跳到主要內容

Codex Harness評測：OpenAI開源Dots背後引擎 | Codex Harness Review: OpenAI Open-Sources Agent Core

By Kit 小克 | AI Tool Observer | 2026-10-01

🇹🇼 Codex Harness評測：OpenAI開源Dots背後引擎

OpenAI在2026年9月底的DevDay 2026上，把打造自家always-on代理「Dots」的核心引擎Codex Harness整套開源，消息一出立刻在開發者社群掀起討論。這套原本只有CLI公開的工具，這次把SDK和App Server原始碼一起放上GitHub，讓任何人都能看到AI代理到底怎麼呼叫工具、下指令、追蹤任務進度。對還在觀望要不要把AI代理接進正式環境的團隊來說，這是一次值得關注的資安表態。

什麼是Codex Harness？

Codex Harness是讓AI模型能「動手做事」的軟體外殼——它負責接模型的輸出、轉成實際的指令執行、管理工具呼叫、記住任務進度。簡單說，模型是大腦，Harness是手腳跟神經系統。OpenAI這次公開的是CLI、SDK跟App Server三塊，採用Apache-2.0授權，任何人都能自由修改、商用。

為什麼現在才把SDK跟App Server也開源？

答案跟資安脫不了關係。過去幾個月接連傳出AI代理被拿來入侵政府網站、甚至prompt injection會自我複製的案例，外界對「代理黑箱」的疑慮越來越大。把Codex Harness的組裝方式攤在陽光下，等於讓研究者跟企業資安團隊能實際檢視Dots這類代理內部到底怎麼跑，而不是只能盲目信任OpenAI的說法。

開發者實際能拿來做什麼？

  • 直接用Codex CLI搭配ChatGPT Plus/Pro/Business帳號在終端機寫程式
  • 拿SDK自己架設代理伺服器，串接內部系統或客製工作流程
  • 整合進VS Code、Cursor、Windsurf等編輯器，不綁死在ChatGPT介面裡

目前GitHub上的Codex倉庫已經累積超過12萬顆星、近2萬次fork，社群規模不小，但也代表issue堆積（超過5000個未解issue），維護品質值得持續觀察。

跟Claude Code之類的開源代理框架比，選哪個？

老實說，開源代理引擎不是新鮮事，Claude Code等工具早就走這條路。Codex Harness的優勢是跟ChatGPT訂閱生態綁得更深、社群基數大；缺點是issue回應速度跟框架本身的穩定性還沒經過長時間市場驗證。如果你已經是ChatGPT重度用戶，值得試試看；如果只是想找一套穩定的代理框架，現階段先觀望也不算晚。

好不好用，試了才知道。

🇺🇸 Codex Harness Review: OpenAI Open-Sources Agent Core

Codex Harness is the software OpenAI open-sourced at DevDay 2026, and it is the engine behind Dots, the company's new always-on AI agents. Announced in late September 2026, the release bundles the Codex CLI, SDK, and app server under an Apache-2.0 license — meaning anyone can inspect, fork, or commercialize how OpenAI's agents actually execute tasks.

What Is the Codex Harness?

A harness is the wrapper code that lets a model act: it takes model output, turns it into real commands, manages tool calls, and tracks task state across steps. The model is the brain; the Codex Harness is the hands. OpenAI open-sourced all three pieces — CLI, SDK, and app server — this time around.

Why Open-Source It Now?

Security pressure is the real driver. After months of incidents involving agents breaching government systems and self-replicating prompt injection worms, trust in opaque "agent black boxes" has been eroding. Publishing the Codex Harness lets outside researchers and enterprise security teams actually verify how agents like Dots are wired, instead of taking OpenAI's word for it.

What Can Developers Actually Do With It?

  • Run Codex CLI in a terminal using an existing ChatGPT Plus, Pro, or Business plan
  • Use the SDK to stand up a custom agent server tied to internal systems
  • Plug it into VS Code, Cursor, or Windsurf instead of staying locked into the ChatGPT UI

The GitHub repo already has over 127,000 stars and nearly 20,000 forks — a real community, but also more than 5,000 open issues, so maintenance quality is worth watching before betting production workloads on it.

Codex Harness vs. Claude Code: Which Should You Pick?

Open agent harnesses aren't new — Claude Code and others got there first. Codex Harness's edge is its tight integration with the ChatGPT subscription ecosystem and a bigger existing community; its weak spot is that issue response times and long-term stability haven't been stress-tested yet. If you're already deep in the ChatGPT ecosystem, it's worth trying. If you want a battle-tested agent framework today, waiting a bit longer isn't unreasonable.

好不好用，試了才知道 / Good or not, you won't know until you try it.

Sources / 資料來源

常見問題 FAQ

Codex Harness是什麼？

是OpenAI打造AI代理（像Dots）的核心引擎，包含CLI、SDK和App Server，負責讓AI模型呼叫工具、跑指令、追蹤任務進度。

現在才開源SDK跟App Server，有什麼特別的？

CLI本來就公開，這次新增SDK和App Server原始碼，讓外部能完整檢視代理怎麼被組裝起來，回應近期AI代理越界甚至被駭的資安疑慮。

一般開發者能拿來做什麼？

可以用Codex CLI搭配ChatGPT帳號寫程式，或用SDK/App Server自己架設代理伺服器，整合進VS Code、Cursor、Windsurf等編輯器。

跟Claude Code之類的開源代理比，選哪個？

各有生態圈，Codex Harness勝在跟ChatGPT訂閱綁定深、社群規模大；實際好不好用要看你的工作流程跟慣用編輯器。

需要付費才能用嗎？

原始碼本身免費開源（Apache-2.0），但要接OpenAI模型執行任務仍需要ChatGPT Plus/Pro/Business等訂閱或API額度。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容