第一性原理：Codex 为什么需要一整套工程系统？
从第一性原理看，Codex 本质上是一个以 Agent Loop（智能体循环） 为核心驱动、由一整套工程基础设施支撑的自主智能体系统。
学习 Codex，不能只停留在"它是怎么实现的"，更要理解"为什么必须这样设计"。
原因很简单：软件工程本就在快速演进，大模型的能力又在持续跃升，围绕模型构建智能体的方法论也必然不断迭代。如果不知道一项设计背后的原因，那么学到的往往只是某个版本的实现细节------一个很快就可能过时的"历史快照"。
这也解释了那句略带调侃的话：
在 AI 时代，如果一项新技术还没来得及学就已经过时，那可能也不必再学了。
真正具有长期价值的，不是记住今天的脚手架长什么样，而是理解它在解决什么问题、受到哪些约束，以及为什么选择了当前这种权衡。
理解"为什么"，至少能带来四个层次的认知跃升。
1. 抓住对抗技术迭代的"不变性"
"为什么"通常指向系统中最难改变的硬约束。
例如，Codex 之所以需要 Agent Loop，是因为大模型本质上仍是概率模型。单次生成只能给出一个"看起来合理"的方案，却无法天然保证代码能够运行、修改符合要求、测试可以通过，更不能保证任务已经真正完成。
因此，系统必须把模型的推理和真实环境连接起来，形成一个持续闭环：
#mermaid-svg-EA3BDTjnfsEQ0PYW{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-EA3BDTjnfsEQ0PYW .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-EA3BDTjnfsEQ0PYW .error-icon{fill:#552222;}#mermaid-svg-EA3BDTjnfsEQ0PYW .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-EA3BDTjnfsEQ0PYW .marker{fill:#333333;stroke:#333333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .marker.cross{stroke:#333333;}#mermaid-svg-EA3BDTjnfsEQ0PYW svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-EA3BDTjnfsEQ0PYW p{margin:0;}#mermaid-svg-EA3BDTjnfsEQ0PYW .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster-label text{fill:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster-label span{color:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster-label span p{background-color:transparent;}#mermaid-svg-EA3BDTjnfsEQ0PYW .label text,#mermaid-svg-EA3BDTjnfsEQ0PYW span{fill:#333;color:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .node rect,#mermaid-svg-EA3BDTjnfsEQ0PYW .node circle,#mermaid-svg-EA3BDTjnfsEQ0PYW .node ellipse,#mermaid-svg-EA3BDTjnfsEQ0PYW .node polygon,#mermaid-svg-EA3BDTjnfsEQ0PYW .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .rough-node .label text,#mermaid-svg-EA3BDTjnfsEQ0PYW .node .label text,#mermaid-svg-EA3BDTjnfsEQ0PYW .image-shape .label,#mermaid-svg-EA3BDTjnfsEQ0PYW .icon-shape .label{text-anchor:middle;}#mermaid-svg-EA3BDTjnfsEQ0PYW .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .rough-node .label,#mermaid-svg-EA3BDTjnfsEQ0PYW .node .label,#mermaid-svg-EA3BDTjnfsEQ0PYW .image-shape .label,#mermaid-svg-EA3BDTjnfsEQ0PYW .icon-shape .label{text-align:center;}#mermaid-svg-EA3BDTjnfsEQ0PYW .node.clickable{cursor:pointer;}#mermaid-svg-EA3BDTjnfsEQ0PYW .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .arrowheadPath{fill:#333333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-EA3BDTjnfsEQ0PYW .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-EA3BDTjnfsEQ0PYW .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-EA3BDTjnfsEQ0PYW .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster text{fill:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW .cluster span{color:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW 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-EA3BDTjnfsEQ0PYW .