【AI Agent】OpenAI Codex CLI 深度技术分析报告

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

OpenAI Codex CLI 深度技术分析报告

项目：openai/codex — Lightweight coding agent that runs in your terminal
仓库：https://github.com/openai/codex
分析日期：2026-08-29
License：Apache 2.0

00. Executive Summary

OpenAI Codex CLI 是一个用 Rust 编写的本地终端 Coding Agent,本质上是"模型层 + 宿主层(Harness)+ 沙箱层"三件套。它解决的核心问题是:如何让 LLM 在开发者本地文件系统上安全地完成多步代码任务(读文件 → 编辑 → 跑测试 → 修 lint → 提交),同时把 Agent 的"自主性"和"安全性"通过操作系统级 sandbox + 显式 approval 流程绑定在一起。

技术上,它不是又一个 LangChain Wrapper。
它的核心壁垒是三层:
一是 Rust 重写带来的零依赖安装与 OS 级 sandbox 原生绑定(macOS Seatbelt / Linux Landlock+seccomp / Windows Job Objects)；
二是 Event-Driven 双通道协议；
三是 App Server + JSON-RPC 多 surface 复用架构(CLI、VS Code、Desktop、Web 共享同一个 Codex Core)。

模型本身是 GPT-5.x-Codex 系列,但真正的工程复杂度在于围绕模型构建的 Harness(prompt 组装、context compaction、prefix caching、审批流、sandbox 策略),这一点 OpenAI 团队自己也承认。

最大优势:safety-by-default + 多 surface 一致性 + 极致 token 效率(同等任务比 Claude Code 省 2-3x tokens)。
最大缺陷:Agent Loop 的长链路连贯性弱于 Claude Code(SWE-bench Verified 上 77.3% vs 80.8%),第三方评测普遍反映 Codex 在 3-4 步以上任务会"丢失方向感"。

工程成熟度:Developer Ready 向 Production Ready 过渡中,10,006 commits、640+ tagged releases、约 400 contributors,内部最高每天发 3-4 个版本,有完善的 Bazel + 三平台 CI,但 codex-core 单 crate 已被官方自己标记为"bloated"。

适合:本地个人/小团队高频日常编码、CI/CD 集成、企业内部需要严格控制文件/网络访问的场景。不适合:需要长链路自主规划的重构任务(此场景 Claude Code 更稳)、完全离线场景(强依赖 OpenAI Responses API,虽然可以通过 OpenAI-compatible endpoint 接本地模型但生态支持一般)。

是否值得学习:强烈值得。它是目前开源界最完整的"生产级 Agent Harness"参考实现。

是否值得二次开发:条件性值得。适合 fork 出做内部 Coding Agent(替换 model provider、加企业治理),不适合做通用 Agent Framework。

是否适合生产:个人/团队场景 Yes,企业场景需要补 RBAC / Audit / Multi-tenancy。

01. Project Positioning

1.1 项目一句话定义

一个用 Rust 编写、运行在开发者本地终端的 Safety-First Coding Agent,通过 OS 级 sandbox、双通道事件协议和可插拔 Model Provider,把 LLM 的代码生成能力绑定在受控的本地文件系统操作之上。

1.2 项目解决的问题

1.3 Target Users

• 个人开发者(主力):在终端里写代码,需要 quick iteration
• 企业工程师:需要 audit + sandbox + 内部 model endpoint 接入
• Agent 框架研究者:学习如何构建 production-grade Agent Harness
• 第三方 IDE 厂商(Xcode、JetBrains):通过 App Server JSON-RPC 协议集成

1.4 Use Cases

1.5 Project Boundary

Codex 做什么:本地 Coding Agent 的全部 Harness(sandbox、approval、prompt 组装、context 管理、tool 调度、协议层)。
Codex 明确不做什么:

• 不做 Cloud Agent(Codex Web / Codex Cloud 是另一个闭源产品)
• 不做 IDE 插件本身(VS Code / JetBrains 扩展是独立仓库)
• 不做 Model Training(GPT-5.x-Codex 是闭源模型,通过 Responses API 调用)
• 不支持图像输入(截至 v0.150 仍不支持,这是 ByteByteGo 报道时明确指出的限制)
• 不实现 RAG Pipeline(它不是 RAG 项目,是 Agent 项目)

