从“套壳 App”到“Agent 元框架”：AI 编程领域的“安卓 vs 苹果”之争

AI 编程产品早期确实很像“模型加编辑器”：左边是代码，右边是聊天框，产品差异主要来自索引、提示词和交互设计。把这一阶段统称为“套壳”有些粗糙。Cursor 的上下文检索、补丁应用和编辑体验本身就是工程能力，只是那时模型很少持续控制终端，也不必为一个任务保存几十轮工具调用的状态。

2026 年的 Coding Agent 已经是另一种软件。一次跨模块重构会经过仓库扫描、方案选择、文件修改、测试失败、重新定位、再次修改和 Git 交付。中间任何一步都可能被限流、权限拒绝或进程崩溃。模型仍然重要，但真正把任务跑完的是模型外面的那套运行系统。

这也带来一个很诱人的类比：Claude Code、Codex 像 iOS，追求模型与产品的垂直整合；DeepSeek Harness 像 Android，把底层能力开放给设备厂商和开发者。这个比喻能解释一部分商业冲突，却不能当作产业结论。Codex CLI 本身采用 Apache-2.0 许可，Pi 同时是开源 harness 和可直接使用的终端产品，DeepSeek Harness 则还处于 Developer Preview。现实比“闭源对开源”多了好几层。

“套壳时代”结束了吗

单行补全的控制流很短：收集光标附近的文本，请求模型，显示候选。对话式编辑多了代码库检索和补丁应用，但大部分操作仍由人发起。Agent 把主动权向前推进了一步。用户给出目标后，它可以连续选择工具，直到得到可验证结果或触发人工审批。

这段循环看起来不复杂：

while (!done) {
  context = buildContext(session, repository, tools)
  response = await model.generate(context)

  if (response.toolCalls.length === 0) break
  results = await executeWithPolicy(response.toolCalls)
  session.append(response, results)
}

生产系统的难点全在省略处。哪些文件进入上下文？并发工具结果按什么顺序写回？命令可以访问哪些目录和凭据？上下文快满时如何压缩？进程中断后从哪一步恢复？子 Agent 修改同一文件怎么办？模型调用只是循环的一环。

因此，“套壳”没有消失，而是壳变厚了。它从一个界面变成了控制面。产品竞争也从谁能更顺地调用模型，扩大到谁能更可靠地管理状态、工具、权限和成本。

先把现代 AI 编程技术栈分开

常见的四层图会把 API 网关与协议放在一起，把云沙箱藏在产品层里。实际部署时，这会让责任边界变得含糊。更稳妥的画法是五层：

5. 产品与界面

接收目标、展示 diff、管理任务与审批

Claude Code、Codex、Pi Coding Agent、DeepSeek Harness Web UI

4. Agent Runtime

上下文、loop、会话、工具、子 Agent、恢复

Claude Code/Codex 内部 runtime、DeepSeek Harness、Pi Agent Core

3. 协议与适配

统一工具、模型与外部 Agent 的连接方式

MCP、ACP、模型 provider adapter、Function Calling

2. 执行基础设施

终端、容器、微型虚拟机、网络、凭据与审计

本机 shell、云端 sandbox、企业 runner、API gateway

1. 模型

生成计划、代码、工具请求与判断

DeepSeek-V4、Claude 5/4.x、GPT-5.x/Codex 模型、本地模型

同一个项目可能跨越多层。Pi 仓库同时提供多供应商模型接口、Agent core、TUI 与 Coding Agent CLI；DeepSeek Harness 自带 Web UI，却把 UI、loop 和模型适配器都视作可替换插件。Claude Code 和 Codex 也是完整产品，但各自公开了 MCP、Skills、Hooks、SDK 或开源 CLI 等不同深度的扩展面。

这里还要纠正一个名称混淆。Pi Agent 是开源 Agent harness；Oh My Pi 是从 Pi 分叉并扩展出来的 Coding Agent，不是 API 中转网关。网关是独立基础设施，可能提供 OpenAI 或 Anthropic 兼容端点，但不能用某个客户端的名字代替。

Harness 到底在控制什么

模型收到一组消息，返回文字或工具调用。Harness 负责让这段无状态接口具备持续工作的能力。可以把它拆成六项职责：

上下文构建：组合系统提示、项目规则、历史消息、文件片段和工具 schema。
控制循环：决定何时再次请求模型，何时并发工具，何时停止或转交人工。
状态与恢复：记录 turn、tool result、文件变更和任务状态，处理中断与重试。
执行与权限：把模型请求变成 shell、文件、浏览器或外部系统操作，并实施审批与隔离。
可观测性：记录 Token、缓存、延迟、失败原因与执行轨迹。
编排：把工作拆给不同模型或 Agent，再合并结果并处理冲突。

DeepSeek Harness 的辨识度来自 Cordis。模型传输、工具表、Agent loop、会话、权限、沙箱和 UI 都进入插件树，Profile、Bundle 与 patch 决定一次运行实际装载什么。官方口号是 “Everything is a Plugin”。这使平台团队可以替换默认实现，也意味着依赖图、插件兼容和供应链安全转移给部署者。

