Codex 內部怎麼運作

098Dominik Kundel（OpenAI）20:542026-08-10 上架

Codex, Behind the Harness — Dominik Kundel, OpenAI

Dominik 順著一則訊息送出後的路徑，講 Codex harness 如何組脈絡、跑動作、管沙盒與自動審查，再到 WebSocket、/goal 與壓縮。

這場講了什麼

• 兩條協定撐起整個 harness：UI 到 harness 走 App Server 協定，harness 到推論走 Responses API。Dominik 說兩者都為開放生態設計，harness 本身是 Apache 2 授權、用 Rust 寫成。
• 脈絡建構看大小、彈性與快取：Codex 把部分工具標成 deferred，要用時才靠 tool search 找；可用 skills 清單的長度上限是最大脈絡視窗的 2%。
• 動作靠幾組工具完成：子 agent 有 spawn 與 send input 之類的工具，背景終端機同理；瀏覽器操作改成在持續存在的 node repl 裡寫 JavaScript；改檔用 apply patch。
• 沙盒之上再加自動審查：為了減輕核准疲勞，escalation 時會啟動一個只有讀取權限的 auto-review 子 agent，依使用者授權程度與影響來判斷。
• 瓶頸從推論換成網路：GPT-5.3 Codex Spark 跑到每秒 1,000 個 token 後，Responses API 推出 WebSocket 模式，只傳有變動的內容。
• 迴圈與壓縮讓 agent 跑得久：/goal 會一直注入 continuation prompt，直到模型呼叫 update goal；server-side compaction 則把舊脈絡換成帶有必要資訊的新視窗。

影片從哪一段開始看14 段

1. 00:12開場與範圍Dominik 先舉手問誰在做自己的 agent，說明這 20 分鐘只談 Codex harness 裡值得借用的功能，從訊息送出後發生什麼切入。
2. 01:50兩條協定訊息從 UI 到 harness 走 App Server，harness 到推論走 Responses API；App Server 也被 Codex app 與第三方專案拿去用，Dominik 還拿它把 Codex 放進 Claude Code 與 Doom。
3. 03:14開放的 Responses 生態Responses API 去年推出，重新設計 chat completions，並加入 Web Search、Image Gen 等 agent 需要的能力；也與 Ollama、LM Studio、NVIDIA 等夥伴訂出開放的 responses schema、設治理組織，任何相容的模型供應商都能接進 Codex harness。
4. 04:20脈絡建構的三個考量第一步脈絡建構在乎大小、彈性與可快取性；Dominik 用自己改寫成 TypeScript 的 nano codex 示範組出哪些部分。
5. 05:54Deferred tools 與 skills 上限工具可標成 deferred、之後靠 tool search 載入；skills 清單上限為脈絡視窗的 2%，超過就逐步縮短描述。
6. 07:01非同步動作子 agent 靠 spawn agent、send input、wait 與關閉的工具來委派；背景終端機也是同一套概念。
7. 08:02Computer use 的演進去年的 computer use 一次只能一個動作，現在改成讓 agent 用程式碼自己寫操作；瀏覽器使用就是在持續的 node repl 裡寫 Playwright 風格的 JavaScript。
8. 10:07檔案系統與工具習慣GPT-5 之後的模型都訓練過 apply patch 改檔，其餘走 shell；模型慣用 ripgrep，所以 harness 一併附上，在 Windows 上則訓練成直接寫 PowerShell。
9. 11:14沙盒所有檔案操作都過沙盒層：macOS 用 Seatbelt、Linux 用 Bubblewrap，Windows 則自己做了開源的沙盒，原因寫在 David 的一篇文章裡。
10. 12:05核准疲勞與 auto review為了不讓人為了省事一律開 full access，做了自動核准：escalation 時啟動只讀的審查子 agent，依授權程度與影響判斷，同時擋住資料外洩。
11. 15:32速度與 WebSocketGPT-5.3 Codex Spark 在 Cerebras 上每秒 1,000 個 token，瓶頸變成網路，於是改用持久的 WebSocket 連線，只送變動的項目。
12. 17:25/goal 迴圈目標沒達成前，harness 會一直注入 continuation prompt，直到模型呼叫 update goal 工具；所以目標要寫得具體、可驗證。
13. 18:48自動壓縮去年底推出的 auto compaction 在 server 端觸發，把舊脈絡換成含 compaction item 的新視窗，模型也針對它訓練過。
14. 19:37三點收尾App Server 與 harness 開源可當藍圖或直接使用；多數功能其實在 Responses API 裡；隨模型演進留意 API 與 Codex 的變化。

值得記的話5 句

• It's Apache 2 license, and the harness is written in Rust.授權是 Apache 2，harness 是用 Rust 寫的01:15

• Like in some cases you want the agent to actually delete a file, in other cases you don't.有些情況你真的要 agent 刪檔，有些情況不要14:24

• inference was no longer the bottleneck. It was actually the network.推論不再是瓶頸，真正的瓶頸是網路15:48

• instead have very concrete and verifiable prompts改成寫很具體、可驗證的提示18:32

• most of the features that are standout for Codex are actually features that are exposed in the responses API.Codex 多數亮眼的功能，其實都是 Responses API 公開的功能19:54

名詞與人物9 個

Codex harness

Codex 的 agent 外殼，負責組脈絡、呼叫工具、管沙盒；開源、用 Rust 寫

App Server

UI 與 harness 之間的協定，Codex app 與第三方專案都靠它接上 harness

Responses API

harness 與推論之間的 API，內建 Web Search、Image Gen 等 agent 需要的能力

Tool search / deferred loading

工具標成 deferred 後不進脈絡，改由模型用 tool search 找；Dominik 說自 GPT-5.4 起可用

apply patch

模型訓練時學會的改檔工具，用 diff 修改或建立檔案

auto review

取代 full access 的自動核准機制，由只讀的子 agent 審查 escalation

WebSocket mode

Responses API 的持久連線模式，帶狀態、只送變動的資料

/goal

讓 harness 反覆注入 continuation prompt、直到目標達成的迴圈功能

compaction

把過長的脈絡視窗換成帶必要資訊的新視窗，可手動或自動觸發

提到但沒有展開

• auto review 要防的情境：被要求「高能動性」的模型發現郵件附不上檔案，就改傳到檔案分享空間；或跳脫字元弄錯，刪掉太多資料。判斷看情境：你叫它刪 .git 資料夾就沒問題，沒叫就不該碰；curl Google 測網路可以，上傳檔案就不一定。
• WebSocket 模式的示範裡，一般模式一次送回九個項目，WebSocket 模式只送一個。

Agent開發工具OpenAI開源

在 YouTube 看原片 ↗