你有没有过这样的时刻：花了好几个周末搭建了一套「完美的 AI 工作流」，终端里跑着 CLI Agent，后台挂着各种 MCP 服务，编辑器里有桥接插件，手机上还配了远程连接。每一个组件都精挑细选，每一条配置都经过反复调试。

然后某天早上，你打开 Codex Desktop，发现它啥都有。你沉默了。

这就是 Jory Pestorious 的故事。他曾是 Claude Code 的铁杆粉丝，对 Anthropic 的每一个新功能如数家珍。他写了一篇名为《拥有缰绳，租用智能》的文章草稿，核心观点是：模型会来来去去，但工具和规则应该属于你自己。保持这一层的可移植性，就没有一个订阅服务能锁住你的工作方式。

然后他自己把 Claude Max 订阅取消了。

不是因为 Claude 不好。是因为他发现自己每天都在打开同一个 App，Codex Desktop。

从「终端意志」到「桌面现实」#

Jory 的反转几乎是公开的。几个月前他写了《终端速度》，论证终端优先的工作流才能拉高天花板。接着又做了 Calmhive，一个围绕 Claude Code 后台任务、语音、进程控制和 TUI 构建的工具。他在朝着「更多终端」的方向一路狂奔。

但日常使用中，一个微妙的转变发生了。Codex Desktop 成了他从不关闭的窗口。工作任务以可视化的卡片呈现，不需要在终端会话间来回切换记忆。远程连接只要扫个二维码。可以随时用语音聊一个想法，从手机上接手工作，让定时任务回到对话的起点继续执行。

还有一只叫 Georgie 的小狗浮在屏幕边缘，告诉他什么时候需要关注。他甚至专门为这只虚拟宠物写了定制代码。

「我不再思考「设置」这件事了，」Jory 写道。「那种变化才是关键。我一直在计算控制权，但我真正想要回来的，是我的注意力。」

这句话值得每个 AI 工具开发者刻在屏幕上。用户嘴上说的是「可定制性」和「可移植性」，但他们最终选择的是那个不需要他们操心的产品。

可移植性是保险，不是目标#

Claude Code 确实让 Jory 意识到了可移植性的价值。它的技能、命令、钩子和习惯非常好用，但搬不走。一份指令文件可以复制到新 Agent，但行为不一定跟着过去，因为新环境有不同的工具、权限，对同一份指令的理解也可能不同。

Jory 目前同时使用 Oh My Pi（OMP）和 Codex Desktop。同一个 ChatGPT 订阅，在桌面端和终端里都能用，不需要额外的 API 计费。他还通过 OpenCode Go 计划使用 DeepSeek V4 Pro 和 Flash。他的规则仍然以纯文本文件存在，可以在 Codex 和 OMP 之间自由迁移。

Claude Max 没有这样干净的订阅路径。Anthropic 把第三方工具的流量导向 API Key 或用量积分，这让取消变得更容易了一些。

但 Jory 意识到自己犯了一个错误：把可移植性当成了目标，而不是保险。

他写道：「我自己搭过好几次完整方案了。终端 harness、模型提供商、MCP 服务、编辑器桥接、远程访问、调度器、通知、语音、胶水代码。每个部分都能跑。然后，「胶水」本身变成了我的全职工作。」

一个工具里启动的任务看不到另一个工具的上下文。一次更新破坏了一条你已经忘了它很脆弱的路径。所有零件都在跑，但让它们持续协同运作，变成了一个独立的项目。

「『你可以自己搭』这句话，和『你可以自己换机油』一样正确，」Jory 说。「真正的问题是：我想用那个周六干什么？」

拆解 AI 工具的「真创新」vs「真噪音」#

文章中最硬核的部分，是 Jory 对当前 AI 工具生态的冷静拆解。他的方法论很简单：一个新工具发布时，问三个问题：哪个想法是新的？代码里它在哪里？它比谁强了？

以 Prime Agent 为例。Jory 认可 Prime Intellect 的设计和代码库质量：持久化 IPython 内核、异步子会话、可编辑状态、回滚路径都很扎实。但「自改进 RLM Agent」这个标签把几个不同的声明打包在一起了。

RLM（递归语言模型）不是 Google 提出的，而是 MIT CSAIL 的 Alex Zhang、Tim Kraska 和 Omar Khattab 引入的。RLM 不仅仅是给子 Agent 换个高级名字：它把长输入放到外部环境中，让模型用代码检查和切片，然后在选定的片段上做模型调用。在论文的长上下文任务中，这个机制比 Claude Code 的中位成绩高出 13%，成本相当。

