1. 引言先别急着选工具先判断你缺什么很多开发者面对 DeepSeek Harness、Codex、Claude Code、LangGraph 这四个名字时第一反应是「哪个更好用」。但更准确的问法是你当前缺的是产品、底盘还是工作流这四个工具并不在同一层DeepSeek Harness面向模型评测与推理压测的工程框架属于「底盘」层。CodexOpenAI 的编码智能体产品属于「产品」层。Claude CodeAnthropic 的终端编码智能体产品属于「产品」层。LangGraph构建有状态、可编排的 LLM 应用框架属于「工作流」层。本文用一张选型决策表、四个实战案例和一组对比实验帮你把「缺什么」翻译成「选什么」。2. 四者定位产品、底盘、工作流先建立统一坐标系。下面这张表从定位、核心能力、适用人群三个维度做区分。工具定位核心能力适用人群DeepSeek Harness底盘模型评测、推理压测、多数据集管理算法工程师、模型平台团队Codex产品云端编码智能体、沙箱执行、PR 自动生成追求开箱即用的开发者Claude Code产品终端内编码智能体、长上下文、工具调用偏好本地终端工作流的开发者LangGraph工作流有状态图编排、人机协同、可恢复执行需要自定义 Agent 流程的工程师一句话总结要开箱即用选产品要评测模型选底盘要编排复杂流程选工作流。3. 决策表按你的场景直接查下面这张决策表覆盖了最常见的 8 种场景可以直接对照。你的核心诉求推荐工具理由快速让 AI 帮我改代码、提 PRCodex云端沙箱零配置直接对接 GitHub在本地终端里深度重构项目Claude Code长上下文 终端内交互适合大仓库对比 DeepSeek 不同版本的推理质量DeepSeek Harness内置评测集与指标可量化对比压测自建模型的并发与延迟DeepSeek Harness支持自定义请求脚本与并发配置构建多步骤 Agent如「检索→推理→写报告」LangGraph有状态图节点可编排、可恢复需要人工审批后再执行关键操作LangGraph内置 interrupt 机制支持人机协同既要编码智能体又要自定义评测Claude Code DeepSeek Harness产品负责干活底盘负责验证既要工作流编排又要编码能力LangGraph Codex工作流负责调度产品负责执行4. 实战一DeepSeek Harness——评测你的模型底盘假设你部署了 DeepSeek 的蒸馏模型想对比它和原版在数学推理上的差距。DeepSeek Harness 的核心用法是「配数据集、跑评测、看指标」。下面是一个最小可运行的评测配置示例。from deepseek_harness import Harness, Dataset, Metric 1. 定义评测数据集 dataset Dataset.from_jsonl( math_500.jsonl, input_keyquestion, output_keyanswer ) 2. 定义评测指标 metric Metric.composite([ Metric.exact_match(), Metric.llm_judge(modeldeepseek-chat) ]) 3. 初始化 Harness 并运行 harness Harness( model_endpointhttp://localhost:8000/v1, model_namedeepseek-ai/DeepSeek-R1-Distill-Qwen-7B, datasetdataset, metricmetric, concurrency16 ) report harness.run() print(report.summary()) 输出示例 exact_match: 0.72 llm_judge_pass_rate: 0.85关键点Harness 解决的是「我的模型到底行不行」的问题。它不帮你写业务代码但能帮你量化模型能力是典型的底盘工具。5. 实战二Codex——开箱即用的编码产品Codex 的典型场景是「给我一个 Issue还你一个 PR」。它把模型、沙箱、Git 操作封装成了完整产品。下面是一个通过 Codex CLI 完成任务的示例。# 1. 在仓库根目录启动 Codex codex 2. 输入自然语言任务 修复 src/utils/date.ts 中时区转换的 bug 并补充对应的单元测试。 3. Codex 自动完成 - 定位 bug - 修改代码 - 运行测试 - 生成 commit 和 PRCodex 的核心价值是产品化你不需要关心模型调用、上下文管理、沙箱安全它把这一切封装成了「输入任务、输出 PR」的体验。6. 实战三Claude Code——终端里的深度重构Claude Code 更适合在本地终端里处理大型仓库。它的优势是长上下文和工具调用能力。下面是一个典型的重构会话示例。# 1. 在项目目录启动 claude 2. 提出重构需求 把整个 services/ 目录下的 HTTP 客户端 从 axios 迁移到 fetch保持接口不变。 3. Claude Code 会 - 扫描 services/ 下所有文件 - 逐个迁移并保持导出签名一致 - 运行类型检查确认无破坏Claude Code 的定位是深度编码产品它不只是一个补全工具而是一个能理解项目结构、执行多文件修改的终端智能体。7. 实战四LangGraph——编排你的工作流LangGraph 解决的是「多个步骤如何编排、如何恢复、如何人工介入」的问题。它把 Agent 流程建模成一张有向图。下面是一个「检索→推理→人工审批→生成报告」的完整示例。