2026 年 8 月，AI 编程 Agent 领域发生两件标志性开源事件：DeepSeek 发布DeepSeek‑Harness，OpenAI 在openai/codex仓库正式开源Codex‑Harness运行时内核。
两者都遵循公式：Agent = 大模型 + Harness运行时，但底层设计哲学完全相反。很多开发者分不清二者的仓库位置、安装方式、适用边界。 本文完整给出官方仓库地址、全平台安装步骤、上手使用流程，从源码层横向对比两套框架，给出个人、企业选型决策。
重要提醒：Codex‑Harness不是独立仓库，嵌套在 openai/codex 主仓库；网上大量名字带 codex‑harness 的仓库均为社区模板，不是官方内核。
一、官方 GitHub 仓库地址
Codex‑Harness（OpenAI）
官方主仓库：https://github.com/openai/codex
https://github.com/openai/codex
- 开源协议：Apache‑2.0
- 正式开源时间：2026‑08‑19
- 核心源码目录：
- codex‑rs/app‑server：本地 Harness 服务，127.0.0.1:15721本地接口就在这里，502 报错均来自该服务组件GitHub。
- codex‑cli：命令行客户端源码。
注意：Codex 桌面 App、VSCode 插件都基于这套 harness 内核。
DeepSeek‑Harness（DSH）
独立完整仓库： https://github.com/deepseek‑ai/deepseek‑harness http:// https://github.com/deepseek‑ai/deepseek‑harness
- 开源协议：MIT
- 发布时间：2026‑08‑13
- 核心内核：Cordis 微内核，一切皆插件，WebUI 默认端口3080GitHub。
二、环境要求与完整安装教程
2.1 Codex‑Harness 安装（3 种方案）
环境：Rust 编译源码需要 Rust 工具链；直接使用二进制不需要编译源码GitHub。
方案 1：NPM 全局安装 CLI（推荐普通用户）
npm install -g @openai/codex
#验证
codex –version
方案 2：二进制包安装（Linux/macOS/windows，无 node 环境） 前往 https://github.com/openai/codex/releases，下载对应系统架构二进制包，解压加入系统 PATH。
方案 3：源码编译（二次开发，开发者）
git clone https://github.com/openai/codex.git
cd codex/codex‑rs
#安装rust环境
curl –proto '=https' –tlsv1.2 -sSf https://sh.rustup.rs | sh
source "$HOME/.cargo/env"
cargo build
#启动本地app‑server（harness后台服务15721端口）
cargo run –bin app‑server
启动成功后本地暴露：http://127.0.0.1:15721/v1/responses，这就是 Codex Harness 本地 RPC 接口。
Codex 基础使用
坑点：Codex 原生使用 OpenAI Responses API，对接国产模型需要代理转换层（CC‑Switch），直接填 OpenAI‑compatible chat 接口会报错 502、协议不匹配。
2.2 DeepSeek‑Harness（DSH）安装（3 种方案）
环境要求：Node.js ^22.19 / >=24，pnpm 源码构建需要 11.7+CSDN博…。
方案 1：npx 一键启动，无需安装（快速体验）
npx @deepseek‑ai/dsh web
启动成功访问：http://127.0.0.1:3080，自动打开浏览器 WebUI。
方案 2：全局安装，高频使用
npm install -g @deepseek‑ai/dsh
dsh –version
dsh web
方案 3：源码编译，插件二次开发
git clone https://github.com/deepseek‑ai/deepseek‑harness.git
cd deepseek‑harness
pnpm install
pnpm run build
pnpm dsh web
DeepSeek‑Harness 基础使用流程
核心特性：Agent Loop、沙箱、记忆系统全部是插件，可替换重写。
三、两大 Harness 核心架构横向硬核对比
| 设计哲学 | 引擎驱动精装成品；核心 Agent 循环固化，只开放外围扩展 | 微内核乐高积木；一切皆插件，Agent 循环本身也可替换 |
| 技术底座 | Rust，高性能、系统级安全 | TypeScript+Node.js+Cordis 微内核，动态插件热重载 |
| 网络协议 | JSON‑RPC，ResponsesAPI 私有协议 | OpenAI 兼容协议，MCP 原生完整支持 |
| 沙箱安全 | 内置系统级沙箱（bwrap 等），内核自带安全审计、追踪日志 | 沙箱是插件，安全策略由插件实现，开发者自行管控风险 |
| 模型适配 | 原生 OpenAI 模型；接入第三方模型需要协议转换代理 | 模型完全无关，任意 OpenAI 兼容接口直接配置即可切换 |
| 扩展能力 | 支持 MCP、Skill；核心调度逻辑不可修改 | 插件可替换循环、记忆、沙箱、UI，可深度改造内核行为 |
| 对外形态 | CLI TUI、App‑Server 后台服务；图形界面属于上层产品 | WebUI、CLI、Python SDK；界面与内核解耦 |
| 开源协议 | Apache‑2.0 | MIT |
| 成熟度 | 工业级商用底座，大量线上产品验证 | 开发者预览版，版本迭代快，存在破坏性变更风险CSDN博… |
通俗比喻：
Codex‑Harness：精装商品房，拎包入住，安全水电全部做好，但是户型不能随便改； DeepSeek‑Harness：毛坯乐高底板，内核全部对外开放，你可以自由拼装，但安全、流程需要自己掌控。
四、核心能力拆解
Codex‑Harness
DeepSeek‑Harness
五、真实踩坑点（实战干货）
- app‑server 服务崩溃；端口被占用；第三方模型协议不匹配，ResponsesAPI 与 Chat Completions 协议不互通，必须使用 CC‑Switch 这类代理做协议转换CSDN博…。
六、选型决策，什么场景选哪一个
注意：对接国产模型需要额外部署协议转换网关。
七、行业趋势思考：Harness 会成为 Agent 时代的基础设施吗？
2026 年，大模型推理能力差距逐步缩小，Harness 运行时才是 Agent 真正的壁垒。 模型负责思考，Harness 负责把思考映射到真实世界：读写文件、调用工具、权限管控、任务循环、记忆管理。
两条路线代表行业两种方向：
未来不会出现某一套框架一统天下：
- 面向普通 C 端用户的成品 Agent，会基于成熟 Harness 内核做封装，用户感知不到底层；
- AI 开发者、AI 创业团队、私有化项目，会大量基于开源 Harness 二次开发，不再从零手写整套 Agent 运行时。
重要认知：Harness 不等于只能写代码。两者都可以通过 MCP/Skill 扩展，做成办公、客服、数据分析 Agent，编程只是第一个落地场景。
八、写在最后
很多人以为 Agent 就是大模型 Prompt，读完两套 Harness 源码之后会明白：大模型只是大脑，Harness 才是 Agent 的躯干。
- 如果你做 AI Agent 方向，看懂两套开源 Harness 的源码，是非常高含金量的实战经历；
- 不要盲目追求 “越开放越好”，开放带来自由度，同时带来安全与维护成本，根据自己场景做取舍。
