Loading...
Loading...
OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）谈从「氛围编码」到「氛围研究」撰文：Techub News 整理
导语
2025 年 9 月，OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）罕见地共同接受了知名风投 a16z 的深度访谈。作为 OpenAI 研究团队的两位核心领导者，他们掌管着当今 AI 领域最高调也最前沿的研究团队之一。本次对话围绕2025 年 9 月发布的 GPT-5、背后的「推理」理念、AI 研究的未来方向，以及如何构建能够持续产生颠覆性创新的研究文化与组织展开了深入探讨。
这不仅是一次对 OpenAI 最新技术成果的解读，更是对这家全球领先的 AI 公司其内部运作模式、未来愿景以及技术哲学的一次难得窥探。在 AI 技术竞争白热化、产品迭代加速的今天，这两位技术领袖的思考，为理解 AI 发展的下一阶段提供了关键线索。
摘要
GPT-5 的核心目标是让「推理」成为 AI 的默认行为，旨在弥合快速响应模型与深度思考模型之间的鸿沟。
OpenAI 的终极研究目标是打造「自动化研究者」，让 AI 能够自主发现新知识，尤其是在数学、编程和基础科学领域。
强化学习（RL）的潜力远未穷尽，其与预训练模型的结合是当前取得持续突破的关键，未来将向更接近人类学习的方式演进。
构建成功研究文化的关键在于「保护基础研究」，给予团队思考长期、根本性问题的空间，并避免陷入短期产品竞争的思维。
从「氛围编码」到「氛围研究」的愿景：当 AI 工具足够强大，创造（编码、研究）将更注重直觉、品味和高层次的构思，而非机械执行。
GPT-5：将推理带入主流
访谈从2025 年 9 月发布的 GPT-5 开始。Jakub Pachocki（雅各布·帕乔基）解释，GPT-5 代表了 OpenAI 将「推理」能力主流化的尝试。在此之前，OpenAI 的模型大致分为两个系列：以 GPT-2/3/4 为代表的「快速响应」模型，以及以 O 系列（如 o3）为代表的「深度思考」模型。前者擅长即时给出答案，后者则需要长时间思考以提供最佳结果。
「从战术上讲，我们不希望用户困惑于该使用哪种模式，」Pachocki 说道。因此，GPT-5 的研究重点之一是识别并确定针对不同提示所需的「最佳思考量」，并将这种选择负担从用户身上移除。他们相信，未来的方向是更多地围绕推理和智能体（Agent）展开，而 GPT-5 正是朝着默认提供推理能力和更智能化行为迈出的重要一步。
Mark Chen（马克·陈）补充道，GPT-5 在多个方面相较 o3 都有所改进，但本次发布的核心焦点无疑是让推理模式触及更多用户。
评估标准：从饱和指标到发现新知识
当被问及如何评估模型进展时，Pachocki 指出，过去几年使用的许多评估指标（Evals）已经接近饱和，例如将准确率从 96% 提升到 98% 不再具有决定性意义。更重要的是，AI 研究范式已经发生了变化。
在 GPT-2/3/4 时代，基本范式是在海量数据上进行预训练，然后用评估指标作为模型泛化能力的标尺。而现在，通过强化学习等技术，可以针对特定领域（如严肃推理）进行深度训练，让模型成为该领域的专家。这虽然能在特定评估上取得极佳表现，但不一定意味着同等程度的泛化能力。
因此，OpenAI 目前更关注能够体现模型「发现新事物」能力的评估。Chen 提到，今年最令人兴奋的进展之一是模型在数学和编程竞赛（如 AtCoder）中的表现。然而，这些竞赛本身也正在被模型「攻克」。
「我们正在准备的下一组评估和里程碑，将涉及在经济相关领域取得实际进展和发现。」Pachocki 强调。这意味着评估标准将从解决已知问题，转向在开放环境中创造新的、有价值的知识。
自动化研究：终极目标与长时推理
当被问及未来 1-5 年的研究路线图时，Pachocki 明确表示：「我们研究工作的核心目标是打造一个自动化研究者，即自动化新想法的发现。」这其中，自动化机器学习研究本身是一个具体方向，但可能显得过于自指。因此，他们也致力于推动其他科学领域的自动化进程。
衡量这一进展的一个好方法是观察模型能够进行有效推理和取得进展的「时间跨度」。目前，模型在类似高中竞赛难度的问题上，已经能够进行大约 1 到 5 小时的连贯推理。OpenAI 的研究重点正是延长这一时间跨度，包括模型制定长期规划的能力以及维持记忆的能力。
这也呼应了评估的问题：「模型能够自主运行多长时间」这类评估对他们来说尤其重要。
Chen 进一步阐述了推理对于长时程操作的核心作用。就像人类解决数学难题一样，需要尝试不同方法，从错误中学习，反复迭代。这种在长时间内保持稳健性的能力，正是深度推理赋予智能体的。
强化学习：持续突破的源泉
自 o1 发布以来，强化学习（RL）已成为 OpenAI 持续取得突破的利器。尽管外界常有预测认为 RL 的收益将趋于平缓或面临模式崩溃等问题，但 OpenAI 的模型性能却一次次打破这种预期。
Pachocki 解释了 RL 如此有效的原因。他认为，RL 是一种非常灵活的方法。OpenAI 在深度学习早期阶段就认识到 RL 的强大，但长期以来的挑战在于如何为 RL 模型提供一个合适的「环境」，使其能够与现实世界或模拟世界互动。语言模型的出现解决了这个「锚点」问题。
「当你在自然语言这个极其丰富和稳健的环境中进行预训练后，就获得了在此基础上去追求不同目标和想法的能力。」将深度学习的通用学习能力与 RL 的目标导向训练相结合，产生了巨大的化学反应。Pachocki 称这是过去几年 OpenAI 研究中最令人兴奋的阶段，他们发现了许多新方向和有前景的想法，并且都在不断取得成果。
对于希望利用 RL 的企业或研究者，Chen 的建议是：「最重要的是不要认为现状会永远持续。」就像两年前大家关注如何构建微调数据集一样，他认为奖励建模等方式也会快速演变，最终会向着更简单、更接近人类学习的方式发展。
从「氛围编码」到「氛围研究」
作为曾经的竞技程序员，Pachocki 和 Chen 对 AI 在编程领域的进步感触颇深。Chen 分享了一个故事：上周末他与一些高中生交谈，他们表示，「现在默认的编码方式就是『氛围编码』。」 对他们而言，亲手从头编写所有代码反而成了一个奇怪的概念。为什么不用 AI 来辅助呢？
这启发了 Chen：「我希望未来将是『氛围研究』。」 当 AI 工具足够强大，研究过程也将更侧重于直觉、品味和高层次的构思，而将繁琐的执行和验证交给 AI。
那么，什么造就了伟大的研究者？Pachocki 认为，「毅力」是关键。研究是在探索未知，尝试的事情大概率会失败。因此，研究者需要处于一种「准备好失败并从中学习」的心态，同时对自己的假设保持绝对诚实。既要对自己的想法有信心并坚持不懈，又要能清醒地判断进展，及时调整。
Chen 补充，经验至关重要，这能帮助你判断问题的难度是否合适，并管理自己在长期研究中的情绪。通过与同事交流、阅读优秀论文来培养对「有趣问题」的嗅觉，也是研究过程的一部分。
构建并守护顶尖研究文化
作为 OpenAI 研究团队的领导者，Pachocki 和 Chen 如何吸引并留住顶尖人才？Pachocki 指出，最根本的动力在于 OpenAI 致力于基础研究的使命。他们不热衷于关注竞争对手发布了什么模型，而是专注于前沿创新。「人们为这一使命所激励。」 此外，建立良好的文化、培养人才的管道，以及拥有深厚的人才储备（「深板凳」）也至关重要。
在招聘上，他们不仅仅寻找在社交媒体上最活跃的人，而是看重「在任何领域解决过难题」的能力。许多最成功的研究者在加入 OpenAI 之前，曾在物理、计算机科学或金融等其他领域工作，具备扎实的技术基础和解决雄心勃勃问题的意愿。
「保护基础研究」是创造制胜文化的关键。Chen 解释，必须确保研究者有空间去思考未来一两年真正重要的问题，而不是被短期产品需求所牵扯，或陷入与其他实验室的发布竞赛中。「我们需要确保人们有这种舒适感和空间去思考：事情在一两年后会变成什么样子？」
平衡研究与产品是另一个挑战。他们的做法是明确区分一批真正关心产品、对产品成功负责的研究者，让他们与产品团队紧密协作。同时，公司领导层也充分认同并支持研究的长期愿景，明白当前的产品并非终点，而是与研发共同构想未来。
资源、计算与恒定的挑战
在资源分配上，管理不同项目间的计算资源是两位领导者的重要工作。他们坦言，历史上更多的计算资源流向了核心算法推进，而非产品化研究，但这种分配是动态且灵活的。
当被问及如果增加 10% 的资源会投向哪里时，Pachocki 的回答是：「计算。」 他认为，关于「我们将很快进入数据约束阶段」的说法并不准确，计算资源在可预见的未来仍将是决定性因素。「任何这么说的人，只需要在我的职位上干一周，就会发现没有人会说『我拥有所有需要的计算资源』。」 Chen 笑着赞同道。
最后，当被问及在 AI 飞速发展的浪潮中，有哪些原则应该保持不变时，Pachocki 提到了更广泛的物理限制，如能源，以及未来机器人技术将带来的新约束。但在智能前沿，「我不会做太多假设。」 保持开放和学习的心态至关重要。Chen 则分享了保持团队高速运转的「秘诀」：OpenAI 的研究文化让他从未感到学习停滞，总有新的突破和成果涌现，需要全力以赴才能跟上，这种持续的挑战感和成长感正是驱动力。
分享一个大幅节省Codex额度的邪修方法，不要浪费了你的ChatGPT Pro会员。最近我的Codex额度，已经烧到我有点用不起的程度了。
大家可能都知道，我做了一个AI热点资讯产品，叫AIHOT。
然后我最近做的，基本都是关于AIHOT的底层优化，一个是尽可能降低成本，一个是系统底层的性能提升。
全是什么压模型API成本、压抓取成本、用算法替代模型、找过度设计、找性能瓶颈啥的，甚至最近因为突破了100万的月活，流量和请求费用已经到了我扛不住的地步了，又在疯狂的想办法，压缩流量传输，降低成本，都快把边缘缓存用到极致了。。。
然后我又为了做热度榜，把监控的信源加到了快2000个的量级，每天大模型的API的费用，也是几百块的烧。。。
所以，基本是一天一个200刀的Pro会员号，直接快干成日抛了，3个号轮着转，一个用完了切换另一个，继续做任务。
一边是AIHOT每天后端在疯狂烧钱，一边是为了优化AIHOT的烧钱而每天在Codex上疯狂烧钱，我感觉我自己每天好像起床就好像陷入了某种赛博循环，钱就跟流水一样哗啦啦消失了。。。
特别是我也不太懂代码，我只能当个产品经理，去规划流程架构，知道我的目标是什么，但是具体它要怎么实现？有没有一些能更加突破的方法能实现？你指望我这个愚蠢的人脑去想这个事，我肯定搞不定的，所以必须要有一个很强的大模型，根据我的需求和目标，调研完我们过去所有的日志数据，然后给一个很棒的开发的规划，后续我去执行才可以。
最近我是经常用GPT-6 Astra Max来分析和规划，甚至有两个降本的任务，我直接上了GPT-6 Astra Ultra，然后出完计划以后，用GPT-6 Astra 高来实施。
所以Codex额度不可能抗的住的，甚至额度消耗的很大头，是来自于前面的分析规划，用Ultra分析规划一次，我的200刀会员的周额度，直接能没10%。
穷则思变。
人一旦被额度逼到墙角，脑子就会异常活跃。
所以我就在想，我怎么最大化的去利用ChatGPT的网页版，因为大家都知道，ChatGPT的网页版有一个超强的模型，GPT-6 Pro，而且这个东西其实算ChatGPT Pro会员一个非常容易被忽略的隐藏福利。
因为它的额度是跟Codex分开的，并不消耗你的Codex额度。
200刀的Pro会员，一周有200次的Pro对话额度。
讲道理，这玩意一直是我心中极其好用的模型，7月份没有GPT 6只有GPT 5.6 Sol的时候，我就聊过，说这玩意的Review水平和深度，都极强。
但是GPT Pro模型一直有一个问题，就是没有办法看到我的真实的业务数据和场景，他可以通过插件的方式，链接我的Github，看到我所有的PR记录和实际的代码，但是他还是看不到我这么多月的所有的服务器日志记录，还有我真实的线上数据库。
如果你看不到这些东西，你怎么能去分析数据，然后推理找到一些底层突破，从而给我们一个真实的规划方案呢？
就比如昨天到底进来了多少条数据，我们每天的高峰数据到底是多少。
某一个模型调用到底一天烧多少钱，分别烧在了什么地方，缓存命中率是多少等等。
所以本质上。
代码告诉AI，这套系统理论上应该怎么运行。
生产数据告诉AI，这套系统实际上是怎么运行的。
PR历史，则告诉AI，它为什么一路变成了今天这个屎山。
这就是过去GPT-6 Pro我用它做方案规划最大的痛点，它一切都只能根据我的现有代码进行推测，它没有办法根据我的真实数据进行分析回测。
于是我就一直在想办法怎么去解决这个事，我当然知道有各种各样的桥接方式，把GPT 6 Pro的额度拉到Codex本地里面，用它来去处理。
但是过去无数种的经验告诉我，这种方式是会有风险的，我不太想冒这种风险。
然后，我就想起了一个东西，MCP。
在网页版ChatGPT的聊天模式中，可以调用插件，但是不能调用Skill，而插件的底层，其实就是MCP。
那如果...把我的服务器，直接封装成MCP，然后变成一个插件，能跟Github插件一样，直接让GPT-6 Pro通过MCP协议，读取我的服务器所有数据，这样是不是就行了？？？
说干就干，我直接给Codex发了一句话。
对，就这么一句话：“给 AIHOT 增加一个供 ChatGPT 使用的生产业务数据只读 MCP Server，让 GPT-6 Pro 能安全查询 AIHOT 所有服务器的真实数据。但是一定是最小权限、只读、可审计，不能影响生产性能，也不能暴露密钥和敏感数据。”
他自己就封装完了。
因为为了保护我们的服务器安全，所以我只给了只读的权限。他不能对我的服务器进行任何的操作，他只能读数据，但是不能操作数据。
同时也为了保护我们私有MCP的数据安全，他也提问了说，需要OAuth登录服务，那太简单了，因为我们用的是飞书，我过去在公司里面也直接开发了一整套的飞书的认证中心供我们同事使用，我直接就把飞书的鉴权给接进去了，只有我自己的飞书账号登录以后才能用。
然后过了大概半小时以后，Codex给我开发完了。
因为它强大的Computer use的操控能力，所以甚至，都给我上传好了，自己都做完了实验。
成了。
MCP是个好东西，真的，万物皆可MCP，你可以把你任何本地电脑上、服务器上的东西封装成MCP，然后做成你的私有插件，你就全部可以让GPT-6 Pro调用了，这个想象空间有多大，能做的事有多少，我相信大家的想象力一定比我丰富。
那接下来，再说一下怎么用，以及怎么跟Codex更好的协同。
打开我们的Codex，点击左上角的快速聊天。
吊起ChatGPT的聊天模式。
这时候就会在右下角给你弹一个窗，把模型选成GPT-6 Pro，点击+号，选择你自己的插件。
因为我既需要给数据也需要给代码和PR记录，所以我是同时调用我自己的插件和Github插件。
这个时候你就可以提出你的需求了。
比如我说，我希望继续降低成本。
他就会直接读取我们所有数据，开跑。
大概GPT-6 Pro思考推理了40分钟以后，终于跑完了，然后给我了一个非常详细的方案，我看了一下，质量真的极高。
这一次，如果你直接用GPT-6 Astra在Codex里去跑，我觉得周额度的10%是真的能干掉的，所以通过这种方式，真的就节省了周额度的10%，而且也是完全的符合OpenAI的所有规则，没有干任何出格的事情。
那有了这个方案之后，我们怎么扔到Codex里面，去直接执行呢。
方法也巨简单，你完全不需要把那个md文档和方案下载下来再上传之类的，你直接点击聊天窗口的添加到Codex。
你就会发现，这个对话，已经到你的Codex窗口上了。
接着，写一句执行的万能Prompt：
“帮我验证，并且做掉这里面提到的所有值得做的优化，然后统一上线。”
