企业官网建设流程全解析

发布日期：2026-09-01 | 话题标签：Codex Harness、DeepSeek Harness、AI Agent 框架、开源

Codex Harness 和 DeepSeek Harness 是 2026 年 8 月相继开源的两款 AI Agent 执行框架，前者由 OpenAI 以 Apache-2.0 协议发布（8 月 19 日），后者由 DeepSeek 以 MIT 协议发布（8 月 13 日），两者相差 6 天，被行业称为"6 天两开源"。DeepSeek Harness 基于 Cordis 插件系统构建，模型、工具、沙箱、UI 等所有层均可替换，核心口号是"一切皆插件"，适合技术开发者自由组合 Agent 工作流，且不绑定任何特定模型；Codex Harness 是支撑 Codex App、CLI 和 IDE 扩展的统一执行框架，以 SDK 和 app-server 形式将 Agent 能力嵌进企业已有的业务系统，门槛更低但替换灵活性有限，且与 OpenAI 模型深度绑定。本文系统对比两者的架构理念、安装方式、四种预设模式、开源协议差异，以及不同团队规模和技术背景下的选型建议。

2026 年 8 月，AI Agent 执行层迎来了一场密集的开源竞赛：8 月 13 日，DeepSeek 发布 DeepSeek Harness v0.1（MIT 协议），口号是"一切皆插件"；6 天后的 8 月 19 日，OpenAI 宣布将驱动 Codex App、CLI 和 IDE 扩展的底层执行框架以 Apache-2.0 协议全面开源，定位是"Codex as a Platform"。表面上，两者都叫 Harness，都是 Agent 执行框架，都选择了开源，但背后代表的是两种截然不同的 Agent 哲学——DeepSeek 想让开发者把 Agent 像乐高一样自由拼装，OpenAI 想把 Codex 的能力以平台形式嵌进企业已有的业务系统。本文拆解两者在架构设计、开源协议、使用场景和适用人群上的核心差异，帮你判断选哪个。

先搞清楚：Harness 到底是什么

很多人以为 AI Agent = 好模型 + 好提示词，但真正在业务里跑起来的 Agent 需要一套复杂的底层执行系统：理解任务、保持多轮记忆、调用工具、管理沙箱、处理失败、在关键节点暂停等待人工审批，最后返回有用结果。这套"包揽脏活的执行系统"，就是 Harness。

DeepSeek 官方给出了一个公式：Agent = Model + Harness。翻译过来就是——模型是会思考的大脑，Harness 是能干活的身体。有研究数据显示，同一个模型换了执行框架，某类 Agent 任务的评测分数可以从 13% 涨到 38%。模型能力重要，执行层同样关键。

DeepSeek Harness：一切皆插件

发布时间：2026 年 8 月 13 日（开发者预览版 v0.1）

开源协议：MIT，商用无限制

核心口号：一切皆插件

DeepSeek Harness（简称 DSH）与 DeepSeek-V4-Pro-0813 正式版同日发布，发布半小时 GitHub Star 破万，6 天内突破 3.7 万。黑色鲸鱼是它的标识，刻意区别于 DeepSeek 模型产品的蓝色鲸鱼——DSH 团队从一开始就强调，这是一个独立于模型的框架产品。

架构设计

DSH 基于Cordis 插件系统构建，所有 Agent 能力均由插件组合而成：

• 模型（Model）→ 插件
• 工具（Tool）→ 插件
• 技能（Skill）→ 插件
• 会话管理 → 插件
• 沙箱环境 → 插件
• 存储 → 插件
• Agent 循环 → 插件
• 调度 → 插件
• UI 界面 → 插件

这意味着每一层都可以自由替换。你可以换掉默认的 DeepSeek 模型，接入任意模型（包括本地部署的开源模型）；可以替换沙箱，接入自己的执行环境；也可以自己开发插件扩展工具集。

四种预设模式

DSH 内置了四种开箱即用的 Agent 预设，加载不同的插件组合：

V4-Flash 正式版 Benchmark 里提到的"极简模式"就是 DSH 的 Minimal 预设，这也是官方验证了其框架质量的一个信号。

安装方式

# 推荐：一行命令安装（需要 Node.js）npx deepseek-harness# 安装完成后通过本地网关访问# 浏览器打开 http://localhost:端口号# 输入 DeepSeek API Key 即可进入

DSH 在本地运行，数据不出本机。

Codex Harness：把 Agent 嵌进你的软件

发布时间：2026 年 8 月 19 日

开源协议：Apache-2.0（含专利授权条款）

核心定位：Codex as a Platform

Codex App、Codex CLI 和 Codex IDE 扩展三款产品共用同一套底层 Harness。OpenAI 开源它的理由是：与其把各团队的工作流硬塞进通用聊天框，不如把 Agent 直接带进围绕实际业务设计的软件里。

