Codex CLI 与 Agent CLI 对照

一句话定位：Codex CLI 是 OpenAI 的开源终端编码 Agent（Rust 实现）——本文拿它与 Claude Code 做一次分层对照：哪些差异在 harness 设计层、选型看哪几个维度，以及开源实现给你的「读源码」特权。前置：Claude Code 全景与日常使用——先有一个参照系。

先从「评测吵成一团」说起

你用熟了 Claude Code，同事强烈推荐 Codex CLI；网上评测一个说「Codex 更克制」，一个说「Claude Code 更能干」，各说各的。两个工具都能读写代码、跑命令、自主完成整个任务——表面上干的活一样，实际体验却处处不同。

麻烦在于评测者连「差异在哪一层」都没对齐：有的在比模型，有的在比权限机制，有的在比生态——鸡同鸭讲。而且工具迭代极快，这篇说它有的功能，下个版本可能就变了；照着单篇评测做选型，很容易买到过期的结论。

对照两个 Agent CLI，框架应该怎么搭？差异的根因到底在 harness 设计的哪一层？

答案是「分层对照」：两个工具在骨架层高度同构——都是模型加循环加工具加刹车（Agent 基础篇的四要素）；差异集中在三个设计决策上——权限怎么给（审批与沙箱机制）、约定怎么记（记忆文件约定）、开放到什么程度（闭源反推与源码直读）。把这三层拆开，评测与选型立刻清晰。先看对照框架：

图：CLI 对照框架——骨架同构，差异归位到①权限机制 ②记忆约定 ③开放程度三层；选型按四维度打分

渐进拆解：两个外包团队的差异

类比：把两个 CLI 想成两个外包团队，都能替你写代码干活。差异在三份「合作条款」上：一支队伍开工前先交计划书等你点头（计划模式），干活的房间装了门禁分级（沙箱按可写范围分级，审批策略决定何时来问你）；另一支靠授权档位加事件钩子管纪律。

文档约定也不同：一个认 AGENTS.md，一个认 CLAUDE.md——好在约定文件可以单向打通——CLAUDE.md 一行导入就把 AGENTS.md 收编，迁移成本没有想象中大。

最大的差别在「后厨」：一个后厨完全开放（源码可读，你甚至能进去核对菜谱），一个只给你看前厅（行为可观察，菜谱靠猜）。猜也能猜对——但猜出来的结论，和翻过菜谱验证过的结论，含金量不同。

先把差异全景铺成一张对照表，后面各节逐一展开：

Codex 常用功能：审批、沙箱与计划模式

Codex 的权限设计是「沙箱 + 审批」双轨（见表）：

• 沙箱按可写范围分级：只读、工作区内可写、完全访问。
• 审批策略决定什么时候来问你：从「每次都问」到「放手去干」分档可调。

配合计划模式，它会在动手前先给你一份结构化的计划（读哪些文件、做哪些动作），批准后才执行。目标式使用是它的常见姿势：给一个目标而非逐步指令，让它在沙箱边界内自主推进——计划模式负责先对齐「怎么做」，沙箱负责兜住「做坏了」。账号与形态也值得知道：支持 ChatGPT 账号登录（按订阅计划使用），另有桌面应用形态；Rust 重写后 config.toml 的配置结构与早期版本有差异——升级前先对照当前文档。

插件、Skill 与记忆约定

扩展与记忆的全景见表：两家都认 SKILL.md、都支持 MCP、都有插件与钩子，差别不在「有没有」，在起步时间与生态积累；记忆约定功能同构（项目级持久指令），CLAUDE.md 一行导入就把 AGENTS.md 收编、事实源只维护一份，AGENTS.md 侧暂无对应语法，需要等效效果时用软链接。

本仓库自己就在用这套约定——根目录的 AGENTS.md 正是给所有编码 Agent 看的项目说明书；记忆之外还有第二条通道，上下文压缩：长会话逼近窗口上限时，双方都会把历史折叠成摘要续命——压缩管「对话能继续」，约定文件管「约定不丢」，正好接住前置篇的分层。

开源实现的对照价值

这是本篇最想交给你的视角：闭源一方的行为只能反推——观察它在什么场景做什么动作、输出什么日志，像做黑盒测试；开源一方可以直接读源码求证——审批策略怎么判定、沙箱边界画在哪、循环怎么退出，答案就在仓库里（开源情况见表）。读之前给自己立两条规矩：

• 每次只带一个具体问题去读（如「它怎么决定拦截」）。
• 读完就回到自己的工具验证——漫无目的地通读，两周也读不完一个仓库。

两个工具对照着用，等于「行为反推 + 源码直读」双通道：反推得到的假设，可以去开源实现里找同构机制验证。这个方法不止用于这两个产品——任何闭源 Agent 的行为假设，都能在某个开源实现里找到同构参照，因为它们要解决的问题是同一批。反推是隔着一道门猜菜谱，直读是走进后厨翻菜谱——两种本事都练，才不迷信任何一篇评测。

