本文深入解析 Codex 大模型的六层架构涵盖模型、Runtime、Context、Tool、Sandbox 和 Environment 的功能与关系。通过分析 Agent Loop 的工作原理揭示 Token 的计量方式以及 Context Window 与 Memory 的关联。文章还探讨了长任务中出现的“忘记”现象、Compaction 的作用、Sandbox 与 Approval 的区别以及 AGENTS.md、Skills 和 MCP 如何影响 Agent 行为。最后本文从“使用 Codex”升级到“设计 Agent 工作系统”帮助读者全面理解并应用 Codex 大模型技术。第一篇 认识 Codex 的六层架构先给结论理解 Codex必须拆成六层如果只记一个架构图请记住下面这个上图对应的核心分工是层核心问题典型对象Goal用户到底要什么Prompt / TaskRuntime谁负责组织 Agent 的运行Agent loop / state / policyModel谁负责理解、推理、决策GPT 模型ToolsAgent 如何观察和行动shell / file / search / MCPSandboxAgent 被允许做到什么程度filesystem / network / process policyEnvironmentAgent 实际改变了什么repo / Git / tests / services高阶使用的关键不是“把 Prompt 写得更长”而是知道这六层分别能解决什么问题。Codex Agent 到底是什么1 它不是“一个模型”这是理解 Codex 的第一道门槛。很多人会把Codex GPT 编程能力当成完整模型。实际上从 Agent 的角度更合理的抽象是Codex Model Agent Runtime Context Tools Policy Environment模型负责理解自然语言分析代码推理规划决策下一步行动产生工具调用Runtime 负责组织上下文管理 Agent Loop调用工具接收工具结果执行权限/沙箱策略维护任务状态将新的观察重新交给模型所以模型是“大脑”但 Agent 不是只有大脑。Agent Loop为什么 Codex 能“自己干活”普通聊天更接近Agent 则是一个闭环可以抽象为这意味着Agent 的能力不是“一次回答有多好”而是连续做出多少次正确决策并能根据环境反馈纠错。1 一个实际例子用户说修复登录接口偶发 500。Agent 可能经历1. **查看项目结构** 2. **搜索 login** 3. **找到 controller** 4. **找到 service** 5. **找到 session/cache** 6. **读取异常日志** 7. **形成假设** 8. **查看相关代码** 9. **修改代码** 10. **运行测试** 11. **测试失败** 12. **分析失败** 13. **再次修改** 14. **再测试** 15. **测试通过**所以用户看到的是“修复 Bug”而 Agent 实际完成的是十几次甚至更多次 Observe → Think → ActRuntime 与 Model到底是谁在做什么这是高级用户非常需要建立的边界。1 ModelModel 更像输入当前 Context 输出下一步应该说什么 / 做什么例如我需要先看看 UserService。或者产生一个 tool call。2 RuntimeRuntime 更像因此模型决定“想做什么”Runtime 决定“怎么执行、是否允许执行、执行结果是什么”。第二篇 Context、Token 与 MemoryContext模型究竟“看到了什么”这是整个 Agent 系统最重要的概念之一。1 Context Window 不等于项目大小假设你的项目500 MB并不意味着模型一次可以“看到 500 MB”。模型真正面对的是当前这一次 inference 所提供的 contextContext 可能包括System / Developer instructions Project instructions User request Conversation history Tool calls Tool results 被读取的文件 搜索结果 其他 runtime state2 “Agent 看过一个文件”是什么意思不要把它理解成文件永久进入模型记忆。更准确的是之后如果上下文被压缩、重新开始 Session、或者相关信息没有被保留模型未必还拥有完整文件内容。因此读取 ≠ 永久记忆。Token到底什么东西在消耗 TokenToken 是理解 Agent 成本和性能的基础。OpenAI 当前模型文档将输入、缓存输入、输出等作为独立计量维度推理模型还存在 reasoning token 支持。当前 GPT-5.3-Codex 文档显示其 context window 为 400K、最大输出为 128K并支持 reasoning effort。当前 GPT-5.6 Sol 的官方模型页则列出 1.05M context window、128K max output并支持none/low/medium/high/xhigh/maxreasoning effort。1 Token 不等于“字数”例如hello world和你好世界不会简单按照字符数一比一计算。代码、JSON、路径、日志也都会被 tokenizer 切分。因此不要使用字符数 × 固定比例 Token这种粗糙公式。2 Agent 的 Token 来源可以建立下面的模型一次模型调用的输入 instructions user input history tool results selected context输出则可能包括final answer tool calls而 reasoning model 还会产生 reasoning computation。Input Token、Cached Token、Output Token、Reasoning Token1 Input Token模型本次调用实际接收到的输入 token。2 Cached Input如果请求中的部分上下文可以复用缓存则对应部分可以按 cached input 计价。