02. Project Evolution

03. Repository Structure

基于 GitHub main 分支实际目录结构:

openai/codex/
├── codex-rs/ # Rust 主代码库 (~95.6%)
│ ├── core/ # codex-core: Agent Loop / Session / Codex 主体
│ │ ├── src/
│ │ │ ├── codex.rs # TurnContext、核心 Codex 结构
│ │ │ ├── context/ # ContextualUserFragment trait 及实现
│ │ │ ├── tools/ # 工具执行
│ │ │ ├── suite/ # Integration tests
│ │ │ └── config.rs
│ │ └── config.schema.json # 由 just write-config-schema 生成
│ ├── tui/ # codex-tui: Ratatui 终端 UI
│ │ └── src/
│ │ ├── app.rs # 主事件循环
│ │ ├── chatwidget.rs # 聊天组件(orchestration)
│ │ └── bottom_pane/ # chat_composer / footer
│ ├── tui2/ # tui 重构版,main.rs 在这里
│ ├── protocol/ # codex-protocol: Op / Event 枚举
│ │ └── src/protocol.rs # Op::UserInput/ExecApproval/… 定义
│ ├── mcp/ # codex-mcp: MCP 集成
│ │ └── src/mcp_connection_manager.rs
│ ├── exec/ # codex exec 非 interactive 模式
│ ├── app-server/ # JSON-RPC over stdio,IDE 集成入口
│ ├── sandbox/ # sandbox 策略 (Seatbelt/Landlock/Job Objects)
│ ├── apply-patch/ # patch 解析与应用
│ └── … (40+ crates)
├── codex-cli/ # 遗留 TypeScript CLI (maintenance)
├── sdk/ # Codex SDK (TypeScript,多 surface 集成)
├── docs/ # 项目内 docs(仅 app-server API,不放产品文档)
├── .github/ # CI workflows (三平台)
├── .devcontainer/
├── bazel/ # Bazel 构建配置
├── scripts/
├── AGENTS.md # 项目自身的 Agent 指令(Rust 规范)
├── CHANGELOG.md
└── README.md

04. Architecture Deep Dive

4.1 System Architecture

实际架构与模板中"Orchestrator → Agent → Tools → RAG → LLM"流不同。 Codex 没有 RAG 层,核心是 “Client Surface → App Server (JSON-RPC) → Codex Core (Agent Loop) → Model Provider / Tool Executor / Sandbox”:

#mermaid-svg-yyDivpMfqInPgh5m{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-yyDivpMfqInPgh5m .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-yyDivpMfqInPgh5m .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-yyDivpMfqInPgh5m .error-icon{fill:#552222;}#mermaid-svg-yyDivpMfqInPgh5m .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-yyDivpMfqInPgh5m .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-yyDivpMfqInPgh5m .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-yyDivpMfqInPgh5m .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-yyDivpMfqInPgh5m .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-yyDivpMfqInPgh5m .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-yyDivpMfqInPgh5m .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-yyDivpMfqInPgh5m .marker{fill:#333333;stroke:#333333;}#mermaid-svg-yyDivpMfqInPgh5m .marker.cross{stroke:#333333;}#mermaid-svg-yyDivpMfqInPgh5m svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-yyDivpMfqInPgh5m p{margin:0;}#mermaid-svg-yyDivpMfqInPgh5m .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-yyDivpMfqInPgh5m .cluster-label text{fill:#333;}#mermaid-svg-yyDivpMfqInPgh5m .cluster-label span{color:#333;}#mermaid-svg-yyDivpMfqInPgh5m .cluster-label span p{background-color:transparent;}#mermaid-svg-yyDivpMfqInPgh5m .label text,#mermaid-svg-yyDivpMfqInPgh5m span{fill:#333;color:#333;}#mermaid-svg-yyDivpMfqInPgh5m .node rect,#mermaid-svg-yyDivpMfqInPgh5m .node circle,#mermaid-svg-yyDivpMfqInPgh5m .node ellipse,#mermaid-svg-yyDivpMfqInPgh5m .node polygon,#mermaid-svg-yyDivpMfqInPgh5m .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-yyDivpMfqInPgh5m .rough-node .label text,#mermaid-svg-yyDivpMfqInPgh5m .node .label text,#mermaid-svg-yyDivpMfqInPgh5m .image-shape .label,#mermaid-svg-yyDivpMfqInPgh5m .icon-shape .label{text-anchor:middle;}#mermaid-svg-yyDivpMfqInPgh5m .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-yyDivpMfqInPgh5m .rough-node .label,#mermaid-svg-yyDivpMfqInPgh5m .node .label,#mermaid-svg-yyDivpMfqInPgh5m .image-shape .label,#mermaid-svg-yyDivpMfqInPgh5m .icon-shape .label{text-align:center;}#mermaid-svg-yyDivpMfqInPgh5m .node.clickable{cursor:pointer;}#mermaid-svg-yyDivpMfqInPgh5m .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-yyDivpMfqInPgh5m .arrowheadPath{fill:#333333;}#mermaid-svg-yyDivpMfqInPgh5m .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-yyDivpMfqInPgh5m .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-yyDivpMfqInPgh5m .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yyDivpMfqInPgh5m .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-yyDivpMfqInPgh5m .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yyDivpMfqInPgh5m .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-yyDivpMfqInPgh5m .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-yyDivpMfqInPgh5m .cluster text{fill:#333;}#mermaid-svg-yyDivpMfqInPgh5m .cluster span{color:#333;}#mermaid-svg-yyDivpMfqInPgh5m div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-yyDivpMfqInPgh5m .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-yyDivpMfqInPgh5m rect.text{fill:none;stroke-width:0;}#mermaid-svg-yyDivpMfqInPgh5m .icon-shape,#mermaid-svg-yyDivpMfqInPgh5m .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yyDivpMfqInPgh5m .icon-shape p,#mermaid-svg-yyDivpMfqInPgh5m .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-yyDivpMfqInPgh5m .icon-shape .label rect,#mermaid-svg-yyDivpMfqInPgh5m .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yyDivpMfqInPgh5m .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-yyDivpMfqInPgh5m .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-yyDivpMfqInPgh5m :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Model Provider

