WEBVTT 00:00.000 --> 00:06.000 OpenAI Codex Harness開源了,模型只是發動機,Harness才是那套駕駛系統。 00:06.000 --> 00:11.000 8月20日,OpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。 00:11.000 --> 00:21.000 他提到一個挺反直覺的案例,一套由Codex驅動的稅務系統,在試點中處理了大約7000份報稅表,把稅務準備時間縮短了1 3左右。 00:21.000 --> 00:26.000 但如果你只把這理解成OpenAI又升級了一次編程AI,可能就錯過重點了。 00:26.000 --> 00:32.000 這次真正值得聊的,甚至不是哪個新模型,而是模型背後那套執行系統Harness。 00:32.000 --> 00:37.000 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。 00:37.000 --> 00:39.000 它更像是AI智能體的執行系統。 00:39.000 --> 00:45.000 今天一個能連續工作幾十分鐘甚至幾個小時的Agent,Code從來不只是好模型加好Prompt。 00:45.000 --> 00:50.000 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, 00:50.000 --> 00:54.000 任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮, 00:54.000 --> 00:58.000 哪些操作可以自動跑,哪些必須停下來等人審批。 00:58.000 --> 01:06.000 他還要維護任務狀態,保存現成,處理權限,記錄過程,把工具執行的結果不斷送回模型,讓模型決定下一步該幹嘛。 01:06.000 --> 01:11.000 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。 01:11.000 --> 01:23.000 這也是為什麼Agent時代正在出現一個判斷,以後決定一個AI產品體驗好不好的,可能不只是用了哪個模型,而是這個模型是怎麼被組織起來工作的。 01:23.000 --> 01:25.000 OpenAI自己就給了個很典型的例子。 01:25.000 --> 01:34.000 在ARC-IGS這個公開測試集上,同樣是GPT5.6SAL這個模型,用官方Harness跑,得分13.3%。 01:34.000 --> 01:45.000 等系統進一步打開Retained Reasoning,也就是保留推理狀態和Compaction上下輪壓縮之後,得分直接提到38.3%,輸出的Token數量反而降到了大概1.6。 01:45.000 --> 01:53.000 注意,這不是說模型智商突然翻了三倍,真正值得關注的是,模型壓根沒換,系統表現卻發生了這麼大的變化。 01:53.000 --> 01:59.000 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。 01:59.000 --> 02:05.000 上下文怎麼管,工具怎麼組織,任務怎麼循環,錯誤怎麼恢復,人什麼時候該介入。 02:05.000 --> 02:12.000 模型是發動機,Harness才是變速箱,方向盤,導航,刹車,是整套駕駛控制系統。 02:12.000 --> 02:17.000 而Codex正在把這套能力越來越完整的開放給開發者。 02:17.000 --> 02:23.000 這裡有個容易被誤讀的地方,得澄清一下。Codex的Harness並不是昨天才突然開源的。 02:23.000 --> 02:27.000 Codex的代碼倉庫早就用的是Arpreci 2.0許可證。 02:27.000 --> 02:34.000 2025年,OpenAI就發布了Codex SDK,開發者可以把整套Agent能力欠進自己的工作流。 02:34.000 --> 02:40.000 到了2026年2月,又進一步公開了Codex App Server,一套雙向JSON RPC接口, 02:40.000 --> 02:44.000 能把Codex底層的Agent循環接近不同的產品界面裡。 02:44.000 --> 02:49.000 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, 02:49.000 --> 02:57.000 而是一個更大的趨勢正在成熟。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。 02:57.000 --> 02:59.000 開發者大致有三條路可以走。 02:59.000 --> 03:06.000 最簡單的是Codex Exact,可以把Agent直接塞進腳本或者CI流程裡,幹一些邊界清楚的活。 03:06.000 --> 03:15.000 再往上是Codex SDK,應用可以創建、恢復現成、運行任務、接收結構化輸出,把Agent真正寫進業務邏輯裡。 