ハーネスを所有したかった。しかしCodex Desktopが勝った
I Wanted to Own the Harness. Then Codex Desktop Won (jorypestorious.com)
要約
本記事は、開発者が「Codex Desktop」というツール(またはプラットフォーム)の登場により、自身が開発した「Harness」というプロジェクトの所有権や開発の方向性を巡って直面した状況を描いています。具体的な技術的詳細や経緯は本文が取得できなかったため不明ですが、タイトルからは、新しい技術やツールの出現が既存のプロジェクトや開発者の意図に与える影響について論じていると推測されます。
全文翻訳
Harnessを所有したかった。そしてCodex Desktopが勝利した。
Jory Pestorious 著 | 2026年8月9日
[画像: デスクトップと電話でCodexを使用する開発者と、画面の横に浮かぶ耳の垂れたGeorgie]
このURLには、別の記事を用意していました。ドラフトは「Harnessを所有し、Intelligenceを借りる」というタイトルでした。私のルール、スキル、ツールは、モデルやサブスクリプションを変更しても私と一緒に移動すべきだと主張していました。
私は今でもそう信じています。なぜなら、ポータビリティがあったからこそ、ルールを放棄することなくClaude Maxをキャンセルできたからです。移動した後、私は次のHarnessの最適化をやめ、Codex Desktopを開き続けました。数ヶ月前なら、Claudeを離れることは不可能に聞こえたでしょう。
私は熱狂的なClaude Codeファンボーイでした。新しい機能が出るたびに、マネージドエージェントの「dreaming」からJ-space論文に至るまで、Anthropicの深淵に飛び込んでいました。次のフック、エージェントモード、あるいはメモリのアイデアが何をもたらすかを想像し続けていました。Codex Desktopを開きながらも、私はまだClaudeに勝ってほしいと思っていました。
Codexは私が開きっぱなしにするウィンドウになりました。私の作業は、覚えなければならないターミナルセッションではなく、可視化されたタスクとして存在しました。リモートセットアップはQRコードで完了しました。アイデアについて話し合い、携帯電話から作業を引き継ぎ、スケジュールされたタスクに会話の始まりから戻ってくることができました。
画面の端に小さなアニメーションの犬が浮かび、何かが必要な時に教えてくれました。それが気に入ったので、カスタムバージョンのGeorgie、私のPhalèneを構築しました。
私は終了を最適化していた
Terminal Velocityは、ターミナルファーストのワークフローが天井を上げたと言いました。その後、私はClaude Codeのバックグラウンドジョブ、音声、プロセス制御、TUIを中心にCalmhiveを構築しました。
Claude Codeは優れていましたが、私がそれを中心に構築したスキル、コマンド、フック、習慣はきれいに移行しませんでした。命令ファイルは新しいエージェントにコピーできても、その振る舞いはできません。新しいHarnessは異なるツール、権限、そして命令の意味についてのアイデアを持っています。
私はOh My Pi(OMP)をCodex OAuthと共に実行しています。同じChatGPTサブスクリプションが、個別のトークンごとのAPI請求なしで、Codex Desktopとターミナルで機能します。私はまた、DeepSeek V4 ProとFlashをOpenCode Goプラン経由で使用しています。
Claude MaxはPiに同じクリーンなサブスクリプションパスを提供しませんでした。AnthropicはサードパーティツールをAPIキーまたは使用クレジットに向かわせています。これにより、キャンセルが容易になりました。私のルールはプレーンファイルに生き続けており、CodexとOMPの両方で機能するため、サブスクリプションが合わなくなったときに離れることができます。
残りの部分は、何度も自分で構築してきました。あるバージョンでは、ターミナルHarness、プロバイダー、MCPサーバー、エディタ統合、リモートアクセス、スケジューラ、通知、音声、そしてそれらを接続するコードを組み合わせました。
あるツールで開始されたタスクは、別のツールのコンテキストを見ることができませんでした。アップデートが、壊れやすいと忘れていたパスを壊しました。各部分は機能しましたが、それらを接続し続けることがそれ自体のプロジェクトになりました。「自分で構築できる」というのは、「自分でオイル交換ができる」のと同じ意味で真実です。足りない数字は、私がその土曜日にしたかったことです。以前のドラフトでは統合を利便性と呼んでいましたが、私は統合された部分を毎日使用し、何かが壊れたときに余分な制御を求めます。
Prime Agentのコードを開いた
