开篇摘要
- 2026 年 8 月 19 日，OpenAI 开源 Codex harness（CLI、app-server、SDK），把 Codex 从一组产品重新定义为平台。开源的不是 Codex 应用，而是其下的执行骨架。
- 全文信息密度最高的一句是边界声明："The open-source layer is the harness and integration surface; model access and managed services remain separate." 免费与收费是同一个决定的两面。
- harness 是一等工程变量的唯一量化证据：ARC-AGI-3 上，保留推理加上下文压缩把 GPT-5.6 Sol 的得分从 13.3% 提到 38.3%，输出 token 降为六分之一。同一个模型，不同 harness，三倍差距。
- 文档主张的构建范式不是万能聊天框，而是把 agent 嵌进既有界面（看板、队列、任务板），应用持有上下文、工具与审批权。
- 全部 harness 效应证据来自 OpenAI 自述评测；文档无法确认 harness 是否可运行第三方模型。平台叙事的硬度取决于此。
一、一组产品变成一个平台
这篇博文不是功能公告，而是平台宣言：被交出去的不是 Codex 应用，是它脚下的执行系统。
文档开篇先立事实：多数人通过 App、CLI、IDE 扩展认识 Codex，但"they are only a few of the ways the same underlying system can be used"。所谓底层系统即 harness——帮模型"gather context, reason through tasks, use tools, operate within configured boundaries, request approval, and carry work forward"。
平台含义接着出场："Instead of asking every team to move its work into a general-purpose coding assistant, you can bring the agent into software designed around the actual job"——工程流程、运维看板、安全调查、客服台。
推断（成立条件：harness 被广泛采纳）：竞争单元从"谁家应用更好"移到"谁家的 agent loop 住进谁的产品"。该推断回指文档原句："If you are building software that needs an agent, you can start with Codex instead of inventing a new runtime."
二、唯一的硬证据：13.3% 到 38.3%
"harness 设计实质性改变结果"的最强证据只有一处对比，且系自述。原句在"The reusable part is the agent loop"一章：
"Harness design can materially change results: on ARC-AGI-3, retained reasoning and context compaction raised GPT-5.6 Sol's score from 13.3% to 38.3% while reducing output tokens sixfold."
机制来自文档直接引用的 ARC-AGI-3 技术贴（2026 年 7 月 29 日）：官方通用 harness 中，每步动作后私有推理全部丢弃——模型每一回合都要重新理解游戏；滚动截断又让更早的动作随历史增长而不可见。开启的两个设置正打这两点：保留推理（Responses API 传入上一个 response ID，思考跨轮延续）、压缩（长对话被总结续接，而非丢弃）。校准参考：ARC 按官方游玩日志估计人类测试者平均约 48%（RHAE 指标）。
那篇引用材料里的关键句值得整句抄录："Benchmarks rarely measure AI models in isolation. They also measure less visible choices about API settings, harness design, and prompting." 你以为在给马计时，其实在给马车计时。
边界：这是 OpenAI 自家模型、自家跑分、自家 API 设置下的对比，文档未提供独立复现。该数字支持"harness 敏感性存在"这一方向判断，不支持"特定 harness 普遍提升性能"的幅度判断。
三、边界线：送出去什么，留下什么
全文最重要的句子不是任何功能介绍，而是这句分界："The open-source layer is the harness and integration surface; model access and managed services remain separate."
开源层交给开发者的控制点有三：界面（保留既有看板、编辑器、队列、审批流，而非塞进通用聊天窗）；上下文与工具（应用可暴露自有系统、文档、数据与动作，含应用持有的 MCP 服务）；运行边界（agent 在哪运行、能访问哪些文件与工具、哪些动作需审批、结果如何写回记录系统）。
推断（回指事实）：开源的恰是集成面，收费的恰是模型访问与托管服务——harness 被嵌入越多产品，模型访问的默认入口越多。这是一次分发决策，不只是工程善意。成立条件：harness 并非模型无关，或即便模型无关、切换成本也不可忽略。文档无法确认 harness 是否支持第三方模型——这是平台叙事最大的事实缺口，也是仓库能裁决的地方。
四、三层集成，与"不写提示词"
集成分三层，分工明确；示例应用 Relay 展示的交互范式是：用户不写提示词，点按钮。
| 层 | 适用 | 文档要点 |
|---|---|---|
| codex exec | 脚本、CI、一次性后台任务 | "run a bounded agent workflow and return structured output" |
| SDK | 应用代码需启动、恢复、流式读取 | "a direct programmatic interface" |
| app-server | agent 即产品的一部分 | 本地进程、持续会话、流式事件、中断、暴露工具、响应审批 |
文档自己的定位："The SDK simplifies common programmatic workflows; app-server gives product teams direct control over the lifecycle and user experience."
