在AI编程工具领域，我们正在经历一次重要的关注点迁移。过去，开发者们热衷于比较不同模型在代码生成上的表现；而现在，真正的分水岭出现在模型之外的那层工程系统上。
这层系统通常被称为Harness，它负责一系列关键任务：构建上下文、调度工具、执行命令、实施权限隔离、压缩会话信息、协调子代理，以及在错误发生后将反馈重新注入模型。如果说裸模型是一个"会思考的函数"，那么完整的编码代理则是一套具备循环执行能力的工程系统。这两者之间的差距，恰恰决定了AI编程工具的实际表现上限。
范式转移：从模型能力到Harness工程
所有主流的AI编程工具都共享一个基础架构——Agent Loop。用户提交任务后，系统构建上下文并调用模型；如果模型给出最终答案，循环终止；如果模型请求调用工具，Harness便执行该工具并将结果写回上下文，供模型继续推理。这个看似简单的循环，在复杂任务中会被放大数十轮：跨文件重构可能需要读取代码、追踪调用链、修改实现、编写测试、执行命令、根据报错再次修复。每一步都涉及上下文选择、权限控制、文件访问、错误恢复和状态持久化。
这种转变并非偶然。随着模型能力的不断提升，基础模型之间的差距正在缩小，而工程系统的好坏越来越成为决定用户体验的关键变量。这就像两个同样聪明的工程师，一个配备了完善的开发环境和工具链，另一个只有一台裸机——前者的产出效率和质量必然远胜后者。
因此，不同工具之间的真正差异，不在于是否具备Agent Loop，而在于谁控制了上下文构建、工具执行、权限校验和沙箱运行等关键环节。
三条技术路线的分岔点
Claude Code选择了最贴近产品化的路线。它的设计哲学是"先打造完整的Agent产品，再让开发者扩展它"。围绕核心引擎，Claude Code构建了一套完整的工程层，包括项目规范文件、长期记忆、技能模块、外部工具协议、钩子机制、权限系统、沙箱环境和子代理机制。这种设计的优势在于，开发者无需理解Harness的内部原理，就能完成实际开发任务。值得注意的是，Claude Code采用了一种清晰的分层思想：需要智能判断的任务交给模型，需要稳定执行的任务交给程序，需要安全边界的任务交给沙箱，而非依赖提示词来约束模型行为。
Codex则走向了另一条道路——将Agent打造成可复用的运行时。它的核心组件包括Codex Core、Thread、App Server、Tool Runtime、Sandbox和Approval Policy。其中，Thread是一个独特的一等对象，它不仅记录聊天历史，更承载完整的Agent执行状态，支持启动、恢复、分叉、持久化和压缩。这种设计将Agent状态的分叉与代码状态的分叉相类比，为复杂调试和多代理并行提供了强大的抽象能力。此外，Codex在处理技能加载时展现了上下文成本意识：系统不会一开始就将所有技能说明塞入模型，而是先暴露元信息，待模型选定后再加载详细内容。
DeepSeek Harness则采取了最激进的架构策略。它的核心理念是"一切皆插件"：模型、工具、技能、会话、沙箱、存储、Agent Loop、调度和UI都可以通过插件参与运行时组合。底层的Cordis框架更接近运行时组合框架，而非普通的插件管理器。这种设计允许开发者重新定义Agent的运行方式，而不仅仅是向固定Agent添加工具。工具调用也不再是简单的函数调用，而是演变为包含前置事件、权限策略、执行、后置事件和结果回写的完整生命周期。日志记录、追踪、缓存、重试、指标收集和安全检查都可以插入这一生命周期，而非为每个工具单独编写横切逻辑。
值得注意的是，尽管三条路线的侧重点不同，但它们并非互斥。Claude Code也在逐步引入更多可配置能力，Codex也在优化产品体验，而DeepSeek Harness的框架化设计也可能在未来吸收前两者的优秀实践。
Harness时代的开发者生存指南
这三条路线各有其适用场景。追求日常开发效率的团队，会倾向于选择Claude Code这类高度产品化的工具，它已经将复杂的Harness问题封装为可用的工程体验。需要将Agent能力嵌入多个入口的团队，则更适合Codex的运行时化路线，其Thread、Sandbox和Approval Policy等抽象能让CLI、IDE和自动化任务围绕同一套底层能力协作。而有意研究或重组Agent Runtime的开发者，则能从DeepSeek Harness的框架化路线中获得启发——它牺牲了即开即用的便利，但将Agent Loop、工具生命周期、会话和调度都暴露为可组合的能力。
一个值得深思的趋势是，AI编程的下一阶段竞争焦点，正在从"模型能否写出正确的函数"转向"系统能否稳定地完成任务"。后者涉及上下文工程、工具治理、权限边界、可观测性、失败恢复和多代理协作等一系列工程能力。这意味着，开发者学习AI编程的方式也需要升级：不仅要掌握提示词技巧，更要学会为仓库编写Agent可读的工程说明，将重复流程沉淀为技能模块，为工具调用设置合理的权限，利用钩子机制固化检查流程，以及将大型任务拆解给具有不同上下文边界的子代理。
对于国内开发者而言，将Claude、GPT等能力接入现有IDE或脚本时，可以通过Code80这类真实订阅账号转API的方式先行验证流程，再决定是否进行更完整的企业级接入。毕竟，在AI编程工具快速演进的当下，理解Harness的架构逻辑，比追逐单一模型的能力提升更具长期价值。