Prime Agentを試したかったので、ローンチ投稿をAI Socraticの創設者であるFederico Ulfoに送りました。彼はPrimeの深さ1のRLMと継続学習の主張に異議を唱え、RLMとMeta-Harnessの論文、そしてRLMとGoogleのADK実験に関するAI Socraticの2月の記事を送ってくれました。Federicoはまた、Claude CodeとCodexのためのベータ版macOSペットであるClippyを構築しました。これはCodexペットの有用な部分を実行します。つまり、エージェントが注意を必要とするまで静かにしており、彼はフィードバックを求めています。
Prime Agentは、Codex DesktopよりもOMPのターミナルエージェントパラダイムに近いので、RLMと/refineがOMPが既に提供しているものを改善したかどうかを確認するために、論文とPrimeのソースを開きました。永続的なIPythonカーネルは、親エージェントにインプットを保持し検索する場所を提供し、子セッションは非同期で実行でき、ユーザーは保存された状態を編集またはロールバックできます。私はまだRLMの結果の領収書と、/refineがエージェントを時間とともに改善するという主張の証拠を求めていました。
Alex Zhang、Tim Kraska、Omar KhattabはMIT CSAILでRecursive Language Modelsを発表しました。RLMは長い入力を外部環境に入れ、モデルがコードでそれを検査・スライスできるようにし、選択された部分に対してモデル呼び出しを行います。最も明確な分離はOOLONG-Pairsで得られ、これは32,000トークンの入力全体にわたるペアの集計を必要としました。深さ1のRLMはルートにGPT-5を使用し、再帰呼び出しにGPT-5-miniを使用しました。実行あたりの平均コスト0.33ドルで、F1スコアは58でした。コンテキストオフローディングを備えたClaude Code 2.0.0とOpus 4.1は、2.99ドルで6.5 F1スコアでした。
OOLONG-Pairsの結果は、論文のRLMから得られました。Primeのrlm()ブリッジは子セッションを起動し、そのハンドルを返します。Primeはデフォルトで1つの再帰レベルを使用しますが、OMPのタスクエージェントはデフォルトで2つです。どちらの制限も引き上げることができます。Primeの実装で同様の長いコンテキスト比較を見つけることはできませんでした。
Primeのメモリピッチは、Meta-Harnessではなく、Continual Harness論文を引用しています。コードでは、/refineはモデルにJSONに保存されたプロンプトノート、メモリ、スキル、サブエージェント定義を作成、更新、または削除するように要求します。Primeはそれらのファイルをバージョン管理し、ロールバックできます。
Primeのコードでは、/refineはモデルのexpectedOutcomeをoutcomeというフィールドに書き込みます。保存された結果は予測であり、実行の結果ではありません。/refineは古いセットアップを新しいものに対してテストしません。それでも有用な教訓を得られるかもしれませんが、教訓が役立ったかどうか、正しいタスクで返ってくるかどうか、あるいはエージェントに誤ったことを教えたかどうかは判断できません。
Meta-Harnessは、期待される結果を保存するのではなく、候補を実行します。提案者は、次の候補を生成する前に、候補コード、スコア、トレースを検査できます。3つのオンラインテキスト分類データセットからの保持されたテストセット全体でGPT-OSS-120Bを使用した結果、選択されたMeta-HarnessはACEの40.9パーセントに対して平均精度48.6パーセントに達し、7.7パーセントポイントの差がありました。選択されたMeta-Harnessは、ACEの50,800トークンに対して11,400トークンの追加入力を消費しました。そのタスク固有の状態は、タスク間でリセットされます。Primeの/refineの同様の前後比較テストは見つからなかったので、私はCodex DesktopとOMPを使い続けます。
私の仕事を変えたもの
Ponytailはエージェントがコードを書く方法を変え、Cavemanはエージェントが話す方法を変えました。独自のエージェントベンチマークでは、PonytailはClaude Code 2.1.177とHaiku 4.5を使用して、ピン留めされたFastAPIおよびReactリポジトリで、12のHaiku 4.5機能タスクをアームごとに4回実行しました。ベンチマークの丸められた集計は、スキルなしタスクあたりの追加行数191行からPonytail使用時で約88行に減少し、54パーセントの削減でした。日付ピッカータスクでは、Ponytailはスキルなしアームの404行に対して平均23行を追加しました。これはネイティブHTML日付入力を利用したためです。
トークン数はタスクあたり349,000から約272,000に減少し、22パーセントの削減でした。平均コストは約0.097ドルから約0.078ドルに減少し、20パーセントの削減でした。時間は69秒から約50秒に減少し、27パーセントの削減でした。
