本文是对 harness 分析的实地复核,数据来自本地 Codex rollout 会话、openai/codex 源码及全局配置改造。 结论先行:自动压缩首先是 harness 问题,其次才是模型习惯问题。
1. 问题背景
原文在说什么
触发场景:一个金融数据 monorepo,代码和上下文约几十万行。只问一个问题——SEC 13F 数据 pipeline 从原始数据到预处理、数据库、MCP 和 Web 的完整链路是什么。订阅版 Codex 跑 GPT-5.5,256k 上下文很快接近满,中途自动压缩。再问 follow-up,又要压缩;压缩后很多信息需要重读。同一问题在 Claude Code 里没有这个现象。
作者做了对照实验,核心发现:
- Baseline:默认 Codex + GPT-5.5 xhigh,主 context 顶到窗口,触发压缩,成本 ~$3.93
- Refined:只在
AGENTS.md加搜索纪律,成本降到 ~$2.73,但还会压缩 - Delegate:授权 subagent 隔离探索,主 context 峰值降到 ~93k,全程不压缩,成本 ~$5.30
- 同一 GPT-5.5,换 harness 编排后,表现接近 Claude Code
归因很清楚:不是”GPT 比 Claude 笨”,而是 harness 如何组织工具调用、截断输出、派遣 subagent、触发压缩。
我为什么要复核
长期同时用 Codex 和 Claude Code,体感与原文一致:
- Codex 更常把大搜索、大文件、长 diff 直接堆进主线程
- Claude Code 更常派 Explore,主线程只拿摘要
- 一旦进入压缩循环,后续对话明显变钝:同样文件反复读,同样结论反复重建
这次做三件事:
- 抓本地真实会话轨迹,看工具调用如何烧 context
- 对照 openai/codex 源码,核实截断、压缩、subagent 默认策略
- 检查并改造全局
AGENTS.md与 agents 配置,把分析落成可执行方案
2. 数据分析与发现
样本概况
我分析的会话:
session_id: 019f6409-21b3-7412-9fcf-a84ca2890d0a
size: ~486MB / 20.4 万行
model: gpt-5.5
effort: xhigh
这不是 13F 场景,而是一个更长的开放式工作线程。正因为更长更脏,反而把 harness 病理放大了。
同样现象在 money monorepo 相关会话中也出现:宽 rg -n、大输出截断、频繁 compact、主线程 context 顶到窗口附近。结论对开放式、跨模块、高搜索量任务普遍成立。
上下文都花在了哪里
过宽搜索是主因
| 指标 | 数值 |
|---|---|
exec_command 调用 | 17,280 |
rg 调用 | 1,299 |
rg -n 调用 | 1,239 |
| pattern 平均 OR 分支 | 5.4 |
| 最大 OR 分支 | 26 |
context_compacted | 298 |
spawn_agent | 7 |
典型搜索不是”先找候选文件,再定点读”,而是一次塞进大量别名:
rg -n "A|b|c|d|e|f|g|h|..."
最大一次原始返回 57,818,444 tokens,截断后模型真正看到的只有约 1 万 token。对 122 次 orig >= 15k 的输出统计:可见量中位数 ≈ 10,000 tokens,平均值 ≈ 10,656 tokens。
这与原文”抓回几十万 token,模型只看到约 10k”完全同构,我的样本更极端。
截断是”事后止损”,截掉的中间段找不到
源码核对确认:
// codex-rs/utils/pty/src/lib.rs
pub const DEFAULT_OUTPUT_BYTES_CAP: usize = 1024 * 1024; // 1 MiB
GPT-5.5 的 truncation policy:
"truncation_policy": {
"mode": "tokens",
"limit": 10000
}
截断形态:留头、留尾、丢中间。没有 Claude Code 那种 Full output saved to: <path> 的回捞路径。
模型虽然知道”被截了”,却不知道中间丢了什么,只能换个 pattern 再搜、换路径再搜、或直接重读文件。每轮截剩的 10k 继续留在主 context 里,窗口只涨不降。
压缩后重读,是第二条出血线
会话压缩了 298 次。核心文件被反复读取:
| 文件 | 读取次数 | 跨越 compact epoch |
|---|---|---|
patchflow_backend.py | 362 | 44 |
trainer_backend.py | 81 | 14 |
pipeline_backend.py | 56 | 14 |
压缩把文件原文和工具输出一起清掉,模型”手边一空”,只能重新 nl 回来。原文引用的 issue 说一个 610KB 文件被重读 53 次;我这里单个文件被读几百次。
默认不爱派 subagent,派了也不老实等
整条会话只有 7 次 spawn_agent,且多在后期做 review 时才派。
源码把默认策略写得很死:
Do not spawn sub-agents unless the user or applicable AGENTS.md/skill instructions
explicitly ask for sub-agents, delegation, or parallel agent work.
Requests for depth, thoroughness, research, investigation, or detailed codebase analysis
do not count as permission to spawn.