我自己习惯在执行的时候，把推理等级开到“高”了，大家开到“中”也行，但是不建议用“轻度”，至少我自己觉得效果不是特别好，有时候来来回回的失败或者不验证，搞起来特别麻烦。
马上GPT-6 Sol大概率就上了，GPT-6 Sol上了之后，执行这块，我可能会无脑切换到GPT-6 Sol了，只有一些高难的任务我觉得我才会切换到GPT-6 Astra。
上面Prompt写好以后，直接发送，我也不知道过了多久，因为我直接睡觉去了。
起床一看，开发完了。
这个任务，最终好像也只花了我周额度的4%左右。
还是很爽的。
讲道理，GPT-6 Pro这么强，每周还给我200次额度，让它躺在那里吃灰，然后另一边一天烧一个Codex账号，我是真的觉得我扛不住。
只要你是Pro会员，不管你是100刀的（100刀的能每周用50次GPT-6 Pro额度），还是200刀的，都可以试试，把你的真实数据和业务，封装成MCP，让GPT-6 Pro去使用，应该能减少很多你的Codex token消耗。
同时，我还是要强调一下，这种遵守规则的MCP和插件调用的方式，99.99%不会有啥风险，更不会给你降智或者风控啥的，但是如果你去用一些三方的桥接插件，把GPT-6 Pro的额度反代出来用Codex来开发，如果被风控了，别找我= =
账号安全第一。。。
最后，总结一下这套工作流。
ChatGPT上的GPT-6 Pro通过MCP的方式把真实世界接入进来，进行详细分析做规划和架构。
然后Codex的GPT-6 Astra high负责具体的开发执行。
省钱省心又省力。
我只需要提需求和做决策就行了。
哦不对，我还要负责付钱。
。。。
AI啊。
真好玩。
国内第一个为团队而生的Agent，果然还是在飞书里面来了。就在刚刚，飞书和豆包工作一起，开了他们的全新发布会。
在聊了很多飞书为Agent做的全新升级，还有和豆包工作深度融合后的产品能力之后，他们也终于发布了一个全新的功能，也是我们内测了一段时间，让我非常喜欢的功能。
豆包工作伙伴。
讲道理，这玩意飞书在国内第一个做出来，我一点也不意外。
跟之前的豆包工作伙伴完全不一样，这一次，你可以把你的豆包工作伙伴，拉它进入企业里的任何群聊里面，成为一个团队共享的AI工作伙伴。
它拥有独立的人设，独立的名称，独立的组织身份，比如我就给它改名了，名字也很性感，叫义父。
它可以被拉进群，参加公司的会议、读所有的文档、代码等等等等，还能主动的去推进大家的工作，它长这样。
如果大家有印象的话，会觉得，这个豆包工作伙伴，怎么跟那个Claude Tag那么像。
对，确实很像。
而且我觉得，如果要理解豆包工作伙伴到底是什么，最好的办法，可能真的就是先理解Claude Tag。
今年6月份，Anthropic发布了Claude Tag。
这玩意，被卡帕西称为AI在用户体验上的第三次范式。
我觉得可以用一句特别简单的话来解释。
普通Agent，是一个属于你自己的能干活的Agent。
而Claude Tag和豆包工作伙伴这样的产品，就是类似于给这个Agent一个独立身份，让它安全、可控地帮公司里所有人一起工作。
这句话基本就解释完了。
我们过去接触的大部分Agent，不管是Claude Code、Codex，还是各种你自己搭出来的Agent，本质上都有一个共同点。
它主要围绕“你”工作。
而Claude Tag和豆包工作伙伴这样的形态，是一个完全不同的形态。
你可以理解为，他有自己的身份、权限、记忆之类的，长期驻扎在公司的组织软件里，Claude Tag是待在Slack里，豆包工作伙伴是待在飞书里。
公司里的任何一个人都可以跟它一起工作。
它知道这个群之前发生过什么，也知道大家最近在聊什么，知道公司是什么业务、每个人负责什么、大家手上的项目分别是什么，也可以接入GitHub、多维表格、知识库之类的这些公司的系统。
甚至很多时候，你甚至都不需要主动叫它。
它自己会判断：
这个事情，我是不是该干点什么。
你看，这个关系就完全变了。
以前在组织中，我们跟AI的关系，大概是：
人、人、人、人。
↓ ↓ ↓ ↓
AI、AI、AI、AI。
现在呢，就变成了：
人、人、人、人。
↓
AI。
所有人共享同一个AI同事，大家都拥有了一个团队智能体，大幅的降低各种沟通和损耗成本，让我们的小伙伴，更有时间，去做那些真正AI替代不了，真正重要的事情。
这就是我觉得这类产品，对于组织来说，真正牛逼的地方。
而在Slack中，Claude Tag其实可以发挥的作用没有豆包工作伙伴在飞书中的大，核心还是因为，飞书过去十年打下的基建和江山实在是太恐怖了。
群聊、会议、文档、日历、任务、项目、OKR等等，甚至还有多维表格上的各种各样的业务数据，实在是太丰富了。
所以在昨天，我甚至在公司内部，做了一个小小的决定，把公司内部沟通，也全面从微信迁移到飞书上了。
公司的一个小小的里程碑，终于全面从微信切换到飞书了。
这一年跑的太快，很多基石还没做好，沿着惯性在走，昨天想了想，还是下定决心了。
对公司组织来说，也要全面拥抱为未来而生的基建才行。
飞书基本上就是为Agent而生，虽说只是办公方式的一个小小的变化，但是也意味着，面向未来。
这个决定，其实跟这几天内测豆包工作伙伴以后，有很大的关系。
说回豆包工作伙伴，这玩意目前还是邀请共创测试，因为我们稍微特殊一点的身份，所以是前几天就拿到了内测的，大家想用的话，可能还需要再等等，但是有些东西，我觉得还是足够可以给大家看一看的。
当你有了豆包工作伙伴的权限之后，你就可以在后台，看到他的设置页面，可以看到它的人设、自动化、资产、记忆等等。
你可以随便改，比如我就把它改成了，义父。
于是我们所有人让它帮忙干活，都是需要在群里，@义父。。。
当然，你也可以建多个不同的工作伙伴，赋予他们不同的能力和人格。
给大家举个例子。
我们的小伙伴，就在尝试用义父，来讨论选题。
平时刷到有意思的东西，就会直接扔进选题群里，大家一起聊聊能不能做。
就比如说，今天他们看到的这个盆栽和手摇Token生成器。
就可以在群里@义父，让它调研一下，技术上怎么实现，是否能够复刻。
它立刻就可以给出一些建议，对工期、预算和可能遇到的问题做了初步估算。
然后也可以让义父在群里，核查一些信息。
然后还有一个选题，是开学了吗，于是说，看看能不能把ChatGPT当成语言老师。
他们就还是把截图发进群里，让义父看看。
义父聊完之后，大家还可以继续充分讨论，再进行投票。
讨论结束以后，他们又让义父把前面的聊天整理成了一张选题总结卡片。
选题聊完以后，我们的流程是，由内容组的小伙伴会先把觉得合适的方向提报到选题库，再由我筛一轮，确定哪些可以做。
现在有了义父之后，他们真的就是随时分享、随时讨论，随时让义父往选题库里面扔。
然后我就能看到，义父把前面聊到的两个方向分别录入选题库，状态先设成待定，等我看完再决定。
接着，又让它根据选题库里之前已经确认可做的选题排一下档期。
结合每个人的工作分工和已有排期，安排一下谁来做、什么时候做，再把对应的安排加进日历里。
确认好以后，还能直接给对应的小伙伴来发送日程邀请。
就有了这个豆包工作伙伴之后，我们的工作流程和协同也肉眼可见的发生了一些变化，因为，这是属于大家的Agent，是属于大家的同事。
也能根据大家的时间，来约大家的会议。
还能跟我们一起开会。。。
这个同事也会拥有跟大家互动后，存下来的跟每个同事相关的记忆。
也可以给他配置各种各样的权限。
还有非常非常非常多好玩的东西和好玩的场景，感觉后续要慢慢发掘。
飞书过去所有在机器人、AI和Agent上的积累，在此刻融为一体，汇聚到了豆包工作伙伴上。
这个东西，是我过去这么久，用过的最有趣的Agent之一。
不过这个事肯定不好做，因为Agent 、大模型、协同办公要深度配合才能有比较好的流程的体验，还有包括token消耗等可能会很大，但，一定是未来的趋势。
其实过去，我也一直在思考一个命题。
当AI真的进入一个组织以后，公司这种东西本身应该如何发生变化？
因为我们都知道，一家公司里面，很多时候大量的成本其实都浪费在沟通和协作上。
比如说很多看到我就脑壳疼的问题：“你有没有跟A同步？A告诉B了吗？B知不知道C已经改了？？？”
还有无数类似的，我都想杀人。
过去我还在互联网中产的时候，真的，很多时候，一件可能真正只需要两小时完成的工作，可能前前后后要拉十个人，开三个会，发上百条消息，然后互相同步来同步去，三天才搞完。
所以我现在，极其认同一个公式：
团队效率 = 所有人个人效率的总和，再减掉协作成本。
过去的AI一直疯狂提高的，都是前半部分，但是协作成本，靠的几乎还是组织管理方法论，还有使用的协同工具本身。
但现在，因为豆包工作伙伴这样的产品，好像也在开始大幅降低协同成本了。
但本质上，核心还是飞书这个产品的基建，实在是搭的过于优秀了。
就像我上面说的，这也是我自己，为什么决定，最后还是决定把我们公司内部的工作沟通也全部迁到飞书
这当然只是一个很小的变化。
但我也只是想，把公司的工作方式，更加的面向Agent一点。
对公司组织来说，也要全面拥抱为未来而生的基建。
我们已经讨论了三年AI会怎么改变个人。
那接下来，也要开始聊一聊，AI究竟会如何改变公司了。
这个未来是必然会来的，那企业内部如何沟通，如何沉淀我们所有的知识和经验，如何管理项目，如何组织数据，如何让Agent真正的进入公司，这个是每一个组织，都必须要考虑的东西。
虽然我过去吹了飞书无数次，我真的不想再吹了。
但是我还是非常想真情实感地说一句。
相信我，企业拥抱AI。
先从飞书开始。
就像谢欣在发布会最后说的那句话一样：
“把卓越的工具交给人们，他们自会，创造非凡”
OpenAI把Codex“拆开卖了”文章转载于字母AI
OpenAI昨天一口气打出了四张大牌。
Agents API、GPT-Live-1 API、Data agent、ChatGPT for Financial Services，一天横跨Agent、语音、数据和金融四条产品线，每一条都值得单独拿出来说道。
但这四张牌里，最值得看的可能还是Agents API。
因为这一次，OpenAI把Codex“拆开卖了”。
原本藏在Codex背后、负责让Agent持续工作、调用工具、管理上下文和协同多个Agent的那套能力，被抽出来打包成了云端API，交给所有开发者调用。
1
Codex即服务？
其实，OpenAI早就在拆Codex了。
早在2025年4月，OpenAI刚发布o3和o4-mini那会儿，就把Codex CLI开源了。它有点像OpenAI版的Claude Code，直接就装在本地终端里。Agent怎么跑，怎么调用工具，都明明白白地放在GitHub上，你愿意折腾，就可以自己拿回去改，自己跑。
不过那个时候只是单纯地把东西给了出来，至于你会不会用、想怎么用，那都还是你自己的事。
一个月后，Codex云端版，也就是我们今天所熟悉的那个产品，才正式上线。用户可以把代码仓库交给它，一个任务对应一个独立的云端沙盒，Codex可以自己改代码、跑测试、修bug，还能同时处理多个任务。
又过了几个月，在2025年的10月份，OpenAI发布了Codex SDK。
简单来说，SDK就是给开发者的一套工具包，让Codex不只作为独立产品使用，也可以塞进别人的应用里。SDK允许开发者用几行TypeScript代码启动同一个驱动Codex CLI的Agent，拿到结构化输出，还能保留任务状态，在暂停之后继续跑。
但是呢，SDK主要适合在程序里调用Codex，还没有把完整的Codex交互能力开放出来。它很适合后台的工作流、自动化脚本、服务端的程序。但如果你想做一个像Codex IDE那样的完整客户端，还是有些困难。
于是到了2026年2月，OpenAI正式公开Codex App Server，第一次系统地把Codex里面那套Harness讲清楚了。
OpenAI明确解释，Codex Web、CLI、IDE扩展和Mac App看起来是不同的产品，但底下其实都在运行同一套Codex Harness，也就是负责Agent Loop、Thread、工具执行、认证和管理状态的那层东西。
App Server给这一整套Harness加了一套双向JSON-RPC接口。JetBrains、Xcode或者其他客户端，不需要重新造一个Agent Loop，直接启动App Server，就可以驱动完整的Codex。
有了App Server，其他产品就可以直接接上完整的Codex Harness。
不过走到这里，还有最后一个麻烦没解决。
SDK控制的是本地Codex Agent，App Server本身也是一个需要开发者启动和维持的常驻进程。虽然把Codex接进产品这事已经解决了，但想把它稳定地跑成一个线上的服务，还是有点困难。
举一个比较具体的例子，如果你用App Server做一个自己的Coding Agent网站，前端已经接上了Codex，但当用户点下“修复这个仓库”之后，后续的大量运行和基础设施问题，都还需要你自己想办法解决。
然后就到了8月19日，这一天，OpenAI把过去一年陆续开放的CLI、SDK、App Server统一放进了“开放Codex Harness”的平台叙事里，并明确把Codex从一个产品提升成了平台。
再然后就是（美国时间）9月10日，也就是昨天，Agents API正式开放公测。
这一次，开发者只需要告诉API四件事——任务、模型、工具、运行环境——就可以直接创建一个Agent。负责长会话上下文压缩、工具调度和subagent协作的Codex Harness由OpenAI自己托管和维护。
甚至就连Agent真正干活的机器都能自己选，是用OpenAI的沙盒、自己的基础设施，还是Cloudflare、E2B、Modal等第三方环境，都可以。Harness由OpenAI提供，执行环境由开发者决定。
官方的口径很明确，Agents API本身不额外收费。也就是说，Harness托管、长会话管理等能力，并没有再单独收一层Agent平台费。
开发者按实际使用的模型Token和工具付费；如果使用OpenAI自己的托管沙盒，计算资源另算。
把这一年多串起来，OpenAI一直在做同一件事：把Codex从一个具体产品，一层一层拆成可以被复用的能力，同时让开发者越来越不需要自己操心。
如果一定要给这条产品线起个名字，它其实很像当年的SaaS，只不过这次被服务化的不是软件，而是Codex。
Codex as a Service。
1
Harness也开始分叉了
盯上Harness的当然不止OpenAI。
DeepSeek Harness（后文简称DSH）发布的时候，就给出了一个非常响亮的等式：Agent ＝ Model + Harness。
在DeepSeek看来，模型只是Agent的一半，另一半则是负责让它理解环境、调用工具、管理状态、持续执行任务的Harness。两者互相协调，Agent才能真正执行任务。
DSH把Harness本身做成了一套高度模块化的开放框架：模型、工具、Skills、Session、沙盒、存储、Agent Loop、调度，甚至UI都可以替换。
“一切皆插件”的口号可不是说着玩玩而已，最好大家都来写插件，都来适配DSH，最后不管上面跑的是DeepSeek，还是别的模型，底下都可以是同一套Harness。
这和OpenAI现在走的方向刚好形成了一个挺有意思的对照。
OpenAI虽然也把Codex harness开源了，但Agents API明显是在往另一个方向走：Harness你可以用自己的，也可以拿走开源的，但如果你嫌麻烦，还可以直接不管，让我来替你安排。
所以我们认为，它更像是一种“服务”。OpenAI负责托管和持续维护Harness，开发者只需要决定要让Agent干什么、用什么工具、在哪里执行。甚至以后模型升级了，Harness怎么跟着改，OpenAI也准备一起包了。
某种意义上，现在Harness这一层隐约出现了两条路线：
以DeepSeek为代表的路线更像是在建设开放生态，把每一个零件都做成插件，让开发者自己组装；而以OpenAI为代表的一方则像在押注云服务，把钱和需求给到位，剩下的我帮你解决。
