Agent 竞争白热化之际，OpenAI、Anthropic 和腾讯却纷纷开放自家 Agent 底座。从 Codex Harness 到 Claude Agent SDK，再到 WorkBuddy 生态，一场围绕 Context 与平台化的暗战已然打响。本文深度拆解三巨头的开放逻辑与差异化路径，揭示 Agent 从 coding 走向通用平台的必然趋势。

Agent 战场打得最凶的时候，跑在最前面的三家公司，却不约而同地打开了自己的“引擎舱”。

9 月 10 日，OpenAI 将 Codex 背后的 Harness 做成托管服务，开放公测。

过去，这套系统一直藏在 Codex 里面，支撑着它持续运转。而现在，OpenAI 把这套系统开放了出来，开发者只需说清任务、选好模型、工具和运行环境，一次调用就能启动 Agent。一个月前，它甚至已经把这套 Harness 的核心代码开源了。

而再往前 8 天，9 月 2 日，腾讯也开放了 WorkBuddy 的基座。金融、法律、医疗等各行业伙伴，都可以在上面直接搭一个更懂自己行业的 Buddy。开放的不止是软件接口，硬件厂商也可以把它放进眼镜、手表、录音设备等终端。

按照腾讯公布的数据，首批进入这个体系的伙伴，已经超过一百家。

Anthropic 动手更早。去年 9 月，它将 Claude Code SDK 扩展为通用的 Agent SDK，把“读代码、调工具、看结果、再修改”的工作循环交给开发者，用来搭建自己的产品。

今年，Anthropic 又补上企业插件生态和 Managed Agents 托管服务。原本属于 Claude Code 的能力，也逐渐变成了一套可以被企业拿来继续开发的基础设施。

Codex 和 Claude Code 已成为硅谷最具代表性的 Agent 产品，WorkBuddy 则是目前国内用户规模最大的桌面办公智能体。三家公司开放的东西各不相同，方向却出奇一致：跑到市场前列后，它们都把原本只供自家产品使用的系统，变成别人开发 Agent 的起点。

Agent 竞争正酣，为什么“开放”会在此时成为它们的共同选择？

Agent 正沿着 coding、办公走向通用

要讲清楚这件事，得从代码说起。

Agent 最早跑通完整任务的地方，是写代码。因为代码世界规则清楚，对错也容易检验：改完就能运行，出错再回头修改。这个又快又明确的反馈循环，特别适合 Agent 练手。

今天，大家把模型外面的这套系统叫作 Harness。模型负责想，Harness 负责让事情继续往前走。

一开始，这套东西身上全是程序员的标签。后来，事情起了变化：Anthropic 团队发现，Claude Code 不只被工程师拿来写代码。数据分析师和销售团队都在使用它。

差不多同时，腾讯也看到了类似的变化。CodeBuddy 原本是为程序员而生，公司里却有不懂代码的员工拿它搜资料、做分析、出报告。对这些人来说，它已经不太像编程工具，更像一个可以接过完整任务的“同事”。

Coding Agent 就这样开始离开代码仓库，钻进浏览器、文档、表格和 PPT。终端换成办公软件，报错换成业务规则，但底下的路数没有变：先理解目标，找齐上下文，调用工具，再把结果交回来。

在代码里学会连续执行的 Agent，到了办公桌上，第一次显出了通用的样子，用户交给它的东西，也从一句话指令，慢慢变成了一整项工作。

不过，办公桌上的世界比代码仓库大得多，也难收拾得多。

比如一份经营分析，要用到公司的财务数据和业务口径；一次法律尽调，要进入专业数据库，还得遵守权限和审计规则。哪怕只是做一份 PPT，也要知道用户过去的文件长什么样，公司的模板有什么规矩，这次汇报究竟想解决什么问题。

任务再往金融、法律、医疗和制造业里走，上下文只会更厚。模型得知道一家企业怎么运转，数据放在哪里，谁有权调用，做到什么程度才算真正交付。

这也是 Agent 从代码走向办公之后，竞争发生的一个重要变化。

随着模型和 Harness 能力不断趋近，企业竞争会越来越多地落到 Context 上。一个新人再聪明，不了解公司的历史资料、组织关系和工作规则，也很难把活干好，Agent 同样如此。

