用大模型写过 Agent 的人迟早会撞上同一堵墙：模型本身很聪明，但它周围那圈东西——上下文怎么攒、工具怎么调、失败怎么恢复、越权怎么拦——才是决定成败的部分。业内给这圈东西起了名字：Agent Harness。2026 年 8 月，这个原本属于各家闭源产品的核心部件，突然成了大厂竞相开源的战场：8 月 13 日 DeepSeek 放出 Harness（dsh），9 天收获 181,149 star；8 月 19 日 OpenAI 发文《Codex as a platform》，把 Codex 的 agent loop 连同 app-server、SDK 明确摆上平台层的位置。加上 7 月中旬开源的 Grok Build、更早的 Gemini CLI 和它的 fork Qwen Code，一张棋盘已经摆满。
这不是巧合，是一次有先后手的集体行动。本文把五个开源 harness 逐个拆开，对比它们的架构赌注，并回答一个更实际的问题：如果你要在 2026 年下半年选一个来用或来学，选哪个。
先看棋盘：七个月，五次落子
时间线上的顺序本身就是信息：
| 时间 | 厂商 | 动作 | 许可 | Star（2026-08-22 GitHub API） |
|---|---|---|---|---|
| 2025-06-25 | Gemini CLI 发布即开源 | Apache-2.0 | 106,607 | |
| 2026-07-15 | xAI | Grok Build 开源（Rust TUI） | Apache-2.0 | 25,850 |
| 2026-08-13 | DeepSeek | Harness (dsh) developer preview | MIT | 181,149 |
| 2026-08-19 | OpenAI | Codex as a platform（harness 组件全面开源化） | Apache-2.0 | 111,244 |
| 更早持续 | 阿里 | Qwen Code（Gemini CLI fork） | Apache-2.0 | 27,274 |
三个值得停顿的细节：
第一，Grok Build 的开源是被逼出来的。 2026 年 7 月 12 日，一份 wire-level 分析在 HN 拿下 539 分，指出 Grok Build CLI 会把用户的整个 git 仓库上传到 Google Cloud 存储桶（International Cyber Digest 报道）。72 小时后，xAI 以 Apache-2.0 开源了 Grok Build，HN 讨论串 590 分、644 条评论。三天之内从遥测丑闻到开源，这个速度说明开源在当下已经成了应对信任危机的标准答案——比公关声明便宜，且可验证。
第二，DeepSeek 的 181k star 是流量现象，不是采用率。 dsh 仓库 2026-08-13 创建，到 8 月 22 日 181,149 star——平均每天两万。这个数字超过 OpenAI codex 仓库 16 个月的积累（111,244）。但 star 度量的是注意力，不是生产采用；dsh 自己的 README 顶部就写着 "THERE WILL BE COMPATIBILITY-BREAKING CHANGES"。
第三，OpenAI 这次开源的东西，边界划得很清楚。 根据 OpenAI 官方开源组件清单（2026-08 查证）：开源的有 Codex CLI、SDK、App Server（codex-rs/app-server）、Codex Security CLI 及其 TS SDK、Skills（openai/skills）、Plugins（openai/plugins）、codex-universal 云环境定义；不开源的是 IDE 扩展和 Codex 云端。也就是说，agent loop 这个"刀架"开放，模型访问和托管服务这两个"刀片"照旧收费——这个结构我们后面再展开。
OpenAI：harness 即平台
8 月 19 日的《Codex as a platform》和《Unlocking the Codex harness》两篇文章，合起来讲了三件事。
第一件：harness 值多少钱，OpenAI 给了个数。 在 ARC-AGI-3 基准上，仅靠 harness 层的优化（retained reasoning + context compaction），GPT-5.6 Sol 的得分从 13.3% 提升到 38.3%，同时输出 token 降到原来的六分之一。同一个模型，换一圈"外壳"，得分接近三倍——这是"harness 差异化"迄今最硬的一组公开数字。它也解释了为什么厂商愿意把 harness 开源：当模型层趋于商品化，可量化的性能差异迁移到了 harness 层，而 harness 的价值实现方式恰恰是大规模分发。
第二件：三层集成阶梯。 OpenAI 把开源的 harness 按"你想嵌多深"分了三级：
codex exec 脚本 / CI / 一次性后台任务，跑完拿结构化输出
↓
Codex SDK 应用代码直接启动/恢复/流式管理 Codex 任务
↓
app-server 产品级内嵌：JSON-RPC 协议，本地长驻进程
threads / turns / events / approval 全生命周期