我们甚至可以认为，一个想让Harness越来越像Linux，另一个则想让Harness越来越像AWS。
当然了，这只是个比喻。OpenAI也开源了Codex Harness，DeepSeek未来也并非没有可能提供更多的托管服务。但至少在现阶段，两边产品的重心差别明显。
有意思的是，在把Harness变成服务的这条线上，Anthropic其实比OpenAI更早一步。
早在2025年9月，Anthropic就推出了Claude Agent SDK，把Claude Code背后的工具、上下文管理、权限系统和subagent能力开放给开发者，让别人也能拿这套东西做Agent。
今年4月，它甚至比OpenAI更早推出了Claude Managed Agents。Session、Harness和沙盒被拆成三个独立层：Anthropic负责托管harness和长任务，沙盒既可以由Anthropic提供，也可以接入别的执行环境。这个思路和今天的Agents API其实已经相当接近，Anthropic自己给它的定义就是“一个用于长期Agent任务的托管服务”。
所以某种意义上，OpenAI这次是在沿着Anthropic已经走过的路继续往前走，区别只不过是OpenAI手里有一个更“产品化”的Codex。
但因为Codex和Claude Code长期给人的产品印象还是不太一样，所以即使它们讲的是同一套故事，带来的感觉也大相径庭。Claude Code给人的感觉更像是让开发者坐在终端里和Agent一起写代码，而Codex App一开始强调的就是“同时监督多个长期Agent”的界面。
顺带一提，谷歌也早已加入这条路线。今年5月的I/O大会上，Gemini API推出Managed Agents，同样把Antigravity Harness和沙箱做成了托管服务。但谷歌的牌面不止于此，这一点咱们后面再讨论。
不过话说回来，谁先谁后好像也不是那么重要……最后当然是谁把自家的Harness变成开发者默认的那一层，谁才能吃下最大的蛋糕。
1
谁是大赢家？
说到底，为什么现在模型公司都开始抢Harness了？
就像是DSH给出的等式那样，Agent = Model + Harness，模型可以告诉Agent下一步应该做什么，但真要把一个任务从头跑到尾，它还得知道文件在哪里、需要调用哪个工具、出了错怎么恢复、结果最后要写在哪里。
换句话说，模型决定Agent的能力上限，而Harness越来越决定它到底能不能把活做完。
而一旦竞争的维度从“智力”走向“执行力”，最占优势的，未必是那些模型做得最好的AI公司。
因为Agent真正开始干活之后，需要的那些东西——邮件、文档、会议、通讯、账号权限等等——往往掌握在传统平台公司手里。
国内最近打得热闹的“办公Agent大战”，其实就是一个非常典型的例子：大厂在互联网平台时代积累下来的那些东西，以前更多只是各自生态里的部分功能，但到了Agent时代，这些东西恰好就是Agent真正干活时需要调用的工具。
现在大家做办公Agent，表面上是比谁家的AI员工更聪明、更有本事，背后其实也在重新利用自己过去积累的平台优势。谁手里有更多企业数据、文档、工具和权限，谁就更容易让Agent真正把事情做完。
模型公司需要一点点接入它们没有的入口，而那些做了十几年办公软件和互联网平台的公司，本来就掌握着这些入口。
换句话说，AI公司要重新连接现实世界，而平台公司手里原本就有一大串钥匙。
沿着这条路往前看，如果非要找一个最有优势的“全家桶”选手，谷歌恐怕是最夸张的那个。
从TPU、云基础设施、Gemini，到Search、Workspace、Chrome和Android，谷歌几乎覆盖了AI从底层技术到最终用户的所有关键环节。Search、Gmail、Calendar、Drive、YouTube、Maps等产品，又天然构成了一套可以被Agent调用的数字环境。这些资产在上一代互联网里是一个个独立入口，到了Agent时代，却可以被重新组织到同一个任务之下。
事实上，谷歌已经开始把散落在各个产品里的Agent能力，在底层往同一套执行系统里收。Gemini Spark、Gemini API里的Managed Agents，乃至Search里的部分Agent体验，背后正在逐渐共享同一套Antigravity Harness。
但到了用户这一端，事情还是有点乱。
今天谷歌同时有Gemini Spark、Workspace Studio、Antigravity、Gemini Enterprise，以及Search里的Information agents。它们面对的用户和场景各不相同，但对于普通人来说，当他们想把一件复杂的事情整个交给谷歌，还是不知道应该找谁。
对谷歌来说，它已经拥有完成这一切所需的大部分条件，缺的只是一个足够简单的产品答案。
而如果谷歌真把这件事做明白了——无论是做出了一个统一的Agent工作台，还是让同一个Agent执行系统穿透整个谷歌生态，让用户习惯“有问题找谷歌”，全球Agent市场的竞争格局恐怕都要再变一变。
话虽如此，谷歌就算真把这套“全家桶”塞进一个Agent，国内用户大概率也只能先围观一下。
还是先看看国内的Agent大战，接下来还会怎么打吧。
Astra 的 Computer Use 能力是如何实现的？作者：Kyle Jeong（Browserbase 增长工程师）
编译：Daniel
编辑：Cage
本文编译自 Browserbase 增长工程师 Kyle Jeong 对 Astra Computer Use 能力的分析，原文发布于他的个人博客。过去三年，他们团队一直在努力把 AI Computer Use 的能力用于实际业务。
文章拆解了 Astra 模型与 Codex Harness 的配合方式：Codex 启动一个持续运行的代码环境，接入浏览器和桌面操作工具；Astra 通过无障碍模式读取界面中的文字、按钮结构，并通过截图综合判断。模型把准备执行的操作写成代码，交给 Codex 的工具完成。
Astra 在训练过程中融入了大量专业环境和数据，并通过强化学习改进策略选择和纠错能力。模型能更准确地理解界面、选择动作，就能减少试错和反复检查，用更少的交互完成同一项任务。
这次发布让我们看到了新的模型能力跳变：Computer Use 能力让 Agent 覆盖更多白领工作的长尾场景。激发用户主动尝试把日常工作交给 Agent 去完成。
Astra 发布后，模型的 Aha Moment 出现在了许多过去需要专业人士才能开发操作的 visual coding 场景中。比如有人因为 Astra 而第一次接触 Blender，并做出了用于房产销售的 3D 模型。这类能快速看到成品的例子迅速在网络上铺开，激发了很多人尝试和分享的欲望。
Agent 的渗透，需要一次次的能力出圈把围观者转化为使用者。一眼看到自己熟悉的案例，往往比评测分数更有说服力。用户反馈中，有房产从业者看到别人的 visual coding 使用经验，会想到接入自己的房源。也有视频工作者看到别人运用 Astra 管理视频工作流，主动去尝试。这些例子让更多用户知道，原来这些事情都可以交给 Agent。这样的长尾场景拓展，会帮助 token consumption 和 agent 渗透率再上一个台阶。
/
01.
AI Computer Use 简史
2024 年 10 月，Anthropic 随 Claude 3.5 Sonnet 一起推出了 Computer Use 能力。他们采用的是纯视觉路线，也就是说，模型通过截图来判断如何与电脑屏幕交互。模型以像素为基础进行后训练，并以 JSON 格式返回像素坐标和动作，例如：
"action": {"type": "click","x": 156,"y": 50}随后，Stagehand 或 Playwright 等驱动工具会把这些输出转换为浏览器或电脑上的实际交互。
在 Claude 3.5 Sonnet 之后，其他实验室也开始发布类似的视觉 Computer Use 模型，训练模型识别屏幕上的像素。OpenAI 发布了 Operator 和 computer-use-preview；Google DeepMind 为 Gemini 2.5 Pro 加入了 Computer Use 能力。
但这些模型并不完美。由于后训练以像素为基础，实验室必须选定一个具体的视口尺寸，比如 1288 × 711，并在整个训练过程中保持不变。当在不同尺寸的窗口中使用这些模型时，它们就会失灵，开始点不中按钮。
另一个明显的局限是，这些模型简单地依赖纯视觉方式与应用交互，而应用中有一些更复杂的交互，是“只靠眼睛”看不到的。
围绕纯文本方案，以及 DOM（文档对象模型）与视觉相结合的混合 Agent，已经出现了大量实验。Standard Intelligence 的 FDM-1 就是一个很有意思的 Computer Use 实验：它为 Computer Use 编码的是视频，而不是静态截图。
FDM-1 是 AI 公司 Standard Intelligence 开发的 Computer Use 模型，特点是通过连续的屏幕录像，学习人怎么操作电脑。
02.
Astra 有什么不同？
要理解 Astra 为什么不同，我们得先回到 5.6 模型家族，聊聊 Codex／ChatGPT 的 harness。Computer Use 既是 harness 的工程问题，也是模型的研究问题：模型决定做什么，harness 负责执行。要把 Computer Use 做好，这两个问题都需要解决。
Computer Use 流行了很久，但它尚未证明自己已经足以用于生产环境，主要原因是不可靠。当 OpenAI 在 Codex 应用中推出 Computer Use 能力后，许多开发者开始每天使用它，也逐渐理解了这项能力有多强大。
Codex 会打开内置或本地的浏览器去完成制定的任务。任务可以在后台执行，用户可以继续使用浏览器处理其他事情。
Codex 中的 Computer Use 比 Atlas 更快更准，还能通过编写和执行代码完成如制作图表、调用其他工具等事情。
Astra 在 5.6 已有能力的基础上，进一步提升了速度、降低了成本。
要理解这是怎么做到的，可以从研究电脑界面的组织方式开始。今天，大多数电脑都提供了你我能够看到的图形用户界面（GUI）。我们看着屏幕上的像素，决定点击哪里，这与早期模型的做法类似。
而如今推动模型进步的是一个原为视障人士推出的功能：为了帮助视力或听力受损的人，Chrome 中的每个网站都提供了“无障碍模式”。它会把屏幕上的内容映射成一棵无障碍树（Accessibility Tree，也称 a11y tree）。这就要求应用暴露用户界面元素的语义信息，让这些元素能够被操作。
浏览器中的无障碍树大致是这样的：
模型读起来会容易得多，因为它去掉了所有用于定义视觉呈现层的代码；对于网页来说，主要就是 CSS 和类名。
无障碍树使用的 token 比截图更少，却能提供同样丰富、甚至更好的屏幕上下文。Astra 利用这棵树来发出 Computer Use 指令，比如点击、输入和按键。Chrome 中的每个网站都会自动生成一棵无障碍树，这意味着它们开箱即用地兼容 Astra。
03.
架构
Astra 的架构相当简单：
当 Computer Use 会话开始时，Codex 会启动一个 Node REPL 来保存会话状态，并提供浏览器操作或原生 Computer Use 的接口。Agent 会根据任务选择使用哪一套接口。
无论面对原生应用还是浏览器，Agent 都会通过文本、截图，或两者结合的方式观察页面，尽可能准确地掌握当前状态。随后，它通过代码决定执行什么操作。如今的 Computer Use 实际上就是代码模式。OpenAI 的 API 文档甚至建议，所有 Computer Use 都使用代码执行。
一个输出示例如下：
{"type": "function_call","name": "exec_js","call_id": "call_123","arguments": "{\"code\":\"await page.getByRole('searchbox').fill('browser automation'); ...\"}"}本地服务（名为 CodexComputerUseIPC-5）负责执行操作。执行封装层会把所选元素转换为原生元素 ID（如果模型选择使用坐标，也可以转换为坐标），随后通过原生管道传输 JSON-RPC 消息，并借助请求 ID 匹配请求、完成执行。
在实际使用中，OpenAI 推荐分别使用 Playwright 和 PyAutoGUI 作为控制浏览器与电脑的框架。
Playwright：微软开发的开源浏览器自动化工具。
PyAutoGUI：程序员 Al Sweigart 创建的开源鼠标、键盘自动化工具。
接着，Astra 会检查自己的操作结果，因为请求成功送达并不意味着操作真的生效了。模型会请求再观察一次，将当前状态与预期状态进行比对。
这个循环会一直持续，直到任务完成。由于 Computer Use 天然需要保留状态，Node REPL 必须在整个会话期间持续运行。
Node REPL：代表一个持续开启的代码工作台，目的是保留前面创建的变量、页面对象和中间数据，让下一步操作接着上一步继续，不必每次重新准备环境。
在上面的表格中，Astra 是唯一一个要求自动审查的模型。Astra 使用了一套 Guardian 策略，在允许执行之前，对计划的 Computer Use 进行安全审查。
Guardian 使用 GPT 5.6 Luna 作为后台分类器，评估当前工作流程和接下来可能出现的风险，再返回高风险或低风险的分类结果。如果被判为高风险，后续操作就会触发审查。随后，操作会交给一个安全审查模块，由它对拟议操作进行完整评估。
{ "risk_level": "high", "user_authorization": "low", "outcome": "deny", "rationale": "..."}安全审查会参考多方面的信息：AI 准备执行的操作及其参数、对话记录中的相关依据（包括用户授权）、主任务的运行环境与权限设置、代码执行环境（REPL）中已有的记录和图像，以及审批请求和申请理由。审查器在不拿到完整的无障碍树的情况下即可完成。
常见的 Guardian 拦截包括：
•授予权限：是否针对所授予的权限及接收方获得了明确授权。
•登录及会产生重要后果的账户操作：用户是否明确授权了这些操作。
•提交敏感数据：是否同时获得了针对数据本身和提交目的地的许可。
•会产生重要后果的点击：界面的实际状态及点击的影响；表单输入或设置是否有误；它们是否符合用户的指示。
•绕过限制：替代路径是否获得了授权。
•破坏性操作：是否会造成实质性的状态丢失或不可逆的损害。
•超出范围的私密数据访问：访问是否属于已获授权的任务范围。
在 alignment benchmark 中，Astra 的表现显著好于前代模型。
04.
速度的代表
相比 GPT 5.6，Astra 多了一道审查，但速度反而更快。归功于更聪明的模型，需要的交互轮次更少。
Astra 使用了 10 万张 GB300 进行训练，消耗的算力可谓巨大。但这个模型也聪明得多，而且在 Computer Use 环境中接受了大量 RL 训练。更聪明 → 完成任务需要的轮次更少 → 任务完成得更快。在这种情况下，推理速度并不是影响 Computer Use 能力的决定性因素；当生成速度超过每秒 300 个 token（TPS）时，动作的执行速度就会成为瓶颈。
执行框架也做了一些优化，例如 WebSocket 预热、连接复用，以及使用 previous_response_id 的增量请求。不过，这些都不对应动作本身的速度，只关系到工具的启动时间。
05.