Sandbox Layer

Tool Layer

Codex Core (codex-rs/core)

App Server Layer

Client Surfaces

Op / Event 双通道

tool_call

result

next turn

TUI Terminalcodex-tui

VS Code Extension

Desktop App

Web App

SDK / 3rd party

App ServerJSON-RPC over stdio/HTTP

submission_loopOp channel consumer

run_turn / run_model_turn

try_run_turn+ exponential backoff

Context Builder+ Compaction

Tool Executor

Approval Policy Engine

shell tool

file read/patch

MCP Client→ External MCP Servers

Skills progressive disclosure

macOS Seatbelt

Linux Landlock+seccomp

Windows Job Objects

OpenAI Responses APIGPT-5.x-Codex

OpenAI-compatiblecustom providers

4.2 Component Architecture

4.3 Data Flow (一个请求进来后发生什么)

SandboxTool ExecutorResponses APIContext Buildersubmission_loopUser (TUI)SandboxTool ExecutorResponses APIContext Buildersubmission_loopUser (TUI)#mermaid-svg-nAe0dbLWalxvGx0N{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-nAe0dbLWalxvGx0N .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-nAe0dbLWalxvGx0N .error-icon{fill:#552222;}#mermaid-svg-nAe0dbLWalxvGx0N .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-nAe0dbLWalxvGx0N .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-nAe0dbLWalxvGx0N .marker{fill:#333333;stroke:#333333;}#mermaid-svg-nAe0dbLWalxvGx0N .marker.cross{stroke:#333333;}#mermaid-svg-nAe0dbLWalxvGx0N svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-nAe0dbLWalxvGx0N p{margin:0;}#mermaid-svg-nAe0dbLWalxvGx0N .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-nAe0dbLWalxvGx0N text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-nAe0dbLWalxvGx0N .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-nAe0dbLWalxvGx0N .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-nAe0dbLWalxvGx0N .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-nAe0dbLWalxvGx0N .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-nAe0dbLWalxvGx0N #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-nAe0dbLWalxvGx0N .sequenceNumber{fill:white;}#mermaid-svg-nAe0dbLWalxvGx0N #sequencenumber{fill:#333;}#mermaid-svg-nAe0dbLWalxvGx0N #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-nAe0dbLWalxvGx0N .messageText{fill:#333;stroke:none;}#mermaid-svg-nAe0dbLWalxvGx0N .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-nAe0dbLWalxvGx0N .labelText,#mermaid-svg-nAe0dbLWalxvGx0N .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-nAe0dbLWalxvGx0N .loopText,#mermaid-svg-nAe0dbLWalxvGx0N .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-nAe0dbLWalxvGx0N .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-nAe0dbLWalxvGx0N .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-nAe0dbLWalxvGx0N .noteText,#mermaid-svg-nAe0dbLWalxvGx0N .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-nAe0dbLWalxvGx0N .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-nAe0dbLWalxvGx0N .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-nAe0dbLWalxvGx0N .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-nAe0dbLWalxvGx0N .actorPopupMenu{position:absolute;}#mermaid-svg-nAe0dbLWalxvGx0N .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-nAe0dbLWalxvGx0N .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-nAe0dbLWalxvGx0N .actor-man circle,#mermaid-svg-nAe0dbLWalxvGx0N line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-nAe0dbLWalxvGx0N :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}alt[is tool_call][is final message]Op::UserInput(text)handlers::user_input_or_turn组装 prompt = system + AGENTS.md+ tools + skills metadata + envPOST /v1/responses (stream)ResponseEvent::OutputItemDoneexecutespawn in sandboxexit code / stdouttool resultappend result, next turnneeds_follow_up=false

4.4 Control Flow

• 终止条件: needs_follow_up = false(LLM 返回非 tool_call 的最终 message)
• 循环上限: 没有硬编码 max iterations,靠 token 预算与 compaction 控制(见 §5.3 风险)
• 审批中断: Tool 调用触发 Op::ExecApproval,turn 暂停直到用户 allow/deny
• 失败恢复: try_run_turn 失败 → run_model_turn 用 exponential backoff 重试(针对 stream 连接错误)

4.5 Dependency Graph

codex-tui ──┐
codex-exec ─┼──> codex-core ──> codex-protocol
app-server ─┘ │
├──> codex-sandbox (Seatbelt/Landlock/JobObjects)
├──> codex-mcp ──> External MCP servers
├──> codex-apply-patch
└──> Model Provider (Responses API / OpenAI-compatible)