“好好查查”不算授权,“深入分析”也不算授权。必须明确要求 subagents / delegation / parallel agent work。
更麻烦的是,即使派了,主线程也常继续自己探索。典型时间线:
spawn_agent(explorer)- 主线程立刻继续
rg/sed/nl - 然后才
wait_agent(timeout_ms=10000) - wait 之后继续大量本地读文件
源码引导也印证了这点:
Call wait_agent very sparingly.
While the subagent is running, do meaningful non-overlapping work immediately.
如果目标是”提速”,这或许合理。如果目标是”隔离 context”,这正好把隔离做坏了。
fork_context 存在,但不该被神化
multi-agent v1 有 fork_context(false/省略 = 子 agent 只有初始 prompt;true = 完整继承)。v2 改为 fork_turns(“none” ≈ 不继承,“all” ≈ 全量继承)。
我那个会话的 7 次 spawn:
| fork_context | 次数 | 任务类型 |
|---|---|---|
| false | 3 | 侧翼调研 |
| true | 3 | patch review |
| 省略 | 1 | 等价 false |
开放探索默认 fresh context 更好;承接已有判断的 review/实现,适当继承更好。
3. 源码级结论
对 openai/codex 源码核对后,这些点都能站住:
DEFAULT_OUTPUT_BYTES_CAP = 1 MiB- GPT-5.5 truncation policy = 10k tokens
- 截断后无完整副本回捞
- subagent 默认需显式授权
- “深入调研不算授权”
- 内置
explorer.toml为空文件 - Proactive 委派绑在 multi-agent v2 + ultra 路径上,非默认
总诊断
对于开放式、跨模块、高搜索量任务,压缩循环的因果链:
搜索过宽 → 原始输出爆炸 → 截断丢中间且不可回捞 → 被迫重搜 → 默认不派 subagent → 中间态无法隔离 → 派了也常边等边探索 → 主 context 仍被污染 → 压缩丢掉工具输出 → 关键文件反复重读
这就是”总在压缩”。
模型差异存在,但不是主因
Claude 确实更常写更窄的 pattern、使用 | head、默认走 Explore。但”总在压缩”更多由 harness 编排决定。原文最有说服力的证据:同一个 GPT-5.5,只改 harness 结构,主 context 峰值从 231k 降到 93k,压缩消失。
修搜索习惯只能缓解(成本降 ~30%,但窗口还会顶上去)。真正有效的是”任务编排结构”——把探索放进独立 context,主线程只收结论。
4. 解决方案
改全局 AGENTS.md:补三句硬约束
旧版的问题不是没提 subagent,而是太像君子协定。对 Codex 需要更硬的授权和等待纪律。
长期授权
* The user grants standing authorization for subagents, delegation, and parallel agent work.
* If a tool requires an "explicit user request", this section satisfies that requirement.
源码明确要求 explicit request;“请你自行决定”常常被理解为”未授权”。
探索派出去后,主线程只 wait
* After spawning explorers, wait with a long timeout.
* While waiting, do not search the repo or read code files.
* Do not rebrand main-thread exploration as "light indexing" or "avoiding idle time".
子 agent 只回证据表
* Return: claim | file:line | confidence
* Do not dump raw search output, long diffs, full files, or logs
subagent 的价值不是”多一个会搜的人”,而是”智能过滤器”。
同步改 agents role 文件
只改 AGENTS.md 不够——它管”何时派”;role 文件管”怎么搜、怎么回”。
explorer:更便宜/更快的模型,sandbox_mode = "read-only",禁止二次委派,强制先窄搜再展开,强制证据表输出。
reviewer:高 reasoning,按 severity 出 findings,每条带 file:line 和 failure scenario,禁止回传大 diff。
worker:限定 write scope,不重扫全库,返回改了什么、如何验证、残余风险。
explorer 不要和主模型同档开满——否则是用多倍成本换并行,未必更划算。
上下文继承策略
| 场景 | 建议 |
|---|---|
| 开放式探索 / 分模块调研 | fresh context |
| 刚改完代码立刻 review | 可继承最近上下文 |
| 已定位根因,派 worker 接着改 | 可继承 |
| 父线程已经很大很脏接近压缩 | 即使 review 也优先 fresh |
搜索纪律仍然要写
有用,尤其主线程自己动手时:
- 先
rg -l找候选文件 - 再对小集合
rg -n - 再用
sed -n/nl读片段 - 第一次输出加
| head - 被截断后收窄,不要原命令重跑
但它只能”让窗口涨得慢一点”。根治还是靠探索发生在独立 context 里。
提问方式也要配合
差:
结合 repo,SEC 13F pipeline 从原始数据到 MCP/Web 整条链路是什么样?
