五个人，十四天
8 月 13 日晚上，DeepSeek 发了 V4-Pro，同时把自己的 agent 框架开源了。命令行叫 dsh，开发者预览版 v0.1，MIT 协议。上线几个小时，GitHub 仓库拿到三万多颗星。
这东西不是模型，也不是一个 AI 编程助手。它是让模型去调用工具、读写文件、执行任务的那一层系统。DeepSeek 给它起了个名字叫 Harness，并且给出了一个很干净的定义：除模型本身以外的所有工作，都属于 harness 的范畴。
再往前两个月。6 月 11 日凌晨，小米 MiMo 团队发布并开源了 MiMo Code，一个跑在终端里的编程 agent。罗福莉在 X 上写的是：14 天，5 个人。它不是从零造的，是 fork 了开源项目 OpenCode，在上面加了自己的东西。
再往前，7 月 26 日的 TapTap 开发者沙龙上，心动 CEO 黄一孟发布了 Cindy——一个开源的 AI Agent 客户端，Apache-2.0。
三件事凑在一起看，结论很直白：做一个自己的 agent 工具，从来没有像 2026 年 8 月这样容易过。五个人，两周，就能有一个自己的。
所以问题就来了。你要不要也做一个？
我的答案是不要。但更重要的是，这个问题本身就问错了。
你在保护错的东西
先把两个被混着说的词分开，不然后面全是糊的。
Harness 是模型之外的执行层。上下文怎么管、工具怎么调、循环怎么转、命令在哪个沙箱里跑、哪一步要人点头、日志往哪写。Claude Code、Codex、Pi、OpenCode、DeepSeek 的 dsh，都在这一层。
Agent 客户端是 harness 上面的产品外壳。界面、账号、跨设备、记忆怎么存、skill 怎么管、团队额度怎么分、能不能从企业微信里接活。Cindy 是这一层，腾讯的 WorkBuddy 是这一层。
Cindy 的自我描述写得很清楚：把多套 harness、多个模型、多种工具收进同一个 agent 里。也就是说，它把 harness 当成了可以随时更换的内核。
分清楚之后，真正该问的问题浮出来了。不是"我要不要做一个"，而是——你在用 agent 干活的过程里，产生了三样东西，它们现在在谁手里？
第一样是行为数据。你提了什么需求、试了几轮、哪一步中断、agent 给的哪个补丁你接受了哪个你直接丢掉、你什么时候放弃指挥它转而自己动手。这些东西在静态代码里一个字都看不到。
第二样是决策数据。为什么选 A 不选 B、哪条路你走过发现不通、这个方案被否掉的真实理由是什么。这是三样里最贵的，因为它稀缺到连人自己都很少写下来。而在 agent 的对话里，它第一次被大规模地写下来了。你随口那句"这个方案不行，运维扛不住"，可能是你们公司这个月最值钱的一句话。
第三样是记忆。AGENTS.md 之类的仓库约定、skill、内部库的用法、踩过的坑。
现在看这三样东西的处境。最容易保护的是记忆，因为它本质上就是你仓库里的几个文本文件。最贵的是决策数据，而它每天都在往外发。
但大多数人的注意力在哪？在"我的代码会不会被拿去训练"。
那恰恰是三样里最不值钱的一样。你的业务代码没那么独特，同样的功能全世界有一万个人写过。真正独特的是你为什么这么写——那些取舍、那些否决、那些在第三次尝试之后才想明白的东西。这些以前散在人的脑子里和会议室里，现在被完整地记录进了 agent 的会话。
模型之外的那一层，突然值钱了
Harness 这一层以前没人认真看。大家默认它是模型和文件系统之间的一层胶水，谁写不是写。
Composio 前几天做的一组横评把这个默认打碎了。
他们拿同一个 DeepSeek V4 Flash，塞进 8 个不同的 harness，跑同一批 30 个高难度任务。任务是跨 SaaS 的真实工作流——在 Airtable、Gmail、Google Calendar、Google Sheets、GitHub、Slack、PostHog 之间来回操作，产出可以被独立验证的结果，每个任务最多 900 秒。比如从表格里读 40 条 session，按 ID 去日历里找到对应事件，错的就地改、缺的补上，同时不能碰到任何无关事件和源表格。
240 次运行，129 次成功，整体通过率 53.8%。30 个任务里只有 6 个是所有 harness 都能做对的。
具体成绩：Pi 通过 20 个，66.7%，排第一；Oh My Pi 17 个；Claude Code、Codex、Deep Agents 各 16 个；Hermes 15 个；OpenCode 14 个，46.7%，排最后。第八个是 Prime Agent，30 次运行里有 6 次因为会话体积过大无法评分被剔除，按有效的 24 次算通过 15 个——它单次能烧到 350 万 token、33 次工具调用，是这批里最重的选手。
