真实编码Agent

Codex的公开循环把输入准备、模型输出、工具执行与结果回填连接起来。模型可以提出搜索或修改动作，Harness负责分派、权限与状态；这不是模型直接拥有操作系统访问能力。

本条关注每轮输入的变化：规则与目标可能稳定，源码片段、错误日志和已完成状态不断新增。长任务中的压缩又会改变历史的表示方式，因此不能只检查最初一句用户Prompt。

原创练习：为同一Bug画出读取前、测试失败后、压缩后的三份输入摘要，标明哪些事实新增、哪些仍未验证。再删除一次工具观察，指出哪些后续结论失去依据。

完成标准是能解释行为与证据之间的因果关系，而不是猜测隐藏系统指令或把一次日志当成所有版本的固定实现。

Codex App Server文章介绍核心运行能力与客户端之间的接口，并使用Thread、Turn和Item等原语组织会话与事件。这些概念帮助区分持续会话、一次交互及过程中产生的不同输出。

界面显示与执行事实应该分开。客户端断线后，屏幕没有更新不代表任务一定停止；收到一个进度事件也不代表最终状态已经完成。具体恢复行为依协议与实现而定。

原创练习：设计“模型请求审批→用户批准→工具执行→结果显示”的事件顺序，指出哪些事件需要持久化、哪些只是展示。再考虑客户端在批准后断线时如何避免重复动作。

不要把文章中的接口原语当成所有Agent框架的统一术语，也不要由界面相似推断后端完全相同。

Harness Engineering讨论如何为Agent构建容易发现知识、执行工作和验证结果的环境。它来自特定团队的实践，不能把其产出规模或效率外推到任意仓库。

入口指导适合提供地图，详细规则放在相关位置，稳定的重要边界可以用测试或静态检查落实。模型因此更容易取得必要信息，而不是通过一份无限增长的说明书记住一切。

原创练习：把假想项目的规则分成全局约束、模块事实、任务临时状态和可执行检查，分别决定存放位置。检查“必须保持兼容”是否有相应测试，而不只是口号。

完成标准是说明每项环境改造具体减少哪种失败。没有真实问题支持的复杂治理，不应因为冠以Harness名称就默认保留。

Codex公开仓库适合研究配置、会话、输入构建、工具分派与状态管理之间的连接。本书没有对某个提交进行逐文件审计，因此不列未经确认的当前源码符号作为事实。

读源码应固定版本，从可运行入口向下追踪，再用测试或日志验证理解。文档中的架构描述与某一提交实现可能存在时间差，文件名也会变化。

原创练习：选一个只读工具调用，追踪“定义→暴露给模型→参数接收→执行→结果回传”五个位置，记录真实路径与提交。不要先扫描全部仓库后再猜调用关系。

这一条的目标是获得可复核的源码阅读方法，不是让读者依赖英文仓库才能理解前面的中文机制。

托管Agents API把部分Harness与执行基础设施交给服务方，应用仍需提供业务目标、工具和环境。托管并不意味着用户的数据边界、授权与验收自动被正确设计。

应区分服务负责的会话或恢复能力，与应用负责的外部副作用、业务规则和身份权限。一个调用被接受，与长任务最终成功，是不同状态。

原创练习：把本地Agent迁移到托管环境，列出仍必须保留的资源授权、结果查询、错误处理和成本上限。再检查哪些本地路径或凭据不应直接复制到远端。

产品能力与生命周期会变化。本书说明职责分层，不把某次发布的套餐、限额或模型清单写成永久事实。

Claude Code官方说明把获取上下文、行动和验证组织为循环。工具让模型读取或改变环境，观察再影响下一步；长会话管理属于产品Harness，而不是模型自动修改了参数。