问题在于，这些上下文没有一样完整攥在某一家公司手里。它们散在企业内部，也散在软件公司、数据商、硬件厂商和专业机构那里。

WorkBuddy 开放生态时，负责人刘毅说得很直接：“真正的生产力，从来不取决于一个工具有多强，而取决于它能连接多少能力、走进多少场景。”数据够不着，Agent 就是旁观者；行业 Know-how 不知道，Agent 就是外行。

一家公司当然可以继续自己加功能。但现实世界的任务实在太多，行业上下文也太厚，靠一支研发团队把它们全部补齐，几乎不可能。

开放由此不再只是一个姿态，而成了解决问题的办法。

从三家公司目前的动作看，这种开放正在朝两个方向展开。

一个方向，是把底座交出去，Agent 遍地开花。各行各业拿到以后，再做出各自的 Agent。它们使用相近的执行系统，却面对不同用户，处理不同任务，也可以保留自己的品牌和入口。

另一个方向，把长在底座上的能力和 Agent 连接起来，形成网络。平台保留相对通用的入口，用户只需要说自己想做什么，入口再去调用各种行业知识或办公应用；当然也可以在平台上直达更加专业垂直的 Agent。

这不是两条非此即彼的路线。一个平台完全可以同时做两件事。

Anthropic、OpenAI 和腾讯都在两边下注，只是各有侧重。Anthropic 更重视开发标准和企业连接；OpenAI 想把模型、Harness 和托管运行连成一体；WorkBuddy 则同时把行业应用、企业软件和硬件入口拉了进来。

过去，这种连接的代价很高。每一套软件、每一个数据源都要单独开发接口，垂直 Agent 也得从头搭建执行系统。现在，Harness 可以封装成 SDK 和 API，MCP、Skill、插件和 Connector，则给外部能力装上了相对标准的插座。这也让 Agent 从 coding 走向“办公”再走向通用平台具备了能力基础。

需求，时机和能力恰好都出现了。

当然，一切才刚刚开始。开发者愿不愿意接，各行各业愿不愿意把能力放上来，取决于他们是否相信这里已经有大量用户，有持续发生的任务，也有足够强大的底层能力。

Claude Code、Codex 和 WorkBuddy，中美这三款头部 Agent，跟其他一大批智能体之间的差别，就在这里。它们把大量任务验证的能力，沉淀在了底座里。

只是，同为开放底座，三家公司放大资产却不是同一回事。它们从不同优势出发，由此也走出了平台化的不同路径和想象。

模型往外长

Anthropic 和 OpenAI，大体沿着模型能力不断外溢的路径走来。

Claude Code 的诞生，本身就是一次模型能力的外溢。

它的创造者 Boris Cherny 起初只是为了熟悉公司的 API，做了一个简单的命令行工具。他逐渐给 Claude 接上终端、文件系统和编辑权限，模型开始自己读代码、修改文件、运行测试。

一个练手项目，就这样长成了 Claude Code。

Cherny 后来把这种现象称为“Product Overhang”：模型已经会做一些事，只是还没有合适的产品，把这些能力真正释放出来。

不过，Claude Code 在 2025 年 2 月发布最初几个月，并没有爆发，甚至谈不上真正好用。

转折发生在当年 5 月。Opus 4 和 Sonnet 4 上线后，Claude Code 第一次明显加速。

半年后，Opus 4.5 又把产品推上了一个台阶。模型不只更会写代码，也能更长时间地保持上下文，使用终端和其他工具，发现错误后自己退回来重试。一些开发者把它形容为编程能力的“阶跃式提升”。Opus 4.5 发布后的不到两个月，Cherny 就公开说，自己没手写过一行代码了。

Claude Code 提供了一个很典型的样本：模型每往前走一步，原来勉强可用的功能，就可能突然变成一种新的工作方式。

Claude Code 接住的是代码。后来，用户又把同一种工作方式带进文档、表格和日常办公，Anthropic 顺势做出了 Cowork；Agent SDK 则进一步把这套执行循环交给开发者，让更多人去寻找下一个能接住模型能力的场景。

Anthropic 很少直接谈平台化，它只是在发布 Agent SDK 时表示，要把支撑自家前沿产品的基础设施交给开发者；MCP 的扩张，则让它进一步进入 Agent 连接数据和工具的协议层。Salesforce in Claude 就是一个例子：销售人员可以直接在 Claude 里调取 Salesforce 中的客户资料，准备拜访、检查商机，并把结果写回 Salesforce。

