Claude Code 與 Codex CLI：Harness 開發能力與工作流比較

AI coding CLI 已經不只是「幫我補一行程式碼」，而是能讀取專案、修改檔案、執行指令並驗證結果的開發代理。本文聚焦 Anthropic 的 Claude Code 與 OpenAI 的 Codex CLI 如何打造和客製自己的 Agent Harness，也就是圍繞模型的專案指示、記憶、工具、權限、工作流程與驗證機制。重點不是哪個模型單次寫得更好，而是哪一套更適合你的工程工作流與治理需求。

Claude Code 與 Codex CLI 的 Harness 工作環境示意圖

圖 1：Harness 把模型、專案指示、工具與權限組成可工作的開發環境。

先說結論：兩者都具備「理解程式碼 → 修改 → 執行驗證」的核心循環，也都能擴充 Skills、MCP 和子代理。Harness 的差異主要在擴充入口：Claude Code 提供生命週期 Hooks，並有可用 Python／TypeScript 程式化建置代理的 Agent SDK；Codex CLI 則把沙箱與核准控制、codex exec 自動化入口，以及可檢視與 fork 的開源 CLI 放在明顯位置。選擇要看你想客製流程、建置自己的 Agent 應用，還是直接掌握執行環境與程式碼。

本文範圍：「Codex」指 OpenAI 的終端機工具 Codex CLI，不包含 Codex Web 或其他 IDE 產品。CLI 功能與計費方案會更新，細節請以文末官方文件為準。

一、Claude Code：適合多步驟、多檔案工作

Claude Code 是 Anthropic 的 agentic coding tool。在專案目錄中啟動後，可以請它先了解程式結構，再規劃變更、編輯檔案、執行測試，並依照結果繼續修正。工程師可以查看它使用的工具、執行的指令和檔案差異，並透過權限設定決定哪些操作需要確認。

主要特色

跨檔案完成開發任務：不只修改目前開啟的檔案，也能搜尋整個 repository，連動更新程式、測試和相關文件。
專案指示與記憶：CLAUDE.md 可記錄架構、coding style、測試命令等團隊規範；Auto Memory 則可保留工作中累積的偏好或專案資訊。重要規則仍建議明確寫在專案文件或權限設定中。
Skills 與 Hooks：Skills 將常用流程整理成可重複使用的指引；Hooks 可在特定工作階段事件前後執行命令，例如格式檢查或通知。
Subagents 與 MCP：Subagents 可分擔研究或檢查工作；MCP 可連接外部工具和資料來源，依需求擴充工作流程。
多種使用介面：除終端機外，也提供 IDE、桌面與網頁等工作介面；相同專案指示和部分設定可在不同介面使用。

對工程師來說，Claude Code 的優勢不只是「能改很多檔案」，而是可以把團隊慣例、重複流程和外部工具組合在一起。若要長期在大型專案使用，這些擴充點有助於減少每次重新說明背景的時間。

AI coding agent 在多個程式檔案與測試之間執行重構

圖 3：透過 Harness，Agent 可以依序處理多個檔案並把測試結果納入工作流程。

二、Codex CLI：適合重視控制與自動化的工作

Codex CLI 是 OpenAI 的終端機 coding agent，可在本機 repository 中檢查程式碼、編輯檔案並執行已安裝的開發工具。互動使用時，可以查看操作並在過程中補充指示；也能用非互動命令接到 script 或 CI。

主要特色

沙箱與核准控制：Sandbox 決定工具能操作哪些檔案或資源；Approval policy 決定哪些操作要先詢問。預設安全設定會限制工作目錄外的寫入，並關閉網路存取；可依任務需要調整。
本機開發循環：可以在終端機探索程式碼、規劃變更、執行本機測試，並檢查 diff。
Script 與 CI 整合：codex exec 可用非互動方式執行任務，方便放入重複性工作流程。
Review 與工作延續：可針對變更做 code review，並用 codex resume 回到先前的對話。CLI 也提供圖片輸入、即時網路搜尋、Subagents、MCP 和雲端工作流程等功能。
Skills 與 AGENTS.md：Skills 可封裝可重複使用的任務指引；AGENTS.md 用來提供全域或專案層級的工作規範。Codex CLI 本身則以 Apache-2.0 授權公開在 GitHub。