“能调度 Claude Code 或 Codex”也需要写得具体。dsh 可以通过子 Agent provider 和 ACP 等接口接入外部 Agent；目标程序仍需提供可用协议，认证、许可、工作目录和权限也要单独配置。元框架不会凭空获得第三方产品的内部能力。

两种商业路线争的是什么

集成路线：把默认体验做到足够稳定

Claude Code 与 Codex 的优势来自模型、提示、工具、权限和交互面的共同迭代。产品团队知道模型即将怎样变化，可以提前调整工具 schema、压缩策略与 UI。用户安装后不需要先选择 Agent loop，也不用决定会话日志该采用什么事件词汇。

这种路线的商业价值不只是锁定模型收入。统一默认值降低了支持成本：厂商可以复现问题、灰度升级、集中修复安全漏洞，并把终端、IDE、桌面和云端任务连成同一套账号与策略系统。企业购买的往往是这份可预测性。

代价同样清楚。官方体验围绕本厂模型和账号设计；模型升级、限额和价格由供应商决定。即使支持 Bedrock、Vertex AI 或 Foundry，解决的主要是采购、区域与云治理，Claude Code 使用的仍是 Claude 模型。Codex CLI 虽然开源，OpenAI 官方体验也仍围绕 Codex/OpenAI 模型与服务。

组合路线：把选择权交给运行平台

DeepSeek Harness 和 Pi 代表两种程度不同的组合路线。dsh 几乎把整个 runtime 都变成插件；Pi 提供小而完整的默认循环，再通过 TypeScript extensions、Skills、packages、SDK 与 RPC 扩展。部署者可以把便宜模型用于搜索和整理，把高能力模型留给架构判断或最终复核。

对企业平台团队，开放 runtime 的价值在于能接入现有身份、审计、沙箱和模型网关。敏感代码可以留在指定网络，工具权限可以与内部策略引擎对接，模型也能按任务类型路由。软件许可免费不代表总体拥有成本低：插件升级、故障恢复、安全评审、评测集和推理集群都需要工程团队维护。

商业问题	集成产品	开放 runtime
谁选择默认模型和 loop	产品厂商	部署者或发行版维护者
升级兼容由谁消化	主要由厂商处理	框架、插件作者与部署团队共同承担
安全边界	内置审批、沙箱与企业策略	可以深度定制，但必须验证最终组合
收入来源	订阅、API、企业席位与云任务	模型调用、托管、支持、集成与内部平台价值
迁移成本	工作流越深入，迁移越难	接口较开放，但插件与配置也会形成新的锁定

“安卓 vs 苹果”类比在哪里失效

Android 当年有稳定的设备抽象、庞大的应用分发体系和明确的兼容目标。Agent runtime 还没有到这个阶段。MCP 主要解决工具与数据连接，ACP 处理 Agent 与编辑器或宿主的交互；它们没有统一上下文压缩、会话恢复、权限语义和评测标准。一个 dsh 插件也不一定能装进 Pi、Codex 或 Claude Code。

第二个差别是模型与 runtime 的耦合比手机应用与操作系统更深。不同模型对工具描述、错误恢复、并行调用和长上下文的反应并不一致。把 Claude 换成一个本地模型，API 请求可能成功，任务完成率却可能明显变化。所谓“模型解耦”首先是接口层事实，不是效果层保证。

第三，市场没有证据支持“开发者正在整体迁往元框架”这种强结论。闭环产品也在增加 MCP、Hooks、Skills、SDK 和多 Agent；开源框架也会形成自己的默认发行版、插件市场和托管服务。更可能出现的格局是相互借鉴：产品开放更多 seam，框架提供更完整的预设。

这场竞争不是自由与封闭的道德判断。它讨论的是默认能力由谁负责、故障成本由谁承担、平台团队是否有能力维护自己的组合。小团队选择成熟产品可能更便宜；拥有合规和推理基础设施的大企业，才更容易从开放 runtime 获得规模收益。

复杂工程的单位任务账本

Agent 的费用不能只用“每百万 Token 单价”比较。一次任务的输入会在每个 turn 重新携带系统提示、工具定义、项目规则、历史消息和工具结果。缓存命中、输出长度、失败重试、子 Agent 并发和超长上下文加价都会改变账单。

任务成本 ≈ 未缓存输入 × 输入价 + 缓存写入 × 写入价 + 缓存读取 × 命中价 + 输出 Token × 输出价 + 工具 / 沙箱 / 网关 / 本地算力 + 失败重试与并发冗余

用同一份假设算一次

下面不是实测。为了看清价格结构，假设一个长任务累计产生 2000 万输入 Token、20 万输出 Token，其中 95% 输入命中缓存；暂不计首次缓存写入、网关、沙箱和工具费用。价格采用 2026 年 8 月 18 日官方页面：GPT-5.3-Codex 输入 / 缓存输入 / 输出为 $1.75 / $0.175 / $14 每百万 Token；Claude Sonnet 4.6 为 $3 / $0.30 / $15；DeepSeek-V4-Pro 为 $0.435 / $0.003625 / $0.87。