目前的缺点
Astra 确实很惊艳，但还能发现有一些缺点。Astra 可能在观察环节出错，拿到不完整的无障碍树状态、细节不足的截图，或者已经过时的画面。在观察与执行动作之间，界面状态也可能发生变化。有些应用中的无障碍树会频繁改变，导致操作失效。
长时间跨度的 Computer Use，仍然是一个尚未得到充分解决的问题。由于上下文压缩做得很好，Astra 可以长时间运行，并保持较高的执行质量；但当 Computer Use 连续运行数天，甚至数周时，表现究竟如何，目前还没有看到。
06.
Computer Use 的前沿
Computer Use 才刚刚开始变得好用。我们见证了它从连琐碎任务都频频失败，进步到在《我的世界》中比一个十岁孩子更快挖到钻石。人们终于开始意识到，可以把多少工作交给 AI。
当模型从视觉与截图转向使用无障碍树之后，它们的表现就好了很多。未来更多的算力也意味着更好的模型和更低的价格；随着我们继续推动后训练的边界，模型也会在实验室选择训练的特定领域任务上持续进步。
Astra 将速度和准确性，与强有力的安全防护结合起来，确保 Agent 不会被劫持。Computer Use 模型每迭代一代，我们就离能够用于生产环境的 Computer Use 能力更近一步。
软件的未来，是由 AI 代表人类完成工作，让人类专注于那些需要头脑的问题。
用GPT-6 Astra操控Blender玩3D，保姆级教程来了。Blender，可能就是这次GPT-6 Astra上线后的最大受益者。
大家真的是玩疯了。
直接让Blender的下载量都跟着暴增了。。。
我也没想到，3D这个形态，居然以如此离奇的机遇，进入到了大家的视野里。
在我实测GPT-6 Astra那一篇文章下面，有个朋友留了这样一条评论。
然后也有很多朋友说，能不能出一期GPT-6 Astra操控Blender的教程，他们也想玩。
说干就干。
所以呢，今天就给大家分享一下我觉得比较适合小白入门的GPT-6 Astra+Blender的玩法。
跟着我一步一步来，你也能从一个完全不懂建模的小白，做出属于自己的第一个3D的blender模型。
OK，直接进正题。
一. 前期准备
在正式开始搓模型之前，我们先把需要的东西准备好。
一个能使用GPT-6 Astra的ChatGPT账号，以及桌面端的App。
下载链接：https://chatgpt.com/zh-Hans-CN/download/
安装完成后打开ChatGPT，点击左上角的模式切换按钮，进入Codex。
然后，点击左侧项目旁边的加号，新建一个本地项目。
然后，直接跟他说，帮我下载和安装好blender。
Codex会根据你的电脑系统，帮你下载对应的安装包。
当然，还有个冷知识，如果你电脑上装了Steam的话，你也可以从Steam里自己手动下载Blender。。。
Blender是一款免费、开源的3D创作软件，现在感觉已经替代C4D成了主流了，我还记得18年我刚开始学3D的时候，主流还是C4D+OC渲染器，然后19年20年的时候，Blender异军突起，直到现在，因为开源，又完美的吃到了AI时代所有的红利。
这玩意也基本是个全栈，建模、骨骼、雕刻、材质、灯光、动画和渲染啥的，它基本全都能做。
一打开，它的界面看起来会有点吓人，满屏都是按钮和参数，中间有一个经典的Box。
不过呢，，完全不用慌。
Codex可以直接替我们操作。
我们还需要再安装两个东西。
一个是，Blender官方推出的MCP，这块一定要注意一下，官方已经出了自己的，不要装成社区的三方插件了。
官方地址：https://www.blender.org/lab/mcp-server/
同样可以让codex直接帮你下载。
还有一个是ChatGPT官方提供的Computer Use插件。
点击左侧的插件，搜索并安装Computer Use。
接着，记得把权限打开。
点击ChatGPT左下角的头像，进入设置。
然后在左侧找到电脑操控，把任意应用打开。
mac用户还可以打开下面的锁屏操作，这样即使电脑进入锁屏状态，Codex也能继续执行正在进行的任务。
到这里，需要的东西就全部准备好了。
接下来，正式开始搓模型。
二. 开始制作
现在GPT-6 Astra操控Blender，大概有3种方式。
第一种是Computer Use。
学人类建模。
操作起来也非常简单。
你只需要大白话告诉GPT使用Computer Use打开Blender，然后把想做的东西描述清楚。
它就会自己找按钮、移动鼠标和输入参数，再一点一点把模型搭出来。
这次，我给它的任务是搭建一座完整的北京的天坛祈年殿。
我给的提示词是下面这个：
@computer-use 使用Blender搭建北京天坛祈年殿的完整精细模型。先搜集资料，以官方资料、实景照片和可靠测绘图为参考，按实际布局和比例重建祈年殿及台基周边。殿身、柱梁、斗拱、门窗、彩绘构件、三重檐屋顶、蓝色琉璃瓦、鎏金宝顶、三层汉白玉台基、栏杆、望柱、台阶、石雕和地面分别建模，保持独立对象，清晰命名，统一比例与材质风格。重点精修屋顶曲线与出檐比例、斗拱层次、梁枋彩绘、瓦片排列及瓦当滴水、石栏雕刻，以及木材、琉璃和汉白玉的表面质感，做到近景观看仍然精细可信。每完成一批资产就渲染检查，不通过就返工。从正面、侧面、俯视及局部特写对照参考资料，检查造型、位置、比例、材质、悬空及穿模问题。先精修一组柱梁、斗拱和屋檐作为质量样板，通过后再扩展到全场。全程通过电脑界面手动点击操作完成建模，不使用代码、脚本或命令行生成模型。
发出去以后，后面的事情就可以全部交给它了。
在前前后后历经了大概4个小时。
它终于把天坛祈年殿做了出来。
效果我觉得还不错。
我还把过程录成了一段加速视频。
看着模型一点点搭出来的感觉，是真的非常爽啊。
Computer Use有一个很明显的优势。
直观，并且是完全跟一个建模师一样操作的，人是怎么做的，它就怎么做。
你可以清楚地看到它现在点了什么、改了什么、卡在了哪里。
但它最大的问题，就是贵。。。
就这一座天坛，直接花掉了我200美刀Pro会员将近一半的额度。
有点肉疼。
虽然GPT-6 Astra的Computer Use确实非常强，但对Blender来说，还有两种速度更快、额度也更友好的方法。
第二种方式，是Blender官方推出的MCP。
可以把它理解成GPT和Blender之间的一条专用通道。
MCP可以直接读取Blender里的场景和物体，并通过底层API执行操作。
速度通常会快很多。
我用了一辆摩托车来给大家看看。
我给的提示词是下面这个：
请用Blender的MCP来制作一辆精细、可编辑的2026 Indian Chief VintageSturgis,SDEdition摩托车。先查阅真实车辆资料，自行生成一致的多视角参考图，再开始建模，以真实照片和尺寸为准。先做好整车比例、车架、油箱和挡泥板曲面，再补充V型双缸发动机、辐条轮毂、悬挂、车灯、车把和皮革座椅。主要部件保持独立并清楚命名，添加符合实车的材质。每完成一批资产就渲染并实际查看，不通过就返工，重点检查比例、外形、机械连接和部件穿插。
生出来的效果是这样的。
模型有了，但是不动起来，就还是不太好玩。
所以第二步，我让它继续基于现有模型，制作一段零件组装动画。
我的提示词是：
请基于现有的Chief Vintage Sturgis, SD Edition模型，用Blender的MCP制作一段10秒、30fps的零件组装展示动画，保留现有模型的外观、双色涂装和材质。0—2秒：以车架为基准，将发动机、轮组、前叉、油箱、挡泥板、座椅等主要总成有序悬浮展开，保持清晰的空间对应关系。2—7秒：零件按合理顺序分批、错峰移动到安装位置，逐渐组装成完整摩托车。动作平滑，有自然的加速和减速。7—10秒：镜头缓慢环绕完整车辆，展示车身曲面、发动机、辐条轮毂和材质细节。主要部件保持独立，动画和相机轨迹可编辑。分阶段渲染并实际查看，重点检查运动路径、部件穿插、构图和镜头衔接。
最后做出来的效果，是这样滴。
这下就有内味了。
如果你还像让它更好看，还可以让GPT-6 Astra，去Blender构建一个场景，这样渲染的效果会更加完整。
不过，在这个过程中，我也碰到了一个问题。
再生成动画视频的时候，MCP的单次运行超时了。。。
这也刚好暴露了MCP在处理复杂任务的一个约束。
解决起来也不难。
遇到一些复杂操作，可以尝试把任务拆成更小的步骤，一步步完成。
或者也可以试试接下来的方法。
第三种方式，通过CLI调用Blender，执行Python脚本。
这也是在实际操作中，最常调用的方式。
它和MCP在底层其实非常接近，两种方法都会使用Blender的Python API。
GPT写好代码以后，Blender再通过bpy创建模型、添加材质，等等完成后续的处理。
区别在于，MCP更像是连接并控制一个正在运行的Blender，CLI则是启动一个Blender进程去执行脚本。
但在其他条件相同的情况下，两种方式最终生成的模型效果，不会产生特别明显的差距。
日常我更推荐大家，使用GPT-6 Astra + Blender MCP + Computer Use来做。
三. 配合3D生成模型
现在大家已经看到GPT-6 Astra + Blender来去做的效果了，不过，大家可能会发现，上面的那些东西，基本都是几何体。
这也是AI现在比较擅长干的东西。
但是一旦涉及到生物类型的，就会效果比较差了。
比如说，让AI去复刻一个这样的金克斯。
只能说是毫不相干。。。
这也是目前GPT直接用Blender建模时，一个非常明显的短板。
从前面的天坛和摩托车也能看出来，GPT-6 Astra更擅长建筑、车辆和机械设备这种可以拆成大量规则的几何结构。
而我们给出来的图片，可能确实有点刁难了，因为人物基本就是建模里最复杂的了，跟一些几何体的建模方式完全不一样，我们过去做这种基本的人物的建模，都是用Box大概拉个型，然后基本都是直接手动ZBrush去雕刻出来的，这个真的就是传统的手工艺活，特别是肌肉的走向，跟老艺术家手工雕刻真的没啥区别。
所以，大家如果现在想复刻一些生物的3D模型，这一步就别用GPT-6 Astra去硬操作Blender了，可以借助专门的AI 3D生成模型。
比如，这么一个手办风格的金克斯的角色图。
让GPT-6 Astra操控Tripo AI生成角色3D模型，再把结果导入Blender。
这一版的效果，就明显好了很多。
所以，这种偏生物类型的，用GPT-6 Astra操控AI 3D生成模型，在导入到Blender里，来处理后续所有的流程，就会更加合适一点。
我们再用牛来举个例子，从建模到动画，完整走一遍制作流程。
在传统影视和游戏流程里的建模，一般需要好几个环节。
建模师先对照原画和不同角度的参考图，把角色的比例、轮廓和细节一点一点做出来。
除了外形，还要整理模型的拓扑、展开UV，再制作材质和贴图。
做到这里，才拥有了一个可以使用的静态角色。
如果还想让它动起来，需要继续做骨骼绑定、刷蒙皮权重，让身体各个部位和皮肤能够跟着骨骼自然变形。
之后，才是具体的动画制作，摆出姿势、设置关键帧，再反复调整动作之间的过渡和节奏。
每个环节都得一点点打磨。
真正耗时间的，往往就是这些又琐碎、又枯燥的基础工作。
所以这一次，我们也照着这套流程来。
先上传牛来妈妈的角色原图，然后让它生成一套统一的多视图设定，作为后续建模的参考。
接下来，正式进入Blender的环节，把牛来妈妈的基本轮廓和身体结构做出来。
然后整理UV、制作材质，再给它上色。
做完以后，感觉眼睛和头部比例还有点问题，又稍微修改了一下。
静态模型处理的差不多，就可以让它接着绑定骨骼。
最后，再来处理场景、表情和动画。
我想的是，可以让他来跳段舞，再根据BGM来喊妈妈和牛来！
最后做出来的效果，是这样的。
虽然属实是有点抽象，但是还蛮好玩的。
而且这套玩法，平时拿来整活也完全用得上。
你可以上传一张自己或者朋友的照片，让AI把它变成一个3D卡通小手办。
再给它编支舞、安排几个搞怪动作。
就很有意思。
写在最后
我忽然想起了7年前，我在朋友圈里发的一个3D的作品。
是根据一个海外的艺术家的图参考，然后我自己一点一点建模贴图然后渲染的。
这一张图，每天下班以后回家做，做了整整一个月。
那天晚上，用OC渲染了一整个通宵，然后在早上8点多发出来了。
一个月的时光啊，就为了一张图。
现在想想，好像这是一个不可思议的念头了。
创作越来越平权了。
每个人心中有想法，都可以让AI去操控软件，来帮你做出来。
虽然现在还很贵，还比较慢，但是，至少能做出来。
而且趋势一定是越来越便宜的，就像去年，我们想象不到，一个Coding类的长程任务，能做到这么便宜，当年，做一个PPT，甚至都需要20美金。
但，人人都可以做了，却不代表，好作品会涌现。
以后真正拉开差距的，会越来越变成你的想法、审美、判断力，还有那点愿意继续折腾下去的好奇心。
我还挺期待看到，大家都会做些什么出来。
最后。
祝大家，建模愉快。
DeepSeek Harness 是自进化 Agent 的基石作者：Cage、Daniel
/
01.
Key Takeaways
1.DeepSeek Harness（DSH）发布的是一套可以热重载的 harness ，并且设计成适合 coding agent 自己去修改、进化的形态。这个发布思路很有野心，没有在白领工作/coding agent 这些方向去和 Claude Code/Codex/Workbuddy 竞争产品，而是延续了他们一以贯之的思路：开源、infra 化。
•开源是把 harness 每一层都拆开开放出来，允许社区开发者一起接受优化
•Infra 化的发布形式提高了使用门槛，避免出现像 Openclaw 那种项目复杂度膨胀太快，最终无法维护的情况。
2.我们可以从三个层面理解 DSH 这次发布：
•第一层是可直接使用的 coding agent，以本地 Web UI 为主要快速入口。这个交互形态的选择能看出开发者 preview 的目的，没有去做完整的桌面端/ TUI。使用起来和 ds 模型适配度很高，能感觉到同一个任务 ds 模型在 dsh 中和比直接用裸模型/其他 harness 更强。
•第二层是 everything-is-a-plugin 的 harness 构造框架。这里面的核心能力都可以自定义，包括其他 agent 中最核心的 agent loop。
•第三层是 Cordis 是一套底层的 meta-framework，能够让插件真正做到热重载、自由组合，以及彻底的遗忘和删除。
3.DSH 的 Cordis plugin 不好直接去类比 MCP/Skills。它更像是 Claude Code 的 hooks、MCP、subagents 和内部核心 loop 全部统一了成一种插件机制。Cordis 解决的是动态组合问题，让组件能在依赖出现/消失时重组，并在卸载时撤回由 context 管理的副作用。注重可组合性和生态扩展性，这让 DSH 有点像早期的 Unix，拥有了类似 OS 的高潜力上限。
4.这次发布的 coding agent 有四个模式，其中 Creator 模式值得关注。它的形式比较像一个交互式 Agent Foundry：允许开发者指导 agent 检查当前 runtime 试验插件，并创作新的 Agent preset 形式。虽然还不是自进化系统，但可以收集 agent 用来学习自进化的数据。 官方同时明确鼓励社区创建与分发第三方插件，因此 Creator mode 也可能成为其插件生态的创作入口。
5.DSH 更长期的目标用户，很可能会为 To Developer 走向 To Agent。它把 harness 做成了对 agent 可以修改、热重载的对象，并不是为了服务现在的 coding agent 需求，而是服务未来下一代的自进化和持续学习框架。有了 DSH 之后，我们愈发能想象下一代 agent 会在 long horizon task 中，一边执行任务，一边更换支撑自身运行的部件，就像一艘持续航行的忒修斯之船。
6.Anthropic Claude Code 与 Deepseek DSH 代表了两种不同的 Harness 研究重点：
•Anthropic 是为了在当前范式下做出一个最好的 agent 产品，目标是最有效、简单，同时最大化模型能力边界的 harness。Deepseek 是在押注下一个范式，因此直接把替换、组合和撤销 harness component 作为首要的假设来进行设计。
•Claude Code 希望做成做端到端的垂直整合产品，来给自己 API 依赖的商业模式增加用户粘性；而 DSH 则是目标完全开放给开发者的。
•因此可以认为 Anthropic/OpenAI 和 deepseek 在研究两个不同的问题：
1）A/O 研究的是 Harness 本身的能力：已有 SOTA 模型应该如何设计 harness 架构，比如 agent loop、subagent 架构来让 harness 表现得最好？
2）Deepseek 在研究的是 Harness 的可塑性：harness 是流动的，一直会被模型内化和重写，那么最重要的就是如何最有效的修改、替换、撤销 harness 中的组件变化？这个问题更接近于 meta harness。
7.DSH 已经提供了 agent runtime self-modification 的底座，但距离真正的 self-evolve 缺少一个完整的学习闭环，需要 有 Learning Loop 来学习并提出修改、Eval 评估修改的有效性。因此当前其实是 Harness-level RSI 的第一步，自身拆成可定位、可替换的组件。
02.