03:15.000 --> 03:24.000 更深一層是App Server,它甚至不要求你的產品長得像Codex,你可以保留自己原本的界面,只是把底層的Agent循環接近來。 03:24.000 --> 03:30.000 這事看起來只是個技術架構上的變化,但可能會改寫AI軟件過去三年的一個基本套路。 03:30.000 --> 03:43.000 從ChatGPT爆發以來,行業裡幾乎形成了一種條件反射,只要用上AI就加一個聊天礦,客服要加,數據分析要加,CRM要加,財務軟件也要加,幾乎無一例外。 03:43.000 --> 03:47.000 結果就是底層模型越來越聰明,前端產品卻越來越像。 03:47.000 --> 03:50.000 但真實的工作根本不是圍繞聊天發生的。 03:50.000 --> 03:58.000 安全工程師面對的是告警列表,財務人員面對的是賬目表格,客服面對的是訂單和公班,物流面對的是貨單和庫存。 03:58.000 --> 04:04.000 醫生、律師、工程師,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。 04:04.000 --> 04:11.000 凭什麼為了用AI,所有人都得離開這些系統,跑到一個空白聊天礦裡,把上下文重新說一遍。 04:11.000 --> 04:18.000 更合理的方向其實反過來,不是讓人去適應AI的界面,而是讓AI進到人本來就在用的界面裡去。 04:18.000 --> 04:26.000 Cisco已經給出了一個現實案例,他在Cisco Cloud Control裡推出了App Builder,直接把Codex SDK嵌進平台, 04:26.000 --> 04:33.000 讓客戶用自然語言創建定制應用,不用先跳到另一個AI工具裡幹完活,再把結果搬回來。 04:33.000 --> 04:35.000 稅務場景則更能說明問題。 04:35.000 --> 04:39.000 OpenAI, Thrive Holdings和Crate一起做的Tax AI, 04:39.000 --> 04:46.000 壓根沒打算讓會計師每天跟機器人聊天,而是直接進入了原本就存在的報稅流程。 04:46.000 --> 04:55.000 這一季度試點處理了700份報稅表,從業人員的修改、審核、糾錯,又被轉化成新的評測信號,繼續推動系統改進。 04:55.000 --> 04:58.000 這可能才是Agent真正能走進企業核心業務的方式。 04:58.000 --> 05:04.000 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。 05:04.000 --> 05:06.000 當然,這裡有個邊界得說清楚。 05:06.000 --> 05:13.000 Codex的代碼用Apache 2.0許可證開源,不代表OpenAI把GPT模型的權重也一併開源了。 05:13.000 --> 05:19.000 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。 05:19.000 --> 05:26.000 更不代表公司可以毫無安全措施地把數據庫、內部API、敏感文件全都甩給Agent去處理。 05:26.000 --> 05:36.000 真正成熟的企業及Agent反而會越來越強調全線邊界、殺箱、審計、工具白名單,以及關鍵動作必須有人確認的Human in the Loop機制。 05:36.000 --> 05:40.000 而這或許才是Codex Harness最值得關注的地方。 05:40.000 --> 05:44.000 過去幾年我們一直在問,下一代模型會有多聰明? 05:44.000 --> 05:48.000 但接下來,軟件行業可能會越來越頻繁地面對另一個問題。 05:48.000 --> 05:53.000 怎麼把這份聰明,安全、穩定、可控地裝進真實世界? 05:53.000 --> 05:56.000 從這個角度看,Harness的價值就很清楚了。 05:56.000 --> 06:02.000 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。 06:02.000 --> 06:09.640 而應用開發者真正的護城河也會重新回到自己的數據、工作流、專業界面、全線體系和行業理解上。 06:10.000 --> 06:14.000 未來最強大的AI產品,可能未必天天提醒你這裡有個AI。 06:14.000 --> 06:20.000 它可能沒有巨大的輸入框,沒有閃爍的機器人頭像,也不會要求你重新學一套操作方式。 06:20.000 --> 06:26.000 你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。 06:26.000 --> 06:33.000 只是從某一天開始,這些軟件突然開始自己理解任務,自己調用工具,自己執行工作。 06:33.000 --> 06:38.000 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?