from langgraph.graph import StateGraph, END from typing import TypedDict, List class AgentState(TypedDict): query: str docs: List[str] draft: str approved: bool 1. 定义节点 def retrieve(state: AgentState) - AgentState: state[docs] search(state[query]) return state def reason(state: AgentState) - AgentState: state[draft] llm.generate(state[query], state[docs]) return state def human_approval(state: AgentState) - AgentState: # 中断等待人工审批 return interrupt({draft: state[draft]}) def finalize(state: AgentState) - AgentState: return {report: state[draft]} 2. 构建图 graph StateGraph(AgentState) graph.add_node(retrieve, retrieve) graph.add_node(reason, reason) graph.add_node(human, human_approval) graph.add_node(finalize, finalize) graph.set_entry_point(retrieve) graph.add_edge(retrieve, reason) graph.add_edge(reason, human) graph.add_edge(human, finalize) graph.add_edge(finalize, END) app graph.compile() 3. 执行并支持恢复 result app.invoke({query: 分析Q3营收趋势}) 在 human 节点暂停人工确认后继续 result app.invoke(None, config{resume: True})LangGraph 的核心价值是工作流编排它不关心你用哪个模型也不替你写业务代码但它能让你把复杂的多步骤流程变成可维护、可恢复的图。8. 组合实战产品 底盘 工作流协同真实项目中这三层往往需要组合使用。下面是一个完整的协同架构示例。# 架构LangGraph 编排 Claude Code 执行 Harness 验证 from langgraph.graph import StateGraph, END class DevFlowState(TypedDict): issue: str patch: str test_report: str def plan(state): # 用 Claude Code 生成修改方案 state[patch] claude_code.plan(state[issue]) return state def implement(state): # 用 Claude Code 执行代码修改 state[patch] claude_code.apply(state[patch]) return state def verify(state): # 用 DeepSeek Harness 跑回归评测 state[test_report] harness.run_suite() return state def human_review(state): return interrupt({patch: state[patch]}) 构建协同图 flow StateGraph(DevFlowState) flow.add_node(plan, plan) flow.add_node(implement, implement) flow.add_node(verify, verify) flow.add_node(review, human_review) flow.set_entry_point(plan) flow.add_edge(plan, implement) flow.add_edge(implement, verify) flow.add_edge(verify, review) flow.add_edge(review, END) app flow.compile()这个组合的价值在于LangGraph 负责流程控制Claude Code 负责代码执行Harness 负责质量验证。每一层只做自己最擅长的事。9. 选型总结一张图记住最后用一张对比表收尾方便你保存。判断维度DeepSeek HarnessCodexClaude CodeLangGraph层级底盘产品产品工作流核心问题模型行不行谁能开箱即用谁能深度重构流程怎么编排上手成本中低中高适合阶段模型上线前日常开发大型重构复杂 Agent可组合性可作验证层可作执行层可作执行层可作编排层最终建议先判断你缺的是产品、底盘还是工作流再决定选型。如果只是日常写代码选 Codex 或 Claude Code如果要评测模型选 DeepSeek Harness如果要编排复杂流程选 LangGraph。多数真实项目最终会组合使用其中两到三个。 