Codex CLI 最容易辨識的優點，是「能做什麼」和「需要先問什麼」可以分開設定。對需要在受控環境工作、希望保留清楚核准流程，或要把 agent 接進自動化管線的團隊，這點特別實用。

工程師在安全沙箱和核准邊界內檢查 coding agent 的操作

圖 4：沙箱和核准設定能把 Agent 的操作限制在明確範圍內。

三、差異比較

比較面向	Claude Code	Codex CLI
產品定位	Anthropic 的 coding agent，支援多種工作介面	OpenAI 的本機終端機 coding agent
核心工作	讀取專案、編輯檔案、執行命令與測試	檢查 repository、編輯檔案、執行本機工具
專案指示	`CLAUDE.md`；另有 Auto Memory	`AGENTS.md`；可用 `codex resume` 接續 session
可重複流程	Skills、Hooks、Subagents、MCP、Plugins	Skills、Plugins、Subagents、MCP、`codex exec`
安全設定	Permission modes 與 permission rules 控制工具使用	Sandbox 與 approval policy 分開控制；預設限制工作目錄寫入與網路
自動化	Print mode、Agent SDK 與 CI/CD 整合	`codex exec` 適合 script 和 CI 任務
程式碼公開狀態	官方 CLI 原始碼未以開源專案發布	CLI repository 以 Apache-2.0 授權公開
使用模型與費用	依 Anthropic 支援的模型和方案／API 計費	依 OpenAI 支援的模型和方案／API 計費

Harness 開發能力：如何客製 Agent 的工作方式？

可以把 Harness 想成模型外面的「工作環境與規則層」。它負責告訴 Agent 專案怎麼運作、有哪些工具可用、什麼操作需要核准、如何拆分任務，以及用什麼方式驗證成果。就算底層模型不變，Harness 設計不同，Agent 的行為、安全性和可維護性也會很不一樣。

把專案規範、Skills、工具和驗證流程連在一起的 Harness 示意圖

圖 2：Harness 的各個部分共同決定 Agent 如何接收指示、呼叫工具與檢查結果。

Harness 面向	Claude Code	Codex CLI
專案指示與脈絡	`CLAUDE.md`、路徑規則與 Auto Memory；可把長期規範和工作中累積的資訊分開管理。	`AGENTS.md` 會依全域、專案和目錄層級組成指示鏈；`config.toml` 管理模型、權限等 CLI 設定。
可重複工作流程與 Hooks	Skills、命令與 Plugins 封裝慣例；Hooks 可在 session、prompt 或工具呼叫等生命週期事件執行 command、HTTP、MCP 或其他處理。	Skills、Plugins 與 MCP 可重用指引和工具；也支援透過 `hooks.json` 或 `config.toml` 設定 lifecycle hooks，並可用 `codex exec` 接 script 或 CI。
外部工具與任務分工	MCP 連接外部服務，Subagents 分擔研究或專項工作；Agent SDK 可把這些能力帶進自建應用。	MCP 連接工具，Subagents 協助拆分任務，也可搭配 Codex cloud 工作流程。
權限與安全	Permission modes 和 permission rules 決定哪些工具能使用、哪些操作要先確認。	Sandbox 決定可碰觸的資源，approval policy 決定何時詢問；本機預設限制 workspace 寫入並關閉網路存取。
程式碼層級客製	官方 Agent SDK 提供 Python／TypeScript 介面，可程式化使用 Claude Code 的 agent loop、工具、權限、sessions、hooks 和 context management。	Codex CLI 原始碼以 Apache-2.0 公開，可檢視與 fork CLI 本身；配置與自動化則可從 `config.toml`、Skills、MCP 和 `codex exec` 開始。

實務上怎麼判斷：兩者都已有生命週期 Hooks、Skills、MCP 和子代理，不應把「有沒有這項功能」當成唯一差異。更值得比較的是設定與整合方式：Claude Code 的 Hooks 可接 command、HTTP、MCP 等處理，Agent SDK 也提供程式化建置入口；Codex CLI 可用 hooks.json／config.toml 設定 hooks，並以開源程式碼、沙箱設定和 codex exec 掌握 runtime 與自動化。

