原厂 Harness 未必是版本答案：开放模型时代模型与 Harness 应分开选

核心观点首发于 X，这篇文章是完整版论述，附五家 Harness 的定位地图。

很多人选 Coding Agent 的第一反应都很自然：用 Claude，就上 Claude Code；用 GPT，就上 Codex；用 GLM，就上 ZCode；用 DeepSeek，当然优先考虑 DeepSeek 自己的 Harness。

这个思路其实完全合理。原厂最大的优势，就是最了解自己的模型。

原厂的优势是真的

模型喜欢什么样的 Prompt，Tool Schema 怎么设计最稳定，长上下文怎么组织，新版本增加了什么能力，哪些地方最容易翻车——原厂通常都比第三方更早知道。

所以 Claude Code 和 Codex 这种模型与 Harness 一起长期迭代的产品，原厂组合往往就是很强的版本答案。这一点我不反驳。

但训练模型和做 Harness，是两门完全不同的工程

到了 DeepSeek、GLM 这些开放模型，事情就开始变得有意思了。因为训练一个好模型，和做一个好 Harness，其实是两门完全不同的工程。

Coding Agent 真正跑起来以后，还有大量模型之外的问题：

• 文件怎么读、代码怎么改
• Agent Loop 怎么控制、Context 怎么压缩
• 缓存怎么利用、Tool Call 出错以后怎么恢复
• Subagent 怎么调度、权限怎么管理

这些地方做得好不好，会直接影响同一个模型最后到底好不好用。同一个模型，换个 Harness，体验可以是天壤之别。

更大的问题：模型更新速度太快了

今天 GLM 强，下个月 DeepSeek 可能又出一个更能打的 Flash，再过一阵子又有新的模型追上来。

如果整个 Coding 工作流都绑定在某一家原厂产品上，换模型往往连工具和习惯也要跟着换。你花了几个月调教出来的配置、记忆、工作流，全部推倒重来。

第三方 Harness 的价值就在这里：**你可以把自己熟悉的工具、Skills、MCP、权限和工作流固定下来，只替换底下的模型。**今天跑 DeepSeek，明天换 GLM，后天再换别的，工作环境不用推倒重来。

五家 Harness 定位地图

把主流五家的定位说清楚（截至 2026 年 8 月底我的使用体验）：

Pi：思路极简，Harness 尽量少干预模型，轻、快、Token 开销低，可塑性极强。适合做自己的长期 Agent 基座，简单、干净、随便魔改。

OMP：在 Pi 上继续堆 LSP、Debugger、Browser、AST 这些重型 Coding 能力，像给 Agent 装了一套完整 IDE。适合真正重度 Coding、需要复杂 Repo 导航的场景。

DeepSeek Harness：走得最远，Everything is Plugin，Agent Loop、工具、权限、Preset、UI 都可以拆开重组。适合折腾 Agent 架构、Preset、多 Agent 和下一代 Runtime 的人。多试 PTC 模式，速度更快、更省 token。

OpenCode：目前最均衡的一类，开源、Provider 多、生态大、Client/Server、桌面端、Subagent 都比较成熟。适合想要一套成熟通用型多模型 Coding Agent 的人。

Command Code：路子完全不同——它特别喜欢替模型补位。Tool Call 参数写错了本地修；文件重复读帮你去重；长 Session 维持 Stable Prefix 提高 Cache Hit；Context 快爆了就做 Compaction。这套思路放到 DeepSeek V4 Flash、GLM-5.3 Flash 这种苦力模型上，价值最大：模型差一点，Harness 给你补。

我的选法

如果只看长期可塑性，我依然更喜欢 Pi。但如果今天就让我拿 DeepSeek V4 Flash、GLM-5.3 狠狠干活，我会认真尝尝 Command Code 的咸淡——模型和 Harness 的组合是按任务配的，不是按阵营站的。

到了开放模型时代，模型和 Harness 已经完全可以分开选了。别再问「用谁家的模型该用谁家的工具」，改问「这个模型放在哪个 Harness 里，能把活干得最好」。