从大模型竞争到 Agent 基础设施竞争。过去几年AI 竞争的核心一直围绕参数规模Benchmark 分数推理能力上下文长度但是进入 Agent 时代以后一个新的关键词正在出现Harness智能体运行框架未来真正改变软件开发方式的不一定只是更强的模型而是模型 Harness 工具 工作流 记忆 自动验证能力。这也是为什么最近越来越多开发者开始关注OpenAI Codex HarnessClaude CodeDeepSeek HarnessOpenHarnessOpenClawCursor AgentAI 编程正在从用户 → 提问 → AI 回复代码进入用户目标 ↓ Agent ↓ 规划 ↓ 调用工具 ↓ 修改代码 ↓ 运行测试 ↓ 修复问题 ↓ 持续迭代而 Harness就是支撑这一切的基础设施。1. 什么是 Harness简单理解Harness 就是给 AI Agent 提供“身体”的操作系统。大模型本身只是“大脑”。例如GPT、Claude、DeepSeek 可以理解需求生成代码分析问题但是它不能直接打开你的电脑修改文件执行命令调用数据库操作浏览器保存长期记忆这些能力需要 Harness 提供。一个完整 Agent Harness 通常包含大语言模型 ↓ Agent Runtime ↓┌──────────────┬──────────────┐ │ │ │ 工具系统 Memory Skills │ │ │ Shell 数据库 工作流 │ │ │ 浏览器 文件系统 MCP └──────────────┴──────────────┘↓ 真实世界执行所以模型决定智商。Harness 决定行动能力。2. 为什么现在 Harness 变重要以前AI 是聊天机器人。例如用户 帮我写一个登录接口 AI func Login(){ }结束。但是 Agent 时代用户帮我开发一个商城后台。Agent分析需求 ↓ 创建项目 ↓ 设计数据库 ↓ 生成接口 ↓ 编写前端 ↓ 启动服务 ↓ 运行测试 ↓ 发现 Bug ↓ 自动修复 ↓ 提交代码这已经不是聊天。这是一个自动化的软件工程流程。而这个流程不可能只靠模型完成。必须依赖 Harness。3. OpenAI 的方向向工程化 Harness 靠近OpenAI 最近公开讨论了 Harness Engineering。核心观点AI Agent 能力提升不只是换更大的模型而是设计更好的运行环境。:contentReference[oaicite:0]{index0}OpenAI Codex 就是一个典型案例。Codex CLI本地运行操作代码仓库执行命令修改文件使用工具:contentReference[oaicite:1]{index1}它的核心结构GPT Model ↓ Codex Harness ↓┌────────┬────────┬────────┐ 文件系统 Shell 测试系统 └────────┴────────┴────────┘↓ 软件项目OpenAI 更关注如何让 Agent 完成复杂任务例如一个 Agent 连续工作几个小时。它需要项目规则文件约束测试反馈状态保存错误恢复所以 OpenAI 的路线模型能力 工程化 Harness 企业级工作流4. DeepSeek 的方向开源生态DeepSeek 的路线更加偏向把能力开放给开发者。DeepSeek 从模型开始就强调开放生态。例如DeepSeek LLMDeepSeek CoderDeepSeek Agent 生态:contentReference[oaicite:2]{index2}大量开发者开始围绕DeepSeek API本地部署Agent 框架Coding Agent构建自己的工具链。DeepSeek 更像开放模型↓开发者↓各种 Harness↓各种 Agent 产品例如社区开始出现DeepSeek AgentDeepSeek HarnessOpenHarnessOpenHarness 就是一个典型的开源 Agent 基础设施包括Tool callingSkillsMemoryMulti-agent 协作:contentReference[oaicite:3]{index3}5. DeepSeek VS OpenAI两条路线简单总结方向DeepSeekOpenAI核心优势开放模型完整产品生态路线模型开源Agent 工程化目标用户开发者企业用户生态社区驱动平台驱动重点让更多人构建让 Agent 真正工作可以理解为DeepSeek给你一个强大的发动机 你自己造汽车OpenAI发动机 * 汽车底盘 * 驾驶系统 * 道路系统 直接提供完整方案6. 为什么未来竞争会从模型转向 Harness未来模型会越来越接近。例如GPTClaudeGeminiDeepSeekQwen能力差距会逐渐缩小。但是Agent 工作效率差距会非常巨大。例如两个 AI模型能力相同。A只有聊天窗口。B拥有项目记忆自动测试Git 操作浏览器控制MCP工具调用最终B 完成任务效率可能高几十倍。所以未来模型 ≈ CPU Harness ≈ 操作系统CPU 决定性能。