写在前面#

一个好的 harness，绝对能让你事半功倍。但前提是——你得选对。

最近这大半年，我在 AI 编程工具上没少踩坑。CodeBuddy、Trae、OpenCode 这些主流的 harness 我都用过一圈，今天把这段时间的感受，以及最新一次的对比实测，跟大家聊聊。

先说一下个人主观体验，纯主观：

• CodeBuddy 和 Trae 都是基于 VSCode 魔改的，有自己的技能、MCP 等可视化展示和管理，也支持原生 VSCode 插件。但 Trae 在 SSH 远程连接上有个硬伤——如果目标服务器是 CentOS，经常报错，排查下来基本是”服务端系统版本太低不支持”。CodeBuddy 这块就稳得多，连 CentOS 基本不用折腾。
• 积分消耗：Trae 因为接的是 GLM-5.2，积分消耗相对低；CodeBuddy 用 DeepSeek 的成本会高一些，看你卡在哪。
• OpenCode / Codex：Codex 用 DeepSeek API 会很慢，至少我体感是这样——一个很简单的问题也要思考半天。

所以你看，模型一样，harness 不一样，体验差距可以非常大。

为什么这次对比#

最近我一直在琢磨一件事：同样跑 DeepSeek V4 Flash，不同的 harness 到底能差多少？

之前总看各种博主测试，这回我也亲自下场，而且专门挑一个”出效果”的活儿——让 AI 给我搓一个完整的超级马里奥小游戏，看哪个 harness 出活儿更漂亮。

我之前用过/试过的 harness 包括：Codex、Pi（极简风）、OpenCode、Claude Code 等等。最近又关注到一个新工具——ZCode。

顺便认识一下 ZCode#

ZCode 是智谱 AI（Z.ai）在 2026 年 7 月 2 日刚发布的官方编程 harness，定位挺有意思：

• 第一层：它本身就是 GLM-5.2 模型的官方桌面编程 agent，配了 /goal 长程任务、SSH 远程开发、移动端控制、20 多个集成工具（含 Git）。
• 第二层：它把自己做成给现有 CLI agent 用的可视化外壳——Claude Code、Codex、Gemini 这些原本要敲终端、配环境变量、改 settings.json 才能用起来的工具，被它包进了图形界面，还带了对话式版本管理（AI 改的每一步都能回溯）和 MCP 协议支持。

简单说，它既是一个 harness，又是一个跨模型的 agent 桌面。新用户还送 5 百万 token 免费额度，挺有诚意的。

我下载下来看了下主界面和功能，跟 CodeX 风格类似，但更贴合编程的基本要素：

1. 查看文档
2. Git 管理
3. 浏览器预览

还内置了一部分常用工具，以及它内部的系统提示词。

所以这次，我就拿我用得最多的 CodeBuddy 和 ZCode 来一次硬碰硬的实测。同样的提示词，看看哪个效果更好。

测试提示词#

我给的提示词很简单：

参考这张图，使用 Agnes ImageGen 生成超级马里奥小游戏所需的图片要素，生成一个超级马里奥的小游戏。

参考图（也就是马里奥的角色形象）：

CodeBuddy 的效果#

首页长这样：

进入游戏后的界面：

耗时：44 分钟。

可以看到 CodeBuddy 的版本整体是出来了，但视觉风格相对朴素，缺少完整的游戏 HUD（计分、生命、时间那种顶栏），画面元素也偏扁平，背景和角色的整体协调感差一些。

ZCode 的效果#

首页：

游戏界面：

耗时：50 分钟。

ZCode 这边出来的效果，肉眼可见地更精致：

• 完整的游戏 HUD：SCORE、COINS、WORLD 1-1、LIVES、TIME 300，全齐。
• 经典横版游戏味儿到位：背景是城堡 + 蓝天 + 绿地草地，金币、土豆怪（Goomba）、问号方块，都是马里奥老玩家熟悉的味儿。
• 视觉一致性明显更强：从首页到游戏界面是同一套美术风格，不会让人觉得”这是两个东西拼起来的”。

结果对比#

同样跑的 DeepSeek V4 Flash，harness 不一样，差距是真明显：

虽然 ZCode 慢了 6 分钟，但这 6 分钟换来的是画面、可玩性、音乐（默认带的 BGM 风格）、还原度全维度的提升。

在 ZCode 里用 DeepSeek 的体验，给我的感觉就一个字：爽。模型本身的优势能被 harness 放大出来，而不是被它框死。

接下来我会持续用 ZCode 做更复杂的活儿，看看它在大型项目、长程任务上的表现。

写在最后：DeepSeek V4 Pro 正式版也来了#

对了，就在写这篇文章的同一天（8 月 13 日凌晨），DeepSeek V4 Pro 正式版 上线了，模型版本号 DeepSeek-V4-Pro-0813，API 已经更新。

几个关键变化：

• 1M 上下文 / 384K 最大输出：处理长代码库、长文档、连续执行多步骤的 Agent 任务，一次能塞下的内容规模直接拉满。
• Agent 能力暴涨：DeepSWE 编码基准从预览版的 12.8 跃升到 62.7，已经超过 Claude Opus 4.8；在 Cybergym、AutomationBench 这两项上甚至超过了 Fable 5。
• 价格是 Flash 的 3 倍：缓存命中输入 0.025 元/百万 token、未命中 3 元、输出 6 元（Flash 是 0.02 / 1 / 2 元）。官方也提前放了风说后续会整体涨价，目前暂时还没动。

DeepSeek 之前出的预告是”计划近期整体上调 API 服务定价，预计涨幅较大”。所以如果你最近在规划用量，可以趁现在价格还没涨先囤一波。

Flash 适合高频大规模调用，Pro 适合规格要求更高的活儿。等我试完 Pro，回头再来给大家交个作业。

——

以上就是我这次 harness 对比实测的全部内容了。我是糖糖IT，下一篇我们继续。