OpenAI 走过了相似的路。

Codex 在执行编程任务的过程中，逐渐沉淀出上下文压缩、工具调度、故障恢复和子 Agent 编排等能力。现在，OpenAI 把这套 Harness 从 Codex 中拆出来，做成了托管服务。

有人将其称为 Agent 的“AWS 时刻”：过去，开发者除了接入模型，还要自己搭建任务调度、运行环境和恢复机制；现在，只需定义任务、模型和工具，其余运行工作可以交给 OpenAI。

但 OpenAI 得到的不只是更多 API 收入。

一旦把上下文管理、工具调度和任务恢复交给 OpenAI，开发者接入的就不只是模型，而是一整套 Agent 运行系统。应用对这套系统依赖越深，迁移成本就越高。

奥特曼的平台设想也很明确。他在 8 月的一次访谈中说，“ OpenAI 必须坚定地成为一家平台公司。 提供一个通向 AGI 的统一交互入口，并通过强大的 API 接口让全世界的开发者和各行各业在其上自由构建应用。”

今年 7 月，Codex 并入 ChatGPT，形成 Chat、Work、Codex 三个入口，接住用户；Agents API 和托管服务则接住开发者。OpenAI 想把用户和开发者都留在自己的体系内。

9 月 17 日，Anthropic 也将 Claude Chat 与 Cowork 合并为统一入口。两家公司的路线由此形成了一个共同结构：底层能力向开发者开放，用户任务向统一入口收拢。

这正是模型能力外溢的路径：模型先催生产品，产品再沉淀出可复用的 Agent 运行能力；这些能力开放后，又带来更多应用和真实任务，反过来推动模型与运行系统继续进步。

模型优势也因此有机会被层层放大：先变成产品优势，再变成系统优势，最后变成生态优势。

但这条路也有一个明显的前提：模型公司必须不断向前跑。

“Product Overhang”有两面。新模型可以突然让一款产品跨过可用门槛，也可能在下一次升级中直接吞掉一批建立在旧能力缺口上的应用。今天属于开发者的功能，明天可能变成基础模型的默认能力。

但风险就在于，今天领先的模型，也未必能永远保持领先。一旦模型差距缩小，或者用户更看重数据、场景与任务入口，优势也可能从模型一侧向外转移。

腾讯正是从这里走上了另一条路。

整机开放

大模型竞争前期，混元相对落后。腾讯 CodeBuddy 团队选择接入多家模型，并把大量精力用在打磨 Harness 以及一套托住产品体验的工程系统。

后来，这套系统从代码进入办公，变成了 WorkBuddy。办公场景一打开，腾讯原有的资产也开始汇进来：腾讯文档、ima、企业微信、乐享、腾讯会议等产品接连打通；跟混元 co-design 去升级 Agent 能力……

腾讯没有等模型、Harness、产品和生态依次成熟。它一边追赶模型，一边打磨 Harness；一边用产品接住任务，一边把软件、数据和行业服务接进来。几条线同时向前，最后在一个工作入口里汇合。

如果说 OpenAI 主要把 Codex 的执行引擎变成云服务，WorkBuddy 更像是开放了一套“Agent 整机”：既有执行底座，也有账号、记忆和多端流转；既允许伙伴接入 Skill、Expert 和 Connector，也允许它们直接做出带有自己品牌的 Buddy；硬件厂商还能把同一个 Buddy 放进眼镜、录音设备和桌面终端。

它交出来的不只是发动机，还包括底盘、驾驶舱和外接接口。一方面，行业伙伴可以拿走底座，做自己的投资研究工作台、法律 Agent 或医疗应用；另一方面，它们的数据、软件和专业经验，也可以接回 WorkBuddy，在用户交出任务后被自动调用。

这条路也有一个特殊的市场条件。美国企业软件市场已经形成微软、Google 和 Salesforce 等强势体系，OpenAI 和 Anthropic 既要接入这些系统，也要面对它们自身的 Agent 化。中国同样有强势办公入口，但企业数据和业务流程更加分散，尚未形成相同的集中格局。这里需要的不只是一颗更聪明的大脑，还需要有人把散落的能力组织起来。

