我选择 Codex-first,不是因为 Codex 是终点,而是因为它是现实入口。
做 AI-native 工具时,很容易陷入一个误区:既然我要治理 agent,那我是不是应该先做一个自己的 agent runner?
我的答案现在越来越明确:不应该。至少不应该一开始就这样做。因为用户已经在真实工具里工作,尤其是 Codex Desktop、Codex CLI、Claude Code 这类 coding agent 环境。
IntentDNA 的早期价值,应该是让这些真实入口变得更可治理,而不是要求用户放弃它们。
入口尊重习惯,治理保持独立。Samuel Wang / AI-native Work notes
生产力工具的迁移成本,比技术架构图里看起来更高。
一个人习惯了某个 coding agent 的交互方式、快捷键、审批模型、文件浏览、终端集成和上下文处理,迁移到新 runner 并不只是换 UI。
如果我要求用户为了 IntentDNA 换入口,就等于把“治理价值”绑定到“迁移成本”。这会让一个本来应该轻量进入工作流的东西,变成沉重的平台替换。
所以更现实的策略是:先在用户已有入口旁边建立治理层。
自建 runner 会过早吞掉核心精力。
一个生产级 runner 要处理工具、沙箱、权限、上下文、状态、记忆、错误、验证、trace、UI、部署和安全。每一项都很深。
如果 IntentDNA 早期把这些全部自建,最容易变成另一个半成品 agent framework。它会消耗大量精力,却未必证明最核心的理论:组织意图能否跨 harness 编译。
我更愿意把自建 runner 推迟到有足够 workflow、adapter 和证据之后。
adapter-first 是更符合 IntentDNA 本质的路线。
IntentDNA 的核心是治理语言和编译层。那它最早应该证明的不是“我能跑 agent”,而是“我能把同一套意图映射到不同 agent 运行面”。
Codex-first adapter 可以先回答一些关键问题:AGENTS.md 能承载哪些软约束?哪些权限只能靠外部 guard?哪些行为无法硬拦截?如何记录 RuntimeDecisionEvent-compatible evidence?
这些问题比自建一个漂亮 runner 更接近真实价值。
| 路线 | 优势 | 代价 | 判断 |
|---|---|---|---|
| 自建 runner | 控制最完整 | 过早承担全部 harness 复杂度 | 后置 |
| Codex-first adapter | 贴近真实使用入口 | 部分硬约束不可直接映射 | 优先 |
| SDK adapter | 适合后台产品化 | 需要处理认证、部署、成本和 UI | 第二阶段 |
Codex-first 也是我的 dogfood 路线。
我自己就在使用 Codex 推进项目、文章、页面和验证。这意味着 Codex-first 不是抽象选择,而是我的真实工作面。
把 IntentDNA 先适配到我自己的工作流,能更快发现治理语言哪里有用,哪里只是概念。
dogfood 的好处是残酷:如果一个规则让我自己都觉得累,它很可能不是好设计;如果一个 workflow 真能提升我的交付,它就有机会成为产品资产。
Codex-first 不等于 Codex-only。
我选择 Codex-first,不代表 IntentDNA 只服务 Codex。相反,它是为了更稳地走向跨 harness。
等 Codex adapter 把 contract、unsupported、evidence 和 dogfood 跑通,再接 Claude Agent SDK、OpenAI Agents SDK、LangGraph 或内部 runner,才有更强的比较基础。
长期看,IntentDNA 的价值不在某个单点 adapter,而在所有 adapter 共享同一套治理语言。
这些判断背后有清晰的行业信号。
我引用这些来源,是为了把个人判断放回更大的市场、资本和工程实践背景里。它们共同指向一个趋势:AI 的竞争点正在从“模型调用”转向“工作系统设计”。
Codex 已经成为开发者日常 coding agent 入口之一。
Agents SDK 更适合产品后端和自定义 orchestration 场景。
Claude Code 体现了 coding harness 本身的重要性。
建议从简单模式开始,避免不必要复杂度。
MCP 表明工具和上下文连接会跨 host 发展。
AI-native development 的机会来自工作系统,而不只是工具替换。