这篇文章源自 Linux.do 社区，作者通过 mitmproxy 抓包工具对 OpenAI codex-cli/">Codex CLI 进行流量分析，系统还原了其与后端模型通信的完整请求结构。文章指出当前 Agent 产品的技术实现高度趋同，均采用 Agent Loop 循环架构：用户输入被结构化为提示词后送入模型推理，模型输出自然语言回复或工具调用请求，工具在本地 CLI 执行后将结果回传，循环迭代直至生成最终答案。抓包结果显示，Codex 请求体由 instructions、input 与 tools 三部分构成。系统提示词详细规定了智能体的人格语气、工具偏好（如强制使用 rg 替代 grep）、编辑约束（默认 ASCII、优先 apply_patch）、禁止破坏性 git 操作等规则，反映出强化学习之后仍需硬性约束兜底的工程现实。会话初始化阶段，CLI 会依次注入沙盒权限说明、协作模式定义、聚合多来源的 AGENTS.md 指令、可用 Skills 列表及本地环境上下文。文章还揭示了请求中隐藏的 spawn_team 多智能体工具，支持以 explorer、worker 等角色并行派生子代理，并演示了 MCP 工具如何被映射为标准 function calling 接口。最后，作者讨论了 Agent 优化的两条路线：免训练的提示词工程与基于执行反馈的模型微调，并提出利用 MITM 抓包获取 Token 级数据、结合 AReal 异步强化学习训练垂直 Agent 模型的设想。
事件分析
这篇文章以一手抓包数据拆解了商用 Agent 产品的黑盒，验证了业界长期存在的猜测：Agent 能力的相当部分来自系统提示词的精细设计，而非模型的神秘能力。值得关注的细节包括 Skills 采用渐进式披露以节约上下文窗口、MCP 工具在协议层被统一降维为 function calling、prompt_cache_key 等缓存优化字段的使用，这些均体现了上下文窗口管理已成为 Agent 工程的核心议题。从产业视角看，当前 Agent 框架如 LangChain、CAMEL-AI、Claude Code 各自为政，数据格式与调用链缺乏标准，作者提出的 MITM 采训思路指向一个潜在方向：绕过框架差异直接捕获 Token 级交互数据，用于训练垂直领域 Agent 模型。随着开源小参数 MoE 模型能力提升，这条路线可能在 CUDA 编程等基础模型薄弱的领域率先落地，但作者也明确指出当前脚手架等基础设施尚不成熟，短期内难以规模应用。
核心观点：Agent 的智能表象之下是工程化的提示词与循环设计，竞争壁垒正从模型裸能力转向上下文组织与数据链路掌控。
原文链接：Linux.do
评论前必须登录！
立即登录 注册