例如当前 GPT-5.3-Codex 官方价格页面列出Input $1.75 / 1M Cached input $0.175 / 1M Output $14 / 1M这意味着 cached input 的单位价格明显低于普通 input。注意缓存计价不等于“缓存内容不占 Context。”这是两个完全不同的问题。3 Output Token模型产生的输出。包括最终回答也可能包括工具调用相关输出。4 Reasoning TokenReasoning model 会投入额外的计算预算用于推理。因此最终只回答 300 token并不代表模型只进行了 300 token 的计算。高级用户必须把Final output和Model computation分开理解。Context Window 与 Token Usage 不是一回事这是非常容易混淆的一点。三者不是一回事Context Window回答这一轮模型最多能处理多大的上下文Token Usage回答这次调用实际处理/产生了多少 tokenSession回答整个 Agent 任务过程中积累了多少状态所以Context Window ≠ 单次 Token Usage ≠ 整个 Session 的历史长度为什么 Agent 读大量代码会变慢假设 Agent 做read A.java read B.java read C.java read D.java ... read Z.java问题不仅是这些文件很大还包括所以真正的问题是无效上下文会污染后续推理。Context Engineering高级 Agent 使用的核心高阶用户真正应该优化的是Signal / Noise Ratio即有效上下文 ──────────── 全部上下文越高越好。1 错误方法把整个项目全部塞给 Agent。2 更好的方法也就是Progressive Disclosure渐进式暴露上下文为什么“Context 越大越好”是错误理解更大的 Context 提供更多容量。但更多 Context ≠ 更多有效信息如果 Context 中充满无关日志 旧失败尝试 重复代码 巨大 diff模型反而更难找到重点。所以真正应该追求Context Density而不是 Context Size。高级工作方式Progressive Disclosure推荐而不是一开始把所有东西全部塞进去。这与人类高级工程师调查大型系统的方式其实非常相似。CompactionContext 满了以后怎么办长任务不可能无限把所有历史保留在原始形式中。因此 Agent 系统需要一种机制OpenAI 的 Responses API 已提供 conversation compaction 能力用于将长会话上下文压缩成后续调用可继续使用的状态。1 Compaction 不应该理解成“简单删聊天”更准确的抽象是2 什么状态最值得保留例如任务目标 当前方案 已经完成 关键设计决定 失败过的方案 测试结果 剩余问题 重要约束3 为什么 Compaction 后 Agent 可能“忘记”因为原始信息和压缩后的状态不是完全等价的。尤其是低价值细节可能被丢弃。所以大型任务不能只依赖“聊天历史”。MemoryCodex 到底有没有记忆建议把“记忆”拆成 5 层。层级例子生命周期Context Memory当前上下文短Session State当前任务状态SessionProject StateGit、文件、文档持久External StateDB、Issue、服务外部持久Product Memory产品提供的持久记忆依产品而定1 最重要的认知如果 Codex 第二天还能“知道”这个项目应该怎么测试可能不是模型永久记住了。而可能是AGENTS.md仍然存在。或者README docs Git提供了状态。因此工程系统里的“持久记忆”最好不要依赖模型本身。Repository 是 Agent 的外部记忆这是一个非常重要的高级思想。传统程序程序状态 → DB / FileAgent 工程Agent State → Repository / docs / tests / Git / issue system例如这些东西可以成为Agent 的外部化长期状态。Codex 的“记忆”应该怎样工程化不要依赖模型应该记得。应该依赖Repository Documentation Tests Git External Systems形成第三篇 能力、边界与扩展Sandbox为什么 Agent 不能随便操作机器Agent 如果拥有模型 Shell Filesystem Network那么它已经具有非常强的计算机操作能力。因此必须增加Policy Boundary也就是 Sandbox。1 Sandbox 的本质不要理解为“限制 AI 智力”。更准确限制 Agent 对执行环境拥有的能力。可以抽象为Sandbox 主要限制什么可以从几个维度理解Filesystem Network Process Environment Privileges主要限制维度Filesystem例如可以读取哪些路径 可以修改哪些路径Network例如是否允许访问外部网络 哪些网络操作被限制Process例如允许执行什么命令 子进程有什么限制Environment例如哪些环境变量可见 哪些 Secret 不应该暴露Sandbox 和 Approval 不是一回事这是高级用户一定要区分的。Sandbox 系统能力边界而Approval 用户授权边界例如Sandbox 允许 shell不代表用户已经批准某个危险操作反过来用户批准也不代表Sandbox 一定允许执行所以完整判断更像ToolAgent 的“手”模型本身不能直接ls git diff pytest模型只能产生一个tool call由 Runtime 执行。1 Tool 的三个关键阶段2 为什么 Tool Schema 很重要模型需要知道工具叫什么 需要什么参数 参数类型是什么 返回什么因此工具定义本身也是模型上下文的一部分。这也是为什么工具太多也可能增加 Context Noise。Skills能力模块化Skill 更像可复用工作能力例如Code Review Skill Release Skill Migration Skill Incident Analysis Skill它和 Tool 不同。