Relay 是范式样本：agent 坐在虚构货运看板旁，接应用自有的 MCP 工具，改签货物前必须人工批准。用户动作是选中一票货、点"Compare recovery"。应用供上下文，Codex 取最新样本数据，agent 解释选项，有后果的写操作过审批；工具改动底层记录后，应用刷新业务视图。分工写在原文里："The harness handles the agent loop, conversation state, streamed activity, and tool interaction; the product continues to own its dashboard, records, and controls."
本章的哲学句："the interface is an important part of the experience. It tells the agent what the user is looking at, gives it the right tools, and gives the user a place to review what happens next." 界面不是装饰，是上下文本身。
边界：文档明言 Relay 使用虚构种子数据——范式演示，非生产案例。
五、落地战报：三例，仅一例有数字
案例覆盖 IDE、云平台、垂直工作流。GitHub 与 JetBrains 把 Codex 带进既有 IDE 工作流；思科在 Cisco Cloud Control 的 App Builder 里用 SDK；Thrive Holdings 与 Crete 把 Codex 用于融入从业者反馈的报税流程——"Their pilot processed 7,000 returns and reduced preparation time by about a third."
边界：仅报税案例有数字，且是试点；IDE 与云案例只到一句话描述的深度。三例均为 OpenAI 的转述，无第三方数据。
反方与边界
最强反方：开源 harness 是送掉护城河、把 agent loop 商品化——若任何人都可取走这副骨架换上对手的模型，OpenAI 得到的只有维护负担。
回应分两层，且都承认无法完全坐实。第一层：文档自己的边界声明表明 OpenAI 不认为在送护城河——但这是声明，不是证据。第二层：反方成败系于一个未验证点——harness 能否运行第三方模型。若能，反方成立，第三节"分发决策"的推断需收回，降级为中立基础设施判断；若不能，反方失效。这正说明：读这份平台宣言，真正该读的是仓库，不是博文。
次级反方直指证据本身：ARC-AGI-3 对比是 OpenAI 自家设置下的自述评测，且 ARC 用通用 harness 的初衷正是让模型比较公平——厂商优化展示的是能力上限，不是可比成绩。回应：因此第二节只用它支撑"敏感性存在"（方向），不用它支撑"普遍提升"（幅度）。反方收窄了证据的可用范围，未推翻方向。
结论失效条件：
- 第三方在其他基准上无法复现 harness 敏感性；
- harness 被证实模型无关，且对手模型可经同一 harness 顺畅运行——届时"平台"退化为"捐赠的基础设施"；
- 三个落地案例被证明是孤立样本而非普遍模式的起点。
结尾
对技术读者，这份文档留下三件可立即执行的事：
- 重审每一个 agent 评测——自己跑的或读到的：把"模型分"与"harness 分"拆成两个科目。用哪个 harness、哪些设置（推理是否保留、是否压缩），对结论的影响不小于模型版本号。
- 按需选层：CI 与批量任务用 codex exec，程序化调用用 SDK，把 agent 做成产品用 app-server。入口是开源 Codex 仓库。
- 两个开放验证问题：开源 harness 能否运行第三方模型（仓库依赖与配置可裁决）；13.3% 到 38.3% 与六分之一 token 在其他基准上能否复现。答案落定前，对"平台"一词保持按句收费的谨慎。
证据说明
本文事实均取自《Codex as a platform: build on the open agent harness》（OpenAI Developers Blog，2026 年 8 月 19 日，作者 Nicolas Bonamy、Derrick Choi），锚点包括开篇底层系统定义句、"The reusable part is the agent loop"（ARC-AGI-3 句）、"An open harness developers can inspect and adapt"（三控制点与边界句）、"Choose the right integration layer"、"Build software around the workflow"、"Example: Relay"、"What developers are building"（7,000 份申报与三分之一时间句）各章原文；ARC-AGI-3 机制细节取自文档直接引用的 OpenAI 技术贴《How enabling two settings tripled our scores on the ARC-AGI-3 benchmark》（2026 年 7 月 29 日）。
文档无法确认的事项，本文未作填补：开源组件的具体许可证名称（文档仅称 open-source）；harness 是否模型无关；ARC-AGI-3 数字的独立复现；GitHub/JetBrains 与思科案例的外链细节（仅使用文档内一句话描述）；Relay 为虚构种子数据，无生产指标。