架构设计

Codex Harness 是一套统一执行框架，核心负责管理：

• 会话状态：跨轮次的上下文保持
• 工具调用：文件操作、代码执行、搜索
• 沙箱管理：安全隔离的代码执行环境
• 人工审批节点：在关键步骤暂停等待人工确认
• 上下文压缩：长会话的 token 优化

与 DSH 的插件化不同，Codex Harness 是整体框架，它提供的是标准化的能力接入接口，而不是可替换的插件图谱。开发者不需要关心内部如何运行，只需调用接口把能力嵌进自己的产品。

三种接入方式

# 方式一：命令行直接执行（最快速）codexexec"帮我分析这个仓库的安全漏洞"# 方式二：通过 SDK 集成进自有产品import{CodexHarness}from'@openai/codex-harness'const harness=new CodexHarness({apiKey:'your_key'})const result=await harness.run({task:'...'})# 方式三：app-server 模式（企业后台服务）codex app-server--port3000

这三种方式的目标是让企业把 Codex 的 Agent 能力嵌进操作台、客服系统、安全工具、内部应用，而不是让用户在另一个聊天框里操作。

核心区别对比

谁更适合你

选 DeepSeek Harness，如果你：

• 想完全掌控 Agent 的每一层，自己决定用什么模型、什么工具、什么沙箱
• 需要高度定制的 Agent 工作流（比如多步骤并发搜索、自定义技能链）
• 不想被模型厂商锁定，希望随时切换底层模型
• 数据隐私要求高，需要完全本地运行
• MIT 协议更符合你的商用需求

选 Codex Harness，如果你：

• 想把 AI 能力快速嵌进已有的企业系统（操作台、客服、安全工具）
• 团队技术背景参差不齐，需要低门槛的接入方式
• 已经是 OpenAI 的用户，不打算替换模型
• 需要企业级的会话状态管理和审批工作流

两者都不选，如果你：

• 只是想用 AI 辅助编程 → Claude Code 或 Codex CLI 更直接
• 需要一个现成的多模型 API 统一接入层，不想自建框架 → 可以直接用七牛云 AI 大模型广场（qiniu.com/ai/models）的统一 API，免去框架搭建的成本

FAQ

Q：DeepSeek Harness 必须用 DeepSeek 的模型吗？
A：不是。DSH 的模型层也是插件，可以接入任意 OpenAI 兼容接口的模型，包括本地部署的开源模型。"DeepSeek"只是开发者名称，框架本身与模型解耦。

Q：Codex Harness 和 Codex CLI 是什么关系？
A：Codex CLI 是面向个人开发者的命令行编程工具，Codex Harness 是支撑 CLI、App 和 IDE 扩展的底层框架。Harness 开源后，开发者可以用同一套执行引擎构建自己的工具，不再局限于 OpenAI 提供的三个官方前端。

Q：Apache-2.0 和 MIT 哪个对商业更友好？
A：都可以商用，主要区别是 Apache-2.0 包含专利授权条款（使用后不能起诉贡献者专利侵权），MIT 更简洁无附加条件。对大多数商业场景，两者实际差别不大，但法务部门可能偏好 MIT。

Q：两个框架能混用吗，比如用 DSH 的插件接 Codex 的模型？
A：理论上两套框架的接口层不通用，但如果 Codex Harness 暴露了 OpenAI 兼容的 API，DSH 的模型插件可以指向这个端点。目前社区已有人在探索，但尚无官方支持。

总结

DeepSeek Harness 和 Codex Harness 代表了 Agent 执行层的两条路线：前者把权力交给开发者，让每一层都可插拔替换，适合技术深度用户自由组合；后者把 Agent 能力标准化为平台接口，让企业以最低门槛将 AI 嵌进已有系统。6 天之内两者相继开源，意味着 AI 竞赛的战场正在从模型能力转向执行层——谁的框架生态更繁荣，谁就更可能成为下一个时代的 Agent 运行时标准。

延伸阅读

• DeepSeek Harness 官网：https://www.deepseek.com/harness/
• DeepSeek Harness GitHub 仓库：https://github.com/deepseek-ai/deepseek-harness
• OpenAI 开发者文档：https://platform.openai.com/docs
• 七牛云 AI 大模型广场（多模型统一接入）：https://www.qiniu.com/ai/models