长河君 · 2026/8/21 17:46:43 · 阅读 1.2k DeepSeek Harness、Codex、Claude Code、LangGraph 怎么选：先判断你缺的是产品、底盘还是工作流
1. 引言先别急着选工具先判断你缺什么很多开发者面对 DeepSeek Harness、Codex、Claude Code、LangGraph 这四个名字时第一反应是「哪个更好用」。但更准确的问法是你当前缺的是产品、底盘还是工作流这四个工具并不在同一层DeepSeek Harness面向模型评测与推理压测的工程框架属于「底盘」层。CodexOpenAI 的编码智能体产品属于「产品」层。Claude CodeAnthropic 的终端编码智能体产品属于「产品」层。LangGraph构建有状态、可编排的 LLM 应用框架属于「工作流」层。本文用一张选型决策表、四个实战案例和一组对比实验帮你把「缺什么」翻译成「选什么」。2. 四者定位产品、底盘、工作流先建立统一坐标系。下面这张表从定位、核心能力、适用人群三个维度做区分。工具定位核心能力适用人群DeepSeek Harness底盘模型评测、推理压测、多数据集管理算法工程师、模型平台团队Codex产品云端编码智能体、沙箱执行、PR 自动生成追求开箱即用的开发者Claude Code产品终端内编码智能体、长上下文、工具调用偏好本地终端工作流的开发者LangGraph工作流有状态图编排、人机协同、可恢复执行需要自定义 Agent 流程的工程师一句话总结要开箱即用选产品要评测模型选底盘要编排复杂流程选工作流。3. 决策表按你的场景直接查下面这张决策表覆盖了最常见的 8 种场景可以直接对照。你的核心诉求推荐工具理由快速让 AI 帮我改代码、提 PRCodex云端沙箱零配置直接对接 GitHub在本地终端里深度重构项目Claude Code长上下文 终端内交互适合大仓库对比 DeepSeek 不同版本的推理质量DeepSeek Harness内置评测集与指标可量化对比压测自建模型的并发与延迟DeepSeek Harness支持自定义请求脚本与并发配置构建多步骤 Agent如「检索→推理→写报告」LangGraph有状态图节点可编排、可恢复需要人工审批后再执行关键操作LangGraph内置 interrupt 机制支持人机协同既要编码智能体又要自定义评测Claude Code DeepSeek Harness产品负责干活底盘负责验证既要工作流编排又要编码能力LangGraph Codex工作流负责调度产品负责执行4. 实战一DeepSeek Harness——评测你的模型底盘假设你部署了 DeepSeek 的蒸馏模型想对比它和原版在数学推理上的差距。DeepSeek Harness 的核心用法是「配数据集、跑评测、看指标」。下面是一个最小可运行的评测配置示例。from deepseek_harness import Harness, Dataset, Metric 1. 定义评测数据集 dataset Dataset.from_jsonl( math_500.jsonl, input_keyquestion, output_keyanswer ) 2. 定义评测指标 metric Metric.composite([ Metric.exact_match(), Metric.llm_judge(modeldeepseek-chat) ]) 3. 初始化 Harness 并运行 harness Harness( model_endpointhttp://localhost:8000/v1, model_namedeepseek-ai/DeepSeek-R1-Distill-Qwen-7B, datasetdataset, metricmetric, concurrency16 ) report harness.run() print(report.summary()) 输出示例 exact_match: 0.72 llm_judge_pass_rate: 0.85关键点Harness 解决的是「我的模型到底行不行」的问题。它不帮你写业务代码但能帮你量化模型能力是典型的底盘工具。5. 实战二Codex——开箱即用的编码产品Codex 的典型场景是「给我一个 Issue还你一个 PR」。它把模型、沙箱、Git 操作封装成了完整产品。下面是一个通过 Codex CLI 完成任务的示例。# 1. 在仓库根目录启动 Codex codex 2. 输入自然语言任务 修复 src/utils/date.ts 中时区转换的 bug 并补充对应的单元测试。 3. Codex 自动完成 - 定位 bug - 修改代码 - 运行测试 - 生成 commit 和 PRCodex 的核心价值是产品化你不需要关心模型调用、上下文管理、沙箱安全它把这一切封装成了「输入任务、输出 PR」的体验。6. 实战三Claude Code——终端里的深度重构Claude Code 更适合在本地终端里处理大型仓库。它的优势是长上下文和工具调用能力。下面是一个典型的重构会话示例。# 1. 在项目目录启动 claude 2. 提出重构需求 把整个 services/ 目录下的 HTTP 客户端 从 axios 迁移到 fetch保持接口不变。 3. Claude Code 会 - 扫描 services/ 下所有文件 - 逐个迁移并保持导出签名一致 - 运行类型检查确认无破坏Claude Code 的定位是深度编码产品它不只是一个补全工具而是一个能理解项目结构、执行多文件修改的终端智能体。7. 实战四LangGraph——编排你的工作流LangGraph 解决的是「多个步骤如何编排、如何恢复、如何人工介入」的问题。