AI Agent 八强竞品全景：谁在卖模型，谁在造 Harness，谁在争夺工作入口
Claude Code、Codex、Kimi、WorkBuddy、豆包工作与 Hermes、Pi、DeepSeek Harness 并不处在同一条赛道。本文用三层市场、九个维度和一套选型方法重新理解 2026 年 Agent 竞争。
阅读导航 · 本篇目录
把 Claude Code、Codex、Kimi、WorkBuddy、豆包、Hermes Agent、Pi 和 DeepSeek Harness 放进一张表里打分，看起来很完整，实际上很容易得出错误结论。
原因是：它们交付的不是同一种产品。
- Claude Code、Codex 首先在争夺“软件工程工作系统”；
- Kimi Work、WorkBuddy、豆包工作首先在争夺“知识工作入口”；
- Hermes、Pi、DeepSeek Harness 首先在争夺“谁来定义 Agent 的运行时”。
Kimi Code 又跨进了开发者战场，Claude Code 与 Codex 也正从代码仓库向研究、数据、文档和自动化外溢。真正发生的不是八款产品排成一列，而是三条战线逐渐互相吞并。
[!IMPORTANT] **本文的核心判断：**截至 2026 年 9 月，Claude Code 与 Codex 是综合完成度最高的两套 Agent 工作系统。前者胜在可组合、可定制的工程 Harness，后者胜在本地—云端—多任务—审查—自动化的一体化操作系统。国内代表的优势不主要是“模型追平”，而是中文工作流、办公套件、组织连接和本地分发；开源代表的价值则是控制权、可研究性和新架构试验。
本文是系列第一篇。第二篇聚焦开发者与开源 Harness 的正面对决，第三篇聚焦Kimi Work、WorkBuddy 与豆包工作的办公 Agent 战场。
一、先把八款产品放回正确的赛道
第一层：工程 Agent——把需求变成可验证的代码变更
Claude Code、Codex 和 Kimi Code 的核心工作对象是代码仓库。它们要完成的不是“写一段代码”，而是读取项目、修改多个文件、运行命令和测试、解释差异，并把结果交到人类可审查的位置。
Claude Code 官方产品页已经把入口扩展到终端、IDE、桌面、Web、GitHub、Slack 和移动端；Codex App则明确把产品定义成并行管理多个 Agent 的 command center。两者都已超越单一 CLI。
Kimi Code走的是模型与产品垂直整合路线：月之暗面既提供 Agentic 模型，也提供终端和 IDE Agent。它不再只是“国产模型接进第三方 CLI”，而是在补齐自己的执行层。
第二层：工作 Agent——把自然语言目标变成办公制品
Kimi Work、WorkBuddy 和豆包工作的用户通常不从 Git 仓库开始，而从本地文件、浏览器、企业知识库、聊天记录、表格、PPT 或一项模糊业务目标开始。
Kimi Work强调本地桌面、开放网络、专业数据集与 Agent Swarm；WorkBuddy强调“办公、代码、设计”统一工作台、腾讯生态和 SkillHub；字节 Seed 团队则把豆包“办公任务”描述为面向真实生产力场景的通用 Agent，突出项目规划、文件处理、工具调用和多模态交付，参见Seed2.1 发布说明。
它们真正争夺的是：用户愿不愿意把一项完整工作交出去，而不只是把一个问题问出去。
第三层：开源 Harness——把 Agent 本身变成可改造的基础设施
Hermes、Pi 与 DeepSeek Harness 都开源，但哲学差异极大：
| 产品 | 核心主张 | 更像什么 | 默认取舍 |
|---|---|---|---|
| Hermes Agent | “会记住、会沉淀技能的个人 Agent” | 电池齐全的自治助理 | 能力面广，部署与安全责任也更重 |
| Pi | “最小终端 Coding Harness” | 可编程的 Agent 内核 | 核心克制，把工作流和治理交给扩展 |
| DeepSeek Harness | “Everything is a plugin” | Agent 运行时与插件实验场 | 组合自由度高，但仍是 developer preview |
