13 — 高频问答与追问链 ​

以下为 基于本仓库实现 的问答模板；进一步追问时可下钻到对应文档与源码路径。

架构与分层 ​

Q：Codex 为什么拆 protocol 和 core？
A： protocol 只做类型与序列化契约，依赖最小；core 承载状态机、工具执行、沙箱、上游 API。这样 TUI、exec、app-server 共享同一语义，且协议可单独版本化与生成 TS/JSON Schema，避免「UI 改一点牵动全仓库」。（见 codex-rs/protocol/README.md、docs2/02。）

追问：Op 为什么 non_exhaustive？
A： 向后兼容：新增操作类型时，旧客户端的 serde 仍可读，Rust 下游必须处理未知或升级，防止静默漏处理。（protocol/src/protocol.rs。）

会话模型 ​

Q：Thread / Turn / Item 和 ChatGPT 的 messages 有什么区别？
A： Thread/Turn/Item 是 可同步的树状/时间线模型，适合 IDE 增量推送、持久化与工具审计；flat messages 难表达「同一轮里多个工具并行、部分失败重试」等结构。（app-server/README.md Core Primitives。）

安全 ​

Q：沙箱策略为什么随 UserTurn 传，而不是只在 config 里全局配置？
A： 每轮可能切换 cwd、审批模式、模型；与工具调用环境强绑定，放 Turn 上保证 请求级一致性，减少隐式全局状态。（Op::UserTurn 字段；docs2/03。）

Q：Linux 为什么需要 bubblewrap，而不仅是 Landlock？
A： 复杂文件系统 carve-out 无法无损映射到旧 Landlock 模型时，必须用更强容器边界；无法安全映射时 fail-closed。（codex-rs/core/README.md Linux 小节。）

文件编辑 ​

Q：apply_patch 为什么要「显式调用」？
A： 防止模型在普通文本中夹带可执行补丁、保证审批链路与 telemetry 有明确 tool 边界；否则安全与 UX 都难定义。（ApplyPatchError::ImplicitInvocation；docs2/05。）

Q：单二进制怎么跑 apply_patch？
A： argv0 别名或 --codex-run-as-apply-patch 内嵌路径，由 codex-arg0 分发。（docs2/11。）

模型与网络 ​

Q：WebSocket prewarm 是什么？失败会怎样？
A： 先发 generate=false 的 response.create 完成握手，降低真正流式请求的冷启动；失败计作首次连接尝试，由统一重试/降级处理。（core/src/client.rs 顶部文档。）

终端 UI ​

Q：流式输出卡顿怎么优化？
A： 自适应 chunking：积压小用 Smooth 保持节奏，积压大用 CatchUp 清队列，并用滞回避免模式抖动；常量按 docs/tui-stream-chunking-tuning.md 调。（tui/src/streaming/chunking.rs。）

Q：Ctrl+C 第一次为什么不直接退出？
A： 分层：modal 优先、可取消工作走 Interrupt、空闲双击才 ShutdownFirst quit，避免误触与未清理子进程。（docs/exit-confirmation-prompt-design.md，PR #8936。）

IDE / App-Server ​

Q：app-server 过载时行为？
A： 有界队列，返回 -32001 可重试错误；客户端应退避。避免内存无限增长与 IDE 卡死。（app-server/README.md。）

扩展 ​

Q：Skills 和系统 prompt 有什么区别？
A： Skills 是可安装、可缓存、可带资源的包；系统 prompt 是内置静态指令。Skills 用 marker 优化启动安装。（skills/src/lib.rs；docs2/10。）

开放题（考察系统思维） ​

Q：如果你给 Codex 加一个新工具，要动哪些层？
A： 典型路径：protocol（工具 schema/结果类型）→ tools 注册与 Responses API JSON → core 执行与沙箱/审批钩子 → TUI/app-server 展示事件 → 文档与 schema 生成；若有 MCP 对称能力还要更新 MCP 描述。（需结合具体工具类型作答。）

本仓库未包含的内容 ​

• GitHub Issues 全文：本机快照未附带 issue 数据库；分析以 仓内源码与 docs/、codex-rs/docs/ 为主。建议结合 openai/codex issues 按关键词（sandbox、app-server、TUI、apply_patch）补充实战案例。

• 官方长文：多数 docs/*.md 指向 developers.openai.com/codex，进阶学习可交叉阅读。

返回总目录：readme.md