它把 Agent 流程建模成一张有向图。下面是一个「检索→推理→人工审批→生成报告」的完整示例。from langgraph.graph import StateGraph, END from typing import TypedDict, List class AgentState(TypedDict): query: str docs: List[str] draft: str approved: bool 1. 定义节点 def retrieve(state: AgentState) - AgentState: state[docs] search(state[query]) return state def reason(state: AgentState) - AgentState: state[draft] llm.generate(state[query], state[docs]) return state def human_approval(state: AgentState) - AgentState: # 中断等待人工审批 return interrupt({draft: state[draft]}) def finalize(state: AgentState) - AgentState: return {report: state[draft]} 2. 构建图 graph StateGraph(AgentState) graph.add_node(retrieve, retrieve) graph.add_node(reason, reason) graph.add_node(human, human_approval) graph.add_node(finalize, finalize) graph.set_entry_point(retrieve) graph.add_edge(retrieve, reason) graph.add_edge(reason, human) graph.add_edge(human, finalize) graph.add_edge(finalize, END) app graph.compile() 3. 执行并支持恢复 result app.invoke({query: 分析Q3营收趋势}) 在 human 节点暂停人工确认后继续 result app.invoke(None, config{resume: True})LangGraph 的核心价值是工作流编排它不关心你用哪个模型也不替你写业务代码但它能让你把复杂的多步骤流程变成可维护、可恢复的图。8. 组合实战产品 底盘 工作流协同真实项目中这三层往往需要组合使用。下面是一个完整的协同架构示例。# 架构LangGraph 编排 Claude Code 执行 Harness 验证 from langgraph.graph import StateGraph, END class DevFlowState(TypedDict): issue: str patch: str test_report: str def plan(state): # 用 Claude Code 生成修改方案 state[patch] claude_code.plan(state[issue]) return state def implement(state): # 用 Claude Code 执行代码修改 state[patch] claude_code.apply(state[patch]) return state def verify(state): # 用 DeepSeek Harness 跑回归评测 state[test_report] harness.run_suite() return state def human_review(state): return interrupt({patch: state[patch]}) 构建协同图 flow StateGraph(DevFlowState) flow.add_node(plan, plan) flow.add_node(implement, implement) flow.add_node(verify, verify) flow.add_node(review, human_review) flow.set_entry_point(plan) flow.add_edge(plan, implement) flow.add_edge(implement, verify) flow.add_edge(verify, review) flow.add_edge(review, END) app flow.compile()这个组合的价值在于LangGraph 负责流程控制Claude Code 负责代码执行Harness 负责质量验证。每一层只做自己最擅长的事。9. 选型总结一张图记住最后用一张对比表收尾方便你保存。判断维度DeepSeek HarnessCodexClaude CodeLangGraph层级底盘产品产品工作流核心问题模型行不行谁能开箱即用谁能深度重构流程怎么编排上手成本中低中高适合阶段模型上线前日常开发大型重构复杂 Agent可组合性可作验证层可作执行层可作执行层可作编排层最终建议先判断你缺的是产品、底盘还是工作流再决定选型。如果只是日常写代码选 Codex 或 Claude Code如果要评测模型选 DeepSeek Harness如果要编排复杂流程选 LangGraph。多数真实项目最终会组合使用其中两到三个。