5つの敵対的チェックを4回繰り返した結果、スキルなし、Caveman、Ponytailのアームはそれぞれ20回の実行中20回をパスしました。1行のYAGNIプロンプトは20回中19回パスしました。5つのチェックは既知のガードをテストするものであり、一般的なコードセキュリティをテストするものではありません。
82のペアになったSkillsBenchコーディングタスク全体で、Cavemanはスキルなしアームの592,000トークンから542,000トークンに削減しました。これは8.5パーセントの削減です。JetBrainsは、Claude Code 2.1.200、Claude Sonnet 5、および低い推論努力を使用して、すべての応答でCavemanを有効にしました。タスクレベルのテスト(0から1でスコアリング)では、スキルなしアームの平均は0.326、Cavemanは0.311でした。ペアの符号検定では、検出可能な品質の違いは見られませんでした(p = 0.82)。Cavemanは私が望んでいたトレードオフを提供してくれます。つまり、検出可能な完了タスク品質の低下なしに、エージェントの出力を短縮することです。
OMPには、私が他に構築しなければならなかった配管が既に含まれています。ChatGPT OAuth、OpenCode Go認証情報、プロバイダールーティング、拡張機能、タスクエージェントです。そのLSPは書き込みと名前変更を通じて実行されるため、編集中に壊れたインポートが表面化します。DAPは実際のデバッガを駆動します(print文デバッグの代わりに)、一方サブエージェントは分離されたワークツリーで動作しますので、兄弟エージェントが構造化された結果を返す前に衝突することはありません。
デスクトップまたはターミナルから同じサブスクリプション、モデル、ルールを使用できます。毎日それらの子エージェントに作業を送信しています。同じモデルとプロバイダーでHarnessを比較しており、片方に余分なコンテキストや予算を与えていません。まだ私を切り替えさせたものはありません。
実際に使用しているセットアップ
Claude Maxはなくなりました。私のルールはまだ移行し、プロバイダーを切り替えることもでき、OMPは音声指示で呼び出せます。Codex Desktopは、私の注意をより少なく要求するため、開いたままです。Georgieは、何かが必要になるまで画面の端で待機しています。
私の仕事を変えたもの
私の最後の記事は、私がすでに生きていた分割について説明しました。私はCLIを通じて作業を実行していましたが、Codex Desktopは並列タスク、ローカルファイル、ブラウザ作業、ツール、および長時間実行されるジョブをGUIでまとめていました。そのアプリ内ブラウザは、フロントエンドのTDDをタスク内で実行し続けます。Codexは失敗を再現し、ページを変更し、レンダリングされたUIに対して修正を確認できます。ページに注釈を付けると、正確なスペーシングやスタイリングの問題が会話に戻ります。私はそのブラウザとエージェントのループのバージョンを自分で構築していましたが、ブラウザをエージェントとテストランナーに接続する必要がありました。Claude Desktopでは、チャット、Cowork、デザイン作業は別々の目的地のように感じられたため、コンテキストをそれらの間で運ぶ必要がありました。Codexはテスト結果をコードと会話の隣に置くため、作業がどこにあるかを覚えるための注意を減らすことができます。
QRコードをスキャンして、WindowsマシンをCodex Remoteに接続しました。電話ビューは、作業を開始し、進捗を確認し、アクションを承認し、方向を変更し、結果を確認できることを意味します。個別のリモートコントロールセットアップは不要になりました。電話は、私の机上のタスクの別のビューになりました。
Twelve Keyboards Laterは、音声を入力のもう一つのエンドゲームとして締めくくりました。Codex Voiceは、エージェントと直接話すことを可能にします。アイデアが形になるまで話し、回答が逸れたら中断し、考えが冷めないうちに作業を別々のタスクに送信できます。
私の電話では、Windowsマシン上のOMPに作業を送信し、外出中や入浴中でも音声で指示できます。CodexはCLI呼び出しを通じてOMPを呼び出し、結果をターミナルやTUIではなく会話に返します。
スケジュールされたタスクは、コンテキストとツールを備えた同じ会話に戻ります。これらを組み合わせることで、ツールの再接続、コンテキストの繰り返し、タスクが私を必要としているかどうかの確認といった手間がなくなりました。
実際に使用しているセットアップ
Claude Maxはなくなりました。私のルールはまだ移行し、プロバイダーを切り替えることもでき、OMPは音声指示で呼び出せます。Codex Desktopは、私の注意をより少なく要求するため、開いたままです。Georgieは、何かが必要になるまで画面の端で待機しています。