简单理解Skill 怎么做 Tool 做什么动作例如Skill 执行数据库迁移审查流程 Tool 读取 SQL 文件 执行测试 查询数据库MCPAgent 的外部接口层MCP 可以理解为把外部系统能力以 Agent 可以发现和调用的工具形式暴露出来。例如因此Skills 能力 / 流程 MCP 外部工具 / 系统接口二者可以组合。AGENTS.md为什么它有效AGENTS.md最重要的价值不是“多一个 Markdown 文件”。而是把项目级行为规则从每次 Prompt 中抽离出来。例如不要修改 migration 必须使用现有 logger 修改业务代码必须有测试 不要自动 push这些是Project Policy而不是某一次 Task 的临时要求。Instructions 的优先级高级 Agent 使用必须有一个概念不是所有指令都拥有相同优先级。抽象来看具体优先级会随运行环境而变化不能把上图当成 Codex 内部的固定私有实现。真正需要掌握的是Agent 永远不是只听最后一句 Prompt。第四篇 可靠性与反馈闭环为什么 Agent 会犯错可以把 Agent 错误分成几个类别。五类错误来源Model Error模型本身判断错误。Context Error模型没有看到关键事实。Tool Error工具执行失败或返回异常。Environment Error例如依赖缺失 网络不可用 服务没启动 测试环境异常Verification Error没有足够好的测试告诉 Agent你错了。Agent Reliability 的核心公式可以把它作为一个工程上的近似思维模型Agent Reliability ≈ Model Capability × Context Quality × Tool Quality × Environment Quality × Verification Quality这不是官方数学公式而是一个工程抽象模型。它解释了一个非常重要的事实换更强模型只是提升一个乘数。如果Context 0.3 Verification 0.2即使模型从0. **8 → 0.95**整体可靠性仍然可能很差。Test为什么测试是 Agent 的“反馈传感器”Agent我觉得代码应该正确。测试失败。于是这实际上形成闭环控制因此测试不是 Agent 工作的附属品而是 Agent 环境中的反馈传感器。Git为什么 Git 对 Agent 特别重要Git 同时提供State History Diff Rollback Isolation对于 Agent 来说非常重要。Agent 可以必要时rollback所以Git 是 Agent 的“可恢复状态系统”。第五篇 规模化Subagent、长任务与状态Subagent为什么多个 Agent 有时比一个 Agent 更好不是因为2 个模型 1 个模型而是因为Context Isolation。例如每个 Agent 有自己的任务 Context 推理路径Subagent 的真正优势三大优势Context Isolation避免一个巨大上下文污染所有推理。Parallel Exploration不同方向可以并行调查。Specialized Reasoning不同 Agent 可以承担不同角色。但 Subagent 不是免费午餐会增加模型调用 Context 协调成本 结果汇总成本所以并行不是越多越好。长任务为什么越来越难长任务有几个典型问题Context 增长 Tool Output 增长 Decision 增长 错误假设累积 Context Pollution Compaction State Drift可以理解成短任务 → 局部最优 长任务 → 状态管理问题高阶 Agent 的核心能力State Management真正的大型 Agent 项目不应该把所有状态都放在聊天里。应该外部化1 一个好的 status.md# Current Status ## Goal ... ## Completed - ... ## Current Step ... ## Decisions - ... ## Known Problems - ... ## Next Step ...这样即使Session 结束 Context 被压缩 Agent 重新启动仍然可以恢复工作。最后当下AI大模型是当下实打实的优质风口岗位缺口大、发展前景广、薪资待遇突出对比内卷严重、涨薪晋升困难的传统技术岗是普通人转行逆袭的绝佳选择。但很多想要入局大模型领域的朋友都面临无系统学习路径、无实战资源、求职无方向的难题一个人硬啃最容易走弯路、浪费大量时间精力。这里我结合多年一线实战与教学经验整理出一套零基础大模型专属资料包含系统化学习路线图零基础到精通大模型学习书籍 文档电子版2026 最新行业报告项目实战 配套源码大厂面试真题需要的朋友微信扫描下方 CSDN 官方认证二维码免费领取保证 100% 免费。扫码免费领取全部内容下面简单介绍一下资料包含的内容1、大模型系统化学习路线图专属定制从零基础入门到企业级实战的全阶段学习体系划分清晰的四大学习阶段规避碎片化学习弊端适配新手2、0基础到进阶视频教程配套完整高清实操教程覆盖Prompt提示工程、RAG知识库搭建、Agent智能体开发、模型微调、部署落地等核心知识点所有课程搭配实操演示零基础也能轻松看懂、上手实操。3、大模型学习书籍 文档汇总30本行业经典AI、大模型、深度学习精选书籍涵盖理论原理、开发实战、算法基础、AI产品思维等各类内容4、AI大模型最新行业报告整理2024-2026年最新大模型行业白皮书、市场分析报告清晰展现行业发展趋势、技术迭代方向、岗位需求变化帮助学习者精准把握行业风口找准学习和就业方向5、大厂面试真题汇总了常见的AI大模型面试问题、知识点梳理和面经参考方便求职时针对性准备。6、大模型项目实战 配套源码包含GPT应用开发、RAG私有知识库、智能问答系统等多个企业级实战项目配套完整可运行源码从简易Demo到完整商业应用全覆盖帮助学习者将理论转化为落地实战能力积累项目经验。7、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。8、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料