Post

PENGYI_HARNESS001: DeepSeek Coding Agent Harness - Claude Code vs Codex 的产品启示与工程预演

Posted
By Pengyi
29 min read
PENGYI_HARNESS001: DeepSeek Coding Agent Harness - Claude Code vs Codex 的产品启示与工程预演

这一篇接在 PENGYI_HARNESS_MAP000 后面。

MAP000 做的是总览：

1

Agent / Research / Quant / Tool / Memory / Product 六类 Harness

这一篇进入一个更具体、更接近真实产品决策的场景：

1
2
3
4

PENGYI_HARNESS001:
如果我们以 DeepSeek PM 视角，要做 DeepSeek 的 Coding Agent Harness，
应该如何理解当前市面上最值得学习的两类代表：
Claude Code 与 Codex？

核心目标不是说谁更强。

核心目标是抽出：

1
2
3
4
5

产品 taste
工程 taste
研究 taste
DeepSeek Harness 的启示
最小工程预演

一句话结论

1
2
3
4

Claude Code 是 cockpit-first。
Codex 是 factory-first。
DeepSeek Coding Agent Harness 不应该只复制其中一个，
而应该做成 mode-aware agent execution OS。

更完整地说：

1
2
3
4
5
6
7
8

Claude Code 默认更像本地驾驶舱：
人类开发者高频在环，观察、打断、批准、修正、继续。

Codex 默认更像云端任务工厂：
人类提交任务，agent 在隔离环境里执行，返回 diff、PR、review 或任务结果。

DeepSeek Harness 的机会不是在 UI 上模仿，
而是在本地 cockpit、云端 worker、权限、评测、trace、成本和企业部署之间做统一执行 OS。

先定义问题

如果我是 DeepSeek 的 coding agent harness PM，我不会把问题定义成：

1

我们也做一个 Claude Code。

或者：

1

我们也做一个 Codex。

这两个定义都太浅。

真正的问题应该是：

1

如何把 DeepSeek 模型能力包装成一个可执行、可控、可评估、可复现、可规模化的软件工程执行系统？

也就是：

1
2
3
4
5
6
7
8
9
10
11

DeepSeek Coding Agent Harness =
  model intelligence
  + repo context
  + task contract
  + tool runtime
  + permission boundary
  + execution trace
  + test / eval
  + diff / PR artifact
  + human review
  + memory writeback

这不是一个聊天机器人。

这是一个把模型能力转成真实工程交付的系统层。

官方信息给出的基本事实

Claude Code 的官方定位是 agentic coding tool：它可以读代码库、编辑文件、运行命令，并集成到开发工具里；官方也明确列出 terminal、IDE、desktop app、browser 等 surface。

Codex 的官方定位是 OpenAI 的 coding agent：Codex web 可以在云端后台任务里工作，包括并行任务，并可以连接 GitHub、为 repo 工作、创建 pull request。Codex CLI 也存在本地终端形态，可以读、改、运行当前目录里的代码。

所以更准确的产品判断是：

1
2
3
4

Claude Code 的默认味道更偏 cockpit。
Codex 的 web/cloud 默认味道更偏 factory。
Codex CLI 则补上了 cockpit 侧。
Claude Code web / desktop 也在补 cloud / multi-session 侧。

因此不能把二者讲成绝对二分。

真正的二分是：

1

default product philosophy

而不是：

1

absolute capability boundary

Claude Code: Cockpit-first Harness

Claude Code 的产品 taste 是：

1

developer stays in the cockpit

它进入开发者的工作现场：

1
2
3
4
5
6
7
8

terminal
IDE
repo
file system
shell
git workflow
debug loop
local reasoning flow

它的核心循环更像：

1
2
3
4
5
6
7

Human intent
  -> Agent reads context
  -> Agent proposes / edits / runs
  -> Human observes
  -> Human interrupts / approves / redirects
  -> Execution feedback
  -> Next step

这个 loop 的价值不是单次吞吐，而是：

1
2
3
4
5
6

control
visibility
trust building
exploration
debugging
local context grounding

Claude Code 的安全设计也支撑这个 cockpit 味道。

官方文档强调它默认采用严格的 read-only 权限；当需要编辑文件、运行测试、执行命令时，会请求用户显式许可。它还支持 sandboxed bash、写入范围限制、allowlist、Accept Edits mode 等机制。