它们不以“开箱即用的企业席位”取胜，而以源码可见、模型可换、运行时可改、部署可控取胜。
二、方法升级：三个框架回答三种不同问题
这次比较不再让一个总分承担所有结论，而是把三个框架串成一条决策链：
| 框架 | 回答的问题 | 在本系列中的用法 | 不负责什么 |
|---|---|---|---|
| 用户体验五要素 | 用户究竟经历了怎样的产品？ | 从战略层、范围层、结构层、框架层到表现层逐层比较 | 不直接判断企业外部机会 |
| 价值曲线 | 产品把资源集中在哪些价值要素？ | 比较相对策略投入，识别趋同与差异化 | 不冒充实测性能分数 |
| SWOT | 产品下一步应该利用什么、补什么、避开什么？ | 逐个产品区分内部优劣势与外部机会威胁 | 不把功能清单重复放进四格 |
三者的顺序不能颠倒。先用五要素看清“产品实际上为谁、以什么方式工作”，再用价值曲线判断战略取舍，最后用 SWOT 把观察转成行动。如果一上来就做 SWOT，常见结果只是“品牌强、竞争激烈、市场广阔”这类无法决策的套话。
用户体验五要素如何适配 Agent
经典五要素从抽象到具体依次是战略层、范围层、结构层、框架层和表现层。用于 Agent 时，每一层都需要重新解释：
| 层级 | 传统问题 | Agent 产品中的关键问题 |
|---|---|---|
| 战略层 | 用户需求与产品目标是什么？ | 用户交付的是一个问题、一项任务，还是持续责任？ |
| 范围层 | 提供哪些功能和内容？ | Agent 能读什么、做什么、明确不能做什么？ |
| 结构层 | 功能如何组织成流程？ | 如何规划、调用工具、并行、失败重试和请求人工介入？ |
| 框架层 | 界面与信息如何排布？ | 计划、进度、权限、证据、Diff 和制品在哪里被看见？ |
| 表现层 | 视觉与感知体验如何？ | 状态反馈是否可信，风险与结果是否一眼可辨？ |
这套框架能解释一个常见现象：两个产品的功能范围几乎相同，用户感受到的完成度仍然悬殊。差距可能出在结构层的中断恢复，也可能出在框架层没有清楚呈现权限和证据。
三类产品的价值曲线
下面的曲线不是基准测试，而是依据官方产品与文档做的编辑性编码：1 表示该价值要素不是当前产品核心，5 表示已经投入较多产品机制。它用于观察三类产品的资源配置，不用于宣称 5 分产品“性能更强”。
三类 AI Agent 的相对价值投入（1–5）
{
"title": {
"text": "三类 AI Agent 的相对价值投入",
"subtext": "编辑性编码，1=非核心，5=高投入；截至 2026-09-04",
"left": "center"
},
"tooltip": { "trigger": "axis" },
"legend": {
"top": 50,
"data": ["工程 Agent", "国内工作 Agent", "开源 Harness"]
},
"grid": {
"left": 40,
"right": 24,
"top": 96,
"bottom": 60,
"containLabel": true
},
"xAxis": {
"type": "category",
"boundaryGap": false,
"data": ["工程\n闭环", "办公\n交付", "长期\n个性化", "运行时\n开放", "企业\n治理", "大众\n易用"]
},
"yAxis": {
"type": "value",
"name": "相对投入",
"min": 1,
"max": 5,
"interval": 1
},
"series": [
{
"name": "工程 Agent",
"type": "line",
"symbol": "circle",
"symbolSize": 8,
"lineStyle": { "width": 3, "color": "#b84d2e" },
"itemStyle": { "color": "#b84d2e" },
"data": [5, 3, 2, 3, 5, 3]
},
{
"name": "国内工作 Agent",
