企业官网建设流程全解析

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 Harness
• Claude Code
• DeepSeek Harness
• OpenHarness
• OpenClaw
• Cursor Agent

AI 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]{index=0}

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]{index=1}

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 LLM
• DeepSeek Coder
• DeepSeek Agent 生态

:contentReference[oaicite:2]{index=2}

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 Agent
• DeepSeek Harness
• OpenHarness

OpenHarness 就是一个典型的开源 Agent 基础设施：

包括：

• Tool calling
• Skills
• Memory
• Multi-agent 协作

:contentReference[oaicite:3]{index=3}

5. DeepSeek VS OpenAI：两条路线

简单总结：

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：

GPT

Claude

Gemini

DeepSeek

Qwen

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：

• Agent
• Skill
• Tool
• Memory
• Workflow

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

1. OpenAI Harness Engineering

https://openai.com/index/harness-engineering/

2. OpenAI Codex GitHub

https://github.com/openai/codex

3. OpenHarness

https://github.com/HKUDS/OpenHarness

4. Awesome DeepSeek Agent

https://github.com/deepseek-ai/awesome-deepseek-agent

5. DeepSeek LLM Paper

https://arxiv.org/abs/2401.02954

6. Agent Harness Topic

https://github.com/topics/agent-harness

7. OpenForgeRL: Train Harness-native Agents

https://arxiv.org/abs/2607.21557