# openai-harness-engineering-codex-agent-first-2026-02-13

## Veille

OpenAI-Harness-Engineering: 1 Million Codezeilen, null manuelles Schreiben, Codex-Agents, agentenzentriertes Environment Engineering

## Titre Article

Harness engineering: leveraging Codex in an agent-first world

## Date

2026-02-13

## URL

https://openai.com/index/harness-engineering/

## Keywords

harness engineering, Codex, coding agents, zero manual code, context engineering, architectural constraints, garbage collection, custom linters, Tests structurels, dependency layers, structured documentation, feedback loops, agent-first, CI/CD, automated pull requests

## Authors

OpenAI

## Ton

**Profil**: Interne Ingenieurs-Perspektive, hohes technisches Register, faktischer Erfahrungsbericht-Ton. Veröffentlichung durch ein OpenAI-Engineering-Team.

**Beschreibung**: Der Ton ist der eines internen technischen Berichts, faktisch und ambitioniert. Der Artikel nimmt eine „show, don't tell“-Haltung ein, indem er die Ergebnisse eines radikalen internen Experiments (null manuell geschriebener Code) mit konkreten Zahlen präsentiert. Der Stil ist direkt, praxisorientiert, mit einer Struktur, die von „was kaputtging“ über „was funktionierte“ zu „was sich verstärkte“ fortschreitet. Der Artikel setzt ein Publikum aus Entwicklern und Softwarearchitekten voraus, die mit Coding-Agents, CI/CD-Pipelines und großangelegten Engineering-Praktiken vertraut sind. Die zentrale Botschaft ist provokant: Die Aufgabe des Ingenieurs besteht nicht mehr darin, Code zu schreiben, sondern Umgebungen für Agenten zu gestalten.

## Pense-betes

- **Radikales Experiment**: Ein Team aus 3 Ingenieuren (später 7) produzierte in 5 Monaten rund 1 Million Codezeilen, ohne je eine einzige Zeile manuell zu schreiben, ausschließlich über Codex-Agents. Rund 1.500 gemergte PRs, d. h. ~3,5 PRs pro Ingenieur und Tag
- **Philosophie „kein manuell geschriebener Code“**: Gründungsprinzip des Teams — Menschen tragen niemals direkt zum Code bei. Engineering konzentriert sich auf Systeme, Scaffolding und Hebelwirkung
- **Definition des Harness**: die vollständige Umgebung aus Scaffolding, Beschränkungen und Feedback-Schleifen rund um einen KI-Agenten (Repo-Struktur, CI-Konfiguration, Formatierungsregeln, Paketmanager, Frameworks, Projektanweisungen, Tool-Integration, Linter)
- **Drei Säulen**: (1) Context Engineering, (2) Architektonische Beschränkungen, (3) Entropie-Management (Garbage Collection)
- **Context Engineering**: strukturierte Dokumentation innerhalb des Repos mit Systemkarten, Ausführungsplänen, Design-Spezifikationen. Architekturentscheidungen aus Slack müssen als versionierte Artefakte im Repo kodiert werden. „Aus Sicht des Agenten existiert nicht, was nicht im Kontext steht“
- **Architektonische Beschränkungen**: striktes Schichtenmodell mit validierter Abhängigkeitsrichtung: Types → Config → Repo → Service → Runtime → UI. Mechanische Durchsetzung über benutzerdefinierte Linter (von Codex generiert) und Tests structurels in der CI
- **Intelligente Linter**: Die Fehlermeldungen der Linter sind so gestaltet, dass sie Korrekturanweisungen direkt in den Kontext des Agenten einspeisen, statt den Code einfach zu blockieren
- **Garbage Collection**: wiederkehrende Hintergrund-Codex-Aufgaben, die Abweichungen von den „goldenen Prinzipien“ identifizieren, Qualitätsnoten aktualisieren und Refactoring-PRs zum automatischen Mergen öffnen
- **Fundamentaler Rollenwandel**: Der Ingenieur wechselt vom Schreiben von Code zum Gestalten von Umgebungen, Spezifizieren von Absichten und Aufbauen von Feedback-Schleifen
- **Martin-Fowler-Zitat**: bezeichnet Harness Engineering als „wertvollen Rahmen“ (valuable framing) für KI-gestützte Entwicklung
- **Der Engpass**: Die Agenten-Performance hängt oft mehr vom Umgebungsdesign als von der Intelligenz des Modells ab

## RésuméDe400mots

OpenAI veröffentlicht einen Bericht über eine interne Methodik namens „Harness Engineering“, angewendet auf agentenzentrierte Entwicklung mit Codex. Über fünf Monate hinweg produzierte ein Team von drei Ingenieuren (später auf sieben erweitert) ein internes Beta-Produkt mit rund einer Million Codezeilen, wobei null Zeilen manuell geschrieben wurden. Codex-Agents öffneten, bewerteten und mergten rund 1.500 Pull Requests, im Durchschnitt 3,5 PRs pro Ingenieur und Tag.