理解一次运行要看当前已读内容、工具结果、会话状态以及是否使用子Agent。用户界面展示的最后回答不能替代实际补丁和测试记录。

原创练习：给一个小Bug任务，记录第一次修改之前取得了哪些证据，修改后执行了哪些验证。若模型直接宣称完成，检查文件与测试是否支持该声明。

完成标准是能解释公开机制与观察到的行为，不据此推断私有Prompt、未公开压缩算法或所有账号都具有相同配置。

上下文窗口文档帮助区分项目指导、会话消息、工具定义、文件内容与工具结果等信息来源。窗口大小描述容量，不等于每条内容都会被准确使用。

查看上下文占用能发现某类内容过多，但比例本身不能说明价值。一个短小的兼容性要求可能比很长的日志更重要；工具结果清理也可能删掉未来需要的线索。

原创练习：为同一任务建立“必要约束、当前证据、可外置历史”三栏，比较压缩前后是否仍可回答关键问题。不要仅以Token下降作为成功标准。

产品的具体显示和自动处理规则应按当前版本核实。本书不假设所有内容都以相同角色、相同顺序注入。

项目指令与自动记忆是两种不同的信息来源。前者表达明确指导，后者保存可在以后使用的内容；它们作为上下文并不具有确定性程序的强制执行能力。

Claude Code对CLAUDE.md、AGENTS.md及记忆的支持存在版本和配置条件，不能写成“始终读取全部同名文件”或“永远不支持某文件”的绝对结论。

原创练习：在测试项目中放入一条无害且可观察的局部规则，检查加载范围、文件共存与新会话行为。将“文件存在”“已加载”“已遵循”分别记录。

记忆还应检查过期和冲突。旧项目约定被读到，不代表它适用于当前代码版本，更不应自动覆盖用户本次明确要求。

子Agent可提供独立上下文和专门配置，帮助隔离探索过程。独立上下文减少主会话噪声，也意味着返回摘要可能丢失证据或限制条件。

父Agent的全部历史、工具与权限是否继承，必须依据产品设置，不能仅因它是“子Agent”就假定完全共享。角色名称也不是实际能力或权限证明。

原创练习：委派一次只读路径调查，明确问题、范围、已知事实和返回证据。检查子Agent是否重复主Agent已完成工作，主Agent能否回溯结论。

只有独立任务边界、足够输入和可验证交接同时成立时，隔离才可能带来净收益；否则只是增加调用与信息搬运。

Skills把任务相关指导与资源组织成可按需使用的工作包。技能被发现、被加载、被正确执行是三个阶段，不能因为安装了文件就认为本次任务已经应用。

元数据影响选择，正文解释方法，附属资源提供进一步证据或脚本。不同资源应按需要展开，避免每个任务都携带全部专业细节。

原创练习：为路径问题写两个技能描述，一个只覆盖精确关键词，一个说明语义与不适用条件；用同义任务及相邻领域测试漏选与误选。

这一条关注Claude Code中的使用边界；开放技能规范并不意味着各客户端对所有扩展字段和执行模式都完全一致。

Hooks在明确的生命周期事件上执行程序化动作。它们适合可重复的检查、记录或自动化，不是让模型凭文字承诺一定执行某个步骤。

Hook本身也可能失败、耗时或产生副作用。应明确触发条件、输入、退出行为与错误处理，避免一次普通读取触发重型扫描。

原创练习：设计一个只记录工具调用摘要的Hook，再比较把完整敏感输入写入日志的方案，说明后者的隐私风险。对校验Hook还应测试正常与异常路径。

不应把所有业务规则塞进Hooks。需要语义判断的部分与确定性门槛可以协作，但职责必须清楚，不能形成难以解释的隐式工作流。

权限配置控制工具或操作是否允许，和Prompt中的行为建议不同。访问目录、命令、网络及审批机制需要按产品规则配置与测试。

仅允许某工具名仍可能过宽，因为参数决定真实作用范围。允许读取工作区不代表可以读取用户全部文件；允许执行测试也不等于允许任意远端写入。

原创练习：列出读取源码、修改本地文件、上传产物、删除远端资源四类操作，为它们设计不同授权边界。用无害测试验证拒绝是否真正发生。

完成标准是能指出限制由哪一层执行。模型表示理解权限，不是权限隔离已经生效的证据。

编码Agent的使用实践强调提供清晰任务、必要上下文与可验证反馈。有效任务组织不是把所有可能步骤都规定死，而是让模型知道目标与完成条件。

对简单修复，可以直接定位、修改、测试；对跨模块问题，需要更多证据与计划。相同的长模板未必适合两者。

原创练习：比较模糊要求、增加验收标准、再叠加长固定流程三种输入。记录实际成功、无关修改、验证与耗时，而非只看回答是否显得认真。

最佳实践是起点。用户环境、模型版本和仓库质量变化后，应重新验证其价值，不把历史技巧永久累积成冗长规则。