4.6 Runtime Lifecycle

05. AI Architecture

5.1 LLM Layer

5.2 Agent Architecture

类型:Single Agent + 状态机 Agent Loop + Planner-Executor 混合(模型自身规划,无显式 planner 模块)。

5.2.1 分层 Prompt 结构

[System Message] ← server 控制
[Model-specific Instructions] ← server 控制
[Developer Instructions] ← 来自 config
[Sandbox Permission Rules] ← 来自 sandbox policy
[AGENTS.md contents] ← 项目级 Agent 指令
[Tool Definitions] ← 含 MCP servers
[Environment Context] ← cwd、shell
[User Input] ← 实际用户消息
[Tool results from prior turns] ← 持续 append

每层有 system / developer / user 角色,客户端控制下三层,server 控制上三层。这种分层结构是 Prompt Cache 命中的关键 — Codex 刻意放弃 server-side conversation state(避免破坏 ZDR 客户),接受二次方流量但用 prefix caching 摊平计算。

5.3 Agent Loop

已验证的实际 Loop(源码 + ByteByteGo + Pragmatic Engineer 三方一致):

Observe (user input / tool result)
↓
Prompt Assembly (system + tools + AGENTS.md + env + history)
↓
Inference (Responses API, streaming)
↓
ResponseEvent::OutputItemDone
↓
is tool_call?
├─ YES → Approval Policy check → Sandbox Execute → append result → loop
└─ NO → needs_follow_up = false → final message → exit turn

06. RAG Architecture

Codex CLI 不是 RAG 项目。 它没有 Vector Store、Embedding、Retrieval、Reranking、Citation 任何一层。它的"知识注入"机制是:

07. Tool / Function Calling / MCP

7.1 Tool Architecture

Agent (codex-core)
↓
Tool Executor (core/src/tools/)
↓
Tool Registry (shell / read_file / apply_patch / MCP tools / Skills)
↓
Approval Policy Engine (untrusted / on-request / on-failure / never)
↓
Sandbox (Seatbelt / Landlock / Job Objects)
↓
External System (filesystem / shell / MCP server)

7.2 MCP Integration

MCP 在 Codex 中是真正的架构能力,不只是接口适配层。 证据:

• 远程 MCP server 在早期不支持(issue #3696,2025 报"missing field command"错误)。后续版本已修复,但反映出 MCP 在 codex-rs 内最初是按 local stdio 子进程设计的
• MCP 与 Codex 自身协议的关系:Codex App Server 不是 MCP server,而是自建 JSON-RPC 协议。OpenAI 团队承认曾尝试把 Codex 暴露为 MCP server,但"streaming progress / mid-task approval / structured diffs"等 agent 语义 MCP 无法承载,所以另起炉灶

7.3 Skills(渐进式披露)

不属于传统 Function Calling,但是一种"延迟加载的 tool"机制:

08. Memory Architecture

09. Data Architecture

Codex 是单机工具,无外部数据库依赖:

User Input (Op)
↓
Submission Channel (Tokio unbounded_channel)
↓
Codex Core (in-memory state)
↓
Event Channel (Tokio unbounded_channel)
↓
TUI / App Server (surface rendering)

10. API Architecture

Codex 有两层 API:

10.1 用户面向的 CLI

codex # interactive TUI
codex exec "<prompt>" # headless / CI mode
codex app # desktop app 入口
codex –profile <name> # 切换 profile
codex –model <id>
codex –resume <session>
codex -c key=value # config override

10.2 App Server JSON-RPC(IDE / 第三方集成)

codex-rs/app-server 提供 JSON-RPC over stdio,双向:

• Backward compatible:旧 client 可与新 server 通信
• 双向:server 主动请求 client 审批
• Stateless from OpenAI’s perspective:conversation state 全在 client 侧,便于 ZDR
• 第三方库:codex_codes crate 提供 typed Rust interface
  没有 REST/GraphQL/gRPC 公共 API。Codex 不打算成为 SaaS API,它是本地进程。

11. Frontend Architecture

TUI 不是简单 Chat UI,它对 Agent 产品有深度理解:

• Ratatui Rust 库(OpenAI 团队直接 hire 了 Ratatui maintainer),不是 Electron/Ink
• 三层结构:main.rs → App → ChatWidget(orchestration)+ bottom_pane/(chat_composer、footer)
• 双事件源: tokio::select! 同时处理 app_event_rx(LLM/tool)+ tui_events(键盘/鼠标)
• 审批流 UI:diff 视图、approve/deny 按钮、Esc 中断
• Multi-surface 复用: VS Code / Desktop 都不是独立 Agent 实现,而是 App Server 协议的 client
  前端限制:
• codex-tui 主文件 app.rs、chatwidget.rs、bottom_pane/chat_composer.rs 已被官方标记为"high-touch files",要求新增功能放新模块 — 反映 UI 层也有复杂度压力
• 无 Web 前端在 codex repo 中(Web App 是闭源 Codex Cloud 的一部分)

