# 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。
2.  **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。
3.  **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？