Der Harness wird als die vollständige Umgebung aus Scaffolding, Beschränkungen und Feedback-Schleifen rund um einen KI-Agenten definiert: Repository-Struktur, CI-Konfiguration, Formatierungsregeln, Anwendungs-Frameworks, Projektanweisungen, Integration externer Tools und Linter. Der erste Commit in ein leeres Repository wurde von Codex CLI mit GPT-5 generiert, geleitet von Vorlagen.

Der Ansatz beruht auf **drei Säulen**. **Context Engineering** stützt sich auf strukturierte Dokumentation innerhalb des Repositorys, organisiert in Verzeichnissen mit Systemkarten, Ausführungsplänen und Design-Spezifikationen. Architekturentscheidungen, die in Slack getroffen werden, müssen als versionierte Artefakte innerhalb des Repos kodiert werden, denn aus Sicht des Agenten existiert nicht, was nicht im Kontext steht.

**Architektonische Beschränkungen** werden mechanisch durchgesetzt, durch ein striktes Abhängigkeitsschicht-Modell (Types → Config → Repo → Service → Runtime → UI), von Codex generierte benutzerdefinierte Linter sowie ArchUnit-artige Tests structurels, die in der CI laufen. Die Fehlermeldungen der Linter sind so gestaltet, dass sie Korrekturanweisungen direkt in den Kontext des Agenten einspeisen und Beschränkungen so in aktive Anleitung verwandeln.

**Entropie-Management** (Garbage Collection) besteht aus wiederkehrenden Codex-Aufgaben, die den Code auf Abweichungen von etablierten Prinzipien hin scannen, Qualitätsnoten aktualisieren und automatisch gemergte Refactoring-PRs öffnen.

Der Artikel behauptet einen fundamentalen Wandel der Rolle des Ingenieurs: Der Ingenieur codiert nicht mehr, sondern gestaltet Umgebungen, spezifiziert Absichten und baut Feedback-Schleifen für Agenten. Die größte identifizierte Herausforderung betrifft das Design dieser Umgebungen, Feedback-Schleifen und Kontrollsysteme. Der Engpass bei der Agenten-Performance liegt oft eher im Umgebungsdesign als in der Intelligenz des Modells. Martin Fowler bezeichnete diesen Ansatz als einen „wertvollen Rahmen“ (valuable framing) für KI-gestützte Entwicklung.

## GrapheDeConnaissance

- OpenAI —publie→ Harness engineering: leveraging Codex in an agent-first world (DOCUMENT, 0.99)
- OpenAI —mesure→ 1 million de lignes de code produites sans écriture manuelle en 5 mois (MESURE, 0.95)
- Codex —mesure→ 1500 pull requests fusionnées en 5 mois (MESURE, 0.93)
- Harness engineering —est_basé_sur→ Ingénierie de contexte (CONCEPT, 0.97)
- Harness engineering —est_basé_sur→ Contraintes architecturales (CONCEPT, 0.97)
- Harness engineering —est_basé_sur→ Garbage collection (code) (CONCEPT, 0.95)
- Contraintes architecturales —utilise→ Couches de dépendances Types→Config→Repo→Service→Runtime→UI (CONCEPT, 0.92)
- Linters custom —permet→ Instructions de correction dans contexte agent (CONCEPT, 0.9)
- Garbage collection (code) —permet→ PRs de refactoring auto-mergées (CONCEPT, 0.88)
- Martin Fowler —affirme_que→ Harness engineering est un cadrage précieux (AFFIRMATION, 0.9)
- Codex —utilise→ GPT-5 (TECHNOLOGIE, 0.85)
- Conception d'environnements pour agents —remplace→ écriture manuelle de code par l'ingénieur (CONCEPT, 0.92)

---
Canonical: https://www.thekb.eu/de/fiches/openai-harness-engineering-codex-agent-first-2026-02-13/