同一个模型，只是换了外面那层壳，通过数从 14 变成 20。
成本差得更夸张。Pi 平均每个成功任务约 0.028 美元，Claude Code 是 0.195 美元，接近七倍。速度又是另一个排序：Claude Code 中位耗时 122.7 秒最快，Oh My Pi 272.4 秒最慢。没有任何一个 harness 在成功率、成本、速度三项上同时领先。
这个结果有争议，而且争议本身很重要。Pi 的测试配置和统一条件不完全一致——它用的是 high 而不是 max 的推理强度，30 个任务里有 24 个走的是 DeepSeek 官方 API 而不是 OpenRouter。Claude Code 的负责人 Boris Cherny 在评论区公开质疑，说这个结果和 Anthropic 内部的日常评测完全对不上，要求公开评测集。
但无论谁对，有一件事被这场争论坐实了：**不指明 harness 的模型跑分，基本没有意义。**一份榜单只写模型名字不写用了什么执行框架，那个分数是残缺的。
而这一层，恰好在最近半年被开源打穿了。
OpenCode 是 SST 团队的项目，2025 年 6 月上线，前五个月才涨到 5 万星。到今年 8 月，19.2 万星、2.46 万个 fork。它把架构明确拆成两层：harness 负责文件读写、命令执行、测试结果收集，模型层通过兼容接口接任意大模型。今天用 Claude，明天换 GPT，后天切本地 Qwen，工具不变。
Pi 走的是相反的路。它的作者是 Mario Zechner，写 libGDX 那位。Pi 只有四个工具：read、write、edit、bash。README 里的哲学部分专门列了它不做什么——不做权限弹窗、不内置 MCP、不做子 agent、不做 plan mode，每一项都写了理由和替代方案。它的口号是：agent 框架有很多，但这一个是你的。
一个往厚了做，一个往薄了做，两个都拿到了八万到二十万量级的星。这说明 harness 这一层已经不是需要自己发明的东西了。
一纸条款，掐断一条工作流
OpenCode 从 8 万星到 19 万星，只用了七个月。这个增速不是自然发生的。
2026 年 1 月 9 日，Anthropic 在没有任何预告的情况下，部署了服务端检查，切断了第三方客户端通过订阅 OAuth token 调用 Claude 的路径。OpenCode、Cline、RooCode 全部中招。同时，Anthropic 向 OpenCode 发出法务要求，要求移除所有 Claude 订阅认证路径。
几乎同一时间，Anthropic 推出了 Cowork——一个面向非开发者的产品，让 Claude 直接访问项目文件、在受控环境里执行任务。
Anthropic 没有发任何正式公告，事前事后都没有。唯一接近官方回应的，是变更生效第二天一位员工用个人账号发的帖子，理由大意是第三方工具会造成异常流量模式，用户来问限流或封号问题时官方很难排查。
三个月后又来一次。4 月 4 日中午起，通过 Claude 订阅凭证使用 OpenClaw 这类第三方工具的用量，不再计入订阅额度，要么另外买预付费额度，要么去申请 API key。Anthropic 给了三个补偿选项：一笔等同当月订阅费的一次性积分、折扣价的额外额度包、或者全额退款。
站在 Anthropic 的角度，这些理由都成立。算力紧张、成本被转嫁、支持链路断裂，都是真问题。
但站在用户的角度，事实只有一条：你的整条工作流跑在别人的商业条款上，条款变更就是你的停机事故。
而且断供只是表层。品玩当时那篇分析给出了另一个解读，我觉得更接近本质：封第三方入口和推 Cowork，指向的是同一个战略目标——控制开发者工作流程中产生的数据。
理由是这样的：过去几年，网页文本、开源代码库、技术文档已经被系统性采完了。GitHub 上几千万个仓库、Stack Overflow 的问答、各种技术博客，这些静态数据教会了模型怎么写代码。但现在稀缺的不是这个。稀缺的是人和 agent 交互的过程——需求怎么提、任务怎么拆、在哪一步失败、返工了几次、人最后接受了什么。
也就是第二节里说的行为数据和决策数据。
在停机风险变成现实之前，你的这两样东西已经一直在替对方积累了。
fork、包壳、自研：三条路各让出了什么
这事其实不新鲜。Uber 有 Michelangelo 和跑在后台的编程 agent，Stripe 的 Minions 是 fork 自 Block 开源的 Goose，Coinbase 有 Forge，Ramp 有 Inspect，这些大厂从去年起就在自建了。OpenAI 自己在 2 月对外讲过一套内部方法论，说五个月里用 Codex agent 群做出并发布了一个大约一百万行代码、零手写源码的 beta 产品。
