- OpenAI 在 2026 年 8 月 19 日把 Codex 定位為可嵌入產品的開放 Agent Harness；公開組件包括 Codex CLI、app-server 與官方 Codex SDK。
- 開放的是 Harness 與整合介面，不是 GPT 模型權重，也不等於 OpenAI 的託管服務全部開源。
- 企業可以保留自己的 Dashboard、資料、工具、業務規則與審批介面；Harness 負責 Agent Loop、狀態、Tool Call、Sandbox 及事件串流。
- 官方 ARC-AGI-3 實驗顯示，保留推理與 Context Compaction 可令 GPT-5.6 Sol 分數由 13.3% 升至 38.3%，輸出 Token 減至約六分之一；這是特定測試，不是所有任務的保證。
- 部分未符合新安全要求的 Astra Training／Evaluation Workloads 仍然暫停；這與 OpenAI-Hugging Face 事故屬官方明確區分的兩件事，OpenAI 指出 Astra 並沒有參與該事故。
許多人第一次接觸 AI Agent，仍然由一個聊天框開始：輸入要求、等待答案、再複製到另一個系統。這種方式適合探索，但當企業要處理真實資料、連接工具、修改紀錄或採取行動，聊天框很快便會變成樽頸。
OpenAI 在 2026 年 8 月 19 日發布「Codex as a platform」，核心訊息不是再推出一個新對話介面，而是讓開發者把 Codex Harness 放進自己已有的產品與工作流程。企業掌握介面、Context、工具與批准；Codex 負責底層 Agent Loop 與受控執行。
1｜Codex Harness 是甚麼？它與 Codex App 有何不同？
OpenAI 所說的 Codex Harness，是支撐 Codex 各種介面的 Agent Loop 與執行邏輯。它需要管理對話狀態、串流進度、調用工具、處理失敗、執行 Sandbox 與 Approval Policy，並把工作延續到下一個 Turn。
Codex App、CLI、IDE Extension 與 Web 是用戶看見的產品介面；Harness 是它們背後可重用的執行層。若你想先了解 Codex 產品本身，可閱讀 AD-Linkage 的Codex 是甚麼及工作應用。
OpenAI 公開的是 Codex CLI、app-server、官方 Codex SDK 等 Harness 與整合層。模型存取與託管服務仍然分開。換言之，「Codex Harness 開源」不等於「GPT-5.6 模型權重開源」。
2｜OpenAI 實際提供哪三種接入方法？
不同工作不需要同一種整合深度。OpenAI 官方把常見接入方法分成三層：
| 接入方法 | 適合情境 | 企業要負責甚麼 |
|---|---|---|
codex exec |
一次性 Script、CI Job、排程或有清楚終點的背景任務。 | 輸入、環境、權限、結構化輸出及失敗處理。 |
| Codex SDK | 應用程式需要開始、恢復或串流 Codex 任務，但希望用較直接的程式介面。 | 服務邏輯、資料接駁、任務狀態與用戶體驗。 |
| Codex app-server | Agent 本身是產品的一部分，需要持續 Thread、事件串流、中斷、工具與 Approval Request。 | 雙向 Client、介面、身份、Business Rules、資料與審批。 |
Codex App Server 是一個長時間運行的 Process，也是一套 Client 與 Codex Core 之間的雙向 JSON-RPC。預設以 stdio 傳送 Newline-delimited JSON（JSONL）；現行文件描述為 JSON-RPC 2.0 Messages，但 Wire Format 省略 jsonrpc: "2.0" Header。一次用戶要求可以產生多個進度、Tool Call、Diff 與完成事件；當 Agent 需要批准時，Server 亦可以反過來向 Client 發出要求並暫停工作。
3｜為甚麼企業不應把全部工作塞入通用聊天框？
企業員工理解工作的方式，通常不是一段孤立 Prompt，而是一個 Dashboard、一張訂單、一個客戶紀錄、一份文件、一條時間線或一個待處理 Queue。介面本身已經提供 Context，也決定用戶可以做甚麼。
OpenAI 的架構把責任分得相當清楚：
- 企業應用擁有：介面、Business Context、資料、工具、Consent、業務規則與 System of Record。
- Codex Harness 提供：Agent Loop、Thread State、串流活動、Tool Interaction、Sandboxed Execution 及 Approval Handling。
例如客服人員在客戶紀錄旁看到 AI 草擬回覆，可以先核對訂單與政策；物流人員在異常貨件頁面看到替代方案，可以要求高風險改單必須人手批准。AI 不需要搶走整個畫面，反而應在已有工作介面內提供下一步。