12. Engineering Quality

Code Quality

Testing

13. Reliability & Fault Tolerance

14. Security

这是 Codex 最强的维度之一。

Sandbox 实现(3-OS)

Approval 流程

• Op::ExecApproval / Op::PatchApproval 把 turn 暂停,等用户决定
• Guardian AI approval system(社区 teardown 报告提及):一个独立的 LLM 来判断 tool call 是否合理
• 配置粒度:untrusted / on-request / on-failure / never

剩余安全风险

15. Observability

16. Deployment Architecture

Developer Laptop
└── codex binary (Rust, single executable)
├── TUI (default)
├── App Server (stdio, IDE 集成)
└── codex exec (headless)
↓
~/.codex/ (config, auth, sessions, skills)
↓
Model Provider (OpenAI Responses API / custom base_url)

17. Performance & Cost

Performance(有 Benchmark)

Cost Model

无官方定价数据,成本主要由以下因素决定(不编造具体金额):

Total Cost
= Σ (per-turn LLM cost)
+ Σ (compaction LLM cost) # 长会话额外成本
+ Embedding cost # N/A(无 RAG)
+ Rerank cost # N/A
+ Infrastructure cost # 接近 0(本地运行)
+ Storage cost # 接近 0(本地 session 文件)

关键影响因素:

18. Architecture Strengths

Strength 1: Multi-Surface 复用通过 App Server 协议,而非抽象层

• Problem: CLI / VS Code / Desktop / Web / 第三方 IDE 需要共享同一 Agent 逻辑
• Design Decision: 抽出 Codex Core,包一层 JSON-RPC over stdio,所有 surface 都是协议 client
• Implementation: codex-rs/app-server + codex_codes typed Rust SDK
• Benefit: VS Code 扩展只需几十行 glue code;第三方 IDE(Xcode、JetBrains)解耦发版节奏;协议 backward compatible

Strength 2: Rust 重写不只是性能,而是安全架构的前提

• Problem: Node.js 难以原生绑定 OS sandbox(Seatbelt/Landlock)
• Design Decision: 全栈 Rust,依赖极少,可以直接 FFI OS API
• Implementation: Linux Landlock+seccomp 在重写公告时"already available";Windows Job Objects 自研
• Benefit: zero-dependency install;安全边界从进程内移到 OS 内核;GC 不存在,latency 可控

Strength 3: Prefix Caching 通过严格不变量保证,而非依赖框架

• Problem: Conversation 历史二次方增长,直接重发代价高
• Design Decision: 刻意放弃 server-side conversation state(支持 ZDR 客户),用 prefix caching 摊平
• Implementation: AGENTS.md 中规定"No history rewrite"、tools 顺序稳定、单条 fragment ≤ 10K tokens
• Benefit: ZDR 兼容 + 推理成本近线性;同时把这些不变量写成 review 强制规则

Strength 4: Skills 渐进式披露,token-aware 的知识注入

• Problem: 把所有项目知识塞 system prompt 会撑爆 context
• Design Decision: 3-Level Progressive Disclosure,按需加载
• Implementation: SKILL.md 仅 L1 metadata 进 base prompt
• Benefit: 大幅节省 base token,同时保持 agent 可发现性

Strength 5: Sandbox + Approval 双层防御,安全默认开启

• Problem: LLM 不可靠,直接 shell 执行有危险
• Design Decision: 默认 sandbox + 默认 approval,接受这会"伤害 general adoption" — 团队原话
• Implementation: 3-OS sandbox,CODEX_SANDBOX_NETWORK_DISABLED=1 强制环境变量,Guardian AI 二次判断
• Benefit: 非技术用户默认安全;企业可审计

19. Architecture Weaknesses

Weakness 1: codex-core 单 crate 膨胀 — 官方自己承认

• Problem: 新功能都往 codex-core 塞,模块边界退化
• Evidence: AGENTS.md 原文 “the codex-core crate…has become bloated because it is the largest crate, so it is often easier to add something new to codex-core rather than refactor out”
• Impact: 长期维护成本上升,新 contributor 学习曲线陡峭
• Severity: Medium
• Recommendation: 持续按 codex-rs/exec、codex-mcp 等模式拆分;强制 PR review 中"是否必须进 core"

Weakness 2: Agent Loop 无硬 max-iteration 上限

• Problem: needs_follow_up 由模型决定,没有 N-step 上限
• Evidence: 源码 run_turn 循环仅检查 needs_follow_up,未见 max_iterations 字段
• Impact: 模型陷入循环时,只靠 token 预算/用户中断止损
• Severity: Medium
• Recommendation: 在 TurnContext 增加 max_steps 配置项,默认 50