但在此之前这基本是大厂专利，因为造一个能用的 harness 要一个团队干很久。现在门槛塌了，路径也分化成了三条。
fork 派
小米 MiMo Code 是最典型的。直接 fork OpenCode，5 个人 14 天，MIT 开源。
它加的东西是有针对性的。核心是一套持久记忆：项目级的 MEMORY.md 存知识和规则，checkpoint.md 存会话检查点，tasks 目录下的 progress.md 存任务进展，底下用 SQLite 兜底，由一个独立的 subagent 专门负责写。主 agent 只管干活，记录完全外包出去；上下文窗口快满的时候重建一份干净简报，主 agent 接着往下走而不是从零开始。另外还有个 /dream 命令，每 7 天自动触发，由独立 agent 读历史会话和现有记忆文件，做合并、去重、验证路径有效性和压缩。
有意思的是，这些恰好是 OpenCode 官方明确不做的方向。持久记忆那个 issue 被官方标记为 closed as not planned，跨 session 记忆的 issue 开着但官方零参与。社区呼吁了半年没结果，MiMo Code 就补进了这个空白。
代价也很清楚。开源第一周，MiMo Code 的 PR 合并率是 0.7%，合进去的全是文档和二维码；同期 OpenCode 是 64%，多数是修复和功能。issue 区两百多条：装不上、免费通道登录后凭证不持久化、从 Claude Code 导入 key 失败、升级后界面里还显示 OpenCode 字样、WSL 下运行异常，还有 agent 没经确认就删掉了用户的全局 npm 包。
fork 的账是这么算的：造它花 5 个人 14 天，维护它要的人月远超这个数。上游每往前走一步，你的补丁就要重新对一次。
抽象层派
心动的 Cindy 和 YC 开源的 QM 走的是另一条路：不 fork，把现成的 harness 当可替换的执行内核，自己只做上面那层。
QM 把这个做法暴露得最直白。它的 package.json 里，Claude Agent SDK、Codex、OpenCode SDK、Pi 是四个普通依赖，每个在 harness 目录下有一个适配器，挂在同一个接口后面。换执行内核是改配置，不是做迁移。有人读过它的源码后给了一句评价：管"谁能看什么"的代码量，是驱动模型那部分的两倍——而这个比例本身就是产品。
代价是：你把身家性命押在上游 API 的稳定性上。Claude Code 或 Codex 改一次接口形态，你的抽象层就得跟着裂一次。
自研派
DeepSeek 的 dsh 是最清楚的样本。
dsh 的设计原则是一切皆插件——模型、工具、界面，甚至 agent 的运行循环本身，都由插件组成，不改框架源码就能替换或扩展任何一项能力。配置分三层叠加：官方发布的成套插件组合 bundle、你机器上的具名组装清单 profile、你自己的覆盖层 patch，上层始终覆盖下层。系统提示词、工具调用、子 agent 调度、上下文注入，全部写进同一份仅追加的日志，支持恢复、分叉、检索和回放。
沙箱设计上，它把文件沙箱和操作审批分开，默认工作区可写、敏感操作询问，Windows、macOS、Linux 各有各的隔离实现。官方也很坦白地说明了边界：这套沙箱主要约束文件操作，网络访问和进程可见性不在规则范围内。
这条路基本只有模型厂商走得通。DeepSeek 今年 5 月就单独组建了 harness 专项团队。他们要的不是"一个 harness"，是"我的模型配我的 harness"这个组合优势——模型和执行层一起调，能压出别人压不出来的成本和成功率。
三条路各有各的取舍。但有一件事，三条路都没有替你解决：行为数据和决策数据的归属，取决于你的日志和会话记录落在哪台机器上，不取决于你 fork 了谁。
你可以 fork 一个 harness，然后把所有会话原封不动地发给某个云端服务。那样你只是拥有了代码的所有权，没有拥有数据的所有权。
105 亿买的不只是入口
中国这条线长得不太一样，腾讯是最清楚的样本。
2026 年 1 月的一个周末，腾讯云一个大约十人的 AI 代码助手团队，用两个通宵做出了 WorkBuddy 的原型。1 月 19 日在内部开测，两千多名不同岗位的员工参与。3 月初对外上线，访问量远超预期，团队紧急扩容了十倍——3 月 9 日还发过一封致歉信。
到二季度末，易观的数据是 WorkBuddy PC 端月访问量 2097 万，超过第二名字节 Trae 加第三名阿里 QoderWork 之和。花旗研报给的口径是月活突破 2000 万、日活突破 1300 万。上线三个月，平台人均 token 消耗涨了超过十倍。马化腾在一季度财报里写了一句：他们相信 WorkBuddy 是目前中国使用最广的效率 AI 智能体服务。