"type": "line",
"symbol": "diamond",
"symbolSize": 9,
"lineStyle": { "width": 2, "type": "dashed", "color": "#77736d" },
"itemStyle": { "color": "#77736d" },
"data": [3, 5, 3, 2, 4, 5]
},
{
"name": "开源 Harness",
"type": "line",
"symbol": "emptyCircle",
"symbolSize": 9,
"lineStyle": { "width": 2, "color": "#9b756a" },
"itemStyle": { "color": "#9b756a" },
"data": [3, 2, 5, 5, 2, 2]
}
]
}
| 价值要素 | 工程 Agent | 国内工作 Agent | 开源 Harness |
|---|---|---|---|
| 工程闭环 | 5 | 3 | 3 |
| 办公交付 | 3 | 5 | 2 |
| 长期个性化 | 2 | 3 | 5 |
| 运行时开放 | 3 | 2 | 5 |
| 企业治理 | 5 | 4 | 2 |
| 大众易用 | 3 | 5 | 2 |
曲线说明三类产品并没有沿同一条路径爬坡。工程 Agent 抬高“工程闭环与治理”，国内工作 Agent 抬高“办公制品与大众入口”，开源 Harness 抬高“长期个性化与运行时控制”。如果未来三条曲线越来越相似，竞争焦点才会从错位市场转向正面替代。
三、不要问谁功能最多，要问九个问题
一套 Agent 的实际价值，可以写成一个并不严谨但非常实用的乘法：
有效产出 = 模型能力 × Harness 完成率 × 环境可达性 × 验证强度 × 可治理性任何一项接近零，漂亮的模型基准都无法变成可靠交付。因此，本报告用九个问题取代“参数、上下文、功能数量”的罗列。
| 维度 | 真正要问的问题 | 常见误区 |
|---|---|---|
| 任务地形 | 它最擅长代码、研究、办公还是跨应用操作？ | 把“能做”当成“稳定擅长” |
| Agent Loop | 遇到失败会不会继续观察、修正和验证？ | 只看第一次回答质量 |
| 上下文系统 | 项目规则、历史、文件和工具结果如何进入注意力？ | 把超长窗口等同于长期记忆 |
| 工具与环境 | 能触达哪些文件、命令、浏览器、SaaS 和设备？ | 用工具数量代替工具质量 |
| 结果验证 | 它如何证明工作真的完成？ | 接受“已完成”的文字声明 |
| 并行与长任务 | 如何隔离任务、协调依赖和恢复中断？ | 认为 Agent 越多必然越快 |
| 扩展性 | Skill、Hook、MCP、插件与 SDK 能改到哪一层？ | 把兼容协议当成完整生态 |
| 安全治理 | 权限、沙箱、凭证、审计、回滚如何组合？ | 只看是否弹确认框 |
| 所有权与成本 | 数据、模型、运行时、配额与迁移权归谁？ | 只比订阅月费 |
这九个维度也解释了为什么本文不提供一个“8.7 分胜过 8.5 分”的总榜。不同用户的权重完全不同：个人开发者看重速度和可塑性，研发负责人看重隔离、审查与吞吐，国内企业看重身份、数据边界和办公系统连接。
四、全景矩阵：谁在什么位置领先
下表不是绝对能力榜，而是截至 2026-09-04、基于公开产品与文档的相对定位。强表示已经形成清晰且可用的产品机制；中表示具备能力但不是核心优势；早期表示方向成立、成熟度仍需真实项目验证。
| 产品 | 主战场 | 完成闭环 | 并行/长任务 | 扩展性 | 安全治理 | 非技术用户入口 |
|---|---|---|---|---|---|---|
| Claude Code | 软件工程与技术工作 | 强 | 强 | 强 | 强 | 中 |
| Codex | 软件工程、Agent 调度与自动化 | 强 | 强 | 强 | 强 | 中 |
| Kimi Code / Work | 编程、研究与知识工作 | 强 | 强 | 中—强 | 中 | 强 |
| WorkBuddy | 国内办公与企业工作台 | 强 | 强 | 强 | 强 | 强 |