Weakness 3: AGENTS.md / Skills / MCP 是无审查的 prompt 注入入口

• Problem: 这些文件的作者 = repo 作者,可注入任意指令
• Evidence: AGENTS.md 内容直接进 system prompt;Skill L3 引导模型读任意文件
• Impact: malicious repo / malicious MCP server 可诱导执行危险命令(虽然有 sandbox 兜底)
• Severity: High
• Recommendation: 增加"untrusted project"模式,首次进入新 repo 时 AGENTS.md 不自动加载

Weakness 4: 没有 RAG / 跨 repo 检索,长仓库导航靠 tool 循环

• Problem: 大型 monorepo 中模型靠 read_file 逐步探索,token 浪费
• Evidence: Codex 无任何 retrieval 机制(见 §06)
• Impact: 大 repo 任务 token 成本高、延迟高
• Severity: Low-Medium
• Recommendation: 企业部署可加 code-index MCP server(如 Sourcegraph)

Weakness 5: 长链路连贯性弱于 Claude Code

• Problem: 多步任务(3-4 步以上)会"丢失方向感",重新问已答过的问题
• Evidence: 独立评测一致反馈;SWE-bench Verified 77.3% vs Claude Code 80.8%
• Impact: 重构/跨文件 feature 任务成功率下降
• Severity: High(对用户而言)
• Recommendation: 这是模型能力 + compaction 机制的组合问题;应用层可通过"小任务拆分 + 频繁 commit"缓解

Weakness 6: 企业特性(RBAC / Audit / Multi-tenancy)缺失

• Problem: CLI 设计假设单用户本地运行
• Evidence: 无 team / org 概念;audit log 仅本地 session 文件
• Impact: 企业落地需自建包装层
• Severity: Medium
• Recommendation: v0.116.0 已开始加 enterprise features,但距离企业 Ready 仍有距离

Weakness 7: 依赖 Responses API,生态锁定

• Problem: Chat Completions 已 deprecate,非 OpenAI-compatible 的模型接入困难
• Evidence: Unsloth 文档明确"Codex has changed…It now uses the OpenAI Responses API exclusively, and Chat Completions support has been deprecated"
• Impact: 想用 Anthropic / Google 原生 API 的团队需要 gateway 翻译
• Severity: Low(设计选择,不是 bug)

20. What Is Actually Innovative?

21. What Is Just Repackaging?

Codex 不属于 Wrapper / Repackaging:

• ❌ 不是 LangChain + Vector DB + LLM 的 Basic Agent Wrapper — 没有用 LangChain,核心 loop 是自研 Rust
• ❌ 不是把 OpenAI API 包一层 UI — sandbox、approval、compaction、caching、multi-surface 协议都是原创工程
• ⚠️ Agent Loop 本身是通用范式(所有 agent 都长这样,OpenAI 自己承认),这部分是 ReAct 标准实现,不是创新
• ⚠️ Skills 机制直接借鉴 Anthropic Agent Skills 标准,是跟随而非引领

22. Competitive Landscape

• vs Claude Code:安全与 token 效率,牺牲部分长链路能力
• vs Aider:agentic 多步自主vs Aider 的 git-centric 单步
• vs Cursor:开源可审计vs 闭源 SaaS;终端优先vs IDE 优先
• vs SWE-agent:生产可用vs 学术实验
  用户为什么选 Codex:企业安全合规(OS-level sandbox + ZDR 兼容)+ OpenAI 模型质量 + 极致 token 成本。

23. 二次开发价值分析

KEEP(直接复用)

REFACTOR(设计好但需改)

REPLACE

REMOVE

ADD(企业化必加)

24. 二次开发路线

V1 — MVP(2-4 周)

目标:替换 model provider + 本地跑通核心 loop,验证可用性。

• Fork repo,保留 codex-rs/,删除 codex-cli/
• 配置 [model_providers.internal] 指向内部 LLM gateway
• 替换默认 auth.json 为内部 token 机制
• 跑通 TUI + codex exec 两个 surface
• 端到端 smoke test:读文件 → 改文件 → 跑测试
  交付:内部演示可用的 Coding Agent,沿用 Codex 全部安全机制。

V2 — Production(2-3 月)

目标:团队/CI 可用,具备可观测性。

• Observability:集成 OpenTelemetry,tracing spans 上报到 Jaeger/Tempo
• Session persistence:本地文件 → Postgres(或保留本地但加 S3 backup)
• Central config:企业统一 config.toml 分发(版本控制 + signature 校验)
• CI integration:GitHub Action / GitLab CI 模板,codex exec + PR comment
• Error handling hardening:为 agent loop 增加 max_steps 上限
• Security hardening:AGENTS.md/Skills 内容扫描(prompt injection heuristics)
• Performance baseline:token usage / latency / compaction 频率 metrics
• Docs:内部 deployment guide + troubleshooting

V3 — Enterprise(6 月+)