操作系统决定生态。7. 开源 Harness 会带来什么未来可能出现个人 AI 工程师每个人拥有自己的 Agent ↓ 自己的代码仓库 ↓ 自己的技能库 ↓ 自己的知识库 ↓ 自己的自动化流程例如开发者我要做一个 SaaS 产品Agent创建项目 设计架构 写代码 部署服务器 生成文档 维护版本这就是未来的软件生产方式。8. 我为什么关注 Harness过去程序员竞争谁代码写得快后来谁会使用 AI未来谁会设计 AI 工作流真正优秀的开发者不只是调用模型。而是设计AgentSkillToolMemoryWorkflow形成自己的 AI 生产系统。这也是为什么未来程序员不会消失。但是不会使用 Agent 的程序员会逐渐失去竞争力。9. 总结Harness 代表了 AI 下一阶段的发展方向。DeepSeek通过开放模型让更多开发者构建自己的 AI 系统。OpenAI通过工程化 Harness让 Agent 真正完成复杂任务。两条路线没有绝对谁更好。它们代表两个方向DeepSeek 模型开放 ↓ 生态繁荣 OpenAI Agent 工程 ↓ 生产力提升最终赢家可能不是某一个模型。而是谁能够构建最强的 AI 生产系统。我是王仕宇 JavaPub。关注 AI、Web3 与开源。持续探索如何把技术做成产品把产品转化为真实价值。现在是最好的时代。真正稀缺的不是代码而是注意力、判断力以及把事情做成的能力。参考资料OpenAI Harness Engineeringhttps://openai.com/index/harness-engineering/OpenAI Codex GitHubhttps://github.com/openai/codexOpenHarnesshttps://github.com/HKUDS/OpenHarnessAwesome DeepSeek Agenthttps://github.com/deepseek-ai/awesome-deepseek-agentDeepSeek LLM Paperhttps://arxiv.org/abs/2401.02954Agent Harness Topichttps://github.com/topics/agent-harnessOpenForgeRL: Train Harness-native Agentshttps://arxiv.org/abs/2607.21557
从大模型竞争到 Agent 基础设施竞争。过去几年AI 竞争的核心一直围绕参数规模Benchmark 分数推理能力上下文长度但是进入 Agent 时代以后一个新的关键词正在出现Harness智能体运行框架未来真正改变软件开发方式的不一定只是更强的模型而是模型 Harness 工具 工作流 记忆 自动验证能力。这也是为什么最近越来越多开发者开始关注OpenAI Codex HarnessClaude CodeDeepSeek HarnessOpenHarnessOpenClawCursor AgentAI 编程正在从用户 → 提问 → AI 回复代码进入用户目标 ↓ Agent ↓ 规划 ↓ 调用工具 ↓ 修改代码 ↓ 运行测试 ↓ 修复问题 ↓ 持续迭代而 Harness就是支撑这一切的基础设施。1. 什么是 Harness简单理解Harness 就是给 AI Agent 提供“身体”的操作系统。大模型本身只是“大脑”。例如GPT、Claude、DeepSeek 可以理解需求生成代码分析问题但是它不能直接打开你的电脑修改文件执行命令调用数据库操作浏览器保存长期记忆这些能力需要 Harness 提供。一个完整 Agent Harness 通常包含大语言模型 ↓ Agent Runtime ↓┌──────────────┬──────────────┐ │ │ │ 工具系统 Memory Skills │ │ │ Shell 数据库 工作流 │ │ │ 浏览器 文件系统 MCP └──────────────┴──────────────┘↓ 真实世界执行所以模型决定智商。Harness 决定行动能力。2. 为什么现在 Harness 变重要以前AI 是聊天机器人。例如用户 帮我写一个登录接口 AI func Login(){ }结束。但是 Agent 时代用户帮我开发一个商城后台。Agent分析需求 ↓ 创建项目 ↓ 设计数据库 ↓ 生成接口 ↓ 编写前端 ↓ 启动服务 ↓ 运行测试 ↓ 发现 Bug ↓ 自动修复 ↓ 提交代码这已经不是聊天。这是一个自动化的软件工程流程。而这个流程不可能只靠模型完成。必须依赖 Harness。3. OpenAI 的方向向工程化 Harness 靠近OpenAI 最近公开讨论了 Harness Engineering。核心观点AI Agent 能力提升不只是换更大的模型而是设计更好的运行环境。:contentReference[oaicite:0]{index0}OpenAI Codex 就是一个典型案例。