大白话：骨架一样，条款不同。选哪家看条款合不合你的规矩，看后厨开不开——别只听菜品的广告词。

技术定义与生态现状：Codex CLI 是 OpenAI 的开源终端编码 Agent——早期为 TypeScript 实现，后以 Rust 重写（基本信息见表与文末谱系图）；同赛道常见的还有 Google 的 Gemini CLI、Aider 等，Agent CLI 已是一个多玩家的品类。

生态协议在收敛：MCP 成为工具接入的通用协议，Agent Skills 开放标准让技能格式跨工具通用——你写的技能与工具配置，迁移成本在持续下降。

另一个现实是版本节奏：这类 CLI 的 breaking changes 不罕见——升级前扫一眼变更说明，自动化脚本里锁版本，是两条被反复验证的教训。选型还有一条朴素经验：跟着自己的任务形态选，而不是跟着功能清单选——清单会趋同，任务形态不会变。

动手：同一任务，两条 CLI 对照跑

对照实验比读十篇评测有用。亲手跑一遍（# 后是注解；装好两个 CLI 与各自凭据，在同一个项目目录里跑）：

claude -p "读 src/auth/ 目录，列出三个最值得重构的点"   # Claude Code 侧
codex "读 src/auth/ 目录，列出三个最值得重构的点"        # Codex 侧
# 对照观察三处，再做归位：
# 1. 审批粒度：各自在动手前问了什么、没问什么（对应①权限机制）
# 2. 约定文件：各自加载了什么（AGENTS.md 还是 CLAUDE.md）
# 3. 产出格式：同为「三个重构点」，结论结构是否可互相移植
# 归位：把观察到的每条差异，归到①权限 ②约定 ③开放哪一层
git clone https://github.com/openai/codex        # 源码直读：克隆 Codex 仓库
# 在源码里搜审批与沙箱的实现，验证你观察到的行为：
# grep -ri "approval" --include="*.rs" .

克隆源码那步是本篇的点睛：你观察到的「它先问了再删文件」这类行为，在开源实现里能找到对应的判定代码——反推的结论有了可验证的落点。对照实验做完，①②③三层差异就不再是评测文章的形容词，而是你亲手摸过的机制。

边界与取舍：对照的价值与边界

同一任务的行为差异，根因都能归到 harness 层

• 审批粒度不同，是①权限机制的设计差异（沙箱分级 vs 权限模式加钩子）。
• 「它怎么知道团队约定」，是②记忆约定的差异（AGENTS.md 与 CLAUDE.md 同构）。
• 「这个功能怎么触发的」，是③开放程度的差异（能读源码还是只能观察）。

下次看到评测里的玄学结论，先问一句：你说的是哪一层的差异？

哪些开源实现值得读

Codex（Rust，Apache-2.0——一种开源许可证）是大厂开源终端 Agent 里实现最完整的一个，主循环、工具调度、沙箱、审批全在仓库里；Gemini CLI 同样开源可读。读法有两条：

• 带着行为疑问去搜实现（「它怎么决定拦截这条命令」）。
• 按模块通读：先找主循环，再看工具注册与会话管理——主循环是所有行为的发源地。

在那之前，权限机制、工具执行 这些专篇就是行为反推做深的范本——本篇的对照实验，是它和源码直读的第一次热身。

选型别用单维度

只看「谁更强」会永远摇摆——模型在换、版本在更。按四维度打分再加权：权限模型合不合你的安全规矩、记忆约定迁入成本、生态协议是否开放、开源与否是否影响你求证问题的能力。工具是雇来干活的，合适比名气重要。举个例子把维度用起来：

• 安全规矩严格（要细粒度审批与沙箱）→ ①权重高。
• 团队双工具混用 → ②权重高（CLAUDE.md 可导入 AGENTS.md，混用成本低）。
• 喜欢较真机制、读源码求证 → ③权重高。

每个人的权重表不同，结论自然不同，这不是谁对谁错。

图：Agent CLI 谱系——闭源到开源 × 轻量到全家桶；本篇只负责把坐标画准，不负责评判高下

自测

合上文章先自己答，再展开对照：

参考与延伸

• Codex CLI 官方仓库（openai/codex，Apache-2.0，Rust）：源码直读的主场 — github.com/openai/codex
• Agent Skills 开放标准（agentskills.io）：技能格式跨工具通用的规范基础 — agentskills.io
• Gemini CLI 仓库（google-gemini/gemini-cli）：另一条可读源码的开源路线 — github.com/google-gemini/gemini-cli

下一站：Tokenizer——CLI 之上是模型，模型的第一道门是分词：文本如何变成 token。