目标:合规、可治理、可扩展。

• RBAC:user → role → allowed tools 矩阵
• Multi-tenancy:org / team / project 三层
• Audit:所有 tool call + approval decision 写入 SIEM(Splunk/Elastic)
• Policy as Code:OPA/Rego 策略引擎,动态决定 approval
• Cost Control:per-team token budget + 实时 quota
• Evaluation Pipeline:内部 SWE-bench 子集 + 真实任务回放,模型升级前回归测试
• Plugin Architecture:允许团队发布内部 MCP servers / Skills 到内部 registry
• Enterprise SSO:OIDC / SAML
• Model routing:按任务类型路由(代码生成用 GPT-5.x,review 用 Claude,research 用 Gemini)

25. Recommended Target Architecture

#mermaid-svg-HWmlhPuXpDHzTt3K{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-HWmlhPuXpDHzTt3K .error-icon{fill:#552222;}#mermaid-svg-HWmlhPuXpDHzTt3K .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-HWmlhPuXpDHzTt3K .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-HWmlhPuXpDHzTt3K .marker{fill:#333333;stroke:#333333;}#mermaid-svg-HWmlhPuXpDHzTt3K .marker.cross{stroke:#333333;}#mermaid-svg-HWmlhPuXpDHzTt3K svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-HWmlhPuXpDHzTt3K p{margin:0;}#mermaid-svg-HWmlhPuXpDHzTt3K .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster-label text{fill:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster-label span{color:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster-label span p{background-color:transparent;}#mermaid-svg-HWmlhPuXpDHzTt3K .label text,#mermaid-svg-HWmlhPuXpDHzTt3K span{fill:#333;color:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K .node rect,#mermaid-svg-HWmlhPuXpDHzTt3K .node circle,#mermaid-svg-HWmlhPuXpDHzTt3K .node ellipse,#mermaid-svg-HWmlhPuXpDHzTt3K .node polygon,#mermaid-svg-HWmlhPuXpDHzTt3K .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-HWmlhPuXpDHzTt3K .rough-node .label text,#mermaid-svg-HWmlhPuXpDHzTt3K .node .label text,#mermaid-svg-HWmlhPuXpDHzTt3K .image-shape .label,#mermaid-svg-HWmlhPuXpDHzTt3K .icon-shape .label{text-anchor:middle;}#mermaid-svg-HWmlhPuXpDHzTt3K .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-HWmlhPuXpDHzTt3K .rough-node .label,#mermaid-svg-HWmlhPuXpDHzTt3K .node .label,#mermaid-svg-HWmlhPuXpDHzTt3K .image-shape .label,#mermaid-svg-HWmlhPuXpDHzTt3K .icon-shape .label{text-align:center;}#mermaid-svg-HWmlhPuXpDHzTt3K .node.clickable{cursor:pointer;}#mermaid-svg-HWmlhPuXpDHzTt3K .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-HWmlhPuXpDHzTt3K .arrowheadPath{fill:#333333;}#mermaid-svg-HWmlhPuXpDHzTt3K .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-HWmlhPuXpDHzTt3K .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-HWmlhPuXpDHzTt3K .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-HWmlhPuXpDHzTt3K .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-HWmlhPuXpDHzTt3K .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-HWmlhPuXpDHzTt3K .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster text{fill:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K .cluster span{color:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-HWmlhPuXpDHzTt3K .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-HWmlhPuXpDHzTt3K rect.text{fill:none;stroke-width:0;}#mermaid-svg-HWmlhPuXpDHzTt3K .icon-shape,#mermaid-svg-HWmlhPuXpDHzTt3K .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-HWmlhPuXpDHzTt3K .icon-shape p,#mermaid-svg-HWmlhPuXpDHzTt3K .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-HWmlhPuXpDHzTt3K .icon-shape .label rect,#mermaid-svg-HWmlhPuXpDHzTt3K .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-HWmlhPuXpDHzTt3K .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-HWmlhPuXpDHzTt3K .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-HWmlhPuXpDHzTt3K :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Observability

Model Layer

Storage

Tool Layer

Codex Core

App Server

Gateway Layer

Surfaces

TUI

IDE Extensions

CI Pipeline

Internal API

Enterprise GatewayAuthN/AuthZ + Rate Limit

JSON-RPC Server+ OTel exporter

Orchestrator+ Max-Step Guard

Context Manager+ Compaction

Policy EngineOPA/Rego

Tool Registry

Sandbox Executor

MCP Client

Skill Loader+ Content Scanner

PostgresSessions/Audit

S3Artifacts

RedisCache

Model Router

OpenAI

Anthropic

Internal LLM

OpenTelemetry Collector

SIEM

设计理由

26. Coding Agent Implementation Plan

Repository Structure(企业 fork)

codex-enterprise/
├── crates/
│ ├── codex-core/ # 精简后 core
│ ├── codex-protocol/
│ ├── codex-app-server/
│ ├── codex-tui/
│ ├── codex-sandbox/
│ ├── codex-mcp/
│ ├── codex-policy/ # NEW: Policy Engine
│ ├── codex-router/ # NEW: Model Router
│ ├── codex-observability/ # NEW: OTel exporter
│ ├── codex-scanner/ # NEW: Content scanner
│ ├── codex-storage/ # NEW: Postgres/S3/Redis
│ ├── codex-auth/ # NEW: SSO/OIDC
│ └── codex-rbac/ # NEW: RBAC
├── surfaces/
│ ├── cli/
│ ├── vscode/
│ └── github-action/
├── policies/ # Rego 策略
├── skills/ # 企业内部 skills
├── docs/
├── tests/
│ ├── integration/
│ ├── e2e/
│ └── eval/ # SWE-bench 子集
└── deploy/
├── docker/
├── k8s/
└── terraform/