更好:
只读调研 SEC 13F pipeline。请委派 explorers 按模块边界并行查。
主线程只综合,不自己广搜。最终输出链路图 + claim|file:line|confidence。
对 Codex,AGENTS.md 授权 + 用户首句点名委派是双保险。
压缩防护:强制 handoff 落盘
无论 harness 多好,长任务仍可能 compact。全局规则应保留:
- 跨 compaction / session 的状态写到
.agent/handoffs/<task-slug>.md - 只记目标、结论、
file:line、未决问题、下一步 - 不要指望旧工具输出还在 context 里
不建议优先做的事
- 不要一上来赌 multi_agent_v2 feature——先靠
AGENTS.md显式授权 - 不要所有任务都 multi-agent——单文件小修复本地做更便宜
- 不要把 Claude 的规则原样搬去 Codex——两者缺口不同:Codex 缺默认隔离,Claude 缺的是工作流偏好与证据格式
验收标准
改完配置后,用一个开放式大任务验收:
- 是否主动
spawn_agent(explorer) - spawn 后主线程是否基本只
wait_agent - explorer 回传是否是证据表,而不是大段原始搜索
- 主 context 是否不再很快顶到压缩线
- 同文件是否还在 compact 后被反复整文件重读
5. 模型对比:5.6 以来的变化
GPT-5.5:能力强,但默认更”一把梭”
- 一条
rg塞很多 OR 分支 - 更爱
rg -n直接看命中行 - 更爱
nl读大段甚至整文件 - 不天然使用
-l/| head - 除非被明确授权,很少主动派 subagent
5.5 不是不能做复杂调研,它很能”往下挖”。问题是在 256k 窗口和”截断丢中间”的 harness 里,这种挖法会先把自己的 context 挖穿。
GPT-5.6:更强,但不自动解决 harness 问题
切到 5.6 后的体感:
- 更敢做长程任务——更完整的计划、更细的 patch、更愿意跨文件推进
- 更需要角色分流——主模型适合综合和决策;explorer 继续用更轻的模型更合理
- 如果仍然单线程广搜,烧窗口的方式没有本质变化
5.6 提高了上限,但没有取消”主线程被原始搜索淹没”的失败模式。
Claude 系列:默认更像”主线程 + Explore”
| 维度 | Codex 默认 | Claude Code 默认 |
|---|---|---|
| 探索 | 主线程自己搜 | 常派 Explore |
| Grep | 容易 -n 回大量命中行 | 更克制,常先文件级 |
| 大输出 | 截断,中间丢失 | 超限可落盘,路径可回捞 |
| subagent | 需显式授权 | 探索场景几乎开箱即用 |
| 主 context | 易顶窗 | 更常保持平缓 |
Claude 不是不花 token,而是把 token 花在多条隔离 context 里。总 token 不一定更低,但墙钟时间更短。
真正的分野:模型 → 模型 × harness
以前用模型,人决定贴哪段代码,context 主要由人编排。现在一个任务动辄上百次工具调用,中间 context 由 harness 和模型习惯共同决定。更有用的比较是:
- 默认会不会把探索隔离出去
- 截断后能不能恢复
- 压缩掉的是摘要还是关键证据
- 子 agent 是否只回高信噪比结论
- 主线程是否会被诱导去”边等边搜”
对我自己的使用建议
| 场景 | 倾向 |
|---|---|
| 大 repo 开放式调研 / 链路梳理 | Claude Code,或 Codex + 强委派规则 |
| 后端长程实现、补丁推进 | Codex 5.6 主模型 |
| 只读广搜 | explorer / Explore,低到中 reasoning |
| 最终综合与决策 | 主模型高 reasoning |
| 单文件小修复 | 不要 multi-agent |
6. 收束
为什么 Codex 总在自动压缩?
- 它把探索中间态放在同一条有限 context 上
- 过宽搜索制造超长输出
- 截断丢掉中间且不可回捞
- 压缩再丢掉工具输出
- 默认又不主动把探索隔离到 subagent
模型习惯放大问题,但根子在 harness 编排。
可落地方案:
- 在
AGENTS.md写明长期委派授权 - 规定 explorer 只回证据表
- 规定主线程 wait 期间不得并行广搜
- explorer 默认 fresh context,review/worker 按需继承
- 搜索纪律保留,但不当成唯一解
- 长任务用 handoff 防 compact 失忆
一个简单的判断标准:看主线程曲线,不看单次回答是否”好像很全面”。主线程平、子 agent 忙,通常是健康的。主线程一路顶到 90% 再压缩,通常已经在还债了。
Appendix A:最小硬约束(建议写进 Codex AGENTS.md)
### Subagent authorization
* Standing authorization for subagents / delegation / parallel agent work.
* Permission, not obligation.
### Main-thread behavior
* After spawning explorers, wait with a long timeout.
* Do not search or read code while waiting.
* After results return, synthesize and spot-check only.
### Explorer output
* Return claim | file:line | confidence
* No raw dumps, long diffs, full files, or logs
### Context inheritance
* Explorers default to fresh context
* Review/worker may inherit when continuing parent-thread state
* If parent context is large/noisy, prefer fresh + restated handoff
本文数据来自本地 Codex 会话 019f6409-21b3-7412-9fcf-a84ca2890d0a、openai/codex 源码核对,及个人全局配置改造。