要注意这条产品线的出身——它是从 CodeBuddy 团队里长出来的。一个做编程 agent 的团队，两个通宵就把能力平移到了通用办公 agent 上。这不是巧合，是因为 harness 那层能力本身就是通用的：任务拆解、工具调用、文件读写、多步执行，编程只是它第一个跑通的场景。
代价在 8 月 12 日的二季度财报里第一次被完整摊开。
腾讯罕见地把新 AI 产品单独列了出来。剔除 Hy、元宝、CodeBuddy、WorkBuddy、小微这些产品的收入成本开支之后，二季度 Non-IFRS 经营利润 861 亿，同比增长 19%；加回去之后是 756.36 亿，同比只增长 9%。
一个季度 105 亿的利润缺口，把核心业务的利润增速直接砍掉一半。
同季度研发支出 272.8 亿，同比增 35%；资本开支 527.84 亿，同比激增 176%，环比增 65%。自由现金流录得负 138 亿，是 2005 年以来首次单季转负。作为对照，腾讯 2025 年全年的资本开支是 792 亿。
105 亿一个季度，买的是什么？
如果只买流量，这笔账很难算平。但还有另外一半：1300 万人每天在一个 agent 上完成真实工作——提了什么需求、模型怎么拆解、在哪一步失败、用户有没有接受结果。这些过程数据反过来能不能让模型变强，才是这笔投入真正在赌的东西。
换个视角看同一件事：你每天贡献给它的，正是第二节里那三样东西。
一家游戏公司的答案
游戏行业里，心动是把这件事想得最透的一家。
2026 年 1 月 30 日，TapTap 发布了 AI 游戏创作智能体"TapTap 制造"。架构是三块：自研的 AI Native 游戏引擎、整合多元资源的工具箱、注入了游戏创作技能的智能体核心。从创意输入到作品上线，全流程在一个聊天框里用自然语言完成。
效果数据不用修饰：2026 年上半年，TapTap 新发行的可玩游戏达到五千款，接近去年同期的十倍，其中超过四千款借助 AI 制作。
半年后的 7 月 26 日，TDW 2026 上，黄一孟发布了 Cindy。
Cindy 的技术选择值得逐条看：
它把多套 harness、多个模型、多种工具收进同一个 agent。首批支持的 harness 是 Claude Code 和 Codex，自研 harness 在做。模型和 harness 可以自由混搭、任务中途切换，而工作区、记忆、skills、工具保持连续——一个任务甚至可以由不同的 harness × 模型组合，分别负责规划、并行执行和复核。
模型供给给了三条路：登录官方服务按量透明扣减；一键授权你已经在付费的 Claude Code 或 Codex Coding Plan，不必重复付费；或者接你自己的 API key 和本地模型。
第二条路和第四节里 Anthropic 的封禁看起来是矛盾的，值得单独说一句。被封的是绕过官方客户端、直接拿订阅凭证去调 API 的做法；而 Cindy 是把 Claude Code 这个客户端本身当执行内核来驱动。两者在技术形态上不一样，但它踩的是同一条线的两侧，这条线未来会往哪边挪，取决于厂商而不是你。这本身就是"把执行内核当耗材"这个设计的理由——今天能用的路径，明天未必还在。
记忆那部分，官方文档的表述是：纠正一次，下次自动做对，多套 harness 共用同一份记忆。
企业版做的是限额、成本优化、分团队的模型和额度管理、团队级 Skill 分享与治理。而且明确说了：企业可以自行搭建，也可以直接使用心动内部已经跑通的基础设施和服务。
最后这句话信息量最大。它等于承认，Cindy 不是一个新做的产品，是心动把自己内部已经在跑的 agent 基建拿出来开源和商业化了。这和腾讯从 CodeBuddy 长出 WorkBuddy 是同一个动作，只是心动选了开源这条路径。
还有一件更容易被忽略的事，藏在 TDW 的其他公布里。
TapTap 制造从平台统一承担成本、提供云端模型和算力，转向赠送与购买并行、模型与算力自主选择的开放模式；开发者可以通过 MCP 在本地使用相关能力；作品不再绑定 TapTap，可以发布到 Steam 等其他平台；引擎未来希望完全开源。
同时——整个 TapTap 的发布流程要改造成对 agent 友好，开发者中心将命令行化，让 agent 能方便地完成游戏发布所需的全部工作。
这才是最狠的一步。它不是在做一个更好的 agent 工具，它是在改造自己被调用的方式。
把这三件事连起来看：TapTap 制造解决创作，Cindy 解决工作环境，平台 agent 化解决发布。而"多套 harness 共用同一份记忆"这个设计本身就是态度——它承认执行内核是可以换的耗材，记忆才是要留下来的资产。
留在自己这，也意味着自己扛