| 豆包工作 | 大众办公、多模态与跨端任务 | 中—强 | 中—强 | 中 | 中 | 强 |
| Hermes Agent | 个人自治、记忆与定时任务 | 强 | 中 | 强 | 中 | 中 |
| Pi | 最小 Coding Harness | 中—强 | 按需扩展 | 强 | 需自建 | 弱 |
| DeepSeek Harness | Harness 开发与运行时实验 | 早期 | 强 | 极强 | 早期 | 中 |
几个容易被忽略的结论：
- **Claude Code 与 Codex 的优势不是按钮更多。**它们把模型、工具、环境、隔离、验证、Git 和团队协作连成了连续路径。
- **Kimi 是唯一同时在模型、Coding Agent 和 Work Agent 三层下注的国内代表。**这给它更强的垂直整合空间，也让产品线协同成为管理难题。
- **WorkBuddy 与豆包并非 Claude Code 的低配替代。**它们从办公软件、中文内容、多模态和组织入口切入，竞争对象首先是传统生产力套件。
- **开源不等于同一类开放。**Hermes 开放的是一套丰富助理，Pi 开放的是极简可编程内核，DeepSeek Harness 开放的是可重组运行时。
五、为什么 Claude Code 与 Codex 暂时领先
Claude Code：把 Harness 变成工程组织可以塑形的系统
Claude Code 最强的部分不是某个单点功能，而是扩展机制之间的职责分工：CLAUDE.md 管长期项目规则，Skills 管按需工作流，MCP 管外部连接，Hooks 管必须发生的确定性动作，Subagents 管隔离上下文，Agent Teams 管协作，Sandbox 与 Permissions 管硬边界。官方的扩展能力总览已经形成一套相对清楚的设计语言。
这使 Claude Code 特别适合“组织有自己的做事方式”这一场景。团队可以把规范、检查、连接和权限逐层编码，而不必把所有要求塞进一段超级提示词。
Codex：把 Agent 从对话工具变成工作调度系统
Codex 的优势更像操作系统。CLI 负责本地高带宽协作，云端任务负责异步执行，App 负责多线程监督，Worktree 隔离并行改动，Review 负责回收结果，Automations 负责周期性工作。OpenAI 在Codex App 发布文中把重点从“写代码”转向“管理多个长期运行的 Agent”。
同时，Codex CLI 的 Rust 实现公开了核心 Agent Loop 和系统级沙箱，是“商业产品体验 + 可审计本地执行层”之间很有竞争力的组合。
两者仍有明显边界：核心模型与云端服务是厂商控制的，重度并行会放大成本，企业必须处理源码与业务上下文进入云端模型的治理问题。领先不等于无条件适合所有组织。
六、国内三强的真正机会不是复制 Coding Agent
国内办公 Agent 的机会来自四个更接近业务的摩擦面：
- 中文材料、复杂表格和本土内容平台的理解与生成；
- 企业微信、QQ、飞书、腾讯文档等协作入口；
- 本地文件、桌面软件、浏览器和手机之间的连续任务；
- 国内账号体系、采购、部署、合规与服务交付。
Kimi Work 的差异点是研究与大规模并行，WorkBuddy 的差异点是腾讯办公生态和企业交付，豆包工作的差异点是大众入口、多模态内容与跨端操作。它们若只在 SWE-bench 或“能不能改代码”上追赶 Claude Code，会错过自己的主场。
更关键的产品问题是：能否把一次令人惊艳的 Demo，变成每周都能复用、能审计、能恢复、能明确计费的工作流。
七、开源三强代表三种完全不同的未来
Hermes：Agent 会不会越用越像你的同事
Hermes 把持久记忆、Skill、消息渠道、浏览器、定时任务和子 Agent 放在同一套系统里。官方文档明确把 Agent 创建和修改 Skill 视为“程序性记忆”，同时提供 Skill 与 Memory 写入审批，参见Hermes Skills和安全模型。
它押注的不是最小工具，而是长期关系：Agent 通过任务历史逐步积累用户事实和做事方法。代价是更大的权限面、更多运行服务，以及更高的部署维护责任。