这说明 Claude Code 的默认产品哲学是：

1

agent 可以很强，但人类应该清楚它正在做什么，以及什么时候授权它继续。

Claude Code 适合什么任务

Claude Code 特别适合：

1
2
3
4
5
6

1. 不知道问题在哪里，需要探索 repo
2. 需要一边读代码一边推理
3. bug 很隐蔽，需要本地运行和反复调试
4. 修改风险高，人类需要持续在环
5. 开发者想学习代码库，而不是只要最终 diff
6. 信任关系需要通过可见过程建立

它像驾驶舱，不是因为它不能自动执行，而是因为它默认让人留在操作面板前。

Claude Code 的工程难点

做一个 Claude-style harness，难点不是聊天 UI。

难点是：

1
2
3
4
5
6
7
8
9
10
11
12

terminal UX
file editing safety
shell approval policy
local sandbox
repo indexing
context compression
diff visualization
command explanation
interrupt / resume
session trace
MCP permissions
workspace memory

真正难的是：

1

既让 agent 足够能干，又不让用户失去控制感。

Codex: Factory-first Harness

Codex 的产品 taste，尤其是 Codex web / cloud，是：

1

delegate work to an agent worker

它的核心循环更像：

1
2
3
4
5
6
7

Task brief
  -> Cloud environment
  -> Agent execution
  -> Tests / self-check
  -> Diff / PR / answer
  -> Human review
  -> Iterate or merge

OpenAI 官方文档直接使用 Delegate to Codex in the cloud 这个 framing，并说明 Codex cloud 可以在后台执行任务，包括并行执行。Codex 还可以连接 GitHub，让它在 repo 上工作并创建 PR。

这就是 factory-first 的核心：

1
2
3

用户定义任务。
agent 在隔离环境里执行。
输出变成可 review 的工程 artifact。

Codex 不是纯黑箱。

Codex CLI 可以在本地终端交互运行。Codex 的 sandbox 与 approval policy 也能控制它什么时候自动继续，什么时候停下来请求批准。官方文档里，默认权限是 workspace-write + on-request：可以在 workspace 内读写和运行常规命令，但使用 internet 或越过 workspace boundary 时会请求确认。

所以更准确的说法是：

1
2

Codex is factory-first by default in cloud workflows,
but it can support cockpit-like interaction and clarification loops through CLI, task spec, planning, sandbox, approvals, and review.

Codex 适合什么任务

Codex 特别适合：

1
2
3
4
5
6

1. 任务边界清楚
2. 输出可以定义成 diff / PR / review
3. 多个任务可以并行跑
4. repo 环境可以标准化 setup
5. 团队希望扩大工程吞吐
6. 人类更想 review artifact，而不是每一步陪跑

它像工厂，不是因为它没有交互，而是因为它默认把 agent 当作一个可以接任务、跑环境、交付结果的工程 worker。

Codex 的工程难点

做一个 Codex-style harness，难点是：

1
2
3
4
5
6
7
8
9
10
11
12
13

cloud sandbox orchestration
repo clone and sync
dependency setup
environment reproducibility
task queue
parallel worker scheduling
test execution
PR generation
diff review
cost / latency control
security isolation
approval routing
audit logging

真正难的是：

1

让异步交付足够可靠，让人类愿意把真实工程任务交给 agent。

Cockpit vs Factory 总表

DimensionClaude CodeCodex
默认产品哲学Collaborative controlDelegated execution
隐喻CockpitFactory
用户角色Driver / pair engineerTask owner / reviewer
主要 surfaceTerminal / IDE / desktop / webWeb cloud / CLI / IDE / GitHub
默认交互高频、可观察、可打断任务式、可异步、可并行
控制方式人类持续在环task spec + sandbox + review
权限模型默认 read-only，越权请求许可sandbox + approval policy
典型输出本地编辑、命令运行、解释、diffdiff、PR、review、任务结果
最适合探索、调试、理解复杂 repoPR 生产、批量任务、例行修复、并行吞吐
主要风险本地权限和命令安全环境 setup、任务歧义、异步调试成本
trust 建立方式过程可见性隔离、测试、review、审计

PM 视角：DeepSeek 不应该只做一个入口

如果 DeepSeek 要做 coding agent harness，最危险的产品误区是只选一个形态：

1

只做 terminal cockpit

或者：

1

只做 cloud task factory

因为真实软件工程任务有不同风险和不确定性。

一个成熟 harness 应该支持多种 execution mode：

1
2
3
4
5
6

1. Cockpit Mode
2. Clarify-before-Execute Mode
3. Delegated Worker Mode
4. Review-only Mode
5. Autonomous Batch Mode
6. Research / Planning Mode

