DeepSeek Harness vs Claude Code / OpenAI Codex：两条不同的 Agent 路线
DeepSeek Harness 发布时，官方与媒体普遍把它放在 OpenAI Codex、Anthropic Claude Code / Claude Cowork 的同一个格子里：都是让 AI Agent 真正干活的编程与办公工具。但如果深入看架构，会发现它们走的是两条截然不同的路线——精装成品 vs 毛坯工坊。
一张表看懂差异
| 对比项 | DeepSeek Harness | Claude Code / OpenAI Codex |
|---|---|---|
| 开源协议 | MIT，完整源码开源 | 闭源产品为主（部分 SDK 开放） |
| 核心架构 | 一切皆插件，无特权组件，可替换核心 | 核心封闭，提供有限的扩展点（插件 / 工具） |
| 模型支持 | 模型适配器可更换，可接入多种主流模型 | 以自家模型为主，生态内模型优先 |
| 二次开发自由度 | 高：可换模型、换工具、换执行环境、换 Agent 循环 | 有限：在官方提供的扩展面上做配置与插件 |
| 上手门槛 | 稍高：需要自己组合插件、配置环境 | 低：开箱即用，安装即可干活 |
| 可观测性 | 只追加会话日志 + Trajectory 轨迹视图，可回放分叉 | 各产品自带追踪与日志能力 |
| 生产稳定性 | v0.1 开发者预览，官方提示可能有破坏性变更 | 成熟商用，迭代有版本管理 |
路线之争：插件化 vs 精装成品
Claude Code 和 OpenAI Codex 的价值主张是"拎包入住"：官方把工具链、上下文管理、权限体系打磨成完整产品，用户装完就能用，代价是改造空间有限。
DeepSeek Harness 的价值主张是"选择权交还开发者"：框架本身几乎不做假设，模型、工具、沙箱、存储、审批、遥测全部可插拔。它的代价是——一切都要自己拼。想获得类似 Claude Code 的完整体验，需要自己挑选并组合插件。
这两种路线没有绝对优劣：
- 如果目标是快速完成任务，精装成品通常更省心；
- 如果目标是研究、定制或构建自己的 Agent 产品，插件化框架的自由度是闭源产品给不了的；
- 如果企业有强合规与基础设施绑定需求，能接入内部权限、审计与沙箱的开放框架更有吸引力，但也需要自己承担治理成本。
模型可替换性的意义
模型与运行环境分离，是 Harness 与闭源产品最本质的区别之一。对开发者而言，可以保留同一套会话、工具与权限体系，只替换模型适配器；对评测团队而言，可以在固定外部工程条件的前提下比较不同模型的能力，判断进步究竟来自模型还是工程优化。
怎么选：给三类人的建议
| 人群 | 建议 |
|---|---|
| 想立刻干活、少折腾 | Claude Code / Codex 等成熟产品更合适 |
| 想学习 Agent 运行时 / 做二次开发 | DeepSeek Harness + Cordis 插件机制值得投入时间 |
| 企业深度定制 / 模型评测 | 开放框架更灵活，但需评估插件安全与维护成本 |
结论提醒：Harness 目前仍是 v0.1 开发者预览版，官方提示会有破坏性变更。等 v0.2 或正式版收敛后再上生产，是更稳妥的选择。
本站为独立信息站点，与 DeepSeek、Anthropic、OpenAI 均无隶属关系。对比基于 2026-08-15 前的公开信息，产品状态请以各家官方文档为准。