Skip to content
拆解真实项目第 3 / 3 节

拆解开源编程 Agent:Codex、OpenCode、goose ​

这一节读源码。三个项目都是开源的终端或桌面编程 Agent:OpenAI 的 Codex CLI(Rust,Apache-2.0)、OpenCode(TypeScript,MIT,读的是 2.3.0 的新架构)、goose(Rust,Apache-2.0,1.60.0,现在是 Linux 基金会旗下 AAIF 的项目)。我们在 2026 年 11 月 20 日克隆了它们,下面的文件路径和行号都对应那一版。

你会发现:核心循环和你写的几乎一样,差别都在“刹车”和“工程细节”上。

1. 循环:都是“还要工具就继续” ​

Codex 的循环(codex-rs/core/src/session/turn.rs)用一个变量判断要不要再来一轮:

rust
let needs_follow_up = model_needs_follow_up || has_pending_input;

模型要调工具、或者用户中途插了新话,就继续;否则 break。这和 myagent 的 if not msg.tool_calls: return 是同一件事。

OpenCode 叫 needsContinuation(这一步有本地执行的工具调用就为真),goose 叫 ends_turn(最后一条是没有工具请求的回复就结束)。

差别在刹车:

步数上限到上限怎么办
myagent12 步直接停,回一句“超过最大步数”
OpenCode默认不限,可以给每个 Agent 设 steps关掉工具(toolChoice: "none"),加一句“已到最大步数”的提示,逼模型用文字总结目前的进展
gooseGOOSE_MAX_TURNS 默认 1000让出控制权,问用户要不要继续
Codex我们在源码里没有找到步数上限—

OpenCode 的做法比我们的好:直接截断会丢掉进展,让模型在最后一步写总结,用户至少知道做到了哪里。

2. 权限:从 y/N 到“规则表 + 审查 + 沙箱” ​

查一查它们的权限……

点一个看看。

goose 的 smart_approve 和上一节 Grok Bot 的审查模型、OpenClaw 的 auto 档,是同一个思路:能自动判断的自动判断,拿不准的再问人。

3. 压缩:思路和你的 compact() 一样,多了三件事 ​

何时开始压缩
myagent对话超过 24000 字
Codex上下文窗口的 90%
OpenCode窗口减去 max(15%, 16k token)
goose窗口的 0.8
OpenClaw约 75% 开始维护

生产级的做法多了三件事:

  1. 按 token 算,而不是按字数。
  2. 摘要写成“交接单”。 Codex 的压缩提示词第一句(codex-rs/prompts/templates/compact/prompt.md):
text
You are performing a CONTEXT CHECKPOINT COMPACTION. Create a handoff summary for another LLM that will resume the task.

Include:
- Current progress and key decisions made
- Important context, constraints, or user preferences
- What remains to be done (clear next steps)
- Any critical data, examples, or references needed to continue

OpenCode 也要求摘要“交给另一个 Agent 接着做”,并规定了目标、决定、下一步等固定小节。

  1. 不拆工具调用和结果。 和我们 compact() 里那个 while 循环一样,几家都有处理。

4. 说明文件和技能:AGENTS.md 和 load_skill ​

几乎都在读 AGENTS.md(写给 Agent 看的项目说明):

  • Codex:从 git 根目录到当前目录逐层读、拼起来,总共上限 32 KiB;同一层有 AGENTS.override.md 时优先读它。
  • OpenCode:找 AGENTS.md,同一目录没有时退回读 CLAUDE.md。
  • goose:读 .goosehints 和 AGENTS.md。

技能方面,goose 的工具名和我们一模一样,就叫 load_skill(crates/oi-kit-agent/src/skills/operation.rs):

rust
fn load_skill_tool() -> Tool {
    Tool::new(
        LOAD_SKILL_TOOL_NAME,
        "Load a skill's full content into your context so you can follow its instructions.\n\n\
         Skills are listed in your system instructions. When you need to use one, \
         load it first to get the detailed instructions.",
        schema_for_type::<LoadSkillParams>(),
    )
}

你第二章写的,就是业界的主流做法。

5. MCP:所有人的公共插座 ​

三个项目都支持 MCP:Codex 在 config.toml 的 [mcp_servers.名字] 下配置;OpenCode 在 opencode.json 里配 local / remote;goose 最彻底,所有工具都走 MCP,每个扩展就是一个 MCP 客户端,工具名加上“扩展名__工具名”前缀。

动手:给 myagent 照着加三样 ​

排一排按难度从低到高,给 myagent 加上……
  1. 1?
  2. 2?
  3. 3?

按先后顺序,一个一个点。

第一样的参考写法:

python
agents_md = Path("AGENTS.md")
if agents_md.exists():
    SYSTEM += "\n\n项目说明(AGENTS.md):\n" + agents_md.read_text(encoding="utf-8")[:8000]

考考你读完三个项目的源码,Agent 的核心循环和你写的 myagent 相比如何?

检查一下 ​

  • 我能说出三个项目各自怎么处理“到达步数上限”
  • 我能说出它们的压缩阈值,以及摘要为什么写成“交接单”
  • 我给 myagent 加上了至少一样学来的功能

回到 常见问题,或者去 OpenClaw 课、Grok Bot 课 把这些设计用起来。

搞懂AI关于我们怎么写隐私说明联系我们

独立的第三方教程,与文中提到的任何产品及其公司没有隶属或合作关系;产品名称和商标归各自所有者。价格和政策以官方页面为准。