1. Cockpit Mode

1

高频交互，本地执行，人类持续在环。

适合：

1
2
3
4
5

debugging
repo exploration
high-risk refactor
learning a codebase
security-sensitive changes

产品设计重点：

1
2
3
4
5
6

visible tool calls
interrupt button
approve command
diff preview
rollback
session notes

2. Clarify-before-Execute Mode

1

agent 先读任务，判断歧义与风险，再问关键问题。

适合：

1
2
3
4
5

需求不完整
成功标准不清
影响范围未知
权限边界不清
需要 PM / TL 决策

关键是不要让 agent 为了显得主动而盲动。

最低要求：

1
2
3
4

If uncertainty_score > threshold:
  stop
  ask 1-3 blocking questions
  propose execution options

3. Delegated Worker Mode

1

人类提交任务，agent 在隔离环境执行，返回 artifact。

适合：

1
2
3
4
5
6

well-scoped bug fix
test generation
dependency update
small feature
documentation update
migration milestone

核心是：

1

task spec -> cloud sandbox -> verification -> diff -> PR

4. Review-only Mode

1

只读分析，不写文件。

适合：

1
2
3
4
5

code review
architecture review
security review
onboarding
technical decision support

Review-only 是重要模式。

它降低风险，也能建立信任。

5. Autonomous Batch Mode

1

多个 worker 并行跑一批任务。

适合：

1
2
3
4
5
6

lint fix
test expansion
docs update
codemod
large migration
issue triage

Batch mode 必须强依赖：

1
2
3
4
5
6

task queue
worker isolation
dedupe
failure grouping
cost cap
human approval gate

6. Research / Planning Mode

1

agent 不直接改代码，而是读 repo、形成 plan、估计风险、给出 milestone。

适合：

1
2
3
4
5

large refactor
new module design
infra migration
paper-to-code implementation
benchmark design

这对 DeepSeek 很重要。

因为国产和企业场景里，很多需求不是一个小 patch，而是复杂系统改造。直接上手改，失败率会很高。

DeepSeek Harness 的核心产品命题

DeepSeek 的机会不是只说：

1

我们的模型便宜。

便宜是优势，但不是完整产品。

真正的产品命题应该是：

1
2
3
4
5
6
7
8

DeepSeek Coding Agent Harness =
  cost-efficient model execution
  + enterprise-friendly deployment
  + local cockpit
  + cloud / private-cloud workers
  + strict permissions
  + Chinese / English developer workflow support
  + evaluation and trace as first-class objects

也就是：

1
2

低成本推理只是底座。
真正的 moat 是 harness。

建议的 DeepSeek Harness 架构

我会把 DeepSeek Coding Agent Harness 拆成八层：

1
2
3
4
5
6
7
8

1. Surface Layer
2. Task Contract Layer
3. Context Layer
4. Mode Router
5. Tool Runtime
6. Permission / Sandbox Layer
7. Evaluation / Verification Layer
8. Artifact / Review / Memory Layer

1. Surface Layer

入口不应该只有一个。

至少需要：

1
2
3
4
5
6

CLI
IDE extension
Web task board
GitHub / GitLab integration
Chat / enterprise IM integration
API / SDK

不同入口服务不同 mode：

Surface更适合的模式
CLICockpit / Review / Research
IDECockpit / Clarify / Diff review
WebDelegated Worker / Batch / Task board
GitHub / GitLabPR review / Issue to PR
IMlightweight task creation / status update
SDKenterprise automation

2. Task Contract Layer

所有任务必须先变成 contract。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

task_id: DS-HARNESS-001
task_type: bugfix
repo: deepseek-harness-demo
objective: Fix failing parser test without changing public API.
success_criteria:
  - pytest tests/parser/test_edge_cases.py passes
  - no public API signature changes
  - changelog note if behavior changes
risk_level: medium
mode_hint: clarify-before-execute
allowed_tools:
  - file_read
  - file_write_workspace
  - shell_pytest
forbidden_actions:
  - git_push_direct
  - delete_user_files
  - network_access
human_review_required: true