这恰好是腾讯熟悉的事情。

从早期开放平台到微信小程序，腾讯没有亲自做完所有供给，而是先提供入口、账号和基础设施，再让合作伙伴补上自己无法覆盖的产品与服务。也难怪外界评价说，这是腾讯的第三次开放。

刘毅把 WorkBuddy 的目标称为“面向 Agent 时代的操作系统”：不是再做一个更强的工具，而是做一个能够承载所有工具的平台。

腾讯想争的，是任务发生的地方。这可能形成另一种飞轮：用户和任务越多，越能吸引模型、软件和行业伙伴接入；可调用的能力越丰富，WorkBuddy 能完成的任务越多，又会带来更多用户和任务。相互增强，网络效应也可能随之出现。

如果未来模型差距缩小，或者不同模型各有所长，WorkBuddy 的多模型和广连接就更有价值。混元继续追赶，引入姚顺雨重建大模型以来，腾讯一路加速，如今 HY4 preview 终于跻身第一梯队，可以守住自有能力；外部模型保持接入，又让产品不必等到混元处处领先，才能完成复杂任务。

但它也意味着更大的工程难度。开放的层次越多，平台越需要处理模型选择、权限继承、工具协同和责任追踪。所谓“整机”，既可能成为腾讯的后发优势，也可能成为一台最难开稳的机器。

用户究竟会在哪里留下来

三家公司走到这里，初步显露出不同的平台形状。

但更重要的问题是，用户愿意在哪里留下来。

《财经》杂志今年 8 月末面向互联网及泛科技从业者做了一次问卷调查。截至 9 月 3 日，共收回 417 份问卷。其中有一组数据很有意思：如果只允许保留一款 AI Agent 或编码工具，37.6% 的受访者选择 Codex，25.7% 选择 Claude Code，15.3% 选择 WorkBuddy，为国内最高。

调查采用定向发放，样本也集中在互联网和泛科技行业，不能代表整个市场。但“只能留下一个”的问法，仍然测到了一件有价值的东西：一款工具在用户工作流中，究竟有多难被替代。

Codex 和 Claude Code 已经深入代码仓库、终端和软件工程流程。开发者替换它们，不只是换一个聊天框，还要改变工具链和工作习惯。它们的黏性，首先来自模型能力与专业工作流的结合。

WorkBuddy 出现在这份名单里，意义有所不同。它进入市场更晚，却已经开始被一部分用户当作可以独立保留的办公入口——在这份调研里，选择 WorkBuddy 作为唯一 Agent 的，接近八成都来自非产研岗位。

三款产品都开始形成不可替代性，只是这种不可替代性建立在不同的东西上。这也把未来的竞争压缩成了一个更简单的问题：用户最后会固定什么？

如果用户固定的是最强模型，产品、Harness 和开发生态就会围绕模型聚集。前沿模型每领先一步，Anthropic 和 OpenAI 的优势就能继续向外传导。

如果用户固定的是任务入口，模型可以替换，数据、软件和专业 Agent 可以在后台调度，那么 WorkBuddy 这样的工作台就会获得更大的空间。

现实很可能介于两者之间。

《财经》的小样本调查提供了一个早期信号：一半选择 WorkBuddy 的受访者已经习惯“固定 Agent、更换底层模型”。对这部分用户来说，WorkBuddy 是日常工作入口，底层模型反而没那么重要。

投资人朱啸虎最近在一次访谈中也提到，“WorkBuddy 下面的基座模型我是可以随便换的，但 WorkBuddy 的核心壁垒是用户愿不愿意把他的企业知识库、把企业的组织关系放到 WorkBuddy 里面来。”

这也是为什么它不只开放 Harness，而是把 Agent 底座、产品框架、Skill、Expert、Connector、行业应用和硬件入口一起交出来。越想成为通用任务入口，需要组织的要素就越多，开放的层次也就越深。

写代码的人可能长期固定 Claude Code 或 Codex，因为模型和专业工作流很难拆开；普通职场人则可能更愿意固定一个办公 Agent，把模型选择交给平台。最复杂的任务继续追逐最强模型，大量日常

工作则更在意上下文是否完整、工具能否接通、结果能否稳定交付。

三家公司眼下的开放，都是在争取让自己最擅长的部分，成为用户最难替代的选择。

这也是为什么 Agent 战场烽火四起，头部玩家却纷纷打开“引擎舱”。