一句话看懂：OpenAI 开源了一个用于构建 AI 代理的核心框架（agent harness），它已经在 Codex 和 ChatGPT Work 中投入使用，但同时也在加紧优化以控制 Token 消耗。这一动作既展示了 OpenAI 在代理领域的开放态度，也暴露了大规模推理成本带来的真实压力。
事件核心：发生了什么
根据Techmeme提供的摘要信息，OpenAI 将其内部用于驱动 Codex（AI 编程助手）和 ChatGPT Work（面向工作场景的 ChatGPT 模式）的 agent harness 进行了开源。该框架本质上是管理 AI 代理行为、工具调用和上下文交互的一个轻量级运行时层。目前公开信息显示，OpenAI 同时在调整该 harness 的内部设计，目标是削减“runaway token usage”——指因代理循环调用、工具链爆炸或冗余上下文累积而导致 Token 大幅超出的情况。这一优化方向暗示该框架在真实生产环境中的成本仍然偏高。
为什么重要
AI 代理（Agent）是 2025–2026 年各大模型厂商争夺的下一代能力入口，但制约其落地的核心瓶颈往往是推理成本。OpenAI 此次开源等于向开发者社区提供了一个经过 Codex 和 ChatGPT Work 验证的代理框架，降低了从零搭建的门槛；同时暴露的 Token 优化问题也表明，即使对 OpenAI 而言，大规模部署智能代理仍然面临算力和商业化的双重挑战。这一举措可能推动更多公司围绕开源框架构建生态，进而倒逼推理引擎、上下文管理工具和缓存方案的加速迭代。
对用户/开发者/创作者的影响
- 开发者可以免费获得生产级参考实现：开源框架内置了多工具调用、状态管理和错误恢复等常见模块，可直接复用于私有代理项目或二次开发，节省大量基础工程时间。
- ChatGPT Work 用户将体验到更稳定的 Token 预算：当优化完成，ChatGPT Work 的长对话和连续任务执行可能不再频繁遭遇“输入超长”或“用量超限”的提示，工作流的连续性会更好。
- Codex 用户（如企业自动化团队）需要关注框架更新后的上下文窗口和定价变化，因为 Token 节省可能以更激进的上下文截断为代价，需评估对代码生成准确率的影响。
值得关注的后续
- 开源社区的反馈速度：框架是否能快速形成第三方插件生态，例如对接不同数据库、API 层或本地模型，决定了它能否真的成为“代理的标准运行时”。
- 定价是否随之调整：如果 OpenAI 能通过框架优化降低 20%–30% 的 Token 消耗，可能直接反映在 API 定价或 ChatGPT Work 的订阅方案上，影响企业采购决策。
- 谷歌、Anthropic 等竞品是否回应：类似的代理框架（如 Anthropic 的 Tool Use 协议、Google 的 Agentic Framework）若跟随开源，将把竞争从模型本身延伸到开发工具链层面，加速行业标准化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：Techmeme