没有 Task Contract，agent 就会退化成聊天。

3. Context Layer

Context Layer 要回答：

1
2
3
4
5
6

agent 应该读什么？
不应该读什么？
哪些信息是新鲜的？
哪些信息来自用户？
哪些信息来自 repo？
哪些信息来自长期 memory？

最小组件：

1
2
3
4
5
6
7
8

RepoMap
SymbolIndex
DependencyGraph
RecentDiffs
IssueContext
DocsContext
TestFailureContext
MemoryRecall

DeepSeek 如果要打企业场景，context layer 必须能进入：

1
2
3
4
5
6

monorepo
private docs
internal API
CI logs
issue tracker
knowledge base

但这必须通过权限和审计管理。

4. Mode Router

Mode Router 是这篇文章最重要的设计点。

输入：

1
2
3
4
5
6
7

task uncertainty
risk level
context completeness
repo sensitivity
user preference
expected artifact
deadline / throughput need

输出：

1
2
3
4
5
6

Cockpit
Clarify-before-Execute
Delegated Worker
Review-only
Autonomous Batch
Research / Planning

一个简单规则：

1
2
3
4
5
6
7
8
9
10
11
12

def route(task):
    if task.risk_level == "high":
        return "cockpit"
    if task.uncertainty_score > 0.45:
        return "clarify_before_execute"
    if task.expected_artifact == "review":
        return "review_only"
    if task.batch_size > 1 and task.risk_level in ["low", "medium"]:
        return "autonomous_batch"
    if task.scope == "large_refactor":
        return "research_planning"
    return "delegated_worker"

真实系统会更复杂，但这个方向是对的。

因为成熟 harness 不应该把所有任务塞进同一种交互。

5. Tool Runtime

Tool Runtime 是 agent 的手。

最小工具：

1
2
3
4
5
6
7
8
9
10

file read / write
shell
test runner
git diff
package manager
search
browser / docs
MCP tools
issue tracker
PR API

工具不能只是能调。

必须有 contract：

1
2
3
4
5
6
7
8
9
10
11
12
13

tool_name: shell_pytest
capability: run_python_tests
input_schema:
  command: string
permission: workspace_command
timeout_seconds: 120
network: false
side_effect: read_and_temp_write
validation:
  - parse_exit_code
  - capture_test_summary
fallback:
  - run_single_test_file

没有 Tool Contract，就没有可靠 agent execution。

6. Permission / Sandbox Layer

这里要同时学习 Claude 和 Codex。

Claude 的启示：

1
2
3

默认保守。
需要修改和命令时显式授权。
人类要能看见和批准。

Codex 的启示：

1
2
3

用 sandbox 给 agent 一个可自动工作的边界。
边界内低摩擦执行。
越界就进入 approval flow。

DeepSeek Harness 的推荐默认值：

1
2
3
4
5
6
7
8

read repository: allowed
write workspace: allowed only in task branch
run tests: allowed for safe commands
network: disabled by default
package install: approval required
delete files: approval required
git push: approval required
production secrets: never exposed

7. Evaluation / Verification Layer

这是 DeepSeek 如果要做得严肃，必须重视的一层。

Coding agent 的评测不能只看：

1

回答是否像样

必须看：

1
2
3
4
5
6
7
8
9

tests pass?
diff minimal?
public API stable?
regression risk?
lint pass?
type check pass?
security issue?
human accepts?
rollback available?

一个最小 VerificationReport：

1
2
3
4
5
6
7
8
9
10
11

verification_id: VR-001
task_id: DS-HARNESS-001
commands:
  - pytest tests/parser/test_edge_cases.py
result: pass
changed_files:
  - src/parser/core.py
  - tests/parser/test_edge_cases.py
api_change: false
risk_summary: Low public API risk. Parser branch narrowed.
human_review_required: true

8. Artifact / Review / Memory Layer

输出应该是 artifact，不是聊天记录。

最小 artifact：

1
2
3
4
5
6
7
8

Plan
Diff
Test Log
Verification Report
Risk Note
PR Description
Review Decision
Memory Candidate

Memory 也不能随便写。

只能写：

1
2
3
4

稳定事实
项目规则
踩坑经验
可复用模式

不能写：

1
2
3
4

私密代码片段
临时猜测
用户敏感信息
未经确认的偏好

工程预演：一个 DeepSeek Coding Agent Harness v0

现在做一个工程级预演。

任务：

1
2
3
4

修复一个 parser edge case bug。
要求不改变 public API。
要求测试通过。
要求输出 PR。

Step 1: Intake

用户输入：

1
2
3

Fix parser failure when input has trailing comma in nested call.
Do not change public API.
Add regression test.

