工作清單

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

逐字稿文字預覽

OpenAI Codex Harness開源了,模型只是發動機,Harness才是那套駕駛系統。
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。
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。
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。
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。
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。
它更像是AI智能體的執行系統。
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。
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,
任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
哪些操作可以自動跑,哪些必須停下來等人審批。
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。
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。
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。
OpenAI自己就給了個很典型的例子。
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%。
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。
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。
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。
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。
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。
而Codex正在把這套能力越來越完整的開放給開發者。
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。
Codex的代碼倉庫早就用的是Arpreci 2.0許可證。
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。
到了2026年2月,又進一步公開了Codex App Server,一套雙向JSON RPC接口,
能把Codex底層的Agent循環接近不同的產品界面裡。
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,
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。
開發者大致有三條路可以走。
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。
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。
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。
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。
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。
結果就是底層模型越來越聰明,前端產品卻越來越像。
但真實的工作根本不是圍繞聊天發生的。
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。
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。
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。
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。
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,
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。
稅務場景則更能說明問題。
OpenAI, Thrive Holdings和Crate一起做的Tax AI,
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。
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。
這可能才是Agent真正能走進企業核心業務的方式。
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。
當然,這裡有個邊界得說清楚。
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。
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。
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。
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。
而這或許才是Codex Harness最值得關注的地方。
過去幾年我們一直在問,下一代模型會有多聰明?
但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
從這個角度看,Harness的價值就很清楚了。
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。
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。
未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
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。
你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
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。
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?

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://youtu.be/3o-TbJM2o4U?si=Ov6pjxs9coIBSyrO --language zh

    來源：https://youtu.be/3o-TbJM2o4U?si=Ov6pjxs9coIBSyrO

    辨識語言：zh ｜ 參數：--language zh

  2. 預期流程

    依指令產生的處理順序：

    1. 下載與語音辨識
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：32.4 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：38.3 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

  6. 4. 句子密度平衡

    工具：videonote_balance_sentence_units.py

    處理：平衡句子長度與密度

    產出：sentence_units.json（句子單元）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

  7. 5. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

  8. 6. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.4 秒

    關係：依序執行

    結果：完成

  9. 7. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.5 秒

    關係：依序執行

    結果：完成

  10. 8. 逐字稿交叉檢查

    工具：videonote_cross_check_transcript.py

    處理：交叉檢查逐字稿與來源字幕

    產出：transcript_crosscheck_report.json（交叉檢查）

    耗時：0.5 秒

    關係：依序執行

    結果：完成

  11. 9. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.5 秒

    關係：依序執行

    結果：完成

  12. 10. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：111.1 秒

    關係：依序執行

    結果：完成

  13. 11. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.2 秒

    關係：依序執行

    結果：完成

  14. 12. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：0.3 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench