你以为 AI 写代码只是简单的“你问我答”？
大错特错。
在 OpenAI 最新拆解的 Codex CLI 背后，藏着一个疯狂运转的“Agent Loop”（智能体循环）。它不是一次性给你答案，而是在你的电脑上不断试错、调用工具、撞墙、再重来。
这就像雇了一个不知疲倦、甚至会自我反思的程序员，坐在你的终端前疯狂敲键盘。
OpenAI 刚刚发布了一篇深度技术文章，把这个被称为“Codex Harness”的核心逻辑彻底摊开在了桌面上。这不仅仅是一次技术分享，更是对未来 AI 如何“干活”的一次预演。
不是聊天，是“无限循环”
Codex 的核心，根本不是对话，而是一个闭环。
这个循环的逻辑简单到令人发指：输入 -> 推理 -> 工具调用 -> 再推理。
当你在 Codex CLI 里下达指令，模型首先会进行“推理”。它不会直接给你写好的代码，而是决定要不要调用“工具”。比如，它可能会说：“先运行一下 ls 看看目录结构。”
一旦工具执行完毕，结果会被塞回给模型，模型拿着这些新信息，再次进行推理。
这个过程会不断重复，直到模型觉得“行了，不用再调用工具了”，才会生成最终的回复给用户。
正如一位网友在 Hacker News 上的神评论：
while true;
- Call the model
- If tool call, execute and append result, goto 1 else break
done;
这代码看着简单，却道尽了 Agent 的本质：它不是神，它是个“边做边学”的笨办法践行者。
这种“试错法”让计算机能处理那些乱七八糟、没法一次性解决的复杂问题。它不再追求一步到位的完美，而是追求在不断的“执行-反馈”中推进进度。
记忆的“二次方”诅咒
但这个循环有个致命的副作用：它会“吃”光你的内存。
每一次循环，每一次工具调用，都会产生新的文本。这些文本必须被塞进下一次请求的“上下文窗口”里。
随着对话越来越长，发送给 API 的数据量会呈二次方增长。
想象一下，你聊了 10 轮，每一轮都要把前面 9 轮的所有历史记录、所有的工具调用结果全部打包发过去。这就像你每说一句话，都要把从小到大所有的日记本背一遍。
Codex 的上下文窗口是有限的。一旦填满，Agent 就会失忆。
为了解决这个问题，OpenAI 玩了个极其精细的平衡术。
为了速度，OpenAI 玩了个“作弊码”
既然不能减少记忆，那就得想办法“偷懒”。
Codex 极度依赖 Prompt Caching（提示词缓存）。
因为每次请求的上下文里，大部分内容其实是不变的——比如系统指令、工具定义。只有最新的那一点点对话是新的。
只要保证这些不变的内容在请求的最前面（精确前缀匹配），服务器就能直接复用之前的计算结果。
这把原本昂贵的“二次方”计算成本，强行拉回了线性的水平。
但为了这个缓存，OpenAI 也是操碎了心。比如，如果中途换了个工具，或者改了沙盒配置，顺序一变，缓存就失效了。
甚至为了支持 Zero Data Retention（零数据留存），Codex 故意不使用 API 的 previous_response_id 参数。这意味着每次请求都是完全无状态的，服务器不存你的数据，这虽然增加了网络传输的负担，却换来了极致的隐私安全。
Cache hits are only possible for exact prefix matches within a prompt.
为了哪怕一毫秒的速度提升，他们都在跟每一个字节较劲。
学会“遗忘”也是一种智慧
当缓存也救不了你，上下文窗口真的要爆了怎么办？
Codex 选择了一种近乎“人类”的策略：总结与遗忘。
它引入了自动压缩机制。当 token 数量超过阈值，Codex 会调用一个特殊的 /responses/compact 接口。
这个接口不会简单粗暴地删除旧对话，而是生成一份“压缩包”。里面包含了一份精简的对话摘要，以及一个加密的 encrypted_content。
这个加密块里，藏着模型对之前对话的“潜在理解”。虽然人类看不懂，但模型能读出来，仿佛那是它上一轮留下的“潜意识”。
这样既腾出了空间，又保留了上下文的灵魂。
它不是神，它是个“笨拙”的人类
看完这些技术细节，你可能会觉得 Codex 强得离谱。
但用户社区里的反馈，却揭示了另一面。
有人吐槽，推理过程中的 Token 在工具调用循环里会保留，但一旦用户开始新的一轮对话，这些 Token 就会被丢弃。这意味着，Agent 可能会忘记上一轮思考过程中的一些细枝末节。
甚至有用户直言不讳地对比：
我试过 Gemini CLI、Claude Code CLI，性能烂得像一坨屎。但 Codex CLI 重写后（据说用了 Rust），性能简直疯狂。
这或许才是最讽刺的地方。
我们以为 AI 是全知全能的上帝，但实际上，它更像一个记忆力有限、需要不断写备忘录（Markdown 文件）、偶尔还会犯傻的实习生。
它通过疯狂的循环、精细的缓存、甚至学会“遗忘”来模拟人类的智慧。
OpenAI 这次拆解 Codex，与其说是在炫耀技术，不如说是在承认：通往 AGI 的路，是由无数个这种笨拙但有效的循环铺就的。
Codex CLI 的开源库已经在 GitHub 上亮出了家底，这一次，轮到开发者们去围观这个“大脑”是如何跳动的了。
参考链接：
https://openai.com/index/unrolling-the-codex-agent-loop/