01 · 核心概念与 agentic loop
智能体编程 vs 传统补全
| 传统补全 | 智能体编程（Codex） | |
|---|---|---|
| 单位 | 一行/一段 | 一个完整任务 |
| 主体 | 你逐步操作 | 它自主多步执行 |
| 反馈 | 无 | 跑命令→看结果→自我纠错 |
agentic loop（智能体循环）
Codex 的核心运行机制，和 Claude Code 同构：
读取目标/上下文 → 推理 → 采取行动（读写文件 / 跑命令）
↑ │
└──────── 观察结果、纠错 ←───────┘
每一轮：模型决定下一步动作 → 在沙箱里执行 → 把结果读回 → 继续，直到完成或需要你批准。
GPT 模型族与「智能 vs 上下文」的权衡
- Codex 由 GPT 系列驱动，不同型号在推理强度和上下文容量间权衡。
- 课程强调一个工程判断：任务越复杂越需要强模型；上下文越大越能塞整个仓库，但也更贵更慢。
- 实战做法：简单任务用快/省的型号，复杂重构/调试切强型号（见 成本优化）。
关键术语速记
| 术语 | 含义 |
|---|---|
| agentic loop | 思考→行动→观察→再思考的自主循环 |
| harness（运行外壳） | 把模型包成能读写文件、跑命令的「智能体外壳」 |
| context window | 上下文窗口（Codex 可达 ~400k token） |
| sandbox | 沙箱，隔离执行环境，防止误操作系统 |
| AGENTS.md | 项目级指令文件（对位 CLAUDE.md） |
常见用例
- 在仓库里加功能、修 bug、重构
- 读懂陌生代码库、解释代码
- 写/跑测试，CI 里自动改
- 批量代码迁移、依赖升级
本节实操
- 用自己的话画出 agentic loop
- 列一个你想交给 Codex 的真实任务
下一篇 → 02-安装与认证