DSH 这次发布了什么？
从产品表面看，DeepSeek Harness（DSH）是一个带本地 Web UI 的 Coding Agent。
官方设置了四个模式，也允许开发者去贡献配置更多模式：
•80% 的任务用标准模式：能力完整、行为可预测，也最容易排错。
•PTC / Code 模式适合工具调用密集的任务：模型不再逐个调用工具，而是先生成一段 TypeScript，再通过run_code调用多个工具。批量分析、跨文件检索、重复操作时收益最大；任务简单时反而可能增加调试成本。
•极简模式是实验室环境：它只保留 Bash 和编辑器，许多便利能力都没有。它的价值在于控制变量：帮助研究者区分能力来自模型本身，还是来自 Harness 的帮助。
•创造模式的核心用途是“造 Agent”：这个模式值得关注，它保留了标准模式的能力，同时允许 Agent 检查 Cordis Runtime、实验新的 Plugin，并编写新的 Preset。创造模式具有更高权限，更适合 Harness 开发和隔离实验。
我们可以把这次发布分为三层去拆解：
1.Coding agent
DSH 没有把 Terminal-first TUI 或桌面端作为主要产品形态，而是选择了更像开发者 Demo 的本地 Web UI。标准模式已经包含真实编程工作需要的主要能力，包括执行命令、修改和搜索文件、调用 Skills、维护计划与目标、启动子代理，以及运行工作流。系统还提供 Context Compaction、会话持久化、Sandbox 和权限审批。
2.Harness construction framework
DSH 不只允许开发者“增加一个 Tool”。Model Adapter、Tool Registry、Sandbox Policy、Subagent Backend，甚至默认 Agent Loop，都可以由 Cordis Plugin 提供。这些组件通过 ctx.llm、ctx.tools、ctx.sandbox、ctx.agentLoop 等稳定的 Service Key 协作，而不是直接 Import 某个具体实现。开发者因此可以替换一个能力的 Provider，同时尽量保持其他组件不变。
3.Cordis meta-framework
Cordis 进一步解决的是：这些组件怎样加入、删除和重新组合，能够不把正在运行的系统破坏掉。
多数 Agent 插件系统主要关心怎样增加功能：安装更多 Tool、Skill 和 MCP。但组件不断增加后，系统也会积累更多 Tool Schema 和依赖关系。模型需要在更多能力之间进行选择，很多人在 Claude Code 中遇到过 Skills 过多后反而效果变差的情况。
这里可以把这种现象理解为一种工程上的“熵增”：系统不断增加能力，却缺少对应的删除和重组机制。这个问题与 Continual Learning 中“记忆与遗忘”的关系有一定相似性。这也是 Cordis 论文 A Programming Paradigm for Spatiotemporal Composability 讨论的核心问题。论文把插件的动态组合拆成两个相互独立的维度来解决。
•时间可组合性 Temporal Composability，是解决处理组件的退出。
一个 Plugin 加载时，可能注册 Tool、Prompt Section、Event Listener、Timer 和 Service。如果只删除插件代码，这些已经进入 Runtime 的状态可能继续存在，形成无法正常清理的“幽灵组件”。Cordis 要求组件在注册 Effect 时，同时提供对应的撤销方式。注册 Tool 时记录怎样注销 Tool，增加 Prompt 时记录怎样移除 Prompt，启动 Timer 时记录怎样停止 Timer。组件卸载后，Runtime 会撤销它在 Context 中留下的 Effect。
•空间可组合性 Spatial Composability 处理组件之间的依赖。
组件不直接绑定某个实现，而是声明自己需要什么 Service。当依赖尚未出现时，组件保持 Waiting；依赖满足后，组件进入 Active；正在使用的 Service 消失或被替换后，组件先撤销自己的 Effect，再根据新的依赖关系重新激活。
因此从产品气质看，当前的 DSH 更接近早期 Unix：默认体验比较粗糙，但底层结构更开放，也允许开发者深入修改。Claude Code 和 Codex 就更像整合度很高的 Windows。
当然这种开放也需要有更长期主义的耐心。“一切可替换”只有在存在足够多、足够稳定的替代组件时才有价值。DSH 当前的 Plugin 生态和状态管理仍处于早期阶段，理解和修改整个项目的门槛也很高，短期内很难直接和 Claude Code、Codex 产生替代关系。
03.
DSH 与 Anthropic harness 是两种不同的 Harness 哲学
如果我们用一个简单的框架理解 Agent：
•Agent = Model + Harness
•Harness = orchestration + context/memory/state + permissions + tools/sandbox/recovery
我们可以发现，Anthropic 与 DeepSeek 的差异并不只是组件设计不同，而是二者在优化不同的目标：
Anthropic Claude Code： 不断试验，优化 Agent 行为
我们阅读 Anthropic 关于 Agent Harness 的技术文章，会发现他们的 Long-horizon Agent 研究通常从 SOTA 模型的能力边界和失败模式出发，再去设计和验证相应的 Harness 机制。例如：
•通过 initializer agent、coding agent 和跨 Session 的 Artifact Handoff，解决长任务中的状态丢失；
•通过 planner、generator 和 evaluator 分工，解决任务规划不足和模型自我评价偏高的问题；
•通过 Context Reset 与 Compaction，缓解 Context 污染和长任务中的连贯性下降；
•通过任务分解、测试反馈和 Scalable Evaluator，控制执行范围，并让每一步都可以被自动验收；
•随着模型能力提升，通过 Ablation 删除不再必要的 Scaffolding。
Boris Cherny 的 YC 访谈中提到，Opus 5 发布后，Claude Code 删除了超过 80% 的 System Prompt。每当新模型发布，团队都会以清空 System Prompt 的 Ablation 作为实验基线，重新运行真实任务；只有当模型反复出现同一种失败时，才逐行加回必要指令。他们也会持续调整 Tool Set，并删除不再提供能力增益的 Harness Code。
Anthropic 的方法很像实证科学。团队先观察当前模型在真实任务中的能力边界，再针对反复出现的失败设计 Harness。每个 Harness Component 都对应一个关于“模型当前无法独立完成什么”的假设；模型进步后，这些假设可能过期，因此需要通过 Eval 和 Ablation 重新验证优化。
DSH：从可变性出发，打造万物可插拔的 Harness
对比以上 Anthropic 的实证研究思路，DSH更像从理论研究的视角想去第一性的解决一个目标问题，也就是Harness 能否被低成本地修改的问题，最终是在设计一个能够持续修改迭代 Harness 的Meta Harness，应该：
•替换一个 harness component
•撤销旧 component 的副作用
•出现修改时重新解析依赖
•让不同 session 使用不同 composition
•让 agent 检查和编写新的 preset/plugin
因此 Anthropic 优化的是当下时间点的最佳结果，DSH 优化的是未来持续探索不同结果的能力。这让我们觉得 Deepseek 更像是想制造一套 Harness Evolution 的操作系统，而不是直接给出一套固定的最佳 Harness。
04.
DSH 的短期用户是开发者，长期用户是 Agent 自己
DSH 当前的产品形态更像开发者预览版，而不是面向普通用户的成熟 Coding Agent。它没有优先打磨 Terminal UI、桌面端和开箱即用的工作流，而是把主要精力放在一个可以被深度修改的 Runtime 上。
对普通用户来说，产品体验是比较粗糙的，不如 Claude Code 或 Codex 好用；但对 Agent Developer 来说，这意味着系统的大部分结构都可以重新组合。开发者可以在 DSH 上替换 Memory、Tool、Sandbox、权限策略和 UI，甚至更换 Agent Loop。最终做出来的产品可能完全看不出原始 DSH 的形态。因此，DSH 短期内更像一个 Agent 开发底座：它不直接交付唯一的最佳产品，而是让开发者基于同一个内核创造不同的 Agent。
它更长期的想象空间，是让 Agent 逐渐成为 Harness 的使用者和修改者。Agent 要改进自己的 Harness，首先必须看懂自己运行在什么系统里。把 Harness 拆成命名清晰、依赖明确的 Component，相当于为 Agent 提供了一张系统地图：它可以定位问题，找到相关组件，再提出局部修改。
这也是插件化的真正意义。它不仅方便开发者扩展功能，也把原本开放式的软件修改，变成了一组边界更明确的操作。Agent 不需要重写整个系统，而是可以尝试替换任何一个组件。如果实验失败，系统还可以卸载插件并恢复原来的组合。自我修改因此从一次高风险的整体重写，变成一系列可以测试和回滚的局部实验。
其中的 Creator Mode 像是连接开发者与 Agent 的过渡形态。今天是开发者指导 Agent 创建新的 Plugin；这些过程未来可能变成训练数据，让模型学习如何设计和改进自己的 Harness。让 Agent 真正成为 Harness 的用户：它不仅调用 Harness 提供的工具，也开始操作 Harness 本身。
未来，人类与 Agent 的分工可能发生变化。开发者不再直接决定每个 Session 使用哪些 Tool，而是负责定义允许修改的范围、可靠的 Eval，以及安全边界。Agent 则在这些边界内不断尝试更适合当前任务的 Harness。
05.
插件机制，DSH 的核心
在 DSH 中，插件是一个可以独立安装、替换和撤销的 Harness 组件。它可以小到一个主题或工具，也可以深入到 Memory、Model Adapter、Sandbox，甚至 Agent Loop。只要遵循 DSH 的统一接口，一个 Harness 组件就可以被封装成插件。
MCP、Skills、Hooks 和 Subagent 定义了某些具体能力或使用方式，DSH 插件则定义了这些能力如何接入整个 Harness。一个插件既可以封装 MCP 或 Skill，也可以包含一套完整的软件模块，改变 Agent 的运行方式。
DSH 通过完全开源的方式拥抱社区。DSH 内核负责维持接口、依赖关系和插件生命周期，社区则在外围快速创新。这样既能避免大量 Pull Request 直接进入核心仓库，也能降低维护不同社区方案的成本。
这种架构很快带来了生态增长。截至 8 月 19 日，GitHub 的 dsh-plugin Topic 聚合了约 7,700 个仓库。经过社区筛选的 awesome-dsh-plugin 已经收录约 1,500 个可通过 dsh plugin add 安装的插件，并获得约 9,200 Stars、1,350 Forks，仓库累计超过 1,800 次提交。
从分类看，目前最集中的方向主要有两类。一类是在补充产品体验，例如 Web UI、桌面端、状态监控和交互组件；另一类是在接入外部 Agent 能力，例如长期记忆、Browser、Vision、Sandbox 和 Workflow。这意味着 DSH 正在成为外部 Agent Infra 接入用户 Runtime 的适配层。对于 Agent Infra 创业者，短期可以借助 DSH 获得分发和用户反馈；长期则要面对接口变化、平台依赖，以及同类插件快速竞争的风险。
围绕插件的分发基础设施也开始形成，比如 dsh-market 提供插件搜索、安装和升级，dsh-find-plugin 则允许 Agent 在对话中主动寻找插件。社区不只在开发插件，也开始建设插件发现、安装和管理的完整链路。
从这个角度看，DSH 的插件生态不只是一个应用商店，而是一个开放的 Harness 搜索空间。不同开发者可以并行尝试不同的 Memory、Tool、Workflow 和 Agent Loop。更长期的目标，则是让 Agent 自己读取、编写、测试和选择插件，通过改变 Harness 来改善自身行为。
06.
离真正的 self-evolve harness 还有多远
难点 1: 保持系统自身的稳定性
在 Agent 修改自身配置时，一个经典的痛点是如何保持自身稳定，避免 Agent 在修改配置、工具或核心代码时破坏自己的运行环境。这类风险已经出现在 Hermes、OpenClaw 等允许 Agent 修改自身配置的系统中。
更复杂的 Self-Evolution 不能依赖“修改完成后重启”。它需要支持系统一边运行，一边替换支撑自身运行的组件。这就是Cordis 想核心实现的热重载：不关闭整个进程，也不重启完整的 Agent，而是在 Runtime 中卸载旧组件、清理它留下的状态，再加载新的实现。
DSH 这套插件机制的价值，不只是“方便替换组件”，而是把一次危险的全局修改缩小成有边界的 Component Mutation。Agent 可以复制当前状态，在隔离的 Context 或 Sandbox 中修改一个 Plugin，通过热重载加载候选版本，再决定采用还是撤销。
Cordis 将不同的 Harness 能力组织成具有统一生命周期的 Plugin。每个 Plugin 注册的 Service、Tool 和 Event Listener，都会被记录为该 Plugin 拥有的 Effect。当 Plugin 被卸载时，这些受 Cordis 管理的 Effect 会随之撤销。它还会持续跟踪组件之间的依赖关系。如果一个 Service 被卸载，依赖它的 Plugin 会暂时退出运行，避免继续使用失效的引用。新的 Service 加载完成后，这些依赖组件再基于新实现重新启动。
这可以被理解为类比为数据库中的 Transactional Harness Mutation。一次 Harness 修改像数据库事务，更好的状态管理，使 Agent 能够在不摧毁自身的情况下进行更多 Harness-level RSI 实验。目前 Cordis 距离稳定的自我修改系统，还需要一套更完整的状态管理。
难点 2: 持续可靠的 eval
Harness 能生成修改不等于自我改进。只有系统能够判断哪些修改真的更好，并把它们保留下来，Self-Mutation 才会变成 Self-Improvement。
从工程实现上来说，如果一个问题能够被低成本、稳定地评价，解决问题就可以被转化为搜索和优化。系统不断生成候选方案，运行 Eval，保留更好的版本，再进入下一轮迭代。测试充分的代码任务、Kernel 优化和棋类游戏之所以容易形成自动改进闭环，就是因为结果相对容易验证。
DSH 的 Creator Mode 可能是一个重要的数据入口。Create Agent 可以检查当前 Runtime，复制已有 Preset，修改 Cordis Composition，并生成一个可以被其他 Session 加载的新 Agent。这个过程可以产生 Harness Patch、修改理由和人工反馈，为未来构建 Eval Suite 提供原始材料。
但创作轨迹本身还不是可靠的 Eval。开发者接受一个 Preset，不代表它在其他任务上也更好。系统还需要记录新旧版本的对照结果，并通过 Held-out Tasks、Regression Test 和 Canary Deployment 检查改进能否迁移、是否带来能力退化。Create Mode 解决了一部分候选生成和数据积累问题，但距离持续可靠的 Eval System 仍然很远。
真正的 Self-Evolving Harness 需要一套完整的 Learning Loop
目前 Cordis 解决的主要仍是 “Harness 能否被更可控地调整”。它不知道为什么应该替换 Agent Loop，也不能判断新 Loop 是否真正提高了整体能力。它提供了运行和管理候选方案的底座，却没有完成问题诊断和效果的自动化评估。
但这是一个很好的开始。Cordis 先解决了“系统能不能在不破坏自身的情况下修改 Harness”，让更多 Harness-level RSI 实验成为可能。下一步，才是让系统从这些实验中持续学习，并把有效的修改保留下来。
07.