app-server 是这三级里最有意思的一层：它不只是库，而是一套有文档的客户端协议——你的应用创建会话、发起回合、接收事件流、处理审批请求，Codex 负责 agent loop 和沙箱执行。OpenAI 还放了一个叫 Relay 的示例应用：一个虚构的货运运营面板，agent 通过应用自有的 MCP 工具取数，改写类操作必须人工批准后才执行。这个示例的意图很明显——别再做一个换了 logo 的 Codex App，把 agent 塞进你自己领域的工作台里。
第三件：企业案例背书。 Cisco（云管理工具）和 Thrive Holdings 已基于 Codex Harness 构建定制 agent；一个报税试点用它处理了 7,000 份申报，整体准备时间缩短约三分之一（OSFY 报道，2026-08-21）。
需要澄清一个被媒体简化的叙事："OpenAI 开源了 Codex"这个说法从 2025 年 4 月就成立了（openai/codex 仓库当天创建，Apache-2.0）。2026 年 8 月真正的新东西是 app-server 和 SDK 的开源化 + 平台化定位——把原来只服务于自家 IDE 扩展的内部协议，变成了对外承诺的集成面。如果你此前写过 Codex 的 Windows 沙箱，会注意到这次的卖点与沙箱一脉相承：执行环境可控、审批边界明确。
DeepSeek dsh：把"一切皆插件"推到逻辑终点
如果说 OpenAI 的开源是生态打法，DeepSeek 的 dsh 就是一次纯架构表态。它的 README 只有一句核心宣言：everything is a plugin——模型适配器、工具注册表、会话日志、连 agent loop 本身，都是插件。
这句话的工程含义，写在它的 architecture.md 里，有三层值得细看：
没有特权核心。 dsh 构建在 Cordis 内核上（设计出自论文 A Programming Paradigm for Spatiotemporal Composability）。插件向共享上下文贡献服务、类型化事件和可逆 effect；你要扩展 dsh，就把自己的插件挂到其他插件旁边，而不是去 patch 一个核心。插件卸载时，它注册的所有东西作为 effect 自动回滚。运行时的形态由 profile（命名组合）+ bundle（发行格式）+ 逐层 patch 决定，dsh --profile web --dump-config 可以打印出当前启动的完整插件树，任何一行都可以被你自己的 patch 替换。
模型可见即可回放。 dsh 的会话日志是 append-only 的 SessionEvent 流：系统提示、推理过程、工具调用与结果、子 agent 调度、每一次上下文注入全部落盘，且有一个运行时不变量——凡是到达模型请求的内容，必须能从日志重建。Resume、fork、搜索、回放全部操作同一条事件流。对做 agent 可观测性的人来说，这一条比任何功能列表都值钱。
能力接缝（capability seams）。 文件系统和子进程 provider 共享同一个"执行世界"，所以把这两个 provider 指向远程沙箱，Bash、PTY、LSP 工具就整体跟着迁移，不需要 provider 分叉。这个设计直接回答了"harness 如何从本地走向云端"的问题。
再加四种运行时模式——Standard（全功能）、Code（模型写 TypeScript 程序编排多轮工具调用）、Minimal（只留 shell + 文件编辑器，专供基准测试）、Creator（运行时检查 + 插件实验 + 组合新 preset）——dsh 实际上是一个研究平台，而不是又一个终端 coding agent。
代价也明码标价：developer preview 阶段，官方文档直接承诺会有破坏性变更；想吃透它需要学 Cordis 这套国人团队自研的组合子框架。9 天 181k star 的热度里，有多少能沉淀为稳定的生产用户，是 2026 下半年值得跟踪的开放问题。
Grok Build：Rust 重装骑兵，开源换信任
xai-org/grok-build 是五个里唯一的 Rust 实现（约 99.6% Rust），也是唯一的全屏 TUI：鼠标交互、长任务管理、web 搜索，支持交互/headless（CI）/ACP 协议（编辑器嵌入）三种形态。
它的仓库结构诚实得少见——README 明说这是从 SpaceXAI monorepo 周期性同步出来的镜像，根目录一个 SOURCE_REV 文件记录对应的 monorepo commit。工具集是经典七件套（read、edit、apply-patch、glob、grep、list-dir、shell）加 plan-then-act 循环，扩展面是 skills、plugins、hooks、MCP。
它的位置也最特殊：开源动机是修复信任，而不是进攻生态。7 月 12 日遥测丑闻、7 月 15 日开源，HN 上 644 条评论里相当一部分在讨论"开源之后能不能自证清白"。对用户来说结果不算坏——一个 25,850 star（2026-08-22）、Apache-2.0、可以自己审计的 Rust harness，但要理解它的迭代节奏跟随 xAI 内部 monorepo，而不是社区 PR。
Gemini CLI 与 Qwen Code：先行者与它的 fork