这是论文的证据，不是 Prime Agent 的自动证据。Prime 的 rlm() 桥接函数创建子会话并返回句柄，默认递归深度为 1。在这个深度下，大部分编排和 Jory 已经在用的任务 Agent 重叠。持久化 Python 环境才是更有趣的差异点。

记忆能力也需要同样的分离审视。Prime 引用了 Continual Harness 论文（而非 Meta-Harness），其 /refine 路径让模型创建、更新或删除保存在 JSON 中的提示笔记、记忆、技能和子 Agent 定义。它支持版本和回滚。但实现中，模型输出的 expectedOutcome 被直接写入了 outcome 字段，没有做前后对比评估。保存一条经验是有用的，但这不能证明经验帮了忙、未来会被正确检索到，也不能防止一条看起来自信其实错误的记忆被反复使用。

相比之下，Meta-Harness 更接近这个标准：它生成可执行的 harness 候选，运行它们，让提案者检查代码、分数和之前尝试的痕迹。在文本分类任务上，它比最先进的上下文管理器高出 7.7 分，同时上下文 Token 用量少了四倍。

Jory 写道：「真正改变我工作的工具更容易解释。」

Ponytail 的代码基准测试中，在 12 个 Haiku 4.5 功能任务上削减了 54% 的源代码，通过了全部 20 项对抗性安全测试，Token 用量减少 22%，成本降低 20%，速度快了 27%。但最让人信服的不是这些数字，而是它在能减的时候大减（用原生 HTML 输入替掉数百行自定义代码），在不该减的时候几乎不改（纯后端逻辑）。机制在 diff 里看得见。

Caveman 也一样。JetBrains 在 86 个编码任务上实测发现，用「穴居人风格」写提示词只减少了 8.5% 的输出 Token，没有统计显著的质量变化，远不是聊天类文本上看到的 65%。这个差异仍然重要，因为每个回复都会成为下一轮上下文的负担。但它是一个有收据的温和收益，不是一种新的推理范式。

OMP：不只是另一个 CLI#

Jory 使用 Oh My Pi 的原因，不需要靠宏大的基准测试来证明。

OMP 实现了 ChatGPT OAuth、OpenCode Go 凭证、模型路由、扩展和任务 Agent，默认递归深度为 2。更重要的是，它把 IDE 组件直接塞进了 Agent：LSP 跟着写入和重命名跑，DAP 驱动真正的调试器，子 Agent 在隔离的 worktree 里工作，完成后返回结构化结果。

这些特性补上的是你能看得见的失败：重命名后导入断裂、print 语句调试的痛苦、兄弟 Agent 在同一棵树里互相踩踏。

同一个订阅、同一组模型、同一套规则，从桌面或终端都能用，然后把工作分发给子 Agent。「这是我每天都在用的，」Jory 说。

这就是新的标准：同一个模型、同一个提供商、同一个仓库、同一个任务、同一个上下文、同一个预算。 如果一个新的 harness 在这个标准上打不过 Codex Desktop 加 OMP，你可以欣赏它，但不必搬过去住。

语音、远程、定时任务：把「围绕 AI」的工作还给了 AI#

Codex Remote 让 Jory 吃了一惊。他扫个 QR 码就把 Windows 机器连上了。从手机端可以启动工作、检查进度、批准操作、改变方向、查看结果。「远程控制从一个基础设施项目，变成了桌上任务的另一个视角。」

Codex Voice 更是把语音放进了 Agent 内部。可以一直聊到想法成形，在答案跑偏时打断，在灵感冷却前把工作分发到不同任务里。

定时任务则回到了产生意义的对话、上下文和工具里。自动化不再活在另一个 cron 形状的世界。

每一个功能，都去掉了一件他本来不得不替 Agent 做的事情：记住、重连、重解释、检查。

「我选择的是工作「待在一起」的地方。」

结局：Claude Max 已取消#

Jory 的规则仍然可以迁移，他仍然可以切换模型提供商，OMP 只是一个语音指令的距离。Codex Desktop 保持打开，Georgie 浮在屏幕边缘，直到有事需要他。

Codex 赢了。不是因为它给了你更多的控制权。而是因为它让你少操心。

这或许是 2026 年 AI 工具竞争中最重要的启示。当所有人都在卷模型能力、上下文窗口、Agent 架构时，最终决定用户去哪里的，是那个最简单的指标：它抢走了你多少注意力？

你对工具的忠诚，在「不需要操心」面前一文不值。

参考来源：I Wanted to Own the Harness. Then Codex Desktop Won. by Jory Pestorious (August 9, 2026)