Pi：最少的内置意见，最大的可塑空间
Pi 刻意不内置 Plan Mode、Subagents、MCP 和权限弹窗，而是鼓励通过 TypeScript Extensions、Skills、Prompt Templates 与 Packages 构建自己的工作方式。它适合认为“通用产品的默认流程就是限制”的开发者，也意味着权限、并行、审批和企业治理不会凭空出现。
Pi 的价值不是“功能少”，而是让每个高级机制都必须证明自己值得进入系统。
DeepSeek Harness：把 Agent 的每一层都变成插件
DeepSeek Harness 基于 Cordis，模型、工具、Skill、Session、Sandbox、Storage、Loop、Scheduling 和 UI 都可以组合替换。它甚至提供 Standard、Code、Minimal 与 Creator 等运行模式，见官方开发者预览。
这让它非常适合 Harness 研究、内部平台原型和运行时实验。但官方 README 同样明确提示仍处于 developer preview，存在兼容性破坏。把架构潜力等同于生产成熟度，是评估它时最大的风险。
八、选型结论：按控制对象选择，不按品牌选择
| 你的首要目标 | 优先考察 | 原因 |
|---|---|---|
| 个人或团队做高质量软件工程 | Claude Code / Codex | 闭环、验证、安全与协作最完整 |
| 同时跑很多独立研发任务 | Codex；Claude Code Agent View / Worktrees | 有明确的任务隔离与监督界面 |
| 把团队规范深度编码进 Agent | Claude Code | Skills、Hooks、MCP、Plugins、权限层次清楚 |
| 中文研究与大规模资料处理 | Kimi Work | 长材料、研究产品与 Agent Swarm 形成组合 |
| 国内企业办公与系统连接 | WorkBuddy | 腾讯生态、企业身份、知识和交付形态完整 |
| 大众办公、多模态创作与跨端任务 | 豆包工作 | 用户入口与字节多模态资产更强 |
| 自建长期运行的个人 Agent | Hermes | 记忆、Skill、消息与 Cron 开箱即用 |
| 构建自己的极简 Coding Agent | Pi | 小内核、模型多样、扩展自由 |
| 研究或搭建可重组 Agent Runtime | DeepSeek Harness | 全插件架构与多种运行模式 |
如果组织准备投入真金白银，不要从“采购哪一个”开始，而应先挑选 20 个真实任务，记录完成率、人工接管次数、验证通过率、平均成本、权限例外和恢复时间。Agent 采购最怕 Demo 驱动；一次成功的炫技，无法替代连续四周的工作样本。
九、最后的判断：竞争终局是工作系统，而不是聊天框
这八款产品正在从三个方向靠近同一个终点：
- Coding Agent 向文档、研究、数据和自动化扩展；
- Work Agent 向本地环境、代码执行与企业系统深入；
- Open-source Harness 向可用产品、托管服务与生态市场生长。
最终壁垒不会只是一颗更强模型，而是四种资产的叠加：可持续的 Agent Loop、可读可操作的工作环境、可信的验证与治理、不断积累的组织工作法。
Claude Code 与 Codex 当前领先，是因为它们最早把这四层连成了产品闭环。Kimi、WorkBuddy 和豆包的挑战，是把国内入口与模型优势转化为可重复的完成率；Hermes、Pi 和 DeepSeek Harness 的挑战，则是证明开放与可塑性可以在不牺牲安全、稳定和维护成本的前提下规模化。
真正值得追踪的指标，也因此不是下一次发布会增加多少功能，而是：人类把一项工作交出去之后，需要回来救场几次。
本文基于截至 2026-09-04 可访问的官方产品页、文档与开源仓库整理。产品变化很快；涉及厂商公布的并发规模、用户量或效率数据时，应视为产品口径，而非跨产品统一基准。本文延续了原四产品报告的“架构—产品—商业—安全”框架，但删除了无法由一手来源稳定支持的精确评分、推测性收入与绝对化结论。