Codex CLI本地运行操作代码仓库执行命令修改文件使用工具:contentReference[oaicite:1]{index1}它的核心结构GPT Model ↓ Codex Harness ↓┌────────┬────────┬────────┐ 文件系统 Shell 测试系统 └────────┴────────┴────────┘↓ 软件项目OpenAI 更关注如何让 Agent 完成复杂任务例如一个 Agent 连续工作几个小时。它需要项目规则文件约束测试反馈状态保存错误恢复所以 OpenAI 的路线模型能力 工程化 Harness 企业级工作流4. DeepSeek 的方向开源生态DeepSeek 的路线更加偏向把能力开放给开发者。DeepSeek 从模型开始就强调开放生态。例如DeepSeek LLMDeepSeek CoderDeepSeek Agent 生态:contentReference[oaicite:2]{index2}大量开发者开始围绕DeepSeek API本地部署Agent 框架Coding Agent构建自己的工具链。DeepSeek 更像开放模型↓开发者↓各种 Harness↓各种 Agent 产品例如社区开始出现DeepSeek AgentDeepSeek HarnessOpenHarnessOpenHarness 就是一个典型的开源 Agent 基础设施包括Tool callingSkillsMemoryMulti-agent 协作:contentReference[oaicite:3]{index3}5. DeepSeek VS OpenAI两条路线简单总结方向DeepSeekOpenAI核心优势开放模型完整产品生态路线模型开源Agent 工程化目标用户开发者企业用户生态社区驱动平台驱动重点让更多人构建让 Agent 真正工作可以理解为DeepSeek给你一个强大的发动机 你自己造汽车OpenAI发动机 * 汽车底盘 * 驾驶系统 * 道路系统 直接提供完整方案6. 为什么未来竞争会从模型转向 Harness未来模型会越来越接近。例如GPTClaudeGeminiDeepSeekQwen能力差距会逐渐缩小。但是Agent 工作效率差距会非常巨大。例如两个 AI模型能力相同。A只有聊天窗口。B拥有项目记忆自动测试Git 操作浏览器控制MCP工具调用最终B 完成任务效率可能高几十倍。所以未来模型 ≈ CPU Harness ≈ 操作系统CPU 决定性能。操作系统决定生态。7. 开源 Harness 会带来什么未来可能出现个人 AI 工程师每个人拥有自己的 Agent ↓ 自己的代码仓库 ↓ 自己的技能库 ↓ 自己的知识库 ↓ 自己的自动化流程例如开发者我要做一个 SaaS 产品Agent创建项目 设计架构 写代码 部署服务器 生成文档 维护版本这就是未来的软件生产方式。8. 我为什么关注 Harness过去程序员竞争谁代码写得快后来谁会使用 AI未来谁会设计 AI 工作流真正优秀的开发者不只是调用模型。而是设计AgentSkillToolMemoryWorkflow形成自己的 AI 生产系统。这也是为什么未来程序员不会消失。但是不会使用 Agent 的程序员会逐渐失去竞争力。9. 总结Harness 代表了 AI 下一阶段的发展方向。DeepSeek通过开放模型让更多开发者构建自己的 AI 系统。OpenAI通过工程化 Harness让 Agent 真正完成复杂任务。两条路线没有绝对谁更好。它们代表两个方向DeepSeek 模型开放 ↓ 生态繁荣 OpenAI Agent 工程 ↓ 生产力提升最终赢家可能不是某一个模型。而是谁能够构建最强的 AI 生产系统。我是王仕宇 JavaPub。关注 AI、Web3 与开源。持续探索如何把技术做成产品把产品转化为真实价值。现在是最好的时代。真正稀缺的不是代码而是注意力、判断力以及把事情做成的能力。参考资料OpenAI Harness Engineeringhttps://openai.com/index/harness-engineering/OpenAI Codex GitHubhttps://github.com/openai/codexOpenHarnesshttps://github.com/HKUDS/OpenHarnessAwesome DeepSeek Agenthttps://github.com/deepseek-ai/awesome-deepseek-agentDeepSeek LLM Paperhttps://arxiv.org/abs/2401.02954Agent Harness Topichttps://github.com/topics/agent-harnessOpenForgeRL: Train Harness-native Agentshttps://arxiv.org/abs/2607.21557
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