4｜Harness 真的可以令同一個模型表現大幅提升？
OpenAI 在平台文章引用 ARC-AGI-3 實驗：為 GPT-5.6 Sol 保留推理並加入 Context Compaction 後，得分由 13.3% 升至 38.3%，輸出 Token 減少約六倍。這組數據直接說明，同一個模型放進不同 Harness 設計，結果可以有巨大差異。
但閱讀這組數字要保守。它反映的是特定模型、特定 Benchmark 與特定 Harness 改動，不代表每一個客服、營銷、財務或編程任務都會提升相同比例。企業仍要用自己的資料、工具、限制與驗收標準測試。
錯誤結論：只要安裝 Codex Harness，所有 AI 任務都自動提升 2.9 倍。
5｜實際案例：Cisco 與報稅流程不是同一個案例
OpenAI 公開的案例可以分成三類：
- Relay 示範應用：OpenAI 建立一個使用虛構資料的物流 Dashboard，讓 Agent 比較貨件復原方案；真正改單前必須取得人手批准。這是架構示範，不是真實客戶成效數據。
- Cisco：官方文章指出 Cisco 在 Cisco Cloud Control 的 App Builder 使用 Codex SDK 建立自訂應用。
- Thrive Holdings 與 Crete：兩者把 Codex 用於包含專業人員回饋的報稅流程；Pilot 處理 7,000 份報稅表，準備時間約減少三分之一。
因此，不能把「Cisco 使用 SDK」與「報稅時間減少三分之一」合併成 Cisco 的同一個案例。這種歸因看似小事，實際會直接影響文章可信度。
對香港企業，更值得借鑑的是模式：公司保留自己的紀錄與介面，Agent 只取得完成指定工作所需的 Context 與工具，任何會改動真實資料的操作都要按風險設定 Approval。
6｜開源是否等於數據一定留在自己的系統？
不等於。開源讓企業可以檢查及改造 Harness，亦可以決定它在哪裡運行、接觸哪些檔案與工具、哪些操作需要批准；但模型請求、MCP、外部 API、Telemetry、Logs 與 Managed Service 的資料路徑仍取決於實際部署。
「數據留在自己的系統」可以是一個架構目標，不能當成安裝 Codex Harness 後自動成立的產品承諾。上線前至少要畫清楚：
- 模型在哪裡處理輸入；
- 哪些資料會進入 Context；
- 哪些 MCP 或 API 可以讀寫真實紀錄；
- Sandbox 可以限制甚麼；
- Approval 由誰處理，是否可以被繞過；
- 事件、Prompt、結果與憑證保留在哪裡。
7｜附件提到 Astra 與 Hugging Face：官方資料如何說？
附件把 Codex Harness 開放、Astra 訓練暫緩及 Hugging Face 安全事故串成一個「一邊擴生態、一邊守安全」故事。這個敘事有新聞張力，但三者的事實邊界必須拆開。
- Astra 並未參與 Hugging Face 事故。OpenAI 官方在 8 月的安全文章清楚說明，Astra 是另一個即將推出、被初步評估可能達 Critical Cyber Capability 的模型。
- 17,600 是約 17,600 個可重建的攻擊者行動，不是 17,600 次成功入侵。Hugging Face 的技術時間線把它們分成偵察、RCE、Dropper、Exfiltration、C2 等不同類別，整個可重建 Campaign 約 4.5 日；在 Hugging Face 基建內約 2.5 日。
- 20% 不是 OpenAI 全公司算力的固定比例。OpenAI 估算的是新監察系統對「被監察推理運算」帶來約 20% Overhead，而且實際成本會按工作而有很大差異。
OpenAI 8 月 18 日的說明稱，OpenAI-Hugging Face 事故與 Astra 的能力訊號是兩件分開的發展。公司曾暫停擬部署最新模型的強化學習訓練兩星期；最大型的前沿 RL Run 仍然暫緩，而部分 Astra Training 與 Evaluation 要待工作環境符合更高安全要求才恢復。
這些事件並不削弱 Codex Harness 的企業價值，反而說明 Sandbox、網絡隔離、最小權限、監察、停止條件與 Human Approval 不是附加功能。當 Agent 可以長時間使用工具，Harness 的安全設計會成為能力的一部分。
8｜這是否是 OpenAI 對 Kimi、MiniMax、Qwen 的「生態反擊」？
可以把它視為一種合理的市場分析，但不能寫成 OpenAI 已確認的官方動機。OpenAI 官方表述是：讓開發者把 Agent 放入已有產品與工作流程，毋須重新發明 Runtime；並沒有在公告中把開放 Harness 定義為針對某一批中國模型的行動。
更準確的觀察是，產業競爭正在分成多層：
- 模型層：能力、價格、Context、多模態、開放權重與部署選擇；
- Harness 層：工具、Session、Agent Loop、Sandbox、Approval、Observability 與錯誤恢復；
- 應用層：企業介面、資料、Business Rules、System of Record 與用戶責任。