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-EA3BDTjnfsEQ0PYW rect.text{fill:none;stroke-width:0;}#mermaid-svg-EA3BDTjnfsEQ0PYW .icon-shape,#mermaid-svg-EA3BDTjnfsEQ0PYW .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-EA3BDTjnfsEQ0PYW .icon-shape p,#mermaid-svg-EA3BDTjnfsEQ0PYW .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-EA3BDTjnfsEQ0PYW .icon-shape .label rect,#mermaid-svg-EA3BDTjnfsEQ0PYW .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-EA3BDTjnfsEQ0PYW .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-EA3BDTjnfsEQ0PYW .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-EA3BDTjnfsEQ0PYW :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 尚未完成
满足目标
理解任务
制定计划
执行操作
观察结果
评估与纠偏
结束任务
模型负责提出下一步行动，环境负责返回客观结果，Agent Loop 则不断缩小"模型判断"与"真实状态"之间的偏差。
具体实现可能持续变化，但这一核心矛盾不会轻易消失：只要模型不能在一次生成中稳定保证工程结果的正确性，外部反馈闭环就仍然不可或缺。
2. 看透系统失效的"边界条件"
智能体系统很少存在唯一正确的设计，更多时候是在能力、安全、效率和体验之间进行权衡。
例如，Codex 既不能完全禁止高风险工具调用，否则智能体会失去完成真实工程任务的能力；也不能毫无限制地开放权限，否则一次错误判断就可能造成不可逆的后果。
因此，系统通常会采用分层治理：
- 用沙箱限制默认活动范围；
- 用权限策略区分不同风险等级；
- 用审批机制处理越权或高风险操作；
- 在效率与控制之间保留动态调整空间。
理解这些设计背后的原因，才能判断它们在什么条件下有效，又会在什么条件下失效。遇到问题时，我们关注的就不再只是"某个功能为什么不好用"，而是更本质的问题：究竟是模型能力不足、工具反馈不充分、权限边界过紧，还是风险控制不够？
3. 获得精准"归因"的诊断能力
一个工程任务失败，表面上可能只是"代码没改对"，但真正的原因可能出现在智能体链路的任何一层：
| 层次 | 典型问题 |
|---|---|
| 任务理解 | 误解目标、遗漏约束 |
| 推理与规划 | 路径选择错误、任务拆分不合理 |
| 工具执行 | 参数错误、工具能力不足 |
| 环境反馈 | 输出不完整、错误信息被截断 |
| 状态管理 | 遗忘前文、上下文发生漂移 |
| 权限与沙箱 | 无法读取或修改必要资源 |
| 验证机制 | 没有运行测试，过早判断任务完成 |
理解 Codex 的系统结构，就能把"模型不行"这种笼统结论拆解成可定位、可验证、可修复的工程问题。
这种归因能力非常重要。因为不同层次的问题需要完全不同的解决方案：模型推理错误可能需要调整提示或模型；工具反馈不足需要改进接口；权限受限需要重新设计策略；验证缺失则需要加强完成条件。只有归因准确，优化才不会变成盲目堆叠脚手架。
4. 掌握"向下兼容"的方法论迁移
随着模型能力增强，智能体系统中的部分脚手架会逐渐被拆除。
过去需要大量代码硬编码的任务拆分、格式控制、错误恢复和上下文管理，未来可能被模型原生完成。原本依赖复杂编排逻辑的能力，也可能逐渐收敛为更简单、更通用的 Agent Loop。
但脚手架的消失，并不意味着它曾经解决的问题也消失了。真正需要判断的是：
- 这个约束是否仍然存在？
- 模型是否已经能够稳定处理它？
- 原有机制是否仍有必要？
- 移除脚手架后，系统的失败概率和风险是否可以接受？
理解"为什么"，才能在模型能力跃迁时及时删掉已经过时的复杂性，同时保留仍然必要的工程约束。这样迁移的是方法论，而不是某个版本的实现细节。
Codex 要解决的核心矛盾
Agent Loop、工具调用、上下文管理、沙箱隔离、权限审批和结果验证，看起来是一整套复杂的工程系统，但它们最终都服务于同一个目标：
用确定性的工程机制，约束并校正不确定的概率模型，使其能够稳定完成可验证的真实任务。
模型提供智能，工具连接现实，环境返回事实，循环完成纠偏，沙箱和审批控制风险，验证机制定义"什么才算真正完成"。
因此，Codex 并不只是一个会写代码的模型。更准确地说，它是一套将概率模型的推理能力，转化为可执行、可反馈、可验证、可控制的工程行动的智能体系统。
关于什么 Agent 什么是 Workflow，我认为
Agent 需要能够让用户输入任意的问题，然后在经历思考-行动-观察的循环后，完成给定的任务，即使无法完成也是因为没有必要的工具。换句话说，由循环驱动的，能一直进行下去完成用户的任务的就是 Agent。一个成熟的 Agent 不仅要知道如何继续，也要知道何时应该停止、澄清或报告阻塞原因。
与之相对，Workflow 的执行路径主要由开发者提前定义。大模型可以参与其中，负责分类、抽取、生成或判断，但它只能在预设好的节点、分支和顺序中运行。系统看起来可能非常智能，却没有真正决定整体执行路径的自主权。很多所谓的"垂直领域 Agent"，实际上是以 Workflow 为主体，只在少数节点允许模型自主决策。由于垂直领域的任务类型有限、流程稳定、评价标准明确 ，这种设计通常已经完全足够，而且往往比高度自主的通用 Agent 更稳定、更高效，也更容易控制风险。
总结
区分 Agent 与 Workflow 的关键，不在于系统是否使用了大模型，也不在于它能否调用工具，而在于：任务的推进路径究竟是由开发者预先编排的，还是由模型根据环境反馈动态决定的。 Workflow以流程为中心，追求确定性；Agent 以目标为中心，利用循环在不确定环境中持续决策和纠偏。
工程上不必追求"纯 Agent"。真正应该考虑的是：任务中哪些决策可以提前确定，哪些决策必须根据现场反馈动态产生。
可以预先确定的部分，应尽量交给 Workflow，以获得稳定性、可预测性和执行效率；无法预先确定、必须结合上下文与环境反馈做出的决策，则交给 Agent。