需要特別注意，Agent SDK 和 CLI 原始碼客製是兩種不同路線：前者是在 Python／TypeScript 應用中使用官方 Agent 能力，後者是閱讀或 fork CLI 專案。若你的目標只是讓團隊工作方式一致，通常先從 CLAUDE.md／AGENTS.md、Skills 和權限設定開始，不必一開始就自行維護整套 Harness。

四、Skills、專案指示與 Memory

兩邊都能使用 SKILL.md 格式，把特定任務的步驟和參考資料整理成可重複使用的 Skill。Claude Code 的專案 Skills 常放在 .claude/skills/；Codex 的 repository Skills 常放在 .agents/skills/。基本概念相近，但目錄、額外設定和呼叫方式不完全相同，跨工具共用前要分別測試。

專案長期規則方面，Claude Code 使用 CLAUDE.md，並提供 Auto Memory；Codex 使用 AGENTS.md 逐層提供指示，也能接續既有 session。兩者的自動記憶與 session 功能不是完全相同的東西。團隊的重要決策、架構說明和不可違反的規範，最好放在可審查的 repository 文件、測試或權限規則裡，不要只依賴 agent 自己記住。

五、各自適合的情境

Claude Code 的優勢

要跨多個模組重構，並希望 agent 自己依序探索、修改和驗證。
團隊有固定的 review、測試、部署等流程，想用 Skills 和 Hooks 穩定重複執行。
需要連接外部工具，或希望用 Subagents 分拆調查工作。
希望在終端機、IDE、桌面或網頁介面間切換。

Codex CLI 的優勢

安全邊界和操作核准是首要考量，想清楚控制工作目錄與網路存取。
希望 agent 的程式碼能被檢視、稽核或依開源授權客製化。
有重複性的 CLI 工作，需要以 codex exec 整合到 script 或 CI。
工作內容範圍明確，想在本機終端機中快速完成檢查、修改和 review。

六、Token 消耗和費用怎麼比？

目前不適合直接說哪一個 CLI 一定比較省。實際用量與費用會受到所選模型、輸入與輸出長度、程式碼脈絡、推理設定、工具呼叫次數、快取和訂閱方案影響。相同任務在不同 repository 上也可能差很多；官方文件沒有提供兩者在完全相同條件下的通用 token 消耗結論。

比較務實的做法是選一個手邊真實任務，固定需求、檔案範圍和驗收條件，各跑一次，再一起比較完成品質、花費時間和實際用量。減少不相關的 context、保持 CLAUDE.md／AGENTS.md 精簡、關掉不需要的 MCP，通常比追逐單一「省 token」排名更有幫助。費率和方案也會調整，請以官方定價及用量頁面為準。

七、怎麼選？

你的主要需求	可以先試
大型、多步驟的跨檔案工作，以及可客製的團隊流程	Claude Code
清楚的本機沙箱與核准控制	Codex CLI
重複任務要接到 script 或 CI	Codex CLI；也可評估 Claude Code 的自動化介面
需要 Skills、MCP 或子代理工作流	兩者皆可，依現有設定與團隊熟悉度選擇
第一次使用 terminal coding agent	先從你已經使用的模型與工具生態系開始

兩種工具也可以並用，按任務挑選即可。建議先在小範圍任務上試用，檢查它提出的 diff、測試結果與權限要求，再逐步交付較大的工作。無論使用哪一個，最後的程式碼審查和測試仍應由工程師負責。

兩位工程師一起檢視 coding agent 產生的程式差異與測試結果

圖 5：Harness 能加速開發，但最後仍要由工程師檢查變更和測試結果。

總結

Claude Code 和 Codex CLI 都能處理終端機裡的程式理解、修改和驗證工作。Claude Code 的優勢在專案脈絡與流程擴充；Codex CLI 的優勢在沙箱／核准控制、開源透明度和腳本整合。選擇時先看你的工作流程、安全需求和現有工具，而不是單看宣傳或未經控制的 benchmark。