系统生成：

1

TaskSpec

并自动计算：

1
2
3
4

risk_level = medium
uncertainty_score = 0.38
recommended_mode = delegated_worker
human_review_required = true

如果 uncertainty_score 高于阈值，则进入 clarification：

1
2
3
4

I need to confirm:
1. Should trailing comma be accepted in all nested calls or only function calls?
2. Is this behavior documented anywhere?
3. Should old invalid-input errors remain unchanged?

Step 2: Context Build

系统构建上下文：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

RepoMap:
  parser/
  tests/parser/
  docs/syntax.md

SymbolIndex:
  parse_call_expr
  parse_args
  ParserError

TestFailureContext:
  failing test output

RecentDiffs:
  last parser-related changes

Step 3: Plan

agent 生成 plan：

1
2
3
4
5
6

1. Reproduce failing parser test.
2. Locate argument-list parsing code.
3. Add regression test for nested trailing comma.
4. Modify parser branch narrowly.
5. Run parser tests.
6. Summarize risk and create PR description.

系统进入 plan review gate：

1
2
3
4
5
6
7
8

If mode = cockpit:
  show plan and wait for user

If mode = delegated_worker:
  proceed inside sandbox

If mode = clarify-before-execute:
  ask blocking questions first

Step 4: Execute in Sandbox

worker 执行：

1
2
3
4
5
6
7
8

git checkout -b agent/parser-trailing-comma
pytest tests/parser/test_edge_cases.py
rg "parse_args|parse_call" src tests
edit src/parser/core.py
edit tests/parser/test_edge_cases.py
pytest tests/parser/test_edge_cases.py
pytest tests/parser
git diff

所有 tool call 进入 trace：

1
2
3
4

{"step": 1, "tool": "shell", "cmd": "pytest tests/parser/test_edge_cases.py", "exit": 1}
{"step": 2, "tool": "search", "query": "parse_args|parse_call", "matches": 4}
{"step": 3, "tool": "file_edit", "path": "src/parser/core.py", "summary": "Allow trailing comma before closing paren"}
{"step": 4, "tool": "shell", "cmd": "pytest tests/parser", "exit": 0}

Step 5: Verify

VerificationReport：

1
2
3
4
5
6
7
8
9
10

test_status: pass
changed_files:
  - src/parser/core.py
  - tests/parser/test_edge_cases.py
api_change: false
behavior_change: accepts nested trailing comma
risk: medium-low
needs_human_review:
  - grammar compatibility
  - error message stability

Step 6: Deliver

输出 PR artifact：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Title:
Fix nested parser trailing-comma edge case

Summary:
- Add regression coverage for nested call with trailing comma.
- Narrow parser branch to accept trailing comma before closing paren.
- Keep public API unchanged.

Verification:
- pytest tests/parser/test_edge_cases.py
- pytest tests/parser

Risk:
- Behavior expands accepted syntax in one parser branch.
- Human reviewer should confirm this matches language spec.

Step 7: Review and Memory

人类 review 后：

1

approved / request changes / reject

如果通过，写入 memory candidate：

1
2
3
4
5
6

memory_type: repo_rule
scope: parser
content: Parser changes require regression tests in tests/parser/test_edge_cases.py and syntax compatibility review.
evidence:
  - PR #123
retention: project

这就是最小闭环：

1
2
3
4
5
6
7
8
9
10

TaskSpec
  -> Context
  -> Mode Router
  -> Plan
  -> Sandbox Execution
  -> Trace
  -> Verification
  -> PR Artifact
  -> Human Review
  -> Memory

DeepSeek Harness MVP 路线

不要一开始做巨大平台。

建议分四个版本。

v0.1: Local Cockpit

目标：

1

DeepSeek CLI can read repo, edit files, run tests, show diff, request approval.

必须有：

1
2
3
4
5
6
7

TaskSpec
local workspace
file edit
shell runner
git diff
approval prompt
trace log

不要急着做：

1
2
3
4

multi-agent
cloud batch
enterprise dashboard
full memory system

v0.2: Cloud Worker

目标：

1

User submits task, worker runs in isolated environment, returns diff and report.

