四类Agent并非同层产品：一类是运行时底座，其余面向编码或办公交付。
冷月清谈：
怜星夜思：
2、Agent既要操作本地文件和命令，又要保证安全，云端沙箱、本地确认和内核级隔离应该怎么取舍？
3、如果要真实比较Codex、Claude Code和自建Harness，应该设计哪些测试任务，才能避免只看演示效果？
4、模型可插拔听起来很理想，但更换模型后提示词、工具调用和评测往往要重做，所谓避免厂商锁定能实现到什么程度？
原文标题：DeepSeek Harness与WorkBuddy和Codex/Claude Code等Agent对比
原文作者：牧羊人的方向
原文内容
DeepSeek Harness是DeepSeek官方于2026年8月13日发布并开源的Agent产品，其与主流的Agent产品Codex、Claude Code、WorkBuddy有什么区别，本文从产品定位、架构设计理念、关键特性等维度进行简要对比分析。
1、产品定位与技术栈层级
DeepSeek Harness、Codex、Claude Code和WorkBuddy这四款产品虽然都被泛称为"AI Agent"，但所处的技术层级不同。
-
DeepSeek Harness（dsh）是Agent运行时底座。它不直接提供问答或编码能力，而是提供让Agent能够跑起来的整套基础设施，包括模型接入、工具调度、安全沙箱、会话管理、子智能体编排、可观测性、Web UI等全部以插件形式存在。官方公式是Model + Harness = Agent，可以把它理解成"Agent的操作系统"或"乐高底盘"。2026年8月13日以MIT协议开源开发者预览版，基于Cordis插件框架构建，核心理念是"Everything is a Plugin"。
-
OpenAI Codex和Claude Code是产品化的Coding Agent。它们是"装完就能用"的终端/IDE助手，面向开发者直接交付代码生成、调试、重构、Code Review等能力。两者都深度绑定自家模型——Codex用GPT系列（CLI用Rust编写并以Apache 2.0开源了外壳，但核心能力仍依赖OpenAI服务），Claude Code用Claude系列（专有闭源，CLI免费）。它们本质上是"在某个Harness上构建好的垂直产品"。
-
WorkBuddy是面向非技术用户的桌面AI办公智能体。由腾讯云CodeBuddy团队开发，2026年3月正式上线，基于腾讯混元大模型。它的定位不是给程序员写代码，而是让非技术用户用自然语言下达任务，AI直接操作本地电脑完成文件整理、文档生成、PPT制作、海报设计等办公事务。它是"消费级Agent应用"，强调开箱即用和多Agent并行交付。
从应用层、产品层再到框架层，越往下越靠近基础设施，越往上越靠近最终用户，下层可以支撑上层，但上层不能替代下层。
DeepSeek Harness是"生产Agent的工具"，Codex/Claude Code/WorkBuddy是"已经产品化的 Agent"。理论上，可以用DeepSeek Harness组装出一个类似Codex或WorkBuddy的产品，但反过来不行。
2、架构解析
DeepSeek Harness整个系统建立在Cordis微内核之上，没有任何硬编码的固定功能。模型、工具、技能、会话、沙箱、存储、循环、调度、UI 全部以插件形式存在，通过配置层堆叠与覆盖来组合。
-
原生安全层：Linux Landlock内核沙箱，系统调用级细粒度隔离，毫秒级启动，Agent执行代码/命令时自动入箱
-
插件内核层：Cordis运行时，负责插件注册/依赖解析/生命周期调度/事件总线，本身不含业务逻辑
-
核心服务层：官方能力插件集，模型接入、工具执行、会话管理、沙箱调度、可观测性，均以插件挂载
-
应用接入层：Web控制台（:3080）、CLI、HTTP API、客户端SDK，多端入口
Codex是OpenAI将编码能力产品化的统一入口，核心设计是"同一个Agent， everywhere you code"。通过ChatGPT账号将Web、IDE、CLI 三端的上下文、任务历史和配置打通，用户可以在任意端发起任务并在另一端继续。
-
接入层（三端统一）：ChatGPT Web（云端任务/Code Review）、IDE 扩展（VS Code/JetBrains 本地辅助）、Codex CLI（Rust编写，npm全局安装，本地任务执行）。三端共享ChatGPT账号体系和任务上下文。
-
Agent服务层：OpenAI云端运行的Agent编排服务，负责任务规划、工具调用、上下文管理、多 Agent 并行调度。GPT-5-Codex作为默认推理模型，Cloud任务和Code Review默认使用，本地任务可通过CLI/IDE选择启用。
-
执行层：Cloud模式在OpenAI云端沙箱执行（适合长任务、多Agent并行）；Local模式在用户本地环境执行命令和文件操作（适合需要访问本地代码库/私有依赖的场景）。
Claude Code的核心是一个"Agentic"的命令行工具，不仅可以补全代码，还可以自主读取代码库、规划任务、编辑文件、运行命令、观察结果并迭代。其架构的关键差异化在MCP（Model Context Protocol）开放协议和CLAUDE.md项目记忆机制，使其具备极强的可扩展性和上下文持久化能力。