Gemini CLI 是这波浪潮的起点：2025 年 6 月 25 日发布即开源，HN 1428 分（当月最高之一），发布时附带免费额度（601 模型每天 1000 次请求）。14 个月后 106,607 star，仍是参考实现级的开源 harness——TypeScript、Apache-2.0、多模态工具链。
Qwen Code 的故事更有意思：它是 Gemini CLI 的直接 fork（Apache-2.0 沿用），但接的是 Qwen 系模型的免费入口，2026 年 1 月的官方博文把它定位成"像程序员一样思考"的 agent。27,274 star（2026-08-22）。fork 借来的骨架 + 自家模型的免费额度，这个组合在中文开发者圈层的渗透率远高于 star 数反映的水平。它证明了开源 harness 的一个次级效应：harness 可以被 fork，但模型入口绑定才是真正的用户粘性。
字节跳动的 Trae Agent 则是对照组：MIT、Python、模块化架构、多 LLM 支持，附带一篇正经的技术报告（arXiv:2507.23370），12,046 star——但最后一次代码推送停在 2026 年 2 月 5 日，至今停滞约 6 个月。开源不是发布仪式，是持续维护的承诺，这是棋盘上最直白的反面教材。
对比：五家开源 harness 的真实差异
先说维度选择的理由：评价一个 harness，本质上要回答五个问题——能不能商用（许可）、骨架怎么搭（架构）、怎么长出第三方能力（扩展机制）、怎么进入我的产品（集成方式）、敢不敢上生产（成熟度）。Star 只作为注意力参考单列。
| 维度 | Codex (OpenAI) | dsh (DeepSeek) | Grok Build | Gemini CLI | Qwen Code |
|---|---|---|---|---|---|
| 许可 | Apache-2.0 | MIT（最宽） | Apache-2.0 | Apache-2.0 | Apache-2.0 |
| 语言 | Rust | TypeScript | Rust | TypeScript | TypeScript |
| 架构路线 | 平台化核心 + 三层集成 | 一切皆插件（Cordis） | monorepo 镜像 TUI | 经典 agent loop | Gemini CLI fork |
| 扩展机制 | MCP + Skills + Plugins | 插件（含 loop 本身） | skills/plugins/hooks/MCP | MCP + 内置工具 | MCP + 内置工具 |
| 产品内嵌 | app-server（JSON-RPC 协议） | Web UI + headless | ACP 协议 | API 层有限 | API 层有限 |
| 成熟度 | 生产验证（Cisco 等） | developer preview | 开源 5 周 | 14 个月 | 13 个月 |
| 模型绑定 | OpenAI 模型 | 任意（插件换适配器） | xAI 模型 | Gemini | Qwen（免费入口） |
五个维度的交叉对比会逼出一个结论："开源 harness"不是一个同质化品类。Codex 和 dsh 代表两种正交的赌注——
- Codex 押生态：核心保持工程化的"出厂即硬"（沙箱、审批、事件流一体），把开放性放在协议层（app-server）和扩展层（Skills/Plugins），赌的是"接入者越多，模型消费越大"。
- dsh 押架构：把可组合性推到极限，连 agent loop 都可换，赌的是"长期看，能被任意重组的系统会赢"，短期代价是稳定性承诺为零。
顺便把闭源的两家放在桌面上：Anthropic 的 Claude Code 本体仍是闭源二进制（2026 年起转为约 100MB 的原生构建，社区逆向分析），开放面是 MIT 的 Claude Agent SDK（7,950 star，2026-08-22）——和 Codex 的策略形似，但 loop 本体不开放；Meta 的 Muse Code（2026-08-05 beta）干脆全部闭源，靠 data-for-discount 的贡献者档位（价格约为标准档 1/12）换训练数据。棋盘上真正不开源的玩家，走的都是"数据或模型入口"的旧打法。
新锁定层：插件生态
把五个项目并排看，还有一个容易被 star 数字盖住的结构性变化：厂商竞争的重心正在从"我的模型更好"转向"我的扩展格式成为标准"。
dsh 有 dsh-plugin 的 GitHub topic 和社区插件目录站；OpenAI 同步开源了 openai/skills 和 openai/plugins 两个仓库，把技能和插件作为 ChatGPT 与 Codex 共用的扩展单元；MCP 则是所有五家共同支持的最大公约数。对比移动时代"App Store 抽成"的历史，agent 时代的对应物不是 harness 本身，而是插件分发与格式标准。harness 开源让这一层的争夺显得无害，但谁的标准被第三方开发者当成默认开发目标，谁就拿到了下一个十年的入场券——这是所有"免费刀架"故事的共同结局。
对开发者的直接建议分三层：
- 要在产品里嵌 agent（运营面板、安全工单、内部工具）：选 Codex app-server 路线。生产验证最充分，协议有文档，Relay 示例可直接改。