Implementation Order(依赖驱动)

1. Foundation: build system (Bazel), CI, base crates
2. Domain Model: codex-protocol + policy schema
3. Infrastructure: storage, cache, OTel
4. Provider: codex-router + multi-provider adapters
5. Core Logic: codex-core (瘦身) + policy engine
6. Agent: sandbox + tool executor + approval
7. Workflow: MCP + Skills + scanner
8. API: app-server + gateway
9. Surfaces: TUI → VS Code → GitHub Action
10. Observability: traces → metrics → SIEM
11. Testing: unit → integration → e2e → eval
12. Deployment: docker → k8s → enterprise rollout

27. Recommended Engineering Standards

28. Definition of Done

任何二次开发 PR 必须满足:

[ ] Core functionality implemented
[ ] Unit tests added (coverage not decreased)
[ ] Integration test in core/suite (if agent-related)
[ ] E2E test passes on all 3 OS
[ ] Error handling covers: tool fail / LLM fail / approval deny / interrupt
[ ] OTel tracing spans added
[ ] Security validation: no new prompt injection surface, sandbox bypass check
[ ] Documentation updated (docs/ or inline doc comments)
[ ] Docker image builds
[ ] CI green (3 platforms + clippy + codespell)
[ ] Performance baseline: no regression in token usage / latency
[ ] Regression test: existing eval suite passes

29. Final Technical Verdict

项目类型

Developer Tool / Agent Harness(不是 Agent Framework,不是 RAG Framework,不是 Infrastructure)

技术成熟度

Experimental
↓
Prototype
↓
Developer Ready ← ★ 当前位置
↓
Production Ready ← 接近(CI/桌面场景已可)
↓
Enterprise Ready ← 尚需 RBAC/Audit/Multi-tenancy

是否值得学习?

Yes — 它是当前开源界最完整的 production-grade Agent Harness 参考实现,特别是 sandbox、协议、prompt caching、compaction 四个主题。

是否值得二次开发?

条件性 Yes — 适合 fork 做企业内部 Coding Agent(替换 provider + 加治理),不适合做通用 Agent Framework(那应该用 LangGraph / AutoGen)。

是否适合生产?

• 个人/小团队本地使用:Yes
• 企业内部部署:需要改造(RBAC/Audit/Multi-tenancy 自建)

最值得复用的 5 个部分

最应该重构的 5 个部分

最大的 5 个技术风险

最大的 5 个技术机会

30. One-Page Decision Matrix

31. Evidence Appendix

Repository Evidence

• Repository URL: https://github.com/openai/codex
• Branch analyzed: main
• Commits: 10,006
• Tagged releases: 640+
• 主代码: codex-rs/ (~95.6% of codebase)

Key Files

Important Issues / Discussions

Key External Sources

• ByteByteGo, “How OpenAI Codex Works” — App Server 协议、Compaction latent state、prefix caching 失效案例(MCP tools 顺序 bug)
• Pragmatic Engineer, “How Codex is built” — Tibo 团队访谈:Rust 选择理由、Agent Loop 流程、Skills 内部实践、self-testing
• InfoQ, “Codex CLI Goes Native” — Rust 重写四项动机原文
• InfoQ, “Windows Sandbox Design” — Windows Job Objects 设计细节
• Blake Crosley, “Codex CLI Guide 2026 v0.150.1” — 完整 feature 矩阵与 Memory System 章节
• Zenn, “How Codex CLI Implements Agent Skills” — Agent Loop 三层结构与 Skills 3-Level Progressive Disclosure 源码走读
• Unsloth docs — Responses API 独占、Chat Completions deprecate 确认
• SWE-bench / Terminal-Bench leaderboards — 量化对比数据

Facts Not Verified(明确标注 Unknown)

报告自检:
Architecture(✅ Data Flow/Control Flow/核心抽象)·
AI(✅ Agent Loop/Tool/Memory/Context Engineering,❌ RAG 不适用)·
Engineering(✅ Tests/CI/Deployment/Error Handling/Observability)·
Security(✅ Prompt Injection/Tool Security/权限/数据泄露)·
Business(✅ 使用场景/竞品/定位/生产成熟度)·
Second Development(✅ KEEP/REFACTOR/REPLACE/REMOVE/ADD + 目标架构 + 路线 + DoD)·
Evidence(✅ 关键结论均有源码或一手资料支撑,未验证项已显式标注)