OpenAI工程师迈克尔·博林日前发布了该公司Codex CLI编程智能体内部工作机制的详细技术解析，为开发者深入了解这类能够编写代码、运行测试并修复Bug的AI编程工具提供了宝贵洞察。这一技术披露补充了我们此前关于AI智能体工作原理的报道，详细揭示了OpenAI如何实现其"智能体循环"机制。
AI编程智能体正在经历类似"ChatGPT时刻"的突破，Claude Code配合Opus 4.5以及Codex配合GPT-5.2已经在快速编写原型、界面和生成样板代码方面达到了全新的实用水平。OpenAI此时发布Codex设计理念的详细信息，正值AI智能体成为日常工作中更加实用的工具之际。
这些工具并非完美无缺，在一些软件开发者中仍存在争议。虽然OpenAI此前向Ars Technica透露，他们使用Codex作为编程工具来帮助开发Codex产品本身，但我们通过实际体验发现，这些工具在简单任务上表现惊人的快速，但在超出训练数据范围时仍显脆弱，在生产环境工作中需要人工监督。项目的大致框架往往能快速生成且效果令人惊叹，但填充细节则涉及繁琐的调试和解决智能体无法独立克服的局限性。
博林的文章并未回避这些工程挑战。他讨论了提示词二次方增长的低效性、缓存未命中导致的性能问题，以及团队发现并修复的Bug（比如MCP工具枚举不一致的问题）。
这种技术细节的透明度对OpenAI来说颇为罕见，该公司此前并未发布过ChatGPT等其他产品内部工作机制的类似详细分析。但我们已经在12月的采访中看到OpenAI对Codex的不同态度，他们指出编程任务似乎非常适合大语言模型处理。
值得注意的是，OpenAI和Anthropic都在GitHub上开源了他们的编程CLI客户端，允许开发者直接检查实现代码，而他们并未对ChatGPT或Claude网页界面采取同样做法。
智能体循环的官方内幕解析
博林的文章重点关注他所称的"智能体循环"，这是协调用户、AI模型以及模型调用执行编程工作的软件工具之间交互的核心逻辑。
正如我们在12月的报道中所述，每个AI智能体的核心都是一个重复循环。智能体接收用户输入并为模型准备文本提示词。随后模型生成响应，要么为用户产生最终答案，要么请求工具调用（如执行shell命令或读取文件）。如果模型请求工具调用，智能体会执行该操作，将输出追加到原始提示词中，并再次查询模型。这个过程重复进行，直到模型停止请求工具并为用户生成助手消息。
这个循环过程需要一个起点，博林的文章揭示了Codex如何构建发送给OpenAI响应API（负责处理模型推理）的初始提示词。提示词由几个组件构建而成，每个组件都有指定的角色来确定其优先级：系统、开发者、用户或助手。
指令字段来自用户指定的配置文件或CLI捆绑的基础指令。工具字段定义模型可以调用的功能，包括shell命令、规划工具、网络搜索功能，以及通过模型上下文协议（MCP）服务器提供的任何自定义工具。输入字段包含一系列描述沙盒权限、可选开发者指令、当前工作目录等环境上下文以及用户实际消息的项目。
随着对话继续，每个新回合都包含之前消息和工具调用的完整历史记录。这意味着提示词随着每次交互而增长，这带来了性能影响。根据文章描述，由于Codex不使用可选的"previous_response_id"参数（该参数允许API引用存储的对话状态），每个请求都是完全无状态的（即每次API调用都发送完整的对话历史，而不是服务器从内存中检索）。博林表示，这种设计选择为API提供商简化了操作，并使支持选择"零数据保留"（OpenAI不存储用户数据）的客户变得更容易。
对话中提示词的二次方增长虽然低效，但博林解释说提示词缓存在一定程度上缓解了这个问题。缓存命中仅适用于提示词内的精确前缀匹配，这意味着Codex必须小心避免可能导致缓存未命中的操作。在对话中途更改可用工具、切换模型或修改沙盒配置都可能使缓存失效并影响性能。
不断增长的提示词长度与上下文窗口直接相关，后者限制了AI模型在单次推理调用中能处理的文本量。博林写道，当Token计数超过阈值时，Codex会自动压缩对话，就像Claude Code一样。早期版本的Codex需要通过斜杠命令手动压缩，但当前系统使用专门的API端点来压缩上下文，同时通过加密内容项保留模型对所发生事件"理解"的摘要部分。
博林表示，他系列文章的后续部分将涵盖CLI架构、工具实现细节以及Codex的沙盒模型。
Q&A
Q1：什么是Codex CLI编程智能体？它有什么功能？
A：Codex CLI是OpenAI开发的AI编程智能体，能够编写代码、运行测试并修复Bug。它通过"智能体循环"机制与用户、AI模型和软件工具协调交互，可以快速生成原型、界面和样板代码，但需要人工监督来处理复杂任务和生产环境工作。
Q2：AI编程智能体的"智能体循环"是如何工作的？
A：智能体循环是一个重复过程：接收用户输入并准备提示词，模型生成响应或请求工具调用，如果需要工具调用就执行并将结果追加到提示词中再次查询模型，这个过程持续进行直到模型产生最终答案。每次交互都包含完整的对话历史。
Q3：Codex在使用过程中有什么技术局限性？
A：主要局限包括提示词随对话增长导致的性能问题、缓存未命中影响效率、在超出训练数据范围时表现脆弱。虽然能快速处理简单任务，但填充细节时需要繁琐调试，且无法独立克服某些技术限制，仍需人工监督。