DeepSeek Harness 同樣以開源 Agent Runtime 切入，而且強調「一切皆插件」與多模型組合。它與 Codex Harness 的出現，共同證明競爭不再只有「哪個 Chatbot 回答最好」。
9｜香港企業如何由聊天框走到受控 Agent？
- 先選工作，不先選模型：定義一段具體流程，例如讀取廣告數據、產生異常摘要、列出依據，再交由同事確認。
- 保留原有介面與紀錄：讓 Agent 在 Dashboard、CRM、文件或 Queue 旁工作，而不是要求員工重新把所有資料貼入聊天框。
- 只開最低所需工具：讀取與寫入權限分開，高風險操作必須有明確 Approval Gate。
- 定義成功與接管：甚麼叫完成？甚麼錯誤要重試？甚麼情況要停止並交人？
- 保留可追查證據：記錄 Context 來源、Tool Call、批准、輸出及最終改動，並定期抽查。
- 用同一批任務重測：模型、Harness、Prompt、Tool 或 Policy 一改，就要比較完成率、錯誤、人工接管與成本。
AD-Linkage 第五屆杭州研習交流團曾以 Codex 作主要實作工具，學員把日常工作改寫成「成果、背景與文件、限制、驗收標準」四部分。相關紀錄可參考由 Context、工具到成果驗收的 Codex 實作方式。
掌握 AI Agent、MCP、RAG、流程自動化與 Vibe Coding
AD-Linkage「人工智能應用績效實戰專業證書」以工作應用為核心，涵蓋企業知識、AI Agent、MCP、自動化及 AI 產品實作。課程列於香港資歷架構第四級及持續進修基金可獲發還款項課程名單；實際資格、資助額及發還條件以現行規定及個人情況為準。
常見問題 FAQ
Codex Harness 是否真的開源？
Codex CLI Repository 以 Apache 2.0 License 公開；OpenAI 亦列出 CLI、app-server 與官方 Codex SDK 作為開放組件。不過模型權重、模型存取及 Managed Services 是分開的層次。
Codex app-server 是一般 REST API 嗎？
不是一般一次請求、一次回應的 REST 形態。它使用雙向 JSON-RPC，預設透過 stdio 傳送 Newline-delimited JSON（JSONL），並以事件串流處理 Thread、Turn、Tool Call、Diff、進度與 Approval Request。
Codex SDK 與 app-server 應如何選？
一般程式化任務可先看 SDK；如果 Agent 是產品本身的一部分，需要長時間 Thread、完整事件串流、工具與批准互動，app-server 提供較深控制。一次性 Job 則可考慮 codex exec。
開源 Codex Harness 是否自動符合企業私隱要求？
不會。開源提高可檢查及可改造程度，但資料會否離開系統、誰可讀寫、日誌如何保存、模型如何處理輸入，仍由實際部署、供應商、工具及政策決定。
Astra 是否就是入侵 Hugging Face 的模型？
不是。OpenAI 官方明確表示 Astra 沒有參與 Hugging Face 事故；事故涉及 GPT-5.6 Sol 與一個不擬公開發布的內部研究 Prototype 等模型組合。
Harness 是否比模型本身更重要？
兩者不能互相取代。模型決定推理與能力上限；Harness 決定模型看到甚麼、可以做甚麼、如何修正、何時停止及如何受控。完整 Agent 的表現來自兩者配合。
總結：AI 的「最後一公里」是控制、接入與責任
Codex Harness 的真正意義，不是企業可以免費複製一個 Codex App，而是 Agent 的核心執行能力可以進入現有產品：在正確介面看到正確資料，使用有限工具，保留狀態，遇到高風險操作要求人批准，最後把結果寫回公司紀錄。
同時，Astra 與 Hugging Face 事故提醒所有企業：Agent 越能做事，執行環境、網絡、權限、監察及接管就越重要。由聊天框走入企業系統，不只是產品升級，也是治理責任的升級。
資料來源
- OpenAI Developers：Codex as a platform
- OpenAI Developers：Codex App Server
- OpenAI：Unlocking the Codex harness
- OpenAI：Unrolling the Codex agent loop
- OpenAI Codex 官方 GitHub Repository
- OpenAI：Pacing model development in an era of cyber-critical capabilities
- OpenAI：Responding to next-frontier critical cyber capabilities
- OpenAI 與 Hugging Face 安全事故初步報告
- Hugging Face：Agent Intrusion Technical Timeline