- 要研究/自研 harness 或做基准测试：读 dsh。它的架构文档是五个里最完整的公开课，"模型可见即可回放"的不变量和 capability seams 设计值得抄进任何 agent 项目。
- 要快速上手终端 agent 且预算敏感：Qwen Code 免费模型入口 + Gemini CLI 成熟骨架，学习成本最低。
我的总评分（10 分制，含理由）：
| 项目 | 可组合性 | 开箱即用 | 生产成熟度 | 生态活跃 | 文档质量 |
|---|---|---|---|---|---|
| Codex | 7 | 9 | 9 | 9 | 8 |
| dsh | 10 | 6 | 4 | 8 | 9 |
| Grok Build | 6 | 7 | 6 | 6 | 6 |
| Gemini CLI | 6 | 8 | 8 | 8 | 8 |
| Qwen Code | 6 | 8 | 7 | 7 | 7 |
dsh 在可组合性上拿满分毫无争议，但生产成熟度 4 分也是它自己 README 承诺的；Codex 短板恰是 dsh 的长板——loop 核心不可替换。这份不对称正是 2026 年 harness 竞争的张力所在，此前我们在拆 Prime Agent 的 harness 设计时也看到过同样的取舍：loop 工程的纪律性与系统的可塑性，目前还没有任何一家同时做到满分。
结论
七个月内五次落子之后，可以下三个判断：
第一，harness 已经完成从"工程细节"到"战略资产"的身份转换。 ARC-AGI-3 上 13.3% 到 38.3% 的差距证明了它的可量化价值，各家愿意顶着"帮竞争对手"的表象开源它，恰恰说明它的价值实现依赖分发规模。
第二，开源 harness 的商业结构是刀架与刀片。 OpenAI 的组件清单把这条边界写得最直白：loop、协议、SDK 全开，模型访问和云端服务收费。选型时不看清这条边界，等于把架构绑在别人的刀片生意上。
第三，真正的争夺在前方——插件与扩展格式标准。 今天选 harness 最好的理由不是它功能多，而是它的扩展格式三年后还会不会有第三方在写。dsh 的 Cordis 和 OpenAI 的 Skills/Plugins 是当前两个最有野心的候选，Gemini CLI 的 MCP 兼容面是保底项。
至于那个被 star 数字反复点燃的问题——dsh 会不会重演 DeepSeek 模型发布式的行业冲击——我的看法是：架构上它给出了五个项目里唯一激进的答案，但 harness 不是模型，没有单点性能奇迹，只有生态复利。给它两个季度，看破坏性变更承诺兑现多少、dsh-plugin 生态长出什么，比看 star 曲线有用得多。
参考资料
- OpenAI — Codex as a platform: build on the open agent harness（2026-08-19）
- OpenAI — Unlocking the Codex harness: how we built the App Server（2026-08-19）
- OpenAI — Codex Open-Source Components（2026-08 查证）
- DeepSeek — Harness developer preview: Everything is a plugin（2026-08-13）
- DeepSeek — deepseek-harness README 与 Architecture 文档（2026-08-22 查证）
- xAI — Grok Build 仓库（2026-07-15 开源）
- Hacker News — Grok Build is open source（590 分 / 644 评论） 与 wire-level 分析讨论（539 分）（2026-07）
- International Cyber Digest — xAI's Grok Build CLI Uploads Git Repositories to a Google Cloud Bucket（2026-07-13）
- Google — Introducing Gemini CLI（2025-06-25）
- QwenLM — qwen-code 仓库 与 Announcing Qwen Code（2026-01-30）
- ByteDance — trae-agent 仓库（技术报告 arXiv:2507.23370）
- OSFY — OpenAI Open Sources Codex Harness Framework（2026-08-21）
- frr.dev — Claude Code Native Build: 100MB Binary（2026）
- Anthropic — claude-agent-sdk-python（MIT，7,950 star，2026-08-22）
- GitHub API star/fork 数据 — openai/codex、deepseek-ai/deepseek-harness、google-gemini/gemini-cli、QwenLM/qwen-code、xai-org/grok-build、bytedance/trae-agent（快照日期 2026-08-22）