当 AI 学会了自己写代码：深入拆解 OpenAI Codex CLI 的 Rust 架构设计与工程哲学

过去一年，AI 编程工具最大的变化并不是模型越来越强，而是它们开始从“代码补全工具”进化成“自主软件工程师”。

而在这场进化中，OpenAI 的 Codex CLI 是一个非常值得研究的案例。

因为它不仅仅是一个终端工具。

它实际上是一套完整的 Agent Runtime（智能体运行时）。

更有意思的是，OpenAI 几乎推倒重来，把最初的 TypeScript 版本重构成了一个大型 Rust 项目。如今核心实现已经迁移到 Rust Workspace，包含数十个甚至接近百个独立 Crate。(Zylos)

那么问题来了：

为什么 OpenAI 要重写？

Rust 版本到底解决了什么问题？

它背后的设计思想，又能给普通开发者带来什么启发？

从 AI 工具到 AI Agent

很多人以为 Codex CLI 就是：

用户输入需求
↓
GPT 生成代码
↓
结束

实际上并不是。

现代 Codex 的工作流程更像：

用户任务
↓
任务规划
↓
读取代码库
↓
搜索相关文件
↓
执行命令
↓
修改代码
↓
运行测试
↓
分析结果
↓
继续修复
↓
生成最终提交

换句话说：

它已经不是一个聊天机器人。

而是一个软件工程 Agent。(Zylos)

为什么从 TypeScript 转向 Rust？

OpenAI 最初选择 TypeScript 是为了开发速度。

快速验证产品。

快速上线。

快速迭代。

这是创业公司最典型的策略。

但随着项目规模扩大，问题开始出现。

1. Node.js 成为了额外依赖

旧版本要求：

node >= 22

用户必须先安装 Node 环境。

对于企业内网环境：

• 安装复杂
• 版本冲突
• 运维困难

Rust 则可以直接生成单一二进制文件：

codex

开箱即用。(Codex Knowledge Base)

2. Sandbox 安全机制

Agent 最大风险是什么？

不是生成错误代码。

而是执行危险命令。

例如：

rm -rf /

或者：

curl xxx | bash

因此现代 AI Agent 必须具备：

• 权限控制
• 沙箱执行
• 命令审批

Rust 更容易与系统级安全机制集成。

Codex 在 Linux 和 macOS 上都设计了专门的沙箱层。(Mintlify)

3. 长时间运行稳定性

Agent 与普通 CLI 最大区别：

它不是运行几秒钟。

而是可能持续工作数小时。

例如：

分析仓库
→ 修改代码
→ 跑测试
→ 修 Bug
→ 再跑测试

这种场景下：

• 内存泄漏
• GC 停顿
• Runtime 开销

都会逐渐放大。

Rust 的零成本抽象和无垃圾回收机制天然更适合长期运行。(Codex Knowledge Base)

Codex 的核心架构

如果把整个系统拆开看。

你会发现它其实分成三层。

UI层
↓
Agent层
↓
Execution层

第一层：UI（用户界面）

Codex 提供：

• Terminal UI
• CLI
• 外部客户端

这一层只负责：

展示
输入
交互

它不负责决策。

第二层：Agent Core

这是整个系统的大脑。

通常对应：

codex-core

主要职责：

会话管理

Thread
Session
History

记录上下文。

保存任务状态。

支持恢复历史任务。(Zylos)

推理循环

Agent 会持续执行：

思考
↓
行动
↓
观察
↓
思考

这其实就是经典的：

ReAct Pattern

Reason
Act
Observe

工具调度

例如：

ReadFile
WriteFile
Search
Bash
Git

模型不会直接操作系统。

而是通过 Tool Layer。

第三层：Execution Layer

这一层负责真正执行。

例如：

git diff
npm test
cargo build

执行结果再返回给 Agent。

形成闭环。

最值得学习的设计：Op / Event 模型

Codex 内部采用了一种非常优雅的架构。

可以理解成：

Operation

用户发起操作：

打开文件
运行测试
执行命令

Event

系统反馈事件：

测试通过
测试失败
命令结束
文件已修改

因此整个系统变成：

Operation
↓
Agent
↓
Event

这种模式最大的好处是：

完全解耦。

未来：

• Web UI
• VSCode
• 桌面客户端
• 手机端

都能接入同一个 Agent Core。(Hotdry Blog)

Monorepo 工程哲学

Codex Rust 版采用大型 Workspace。

核心原则是：

不让 Core 无限膨胀

很多项目最后都会变成：

core.rs
50000行

没人敢改。

Codex 反其道而行。

原则是：

新能力优先放进新 Crate。

而不是继续往 Core 里塞。(Zread)

这带来几个优势：

模块独立

codex-core
codex-tui
codex-sandbox
codex-protocol
codex-tools

彼此职责清晰。

编译更快

Cargo 可以增量构建。

减少开发等待时间。

AI 更容易维护

这点特别有意思。

未来很多代码：

不是人写。

而是 AI 写。

对于 AI 来说：

500行模块

远比：

50000行巨型文件

更容易理解。

Wire Protocol：为 AI 时代准备的接口

Codex 团队提出了一个很有前瞻性的理念。

未来不是：

一个模型
一个客户端

而是：

多个模型
多个工具
多个Agent

因此需要统一通信协议。

Claude
GPT
Gemini
Qwen
DeepSeek

都能接入同一运行时。

这也是为什么 MCP 生态越来越重要。(Zylos)

最深层的工程哲学

如果让我总结 Codex Rust 重构最核心的一句话：

不是为了更快。

而是为了构建一个可长期演化的 AI Agent 操作系统。

传统软件：

用户
↓
软件
↓
结果

未来的软件：

用户
↓
Agent
↓
工具
↓
代码库
↓
测试系统
↓
部署系统

Agent 成为了新的操作层。

而 Codex CLI 的 Rust 架构，本质上就是在探索：

当 AI 不再只是回答问题，而开始自主阅读代码、修改代码、运行代码、验证代码时，一个真正可靠的软件工程 Agent 应该如何被设计。(Zylos)

这或许也是整个 AI 编程领域未来几年的主线：从“代码生成器”走向“软件工程执行者”。