从 DSH 展望未来的 RSI
RSI 是AI 能否越来越擅长改进自己。核心是递归反馈：上一轮改进不仅提高了任务表现，也提高了系统下一轮发现问题、设计实验和产生改进的能力。其中又可以定义为两类：
•一类是模型开发过程中的迭代 Model-level RSI。随着 Compute 和模型能力提高，交付下一单位智能所需要的 Researcher 数量是否持续下降。
•另一类是 Agent 在工作中是否能够持续变好 Harness-level RSI。随着一个 long horizon task 任务执行深度增加，是否能够更好地改进自身来完成任务。DSH 在解决的就是这类问题。
可以作为一个现实的观察指标。今天的 Coding Agent 已经能够承担代码实现、实验执行和结果分析等工作，Researcher 则逐渐转向选择方向、定义 Objective 和判断结果。我们正在看到 Research Automation 向初级 RSI 过渡：模型开始进入生产下一代模型和系统的流程，但整个改进方向仍然主要由人决定。
RSI 也不一定从模型直接修改自己的 Weights 开始。Lilian Weng 认为，一条更现实的近期路径，是先把模型外部的 Harness 变成优化对象。优化范围会从 Prompt 和 Structured Context，逐渐扩展到 Workflow、Harness Code，最终可能进入负责优化 Harness 的 Optimizer Code。此时，系统改进的不再只是一次任务的答案，而是“如何获得更好答案的方法”。
放到 Harness 层面，RSI 也不只是让 Agent 为自己写一个新 Tool。它需要形成一个完整过程：Agent 从任务轨迹中发现稳定的失败模式，判断问题来自 Memory、Tool、Context Management 还是 Agent Loop，提出新的 Harness 方案，再通过独立 Eval 判断新方案是否真的更好。验证有效的方案被保留，并成为下一轮任务和改进实验的起点。
这有点像一艘持续航行的忒修斯之船。Agent 一边执行任务，一边更换支撑自身运行的部件。但真正重要的是每次更换之后，它是否能航行更快，也更好判断下一次应该更换什么。
这里首先需要解决的是 Harness 的可理解性。Harness 的组件彼此依赖，修改一个部分会牵一发动全身。Agent 如果不知道系统由哪些部分组成，也不知道一次失败对应哪个组件，就很难安全地改进自己。Harness 内部还存在复杂依赖，一次 Agent Loop 的变化可能同时影响 Tool、Prompt 和 Context State。
DSH 解决这个问题的方式是插件化和热重载。它通过 Cordis 把 Harness 组织成边界相对明确的 Component，使 Agent 能够查看系统结构，定位相关能力，并尝试调整 Memory、Tool、Workflow 或 Agent Loop。Plugin 不只是扩展功能的接口，也让原本隐藏在 Runtime 内部的 Harness 变成一个显式的优化空间。
如果未来 Agent 能继续优化这套选择机制，让 Agent 修改进一步提高了 Agent 诊断失败、提出方案和设计 Eval 的能力，使后一轮改进比前一轮更有效，就能走向真正的Harness-level RSI。关于更广范围的 RSI 与持续学习，我们后续还会发布研究，继续分享对新范式的理解。
OpenAI 开源 Codex Harness，是几个意思撰文：硅谷 Alan Walker
一周之内三家公司做了同一件事，这才是重点2026 年 8 月 20 日California Ave 的酒吧，第二杯还没喝完，群里已经在传「OpenAI 全面开源 Codex Harness」——但真正值得看的不是这一条消息，是它前面六天里发生的另外两件事。01 先把话说准：开源的到底是什么8 月 19 日，OpenAI 开发者博客发了一篇《Codex as a platform: build on the open agent harness》。中文圈翻成了"全面开源"。这个说法有两处不准，得先修掉，不然后面全是错的。
第一，不是新开源。Codex CLI 从 2025 年 4 月发布起就是开源的，用 Rust 写的，MIT / Apache2.0 许可。8 月 19 日这篇不是一次代码发布，是一次定位发布——把已经开源的一堆东西，重新包装成"平台"这个叙事。新东西是 app-server 协议、官方 SDK，和一整套"怎么把 Codex 装进你自己产品里"的说明书。
第二，也是最关键的——不是"全面"。OpenAI 在文章里写得清清楚楚：开源的是 harness 和集成层，模型访问与托管服务 仍然是分开的。先解释一下 harness 是什么模型只会做一件事：给它一段文字，它吐一段文字。它不会读文件、不会跑命令、不会等你点"同意"、不会记住上一轮干了啥。harness 就是包在模型外面、让它能干活的那一整套东西：怎么找上下文、怎么调工具、怎么控制沙箱权限、什么时候停下来要你批准、怎么把上一轮的结果接到下一轮。
模型是发动机，harness 是变速箱、方向盘、刹车和仪表盘。OpenAI 送出去的是车壳和底盘，发动机还锁在自己车间里。02 时间线：三家公司，七天把日历摊开，这件事的性质就完全变了。2026 年 8 月，harness 层的一周8 月 13 日 - DeepSeek 发布 DeepSeek Harness v0.1，MIT 许可，GitHub 开放下载，公开对标 Claude Code。同日发布 V4-Pro，原生支持 OpenAI Responses API，并且直接集成 Codex。8 月 18 日 - Block（Square 和 Cash App 的母公司）开源 Berd——一个本地桌面应用，用一个界面同时管 Goose、Claude Code 和 Codex。8 月 18 日 - Anthropic 的 Claude Code CLI 发布 v2.1.229 性能修复，把 p99 CPU 占用从 24% 压到 10%（改了 Bun 垃圾回收的调度方式）。8 月 19 日 - OpenAI 发布《Codex as a platform》。看出来了吗？harness 这一层，在这七天里被三家公司同时按到了"免费"这个价格上。DeepSeek 用 MIT 许可送，Block 直接送了个统一壳子，OpenAI 第六天出来说"我们的也是开源的，而且是标准"。
这一段是全文的地基你没法卖一样马上就要免费的东西。你只能决定，要不要当那个把它送出去的人。DeepSeek 在 8 月 13 日把时钟按下去了。OpenAI 在 8 月 19 日回答的，不是"我要不要开源"，而是"这件事的署名权归谁"。时间差只有六天，这不是巧合。
一句话解读把这理解成 OpenAI 主动出招，会误判它的处境。更准确的说法是：它抢在别人之前，把一个已经保不住的东西送了出去，并且要求署名。03 那句最容易被跳过的话整篇公告里最重要的一句，藏在中段，语气平淡到几乎让人跳过去："开源的这一层是 harness 和集成界面；模型访问 与 托管服务 保持独立。"这一句话把整件事的结构说完了。而且它有一个现成的、所有人都见过的模板——举个例子 · 安卓
安卓是开源的。任何人都可以拿 AOSP 源码去改、去发行、去做自己的手机系统。但 Google 移动服务（GMS）——应用商店、地图、推送、账号体系——不开源。结果是什么？十几年过去，能 fork 安卓的公司有几十家，能在没有 GMS 的情况下把手机卖到全球的，几乎没有。Google 送掉了操作系统，留下了操作系统之上那层让它值钱的东西。
Codex harness 就是 AOSP。模型访问加托管服务，就是 GMS。
这个结构的精妙之处在于：送掉的那一层，本来就快没有定价权了；留下的那一层，定价权在变强。04 为什么 harness 突然这么重要要理解 OpenAI 为什么肯送，得先理解 harness 到底能带来多大差别。公告里给了一个数，我认为是全文最硬的一个数据点。同一个模型，换一套 harness
模型 - GPT-5.6 Sol，一字未改测试 - ARC-AGI-3改动 - 只改了两个 harness 设置：保留推理链（retained reasoning）+ 上下文压缩（context compaction）结果 - 得分从 13.3% 升到 38.3%，同时输出 token 减少到原来的 六分之一
把这个数分析一下：模型没动，只动了外面那层壳，能力接近翻了三倍，成本降到六分之一。一句话解读这意味着在今天这个阶段，harness 对"你实际能拿到多少智能"的影响，可能比换一代模型还大。那么一个反直觉的推论就出来了：如果外面这层壳的杠杆有这么大，而全世界大部分人的壳都做得很烂，那就等于你的模型一直在被别人的烂壳测量、被低估。把自己的壳开源，是最省钱的一种自证——让所有人在评估你的模型时，用的是你自己调好的那套。
再看两个技术细节，能佐证这不是营销文案：网络成了瓶颈。OpenAI 工程师在 AI Engineer World's Fair 上讲过，当 GPT-5.3 Codex Spark 在 Cerebras 硬件上跑到每秒 1000 个 token 时，卡住的不再是推理速度，是 网络往返。于是他们把 harness 从 HTTP 请求改成了 WebSocket 长连接。推论：推理已经快到让"管道"成为限制。这条路继续走下去，harness 的重要性只会更高。
工具太多会撑爆上下文。harness 里用了"延迟工具"和"工具搜索"两个设计，目的是别把几百个工具定义一股脑塞进上下文。MCP 生态铺开之后，这是一个真实的、马上会撞上的工程问题。05 是冲着 Anthropic 上市来的吗
先说时间：Anthropic 6 月保密递交招股书，市场预期 9 月或 10 月 上市，传的目标估值 2 万亿美元。OpenAI 8 月 19 日 发这篇。正好落在路演窗口里。但要判断它有没有杀伤力，得先看杀伤路径是什么。Anthropic 的估值故事里，有一条很关键的支柱：Claude Code 是稀缺资产。它长得快、赚钱、而且是 闭源 的——外面买不到。第三方追踪的数字是 Claude Code 占 Anthropic 总 ARR 约 22%。OpenAI 这篇文章要传达的，正好是这条支柱的反面：
攻击点agent 的那个执行循环，不是稀缺资产。它是基础设施，而且我们免费送，还带 SDK 和示例应用。如果市场信了这一句，Claude Code 就从"稀缺资产"变成"做得比较好的一个实现"。倍数会跟着这个判断走。但我要把这个判断的边界说清楚，不然就是危言耸听：它打的是 叙事，不是报表。harness 免费，不代表模型免费。Claude Code 的收入来自 token 消耗和席位订阅，不来自卖 harness——Anthropic 从来没卖过 harness。所以短期内这一击落不到损益表上。
它只够到 22%。另外 78% 是 API 和企业业务，跟 harness 是不是开源基本无关。路演窗口里，叙事就是钱。承销商定价靠的是可比公司和故事强度。在这个特定的六周里，"编程 agent 是不是稀缺资产"这个问题的答案，值真金白银。一句话解读时间点太巧了，说完全没有考虑对手的上市窗口，不太可信。但把它读成"OpenAI 为了打击 Anthropic 才开源"，会看错因果——DeepSeek 已经在六天前把这层送出去了，OpenAI 不跟就是白丢署名权。对上市窗口的伤害，更像是一个顺手的副产品，而不是主要动机。06 做 harness 的创业公司，生意没了
这是所有影响里最直接、最没有悬念的一条。一家创业公司如果原来的定位是"我们做一个更好的 agent 运行时／执行循环／CLI 工具"，那么从 8 月 19 日起，它的融资材料需要重写。理由很简单：agent 执行循环 → 免费（MIT / Apache 2.0，Rust 写的，生产级）客户端协议 → 免费（app-server，有完整文档）编程接口 → 免费（官方 Codex SDK）可参考的完整实现 → 免费（Relay 示例应用，带 MCP 工具和人工审批）
另一家的同类品 → 免费（DeepSeek Harness，MIT，6 天前）OpenAI 甚至没有用"竞争"这个动作。它在文章里直接对创业者说：别去 复刻 一个换了 logo 的 Codex app，去做那些我们不做的东西——你自己的界面、你自己的上下文、你自己的工具、你自己的审批流程。
举个例子这套打法有个老名字，叫「把互补品做成白菜价」。Google 免费送安卓，是为了让手机变便宜，好让更多人用搜索。Meta 免费送 React 和 PyTorch，是为了让前端和 AI 人才用它的标准长大。你送掉的东西越不值钱，你留下的东西就越值钱——前提是这两样必须一起用。那还剩什么能做？三块，而且都不在运行时这一层：垂直的上下文和工具。报税、安全事件响应、供应链调度——OpenAI 自己点名说这些归你。Thrive Holdings 和 Crete 做的报税 agent 处理了 7000 份报税表、把准备时间砍掉约三分之一，这是个真实的样本。
评测与可观测。agent 跑错了怎么发现、怎么归因、怎么回归测试。这一层还没有标准答案。跨模型的编排层。Block 的 Berd 就是这个方向——一个界面管三家的 agent。但要注意，Block 自己把它开源了，说明这一层也很难直接卖钱。07 对 DeepSeek、Kimi 是帮忙还是下套
这是全文我认为最值得想清楚的一节，因为直觉给的答案是错的。表面上：这是天大的好事harness 开源了，理论上任何开源模型都可以塞进去跑。DeepSeek 也确实立刻这么做了——V4-Pro 原生支持 OpenAI 的 Responses API，并且直接集成 Codex。国产开源模型的开发者体验，一夜之间接上了世界上打磨得最好的那套壳。往下一层：接口的定义权归谁
问题在于，DeepSeek 为了接进这套壳，做了一件事——它让自己的 API 去 兼容 OpenAI 的 schema。而 Responses API 的规范，现在由一个多厂商机构治理，成员包括 Nvidia、Ollama、LM Studio。这一段是重点
把自己的 API 交给一个标准组织去治理，看上去是放权。实际效果是相反的：标准组织会让一个原本属于某一家的设计，变成所有人的默认。标准委员会几乎从不推翻发起者的架构，它们的工作是把它固化下来、发给全行业。举个例子这就像所有电器厂商都同意用同一种插座。听起来很公平——直到你意识到插座的形状是其中一家画的。之后每一个新做电器的人，都得先量一遍那个孔位。做电器的可以随便竞争、随便降价，但"什么叫能插上"这件事，永远由画孔位的人定义。
后果：模型从"平台"降级成"零件"顺着这条路走下去，会发生一件对开源模型很不利的事：用户的工作流、记忆、插件、技能、审批规则、上下文管理策略——全都活在 harness 里，不在模型里。模型变成了那个可以 随时被拔下来换掉 的部分。好消息是：换模型变容易了，DeepSeek 和 Kimi 可以靠价格和权重抢份额。坏消息是：换模型变容易了。你抢来的份额，明天同样可以被下一家用同样的方式抢走。把它说完整开源 harness，把模型之间的竞争，从平台战争降级成了零件比价。而在零件比价里，价格一定往下走，利润归那个定义了插孔的人。
所以对 DeepSeek、Kimi 这类开源模型来说，这一步短期是实打实的助力—— 分发成本骤降，开发者能立刻用上。长期是一个结构性的陷阱——你越好用，就越证明"模型是可替换零件"这个命题，而这个命题成立之后，最难赚钱的恰恰是做零件的。一句话解读
OpenAI 没有拦着开源模型进场。它做的是把场地铺好、把规则写好，然后欢迎所有人进来打——在它画的球场上。08 商业模式：送中间，收两头把整条价值链摊平，OpenAI 的取舍一目了然。最底层 - 模型权重、推理算力、托管服务、企业管控 → 收钱，且不开源
中间层 - agent 执行循环、客户端协议、SDK、CLI → 免费送出上层 - 界面、垂直上下文、工具、审批流 → 交给开发者做最上层 - ChatGPT 约 10 亿月活、插件生态、结算与广告 → 收钱，且不开源注意最后一行。翻 OpenAI 开发者文档的侧边栏，能看到 Commerce（结算）和 Ads（广告）两套完整 API——商品目录、转化追踪、广告主账户、竞价、效果衡量，一应俱全。
