推理瓶颈转移与WebSocket模式

随着GPT-5.3 Codex Spark在Cerebras硬件上实现每秒千个token的推理速度，推理过程不再成为系统瓶颈，网络传输成为了新的性能制约点。为了解决这一问题，团队采用了WebSocket模式，取代了传统的基于HTTP的Server-Sent Events (SSE)。这种持久连接方式能够携带有状态的上下文信息，使得每一轮交互只需返回工具调用的结果，而无需重复发送所有历史项目。这一架构调整显著提升了数据传输效率，减少了冗余负载。

"The answer was websocket mode: a persistent connection replacing server sent events over HTTP, carrying stateful context so a turn ships back only the tool call result instead of resending every item."

这种优化不仅解决了带宽压力，还改变了上下文构建的逻辑。上下文构建面临着大小、灵活性和可缓存性三者之间的平衡挑战。为了应对这些挑战，团队引入了工具延迟加载机制，允许将工具标记为"deferred"，使其永不进入上下文窗口，而是在模型实际需要时通过工具搜索动态呈现。这种设计有效控制了上下文窗口的占用空间，同时保持了工具的可用性。

上下文窗口优化策略

在上下文管理的细节上，团队对可用技能列表实施了严格的容量限制策略。具体而言，可用技能列表的大小被限制在上下文窗口大小的2%以内。当上下文窗口增长超过这一阈值时，技能描述会被裁剪以适应空间限制。这种动态调整机制确保了系统在面对复杂任务时，仍能保持高效的上下文处理能力。

"Tools can be marked deferred so they never enter the context window and surface through tool search when the model actually wants them, and the available skills list is capped at 2% of the context window, with descriptions trimmed as it grows past that."

这种策略的核心在于平衡信息的丰富度与系统的响应速度。通过限制技能列表的大小并裁剪描述，系统避免了因上下文过大导致的推理延迟。同时，工具搜索机制确保了模型在需要时能够快速获取所需工具，从而在保持系统灵活性的同时，优化了资源利用率。这种设计体现了对上下文窗口效率的极致追求，是Codex Harness区别于其他AI助手的关键特征之一。

沙箱环境与跨平台安全

Actions（动作执行）是Harness发挥价值的核心环节。文件编辑操作通过模型训练时已掌握的apply patch工具进行处理，而其他所有操作则通过Shell执行，模型本能地使用ripgrep等工具进行驱动。所有这些操作均在沙箱环境中进行，以确保系统安全。不同操作系统采用了不同的沙箱方案：macOS使用seatbelt，Linux使用bubblewrap，而Windows则需要团队自行构建自定义的开源沙箱。

"File edits go through an apply patch tool the models were trained on, everything else through a shell the model instinctively drives with ripgrep, and all of it inside a sandbox: seatbelt on macOS, bubblewrap on Linux, and a custom open source sandbox on Windows the team had to build themselves."

这种跨平台的沙箱策略确保了操作的一致性与安全性。尽管各平台的底层机制不同，但Harness通过统一的接口抽象，使得模型能够在不同环境中执行相同的逻辑。特别是Windows平台的自定义沙箱，体现了团队在解决平台特异性问题上的工程能力。这种设计不仅保障了用户数据的安全，还提升了模型在不同操作系统上的兼容性和稳定性。

权限管理与自动审核机制

为了缓解用户在长期使用中产生的审批疲劳（Approval fatigue），系统允许用户授予完全访问权限，但这引发了内部安全团队的强烈反对。为此，团队引入了自动审核子代理（auto review subagent）机制。该子代理拥有只读权限，且无法生成其他代理，其职责是根据操作转录和用户授权明确性，对动作进行评判。

"Approval fatigue pushes people into full access, which their own security team hates, so an escalation now spins up an auto review subagent with read only permissions and no ability to spawn others, judging the action against the transcript and how explicitly the user authorized it."

这种机制通过区分操作意图来增强安全性。例如，删除用户明确要求删除的文件与删除用户从未提及的.git文件夹，在审核机制下会被赋予不同的风险等级。系统通过分析操作上下文和用户授权历史，自动判断操作的合理性。这种设计不仅减少了人工干预的需求，还通过自动化审核提升了系统的安全性和用户体验，体现了安全与效率的平衡。

长期目标执行与验证机制

对于需要长期执行的目标，Harness采用注入延续提示（continuation prompt）的方式，直到模型调用update goal工具为止。这种机制强调具体、可验证的目标优于模糊的论述。通过不断注入提示，模型能够逐步推进任务，并在每个阶段验证目标的完成情况。

"Long horizon goals run by injecting a continuation prompt until the model calls an update goal tool, which is why concrete verifiable objectives beat essays."

这种执行模式的核心在于目标的可验证性。通过要求模型调用特定工具来更新目标状态，系统确保了每个步骤都有明确的产出和验证标准。这种机制避免了模型在长期任务中迷失方向，提高了任务完成的可靠性和效率。同时，它也反映了团队对结构化任务执行的重视，即通过明确的工具和流程，引导模型完成复杂的多步任务。

开源架构与技术栈

Dominik Kundel在演讲结尾指出，Codex Harness采用Apache 2.0许可证开源，并使用Rust语言编写。由于大部分独特功能都体现在Responses API中，开发者可以借鉴其设计思路，无需完全复制底层实现。这一开源策略旨在促进社区贡献和技术创新。

"Dominik Kundel's closing point is that the harness is Apache 2 and written in Rust, and most of what makes it distinct lives in the responses API, so you can borrow any of it."

选择Rust作为开发语言，体现了团队对内存安全和性能的重视。Apache 2.0许可证则提供了宽松的商用许可，鼓励广泛采用。通过将核心创新点集中在Responses API中，团队降低了外部开发者的集成难度，促进了生态系统的繁荣。这种开放且模块化的设计哲学，是Codex Harness能够迅速获得社区关注的重要原因之一。

演讲者信息

Dominik Kundel是OpenAI的工程师，其社交媒体和开源项目链接如下： - Twitter: https://x.com/dkundel - LinkedIn: https://linkedin.com/in/dkundel - GitHub: https://github.com/openai/codex

这些信息为读者提供了进一步了解Codex Harness及其开发者的渠道，有助于深入探索相关技术细节和社区动态。