如果你第一次打开codex-main这个源码目录，很容易被它的规模吓住：顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具，也不像一个简单的 ChatGPT 包装器。更准确地说，Codex CLI 是一个“本地运行的智能软件工程代理”：它能理解用户目标，读取项目

如果你第一次打开codex-main这个源码目录，很容易被它的规模吓住：顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具，也不像一个简单的 ChatGPT 包装器。更准确地说，Codex CLI 是一个“本地运行的智能软件工程代理”：它能理解用户目标，读取项目

如果你第一次打开codex-main这个源码目录，很容易被它的规模吓住：顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具，也不像一个简单的 ChatGPT 包装器。更准确地说，Codex CLI 是一个“本地运行的智能软件工程代理”：它能理解用户目标，读取项目

RAG 已经是大模型方向面试的必考项了。字节、阿里、百度、腾讯的面试官，不会只问你”做过 RAG 吗”，他们会追问”检索策略怎么设计的”“混合检索为什么比纯向量好”“Rerank 解决什么问题”“幻觉怎么处理的”——这些不是背概念就能过的。基础层：RAG 是什么、为什么需要、完整链路七步走检索层：向量检索原理、混合检索策略、Rerank 重排序、Chunk 切分、Embedding 选型优化层：幻

Playwright-CLI 是 Microsoft 基于 Playwright 推出的命令行浏览器自动化工具，专为 AI 编程助手（如 Claude Code、GitHub Copilot）设计。

当你的系统只调用一个模型、一个 Provider 的时候，一切看起来都很简单——拼好 Prompt，发个 HTTP 请求，拿到结果。但当业务做大以后，你会发现自己同时在用 GPT-4o 处理复杂推理、用 Claude 做长文档分析、用开源模型跑一些对延迟敏感的轻量任务，还可能在不同云厂商之间部署了多个推理实例。每个调用方都在各自的代码里硬编码模型名称和 API Key，散落在几十个微服务中。某天

"帮我修一下这个 Bug，Hello.cs 的构造函数参数好像写错了。回车。几秒钟后，它找到了问题，给出了修复方案。你端着咖啡，感觉自己是科幻电影里的主角。但你知道刚才那几秒钟里，背后到底发生了什么吗？你的 Claude Code 对着 API 狂轰滥炸，发了1、2、3、4 、n次请求。它不是魔法师——它是一个强迫症患者，反复做着一件极其无聊的事：一个 while 循环。

这些问题，都可以用一套叫做 Agent Development Kit（，智能体开发套件） 的结构来解决。它的核心就是 5 个文件夹，通过这 5 个文件夹我们可以把变成一支有记忆、懂规矩、会分工、能复制的自动化开发团队。每一层解决一个具体问题，下面逐一拆解。

而 MCP 往往需要暴露工具列表、参数 schema、工具说明和返回结构，工具多、说明长、返回内容大时，Token 消耗就会更明显。真正需要封装的，通常不是“怎么调用飞书”，而是你们自己的业务流程，比如更新前先 dry-run、输出必须是 JSON、批量更新前先校验记录、失败后保留原始响应等。长时间使用 Claude Code 时，最常见的问题不是完全聊崩，而是上下文越来越长，里面混着旧尝试、废弃

我是国内的订阅账户，所以选择了 BigModel！我之前就一直在想，为什么智谱不出一个类似 Codex 或者 Claude 的智能体软开发套件，直到有人告诉我，它们已经有了。我本来还想分享一下 JClaude 接入 GLM的丝滑体验，没想到官方也有自己的版本了，而且已经是 3.0.0 了。它是有一个加载的交互效果的，那个交互效果，是我测试这个例子以来数一数二的赞！当时我连续测了一周，全部都是卡死，