必须有：

1
2
3
4
5
6
7
8

repo clone
env setup
branch creation
test runner
diff artifact
PR draft
cost cap
worker timeout

v0.3: Mode Router

目标：

1

Same product supports cockpit, clarify, delegated, review-only, batch.

必须有：

1
2
3
4
5

uncertainty score
risk score
mode selection
mode override
human approval policy

这是从工具走向 harness OS 的关键版本。

v0.4: Eval and Trace Dashboard

目标：

1

Measure whether the agent actually improves engineering delivery.

必须有：

1
2
3
4
5
6
7
8
9

task success rate
test pass rate
human accept rate
rollback rate
average cost
average latency
failure taxonomy
tool error rate
security approval events

没有 evaluation，coding agent 产品会很快陷入 demo 好看、真实不可用的问题。

DeepSeek 可以打出的差异化

DeepSeek 不应该只在模型层讲故事。

Harness 层有更现实的差异化。

1. Cost-efficient agent execution

Coding agent 的成本不是一次回答。

它是：

1
2
3
4
5
6

long context
tool calls
test loops
retry
review
parallel workers

如果 DeepSeek 能把单位任务成本打下来，factory mode 的可用性会明显提高。

2. Private / enterprise deployment

很多企业不愿意把代码、CI log、内部文档、issue tracker 全部放到外部云。

DeepSeek 可以重点做：

1
2
3
4
5
6

private cloud
on-prem
VPC deployment
local model gateway
enterprise permission policy
audit log

3. Chinese developer workflow

中国工程团队的工作流可能包括：

1
2
3
4
5
6
7
8
9

企业微信
飞书
钉钉
GitLab
Gitee
内部 Jira-like system
私有 CI
中文需求文档
中英混合代码注释

这不是小事。

这是产品入口和 context layer 的差异化。

4. Research + Coding 一体

DeepSeek 的长期机会不是只做代码修复。

更大的方向是：

1
2
3
4
5
6

research question
  -> paper / doc reading
  -> implementation plan
  -> code
  -> experiment
  -> report

这会连接我们前面说的：

1
2
3
4

Research Task Harness
Agent Execution Harness
Tool Harness
Memory Harness

也就是 AI Scientist 和 Research OS 的方向。

关键风险

1. 只做模型，不做 harness

模型强，但没有：

1
2
3
4
5
6

permissions
trace
eval
workflow
artifact
review

就无法进入真实工程组织。

2. 只做 demo，不做 setup

Coding agent 的失败经常不是因为不会写代码。

而是：

1
2
3
4
5
6

dependency 装不上
测试跑不起来
环境变量缺失
CI 和本地不同
repo 太大
上下文取错

所以 environment setup 是核心产品功能，不是边角料。

3. 只追求自动化，不处理 uncertainty

不确定任务应该先问。

如果强行执行，会制造错误 diff。

所以 DeepSeek Harness 必须把 uncertainty 作为一等公民。

4. 只看 pass rate，不看 accept rate

测试通过不等于业务接受。

真实指标应该包括：

1
2
3
4
5

human accept rate
review comment count
rollback rate
time-to-merge
post-merge incident

最终启示

从 Claude Code 学：

1
2
3
4

local cockpit
interactive control
permission-first trust
developer flow

从 Codex 学：

1
2
3
4
5
6

cloud worker
delegated throughput
sandbox boundary
PR artifact
parallel execution
review-driven delivery

DeepSeek 应该做：

1

mode-aware agent execution OS

也就是：

1
2
3
4
5
6
7

DeepSeek Coding Agent Harness =
  Cockpit for high-control work
  + Clarify-first for ambiguous work
  + Cloud worker for delegated work
  + Review-only for audit work
  + Batch mode for scale work
  + Eval / trace / permission / memory as shared system layer

一句话收束

1
2
3

Claude Code teaches control.
Codex teaches delegation.
DeepSeek Harness should teach execution governance.

如果 PENGYI_HARNESS_MAP000 讲的是 harness 总抽象，

那么这一篇 PENGYI_HARNESS001 的核心结论就是：

1
2

真正的 coding agent moat 不只是模型，
而是让模型在真实软件工程里可控、可测、可交付、可复用的 harness。

参考资料

Learning, Research OS
pengyi-harness harness001 deepseek coding-agent claude-code codex agent-harness product-taste engineering-rehearsal research-os
This post is licensed under CC BY 4.0 by the author.