Copilot CLI是具体的产品表面，不能与IDE扩展或其他Copilot服务的能力清单混为一谈。上下文、工具、授权和运行方式应以CLI文档及安装版本为准。

查看上下文与压缩功能可以帮助观察长会话，但一次运行不能揭示全部内部算法。程序实际执行状态仍需要文件、命令结果或结构化输出支持。

原创练习：在同一小仓库记录交互式CLI任务与编辑器任务各自获得的文件范围，解释差异可能来自哪些输入来源。

完成标准是先确认使用表面，再讨论能力。不应看到某个Copilot教程支持一项功能，就推断所有客户端都同步支持。

自定义Agent用于组织专门角色及相关配置。它与Skill不同：前者通常定义执行角色或能力边界，后者提供某类任务的专业方法与资源。

一个名为“reviewer”的Agent不天然拥有独立证据，也不保证只读。应检查实际模型、工具、作用域和交接方式。

原创练习：设计一个只读审查者，明确它读取补丁、相关代码和测试结果，并返回具体问题与依据。再测试没有问题时是否能正常结束，而不是为了角色存在强行挑错。

自定义角色的收益应来自职责清晰和任务适配，不是角色数量。过多重叠Agent会增加重复阅读与协调成本。

CLI工作流把用户输入、工具执行、状态展示和结束结果结合起来。理解它时应区分交互式确认、非交互自动化和任务恢复，不把某一种运行模式的默认行为推广到全部场景。

终端最后一行并不是唯一成功信号。自动化需要检查退出状态、实际环境变化和必要验证；工具失败后生成的解释不能冒充成功执行。

原创练习：模拟测试命令失败但Agent仍输出总结，设计脚本如何识别“已完成修改但验证失败”。保留部分成果，同时明确未通过部分。

这一条侧重操作闭环；模型能力、上下文组织和权限配置仍需结合其他条目理解。

定制能力对照表帮助区分Instructions、Skills、Agents、Hooks和MCP等扩展点。选择应根据要改变的是长期指导、专业流程、角色编排、确定性事件还是外部连接。

把所有需求塞进一种机制会造成边界混乱。例如，技能可以说明如何部署，但实际部署权限应该由工具或平台控制。

原创练习：把代码风格、数据库迁移步骤、提交前检查、远端查询和独立审查分别匹配到合适机制，并说明不选择其他机制的理由。

完成标准不是记住名称，而是能减少重复配置。相同规则若在多处维护，发生冲突时必须知道哪个来源才是权威。

Copilot Skills将可复用指导与资源提供给相关任务。支持范围随具体产品表面和版本变化，开放格式并不意味着所有实现细节完全一致。

技能入口描述影响是否被选择，正文质量影响选中后的执行。路由和专业内容应分别评测，避免把一次未加载误诊为模型读不懂正文。

原创练习：准备需要技能、不需要技能和语义相近但领域不同的任务，观察加载行为与最终结果。不能只用最容易命中的示例证明设计有效。

技能不是永久参数学习，也不是强制执行脚本；涉及重要约束时仍需要测试或权限机制支撑。

Copilot记忆文档描述可用于后续任务的信息保留机制。记忆与当前仓库、用户或任务的适用关系需要检查，不能假设所有表面共享一份无限制永久记忆。

保存一条结论只是开始，还需要来源、有效性和冲突处理。模型曾经说过的话，不自动成为独立事实证据。

原创练习：保存一个带版本的项目约定，然后改变版本并提供新证据，检查系统是否仍误用旧记忆。分别统计正确使用、错误使用与必要时不使用。

完成标准是证明记忆改善任务，而非仅证明文件或数据库里多了一条记录。记忆维护成本也应计入收益比较。

插件可以组织和分发Skills、Agent、Hooks或工具连接等扩展。它主要解决能力包装与接入，不代表安装后每项能力都会被调用或自动获得授权。

插件带来的脚本、网络服务和配置属于供应链的一部分。需要检查来源、版本、权限及与已有规则的冲突。

原创练习：列出一个假想插件新增的文件、命令和外部连接，分别判断读取、执行和网络风险。比较只安装文档型Skill与安装可执行Hook的差别。

不要把分发便利等同于安全或正确性保证。插件升级后也应运行必要回归，而不是只确认安装成功。

程序化参考用于把CLI纳入脚本和自动化。关键不仅是命令能启动，还包括输入传递、输出格式、退出状态、工具授权和错误处理。

非交互场景不能依赖用户随时回答审批。需要预先限定可执行范围，并允许明确返回阻塞，而不是绕过必要确认。

原创练习：为一个只读分析脚本定义成功、部分完成和失败三种结果，保存实际证据与退出状态。测试输出截断、工具超时和无权限情形。

完成标准是调用方能够可靠解释结果。不要解析某句自然语言“看起来像完成”来驱动部署或其他重要副作用。