
  • 殺箱：逐字稿中出現「殺箱」，疑點：需查證是否為「沙箱（Sandbox）」的聽寫錯誤。
  • 全線體系：逐字稿中出現「全線體系」，疑點：需查證是否為「安全體系」或「合規體系」的聽寫錯誤。
  • 1 3左右：逐字稿中出現「縮短了 1 3左右」，疑點：需查證是否為「1/3」或「13%」的聽寫錯誤。
  • 1.6：逐字稿中出現「輸出的 Token 數量反而降到了大概 1.6」，疑點：需查證單位或數值是否合理（通常 Token 數量不會僅為 1.6，可能為 1.6 百萬或特定縮寫）。
  • Code：逐字稿中出現「Code 從來不只是好模型加好 Prompt」，疑點：需查證是否為「Agent」或「Codex」的聽寫錯誤。
  • 現成：逐字稿中出現「保存現成」，疑點：需查證是否為「上下文（Context）」的聽寫錯誤。
  • 上下輪：逐字稿中出現「上下輪越堆越長了」及「上下輪壓縮」，疑點：需查證是否為「上下文（Context）」的聽寫錯誤。
  • 公班：逐字稿中出現「客服面對的是訂單和公班」，疑點：需查證是否為「工單（Ticket）」的聽寫錯誤。
  • 評測信號：逐字稿中出現「新的評測信號」，疑點：需查證是否為「反饋信號（Feedback Signal）」的聽寫錯誤。
  • 欠進：逐字稿中出現「把整套 Agent 能力欠進自己的工作流」，疑點：需查證是否為「嵌入」或「集成」的聽寫錯誤。
  • 接近：逐字稿中出現「把 Codex 底層的 Agent 循環接近不同的產品界面裡」，疑點：需查證是否為「接入」的聽寫錯誤。

可延伸追問

  • Codex Harness 開源後，開發者如何具體實現「上下文壓縮」與「保留推理狀態」的技術細節？
  • 在實際企業部署中，如何平衡「自動執行」與「人工確認（Human in the Loop）」的效率與安全性？
  • 對於非技術背景用戶，如何設計「隱形 AI」界面以確保易用性而不破壞原有工作流？
  • ARC-IGS 測試集的具體評估標準為何，其結果是否可推廣至其他領域？

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習