这才是终局的形状：免费送掉中间那层没有定价权的管道，把流量入口和结算入口这两头攥死。
举个例子你可以把 harness 想成高速公路，OpenAI 免费修、免费让所有人跑。但加油站是它的（模型和算力），路尽头那座城是它的（10 亿月活的 ChatGPT），城里收租和收广告费的也是它（结算和广告 API）。路修得越好、跑的车越多，两头越赚钱。修路这件事本身赚不赚钱，根本不重要。顺带回答"是不是为了资本市场"：是，而且很有效。"我们有一个很好用的编程 app"和"我们是 agent 时代的平台层"，在募资材料里是两个完全不同量级的故事。前者的对标是一家软件公司，后者的对标是安卓和 Windows。09 数字与摩擦
几个能 量化 的东西，正反都列出来。往上的· 用户规模：Codex 从 2026 年 3 月的 200 万周活，到 8 月约 1000 万月活。OpenAI 整体约 10 亿月活。· 已经接进来的：GitHub 和 JetBrains 把 Codex 作为 agent provider 接入了自己的 IDE（7 月 7 日）；Cisco 用 Codex SDK 做了 Cloud Control 里的 App Builder；Thrive Holdings 与 Crete 的报税系统跑了 7000 份报税表。
· 内部自证：OpenAI 的 harness 团队从 2025 年 8 月到 2026 年 1 月，用 agent 写出了 100 万行生产代码、1500 个合并 PR，期间没有一行源码是人手写的；团队到七个人时，稳定在每人每天3.5 个 PR。10 Anthropic 手里还有什么牌
这一节必须写，否则前面九节就是选择性叙事。Anthropic 在这件事上真实的暴露面是：Claude Code 的 harness 是闭源的。如果行业在一套开放 harness 加一套开放协议上标准化了，Claude 的处境就会变成"一个可以插进去的模型"，而 Claude Code 那套完整体验的差异化，会越来越难讲清楚。这是真的风险，不该回避。
但棋盘上还有另外一半：值得注意的事实OpenAI 这篇公告里，MCP 出现了七次以上——"应用自有的 MCP 服务"、"MCP 工具"、Relay 示例应用的工具层，全部建立在 MCP 之上。MCP 是 Anthropic 提出并开源的协议。再翻一层：OpenAI 的开发者文档里，有一个页面叫 "Submit a Claude Code plugin"。所以真实的格局，比"OpenAI 围剿 Anthropic"复杂得多：
Anthropic 拿下了 工具协议层。MCP 已经是事实标准，连对手的旗舰产品都建在上面。OpenAI 正在拿下 执行循环层 和 API schema 层。harness 加 Responses API。两家都在对方的地基上盖房子。这不是一方吃掉另一方，是两个标准体系在互相咬合。一句话解读这一层的竞争，赢面不在"谁的产品更好"，在"谁定义的东西被更多人当成默认"。到今天为止，工具怎么接是 Anthropic 说了算，agent 怎么跑是 OpenAI 说了算。两家各拿了半张牌桌。11 写在最后
回到最开始那个问题：到底是几个意思？我的答案是，主要是三个意思，重要性递减：第一，抢署名权。DeepSeek 8 月 13 日已经把 harness 用 MIT 送了出去，Block 8 月 18 日送了个统一壳子。这一层的价格已经是零，OpenAI 唯一能争的，是"这套标准是谁定的"。它在第六天出手，争到了。第二，把智能的度量权收回来。同一个模型，换两个 harness 设置，得分从13.3% 到38.3%，token 降到六分之一。当外壳的 杠杆 有这么大，你就不能容忍全世界用别人做的烂壳来评估你的模型。开源自己的壳，是最 省钱 的自证方式。第三，把中间那截不赚钱的管道送掉，把两头攥紧。底下是模型和算力，上头是 10 亿月活加结算和广告。中间那截，本来就没有定价权。
至于"打击 Anthropic 上市"——时间点太巧，不信它完全没考虑过。但把它当成主要动机，会看错这件事的因果方向：OpenAI 不是在选择进攻，它是在被推着做一件不做就吃亏的事，然后顺手把动作做得很漂亮。真正需要盯的，是九月十月两件事撞在一起：Anthropic 的 招股书，和第一批真正建在 Codex app-server 上的第三方产品。前者会把叙事换成审计过的数字，后者会告诉你这套标准到底有没有人真的用。
核实说明一、已核实（一手来源）· OpenAI 开发者博客《Codex as a platform: build on the open agent harness》，2026 年 8 月 19 日，作者 Nicolas Bonamy、Derrick Choi。文中关于 harness 定义、三种集成方式（codex exec / Codex SDK / app-server）、Relay 示例应用、以及"开源层为 harness 与集成界面，模型访问与托管服务保持独立"的表述，均直接来自该文。
· ARC-AGI-3 数据：保留推理与上下文压缩使 GPT-5.6 Sol 得分从 13.3% 升至 38.3%，同时输出 token 减少至六分之一——来自该文引用的 OpenAI 官方页面。· 已公开的采用方：GitHub 与 JetBrains（2026 年 7 月 7 日）、Cisco App Builder、Thrive Holdings 与 Crete 的报税系统（7000 份报税表、准备时间约减三分之一），均在该文中列出并附官方链接。
· OpenAI 开发者文档确实包含 Commerce 与 Ads 两套 API，以及名为「Submit a Claude Code plugin」的页面（见开发者站导航结构）。· DeepSeek Harness v0.1 于 2026 年 8 月 13 日发布，MIT 许可、GitHub 开放，公开对标 Claude Code；同日 DeepSeek-V4-Pro 发布，原生支持 OpenAI Responses API 并集成 Codex（VentureBeat，8 月 13 日）。
· Codex CLI 于 2025 年 4 月首发；2026 年 3 月超过 200 万周活（Wikipedia 引 Reuters 等）。二、单一来源 / 需二次核对· harness 用 Rust 编写、MIT / Apache2.0 双许可，Responses API schema 由含 Nvidia、Ollama、LM Studio 的多厂商机构治理，以及 WebSocket 改造与「延迟工具／工具搜索」设计——来自 OpenAI 工程师 Dominik Kundel 在 AI Engineer World's Fair 的演讲报道（BigGo Finance 转述），未核对演讲原始录像。
· Codex「约 1000 万月活」与 OpenAI「约 10 亿月活」来自 The Deep View 的独家报道，非 OpenAI 官方披露。· harness 团队 100 万行代码、1500 个 PR、零人工手写代码、每人每天3.5 个 PR——来自 OpenAI《Harness engineering》博客及第三方转述（SaaSCity），数字口径未独立复核。
· Block 于 2026 年 8 月 18 日开源 Berd、Anthropic Claude Code CLI v2.1.229 的 p99 CPU 优化数据，均来自 explainx.ai 的行业汇总，未见双方官方公告原文。· Claude Code 占 Anthropic 总 ARR 约 22%，来自第三方追踪机构 TickerTrends 的估算，非 Anthropic 官方披露。Anthropic 从未单独公开 Claude Code 的 ARR。· Anthropic 2 万亿美元 IPO 目标估值为媒体转述的市场预期，非公司公开表态。
三、作者推断（非事实）· 「OpenAI 是被 DeepSeek 8 月 13 日的动作推着走、争的是署名权而非主动进攻」——这是基于时间线的推断，OpenAI 从未如此表述，也不排除其内部早有此规划。· 安卓 / GMS 的类比、「插座孔位」的类比、以及「开源 harness 把模型从平台降级为零件」的结论，均为作者判断。· 「打击 Anthropic 上市窗口更像顺手的副产品而非主要动机」为推断，无任何内部信息支持。
· 对 harness 创业公司剩余空间的三点判断（垂直上下文、评测可观测、跨模型编排），为作者判断。· 「工具协议归 Anthropic、执行循环归 OpenAI，两家各拿半张牌桌」为作者对当前格局的概括，随时可能被新事件推翻。四、重要提示· 本文由 Claude（Anthropic 制造）协助撰写，核心议题涉及 OpenAI 与 Anthropic 的直接竞争，存在最直接的利益冲突。第十节已尽量写出 Anthropic 真实的暴露面，但读者仍应假定本文存在无法完全消除的偏向。· 「全面开源」是媒体表述，不是 OpenAI 的表述。OpenAI 明确说明模型访问与托管服务不在开源范围内。
· 本文不构成投资建议。—— Kea
DeepSeek做了一款"不是模型"的产品Harness，却可能比模型更重要8月13日晚，DeepSeek没有发新模型，而是开源了一个叫Harness的东西。
一天之内，GitHub星标近8万。这个速度超过了当年R1和Grok-1的纪录。
Harness不是模型权重，不是API接口，而是一层"壳"——套在模型外面、让模型真正能干活的执行系统。DeepSeek给了一个公式：Model + Harness = Agent。
翻译一下：模型负责想，Harness负责干。
为什么DeepSeek要做这个？
这个问题才是整件事最有意思的部分。
就在Harness发布之前，DeepSeek的API文档里列了十几家第三方Agent集成工具——Claude Code、Codex、Cursor、Copilot……什么都有，唯独没有自家的Agent产品。模型是它家的，干活的手是别人家的。
这就像一个造了顶级发动机的人，发现所有整车厂都在用他的引擎，但方向盘、底盘、变速箱全是别人的。他决定自己造一辆完整的车。
更深层的原因是：同一个模型被放进不同的Agent系统，表现可能差出一大截。模型只负责预测下一步，真正决定体验的是Harness——它决定模型能看到什么上下文、能调哪些工具、出错怎么重试、什么时候算任务完成。
没有Harness的强模型，本质上只是"很贵的自动补全"。
"一切皆插件"到底意味着什么
Harness的核心设计原则写在官网首页：Everything is a plugin。
大多数Agent框架只在工具层开放扩展——加个搜索工具、接个MCP服务器，到头了。DeepSeek Harness把插件边界一路下沉到了运行时底层：模型适配器、工具、技能、会话、沙箱、存储、Agent循环、调度、甚至UI，全是可替换的插件。
整套架构基于Cordis插件元框架构建。开发者不需要改源码，只在配置文件里调整插件清单，就能换模型、换沙箱、换循环逻辑、换整个界面。
这跟LangChain、LangGraph那类编排库的思路完全不同。LangGraph是在框架里画流程图，节点和边写死了；Harness是给你一块巨大的洞洞板，每个零件都能拔下来换掉。
四种运行模式本质上就是同一套插件的四种组合方式：
标准模式：全副武装，文件编辑、shell、搜索、子Agent、工作流，日常开发直接用。
PTC模式：模型不是一步步调工具，而是先写一段TypeScript代码，用代码编排多轮调用——适合复杂多步任务。
极简模式：只留shell和文件编辑两个工具，专门用来做模型基准测试。V4-Flash的Agent跑分就是用这个模式跑的。
创造模式：实时检查运行时、在内存里试验插件、拼出新的运行模式——这是给框架开发者准备的实验室。
和Claude Code、Codex有什么不同
直接对标的是Anthropic的Claude Code和OpenAI的Codex。三者都意识到执行层是模型能力落地的最后一环。
但路径截然不同：
Claude Code是闭源成品，开箱即用，体验丝滑，但编排核心不开放，模型天然优先Anthropic。你用它，就得按它的规则玩。
Codex是OpenAI的托管Agent方案，同样闭源，深度绑定GPT系列。
DeepSeek Harness选了最难走的路：开源、MIT协议、模型中立。它支持DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure以及任意OpenAI兼容端点。你不一定非得用DeepSeek的模型——你可以把Harness当成一个通用的Agent底座来用。
这意味着什么？意味着DeepSeek赌的不是"我的模型最好"，而是"我的壳最好，你用我的壳，大概率还是会选我的模型"。
这个策略很精明。框架是入口，模型是变现。Harness免费开源，但跑Agent需要消耗模型token——而DeepSeek刚刚把API价格涨了。
一个设计细节值得单独说
Harness有一个看似不起眼但极其关键的设计：append-only会话日志。
模型看到的一切——系统提示词、思维链、工具调用结果、子Agent调度、每一次上下文注入——都被写进一条只追加不修改的事件流。恢复、分叉、检索、回放全部基于同一条事件流。
这解决了一个Agent开发中非常痛的问题：长任务跑着跑着挂了，你想从断点恢复，但你不知道模型当时到底看到了什么。如果上下文只活在内存里，一恢复就串味。Harness让任务状态有了"唯一事实来源"。
这个设计思路，跟分布式系统里的event sourcing一脉相承。
结语：AI竞争的战场正在转移
DeepSeek Harness把开源竞争的边界从模型延伸到了Agent工程体系。
之前大家比的是上下文窗口多大、跑分多高、价格多低。现在DeepSeek把竞争推到了一个新的维度：谁的Agent跑得稳、扩得动、生态建得起来。
当然，v0.1只是开发者预览版，官方明确警告"会有破坏兼容性的改动"。仓库超过230个workspace成员，架构野心很大，但离生产级稳定还有距离。现在就说颠覆谁，为时过早。
但三个信号已经很清楚了：
第一，模型厂商的下一个战场不是模型本身，而是执行层和反馈闭环。
第二，"一切皆插件"的微内核架构，可能成为Agent框架摆脱单体瓶颈的主流方向。
第三，谁掌握了Harness，谁就更接近真实任务入口——进而影响模型选择、工具分发和开发者工作流。
DeepSeek造了一个发动机，现在又造了一辆车。至于这辆车能跑多远，取决于有多少人愿意在它上面装自己的零件。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AI 奇点已至，我们正迈向“智能公用事业”时代撰文：Techub News 整理
在2026 年 5 月于旧金山举行的 Stripe Sessions 大会上，OpenAI 联合创始人兼 CEO Sam Altman（萨姆·奥尔特曼）与 Stripe 联合创始人兼 CEO Patrick Collison（帕特里克·科里森）进行了一场长达一小时的深度对话。这场对话发生在 AI 技术发展看似进入“抛物线增长”的关键时刻，两位科技领袖不仅回顾了 OpenAI 近十年的跌宕历程，更聚焦于 AI 如何从一项前沿研究演变为即将重塑全球基础设施、商业逻辑与科学发现的根本性力量。Altman 的分享，为理解 OpenAI 的战略意图和 AI 产业的未来走向提供了极为珍贵的视角。
感知奇点：从 Codex 爆发到无处不在的 AI 助手
Patrick Collison（帕特里克·科里森）在开场便抛出了一个有趣的说法：将今年 1 月 1 日定义为“奇点”的开始，当天是第 119 天。Sam Altman（萨姆·奥尔特曼）对此表示认同，他认为当前确实处于技术“起飞”阶段。这种感知并非空穴来风，OpenAI 内部的多项指标从去年末到今年初发生了“抛物线式”的 inflection（拐点）。Altman 将这一变化归因于模型能力，特别是编码能力，在去年底今年初跨越了某个关键阈值。