-
CLI核心（本地运行）：Node.js编写的命令行工具，是Claude Code的主入口。负责Agent 循环驱动（规划→执行→观察→修正）、本地文件操作、Shell命令执行、子进程管理。专有闭源，CLI本身免费使用。
-
Claude模型层（云端推理）：默认使用Claude Opus/Sonnet系列模型，支持100万token超长上下文窗口，可一次性加载整个中型项目。用户可自行替换为其他模型。
-
MCP协议扩展层：通过Model Context Protocol连接外部工具和数据源，如数据库、API、文件系统、第三方服务等。MCP Server可以由社区或企业自行开发，极大扩展了Claude Code的能力边界。
-
项目记忆层：CLAUDE.md文件作为项目级"记忆"，存放编码规范、架构决策、常用命令等上下文，Claude Code会自动读取并遵循。支持全局配置和项目级配置叠加。
-
生态集成层：除CLI外，还集成IDE插件、桌面端、浏览器操作、Slack通知、GitHub PR Review、CI/CD流水线触发、定时工作流（Scheduled Tasks）等。
WorkBuddy的设计目标是让非技术用户也能用自然语言让AI"把活干完"。与面向开发者的编码Agent不同，它的架构重心在于"桌面端本地操作权限 + 云端多Agent并行编排 + 场景化专家角色"，用户不需要懂代码，只需要下达任务，AI会自动拆解、分配给多个专业Agent并行执行，最终交付文档、PPT、海报等成品。
-
桌面客户端层：Windows/Mac桌面应用，是用户的唯一交互入口。提供自然语言对话界面、任务创建面板、执行过程可视化、成品预览与导出。客户端负责获取用户授权后操作本地电脑（文件系统、应用程序、剪贴板等），每一步操作前会向用户说明并可确认。
-
多Agent编排层（云端）：核心调度引擎，负责将用户的自然语言任务拆解为子任务，分配给不同的专业Agent并行执行。支持任务依赖管理、进度同步、结果聚合。内置100+ AI专家角色（文档专家、PPT专家、设计师、数据分析师、研究员等），每个角色有专属的系统提示词和工具集。
-
模型与工具层：基于腾讯混元大模型进行推理和内容生成。工具集涵盖：文件读写/整理、文档生成（Word/Excel）、PPT制作、海报/图片设计、网页浏览、数据处理、多语言翻译等。工具在云端执行内容生成，在本地执行文件操作。
-
生态集成层：深度连接腾讯办公生态，微信（文件传输/消息）、腾讯文档（在线协作）、腾讯会议（纪要整理）等。同时支持企业级部署，提供团队工作台、权限管理、任务审计、投入追踪等能力。
3、全维度对比
以下从产品定位、核心架构及特性、运行模式、扩展机制、交互形态、典型场景等维度进行对比。
评估维度：开源自由度、模型灵活性、编码能力、办公场景、安全隔离、可扩展定制。
从开源程度、模型灵活性、编码能力、办公场景、安全隔离、可扩展性、开箱即用和多Agent编排8个层面特性进行对比。
|
对比项
|
DeepSeek Harness
|
Codex / Claude Code / WorkBuddy
|
|---|---|---|
|
架构类型
|
全插件化微内核
|
固定产品架构
|
|
模型层
|
可插拔，支持20+模型
|
绑定单一厂商模型（有限替换）
|
|
工具集
|
全部为插件，可增删替换
|
产品内置固定工具集，扩展有限
|
|
Agent循环
|
插件化，可自定义修改
|
厂商定义，用户不可修改
|
|
交互入口
|
Web/CLI/API/SDK均为插件
|
固定入口（Web/IDE/CLI或桌面）
|
|
安全能力
|
Landlock内核级沙箱内置
|
云端隔离或本地直接执行
|
|
运行时扩展
|
支持动态加载插件，Agent自扩展
|
不支持运行时自扩展
|
4、选型建议
1）选DeepSeek Harness
-
需要搭建企业级/私有化Agent平台
-
要求多模型灵活切换、不被厂商锁定
-
需要深度定制工具链、工作流、安全策略
-
信创环境、内网部署、合规审计要求高
-
想研究Agent运行时原理、做二次开发
2）选OpenAI Codex
-
日常编码、调试、写测试的主力工具
-
已在ChatGPT生态内，希望三端联动
-
需要全面的工程辅助（需求→代码→Review）
-
团队协作场景，统一代码质量基线
-
偏好每周额度重置的订阅模式
3）选Claude Code
-
处理大型代码库、复杂重构任务
-
需要超长上下文（100万token）
-
重视MCP生态和 CLAUDE.md 项目记忆
-
需要CI/CD、GitHub Review、Slack集成
-
长文档/方案拆解与生成场景
4）选WorkBuddy
-
非技术人员的日常办公自动化
-
文件批量整理、文档/PPT/海报生成
-
深度使用腾讯办公生态（微信/腾讯文档）
-
希望AI直接操作电脑交付成品
-
多任务并行处理，减少重复性办公劳动
数据来源：DeepSeek官方、OpenAI官方、Anthropic官方、腾讯云WorkBuddy官方及公开技术社区 · 评估基于2026年8月公开信息