SpaceXAI 于 2026 年 7 月 15 日宣布 Grok Build 开源，并把它描述为背后 coding agent 和 TUI 的 harness。这次发布值得关注的地方，是公开的不是一个单独模型，而是模型如何组装上下文、调用工具、修改代码以及呈现工作进度的整个执行骨架。
官方列出的代码包括 agent loop：如何组合上下文、解析模型响应和分派 tool call；也包括读取、编辑及搜索代码、执行命令的工具。终端界面则涵盖输入输出呈现、plan review 和 inline diff viewer，让用户可以在 agent 工作期间查看计划和修改内容。
另一个公开部分是 extension system。Grok Build 的代码展示 skills、plugins、hooks、MCP servers 和 subagents 如何加载及被调用。对开发者而言，这让 agent harness 的边界变得更具体：模型本身只是决策核心，实际能力还取决于上下文组装、工具契约、权限、执行环境和结果反馈。
SpaceXAI 同时表示 Grok Build 可以 local-first 运行。用户可以自行编译，指向自己的 local inference，再用 config.toml 驱动工作。这不代表所有部署都会自动变成离线或安全，而是提供了一条更容易检查、修改及控制外部连接的架构路线。
开源 harness 的价值在于可审查和可延伸。团队可以研究一个 coding agent 如何处理上下文过长、工具失败、计划修改和 diff 显示，也可以把相同概念接到自己的模型、MCP 服务或测试流程。不过，公开执行骨架不等同于公开模型权重、完整生产设置或所有依赖；采用前仍要核对 license、更新节奏、依赖来源和安全问题处理方式。
对于企业而言，更重要的是把“可编辑”和“可治理”一起设计。Agent 可以执行命令，代表需要明确的文件范围、网络政策、密钥管理、沙盒和审批点。即使 TUI 已经提供 plan review 和 inline diff，团队仍应把测试、lint、secret scanning 和人工 code review 接在交付流程内。
Grok Build 的开源发布反映 coding agent 的竞争正在由单次补全转向 harness 工程。模型是否强固然重要，但上下文、工具、插件、MCP、subagent、审计和本地执行能力，才决定它能否在不同项目中稳定工作。