模型	完全不命中缓存	95% 输入命中	此假设下降幅
GPT-5.3-Codex	$37.80	$7.88	约 79%
Claude Sonnet 4.6	$63.00	$11.70	约 81%
DeepSeek-V4-Pro	$8.87	$0.68	约 92%

计算过程以 GPT-5.3-Codex 为例：100 万未命中输入是 $1.75，1900 万缓存输入是 $3.325，20 万输出是 $2.80，合计 $7.875。这里没有加入缓存写入费用；不同供应商的写入计价和 TTL 不同，生产账单必须单独记录。

这张表只能说明价格函数，不能证明三个模型完成了同一质量的工作。如果便宜模型多重试十次、改坏仓库或需要工程师接管，单位 Token 优势会迅速消失。相反，高价模型若用更少 turn 完成任务，总价未必更高。真正应比较的是“通过验收的任务成本”。

缓存为何能省钱，也为何经常失效

Claude Code 官方文档给出了很清楚的机制：每轮都会重发系统提示、项目上下文、历史消息和工具结果；缓存按请求前缀精确匹配。切换模型、连接或断开 MCP Server、压缩会话、升级 Claude Code 都可能让下一轮重新计算部分或全部前缀。缓存位于实际提供模型的基础设施中；接自定义网关后，是否仍然支持缓存取决于网关如何转发。

Anthropic 的缓存读取价格是基础输入价的 0.1 倍；OpenAI 官方 GPT-5.3-Codex 页面同样列出 0.1 倍的缓存输入价。DeepSeek-V4-Pro 当前缓存命中价与未命中价差距更大。于是“输入成本下降 80% 到 90%”在高命中、输出占比不高的特定任务中完全可能，但它不是所有 Agent 账单的固定折扣。

网关不是无风险套利

API gateway 可以统一认证、路由、预算和供应商切换，也能把简单任务送给便宜模型。它同时成为代码、提示、工具结果和密钥流经的新节点。兼容端点还可能丢失缓存字段、推理内容、取消语义或工具调用细节。价格套利必须扣除网关费、失败重试、运维和数据治理成本。

合理的成本面板至少要记录：任务成功率、人工接管次数、输入与输出 Token、缓存写入与读取、模型调用次数、重试、并发 Agent 数、端到端时长和最终 diff。只报一个 95% Cache Hit Rate，无法判断任务是否值得。

Agent 基础设施会走向哪里

多 Agent 会先成为调度问题

未来不会由一个 Agent 包办所有工作，但也不会因为进程数量增加就自动变好。代码搜索、测试调查和文档核对可以并行；数据库迁移与调用方修改则共享语义状态，需要明确顺序和集成验证。元框架的价值将更多体现在预算、隔离、依赖和冲突管理，而不是“同时启动十个 Agent”的演示。

代码会承载一部分控制流

工具密集型任务正在从逐轮自然语言决策转向可执行程序：模型生成一段受限代码，在其中组合搜索、读取和数据处理，只在需要新判断时返回模型。DeepSeek Harness 的 PTC 模式和 OpenAI 的 Programmatic Tool Calling 都体现了这个方向。收益是减少模型往返和中间 Token；风险是控制流错误会从一条工具调用扩大成一段程序错误。

企业最终要维护自己的 Agent policy

成熟部署需要一套与模型无关的规则：哪些仓库可以写、哪些命令必须审批、网络能访问哪里、凭据怎样注入、生成代码必须通过哪些检查、会话保留多久、出现异常由谁接管。这套 policy 可以挂在闭环产品的企业控制面，也可以由开放 runtime 实现。它比选中某个模型更接近长期资产。

所以，“大模型决定上限，元框架决定下限”仍然说得太满。模型、runtime、执行基础设施和组织流程共同决定结果。开放框架扩大了企业可以控制的范围，集成产品降低了企业必须控制的范围。接下来真正值得观察的，不是哪一方赢得口号，而是谁能把可验证的任务完成率、权限边界和单位任务成本同时做稳。

参考资料

DeepSeek Harness 官方仓库：Cordis、插件架构、Developer Preview 与 MIT 许可。
DeepSeek API Models & Pricing：DeepSeek-V4-Pro 的缓存命中、未命中与输出价格。
Claude Code Prompt Caching：请求前缀、缓存失效条件、TTL 与网关边界。
Claude Platform Pricing：Sonnet 4.6 与缓存读写价格。
OpenAI Docs：GPT-5.3-Codex：模型定位、上下文与 API Token 价格。
OpenAI Codex 官方仓库：CLI 的产品定位与 Apache-2.0 许可。
Pi Agent Harness 官方仓库：模型接口、Agent core、Coding Agent 与权限边界。