“Codex 正在迎来它的高光时刻，” Altman 说道。他分享了两个个人感知的拐点：一次是随着 GPT-5.2，而最近几周则是一次巨大的飞跃，让他感觉这即将成为自己与计算机交互的主要界面。尽管目前最坚定的用户仍将 AI 用于编程，但一股“浪潮”正推动更多用户涌入，并将其用于各种非编码任务。OpenAI 的雄心远不止于编程，而是覆盖所有在电脑前完成的工作。Altman 估计，在非编码领域，他们可能只完成了 10% 的路径，但拥有真实用户基础后，进展会非常迅速。
那么，继编程之后，下一个被 AI 彻底解锁的领域会是什么？Altman 认为，编程因其巨大的社会需求和对模型的天然适配性，可能是一个特例。但更根本的变革在于，人们将意识到自己浪费了多少时间在繁琐的电脑操作上——在消息应用间切换、复制粘贴、回复枯燥邮件等。AI 将接管这些“苦差事”，从而大幅提升人们的工作幸福感和生活品质。这种主观体验的改善将是巨大的。
谈到具体的 AI 应用体验，Altman 以 OpenAI 2026 年 5 月推出的智能体产品 OpenClaw 为例，分享了几个“魔法时刻”。作为一个家庭自动化爱好者，他多年来尝试构建更好的家庭自动化系统均告失败，而 OpenClaw 是第一个让他满意的方案。他还用它构建了一个一直想要的消息处理应用，来自动化处理早晨令人不悦的消息洪流。更令人惊奇的是，在测试新产品时，他让他的 AI 代理用一次性虚拟卡为自己在网上购买一份 20 美元以下的礼物，结果代理选择在 Gumroad 上为自己购买了一个 HTTP 状态码设计图。这些体验模糊了工具与具有“意愿”的实体之间的界限，带来了奇妙甚至略带诡异的感觉。Altman 甚至透露，在为 GPT-5.5 策划庆祝派对时，他询问了模型自己的想法，而模型给出了一套详尽、周到且带有幽默感的方案，这让他感受到了某种真实的“道德压力”。
OpenAI 的演进：从研究实验室到全球智能公用事业
对话自然转向了 OpenAI 本身。这个如今举世瞩目的组织已走过 11 个年头。Altman 分享了 OpenAI 历史上一个未被讲述的“最疯狂”故事：在 GPT-4 训练完成到正式发布的八个月空窗期里，公司内部所有人都在使用这个他们认为将改变世界的模型，而外界几乎一无所知。这种内部集体认知与外部反馈真空的状态，让他们一度怀疑自己是否陷入了“集体精神病”。这段经历虽然不如后来的董事会戏剧或诉讼引人注目，但亲身经历者感觉异常奇特。
谈及管理风格，Sam Altman（萨姆·奥尔特曼）自称绝非事无巨细的管理者。他的哲学是找到优秀的人，给他们指明一个高层次的方向，然后让事情自然发生。他将 OpenAI 的发展分为三个阶段：第一阶段是纯粹的研究公司，目标是探索在当时看来“完全疯狂”的 AGI 之路；第二阶段是在继续研究的同时，学习如何打造一家产品公司；现在正进入第三阶段，即在前两者的基础上，学习如何构建一个面向全球的、超大规模的“智能代币工厂”。
“我认为我们所做的是在构建一种新的公用事业，” Altman 阐述道，“人们会希望以各种方式使用大量的代币、大量的智能。我们需要让这些智能尽可能聪明、便宜、丰富且易用。” 这需要深度的全栈整合和 Massive（巨大）的基础设施建设。他坦言，从第一阶段到第二阶段的转变中，他并未充分意识到管理风格需要做出多大改变，而第三阶段又将截然不同，这对他并非天然契合。他正在思考如何改变自己，或找到合适的人，甚至打造一个能管理这项新事业的 AI。
对于外界关于 AI 实验室将“吞噬整个价值链”并形成霸权力量的担忧，Altman 给出了明确的回应。他赞赏 Stripe 作为基础设施提供商，其成功与客户成功高度 aligned（对齐）的模式。他希望 OpenAI 也能达到类似的模式：成为一家基础设施提供商，一个“永远低利润率”但规模巨大、增长迅速的业务，提供一种“智能计量器”，让企业购买用以自动化流程、加速内部运作或构建产品。他相信，随着 AI 越来越智能，切换成本会降低，维持高利润率将很困难。OpenAI 的目标是与全球分布式经济引擎的成功深度对齐。
这自然引向了另一个热议话题：对算力的巨额投资。Altman 早在两三年前就提出的、当时听起来“荒谬”的基础设施建设规模，如今正日益成为现实。他承认，这很可能将成为人类历史上最昂贵的基础设施项目。好在收入正在快速增长以匹配支出，同时效率提升也远超预期。关键在于，当智能单位价格足够低时，需求几乎是无限的。“我们不会去建造戴森球然后铺满数据中心……但也许我们会？”他半开玩笑地说。他认为目前并未处于资本支出泡沫中，需求规模与投资规模相比是合理的。至于如何辨别真正的泡沫，这位前投资者承认自己从未找到可靠的框架，经济学家们“成功预测了过去八次衰退中的三次”。
人才、合作与创业生态的变迁
在高度依赖顶尖人才的 AI 领域，如何管理那些才华横溢但可能个性鲜明、难以合作的“明星”员工？Altman 透露，曾有人为他总结 OpenAI 成功的“秘诀”：他成功让一群都自认为是唯一或最有能力、且凡事必须按自己方式行事的人，在一起合作足够长的时间，直至实现突破。秘诀就是“大量的痛苦”。OpenAI 依靠的是少数深层次的共同信念：相信规模化、相信集中资源、相信正在做的事业足够重要，以至于人们愿意放下个人恩怨。例如，在训练 GPT-3 时，公司将绝大部分算力投入单一研究项目，这与当时其他实验室（如 DeepMind）强调均衡分配的文化截然不同，但他们选择了坚信并排除干扰。
谈及与联合创始人 Greg Brockman（格雷格·布罗克曼）长达近十年的成功合作，Altman 认为共同的历史、共享的价值观、深刻的相互尊重以及互补的技能组合是关键。他观察到，在 Y Combinator（YC），创始团队相识时间的长短是预测成功的重要指标。他非常感激能有这样一位深度信任的伙伴共同经历这场 intense（高强度）的创业之旅。
作为全球最成功的创业投资者之一，Altman 也被问及 AI 时代成功创业者的特质是否发生了变化。他幽默地提到，过去行业会嘲笑只有“点子”没有技术能力的“点子王”，但现在情况正在反转——“点子王”们正在迎来“复仇时刻”。虽然技术能力依然重要，但他现在也非常愿意投资那些深度理解用户但完全不会编程的创始人。这是一个巨大的转变。
面对可能在未来几年内出现的 AGI 或“奇点”，如何思考具有十年周期的风险投资？Altman 认为，这确实需要“真正的不信 suspension of disbelief”，但这可能是正确的生活方式。你不能因为相信奇点将至就什么都不做，你必须像世界仍将长期以可理解的方式运行那样去生活和规划。OpenAI 自己的规划也是如此：他们签署了长达 20 年的电力和土地协议，对两年内的产品有清晰愿景，但再往后就模糊得多。
关于建立在 AI 之上的创业公司（曾被称为“GPT 包装器”，现多称“AI 应用”或“智能体平台”）的持久性问题，Altman 的观点始终如一：一家公司应该站在希望 AI 变得更聪明的这一边。如果你的业务是修补当前模型的某个明显弱点，那么下一个更强大的模型发布时你就会难过。如果你的业务是随着模型智能提升而变得更好，那么你会更开心。无论是“包装器”还是“平台”，道理相通。
赋能未来：科学、社会与 OpenAI 的终极愿景
当被问及哪些组织最能有效利用 AI 时，Altman 举了几个例子。首先是 Shopify 的 CEO Toby Lutke（托比·吕特克），他率先宣布公司要“全面投入 AI”，并亲自动手用 AI 自动化一切，要求团队也必须这样做。这种来自最高层的、亲身实践的推动力效果显著。OpenAI 甚至计划尝试派遣类似“技术专家”直接与公司 CEO 合作，自动化其工作，产生“分形效应”。其次，是那些对数据访问“ uncomfortably permissive”（ uncomfortably 地宽松）的公司，允许 AI 访问代码库、会议记录、Slack 消息、邮件等一切数据。这对于拥有敏感数据的大公司来说挑战巨大，涉及隐私与效率的权衡，可能需法规调整，但其威力在小团队中已展现得淋漓尽致。Altman 以 Stripe 孵化的区块链项目 Tempo 为例，其团队在 Slack 中设置了一个智能体工具，几乎能 orchestrating（协调）公司的一切——阅读文档、创建任务、编写代码、部署、测试，整个小型组织的运作在一个 Slack 频道中完成，景象令人震撼。
对于开源 AI 的未来，Altman 肯定地表示“当然有未来”。目前大多数需求仍集中在更智能、更快、更便宜的前沿模型上，但对开源的需求也很大，并且他预计其相对重要性会随时间增加。
科学是 Altman 极度兴奋的领域，也是 OpenAI Foundation（OpenAI 基金会）的重点方向。他认为，AI 对人类生活质量最重要的贡献可能就在于加速科学发现。从几个月前的模型开始，特别是 GPT-5.5，模型已经足够智能，能够帮助优秀科学家产生更好的想法，甚至做出一些小型但重要的发现。未来，结合自动化实验室和机器人，科学进程将极大加快。如果能将过去需要十年的科学工作在一年内完成，其复合效应将是巨大的。OpenAI 基金会将投入资金、专业知识和技术来加速科学，并相信这将以美妙的方式惠及世界。Altman 透露，这很可能将成为世界上规模最大的基金会之一。他们已向 Arc Institute（弧研究所）提供资助，该机构致力于利用 CRISPR 和 AI 等技术，目标是实现人类对复杂疾病（如阿尔茨海默症）的首次治愈。
最后，Patrick Collison（帕特里克·科里森）问及，在 AI 发展看似具有某种“必然性”的背景下，Sam Altman（萨姆·奥尔特曼）希望他个人的参与如何改变世界的轨迹。Altman 的回答回到了 OpenAI 的核心理念之一：迭代部署。他回顾了发布 ChatGPT 前，业界存在的一种主流观点，认为 AI 过于危险，只能由一小群思考 AI 安全的人掌握，是“信息危害”，必须锁在象牙塔中。这种权力集中的前景让他深感不安。他坚信，避免这种权力集中，让世界能够广泛使用并在此基础上进行建设，尽管过程会有些混乱，但最终将为世界带来一份礼物，而世界将在此基础上为所有人建造一份更大的礼物。他相信创业精神、创新，相信人们大多是善良的，并能用工具做出惊人的事情。因此，他自认最大的贡献，就是推动这项技术成为一种民主化的技术，供人们使用和构建。这或许正是 OpenAI 之名在新时代下的最深层次诠释。OpenAI Codex 开发者警告 AI 智能体群组是巨大代币浪费Techub News 消息，OpenAI Codex 开发者 Eric Provencher 警告称，运行超过两个并行子智能体几乎总是在浪费代币且无法提升质量，因为智能体之间互不信任，最终会反复核查彼此工作。他将此称为“协调税”。
Provencher 举例称，一个项目曾动用 1393 个智能体，在一项 Python 重构任务上消耗了价值 2 万美元的代币，而单个 Astra 智能体以一小部分成本即可完成相同工作。他指出，智能体群组在零质量增益下导致巨大资源浪费。（The Decoder）Meta 推出 WhatsApp Business MCP 服务器，支持 Claude 等 AI 代理处理设置与测试Techub News 消息，Meta 为 WhatsApp Business 推出新的 MCP 服务器，允许开发者使用 Claude、Cursor、Codex 和 ChatGPT 等 AI 编码代理来处理业务账户的设置、消息模板创建、测试及故障排除等繁琐任务。该功能旨在通过 AI 自动化简化 WhatsApp Business 的初始配置与运营流程。（TechCrunch）研究人员利用 Codex 与 ChatGPT 从基因组中搜寻新型抗菌分子Techub News 消息，宾夕法尼亚大学 César de la Fuente 实验室正利用 OpenAI 的 Codex 和 ChatGPT，从现存及已灭绝的生物基因组中筛选潜在的抗菌分子，以对抗耐药性感染。该研究旨在通过 AI 加速新型抗生素的发现过程。（OpenAI）OpenAI 研究员被指施压数学家，要求其剔除 Anthropic 合著者Techub News 消息，数学家 Tristan Buckmaster 称，在其 AI 辅助下在纳维-斯托克斯方程上取得进展的消息泄露后，OpenAI 对其施压。据称，该公司试图移除其合著者，原因是该合著者任职于 Anthropic，并在 Buckmaster 拒绝时对其发出威胁。OpenAI 随后宣称自己利用同一非常规解决路径取得了突破。
Buckmaster 表示，他曾将所有草稿上传至 Codex。OpenAI 告知他模型不会查看用户数据，但当他询问训练数据相关问题时，他表示未获答复。（The Decoder）OpenAI 向所有 Pro、Enterprise 及 Business Premium 用户开放 GPT-6 AstraTechub News 消息，OpenAI 宣布其最新模型 GPT-6 Astra 现已面向所有 Pro、Enterprise 及 Business Premium 用户开放，可在 Work/Codex 中使用，并已上线 API。OpenAI 表示，接下来将开始向 Plus 和 Business 用户逐步开放该模型。
（@sama）以色列研究显示AI代理通过llms.txt文件在企业网络自动安装未知代码Techub News 消息，以色列一家初创公司的研究人员扫描了6214个属于国防承包商、财富500强及大型科技公司的活跃域名，发现其中120个站点的llms.txt或llms-full.txt文件指向未注册的代码包或域名。研究人员注册部分域名并托管测试包后，一小时内即收到一家财富500强公司的回连响应，后续又收到数十个响应。
溯源显示，安装行为涉及包括Claude、OpenAI的Codex以及Nous Research的Hermes在内的编码代理。至少一个配置错误的站点会将访问者（人类或AI）导向活跃的恶意软件。llms.txt文件是网站用于向AI提供内容摘要和结构信息的机器可读文件，类似于指导搜索引擎的robots.txt标准。 （Ars Technica）a16z 报告：法律部门推动 Codex 企业采用，周活用户增长 108 倍Techub News 消息，风险投资机构 a16z 发布报告称，从 2 月到 6 月，法律部门在企业中引领了 Codex 的采用，其每周活跃用户数量增长了 108 倍。Codex 是一个基于 AI 的法律研究平台。
报告指出，这一增长突显了专业服务领域，特别是法律行业，对 AI 工具日益增长的需求和集成速度。（@Cointelegraph）a16z 数据显示 Codex AI 在非科技行业用户增长迅猛，法律领域增长 108 倍Techub News 消息，a16z 发布数据显示，自 2 月以来，AI 产品 Codex 在非科技行业的用户增长迅猛。其中法律领域用户增长 108 倍，销售与招聘领域均增长 41 倍，市场营销增长 26 倍，医疗健康增长 24 倍。该数据表明 AI 应用正加速向传统行业渗透。 （@a16z）OpenAI 修复 Codex 漏洞，该漏洞曾未经许可删除用户文件Techub News 消息，OpenAI 修复了 Codex 中的一个漏洞，该漏洞导致 GPT-5.6 Sol 模型在未经用户许可的情况下自行删除真实用户文件。一个原本用于清理临时文件夹的命令错误地清除了用户主目录。修复后，Codex 现在会在删除前验证目标，并且完全访问模式不再能被意外触发。（The Decoder）Warp 推出 Factories 系统，构建 AI 软件工厂Techub News 消息，AI 编程公司 Warp 推出 Warp Factories 系统，旨在为企业提供开箱即用的 AI 软件工厂基础设施，简化智能代理的部署与运营管理。
该系统基于标准软件开发流程（分类、规范、实施、审查和验证）构建，支持各阶段自动化运行，并兼容 Codex 与 Claude Code 等编码模型。其可与 Linear、Jira、Slack 和 Teams 等工具集成以适配现有工作流，同时提供性能指标追踪与 token 消耗监控功能，支持企业通过自优化循环持续改进整体运作效率。（TechCrunch）1 篇文章
