一种是直接开放公网 endpoint。这样接入最简单，但也意味着原本只在内网里的服务，需要面向公网接受请求。对企业来说，这通常会引入额外的安全审查、认证设计、日志审计和运维压力。另一种是使用第三方 tunnel 工具。它能快速把本地或内网服务暴露出去，但也会在连接链路里引入新的供应商。安全团队需要审查这个 tunnel 工具本身，运维团队也要把它纳入监控、故障排查和权限管理。还有一种是 VPN 或

默认情况下，codex 使用默认权限，一般项目的修改，读取 codex 自动会帮你完成，但在一些删除以及一些越权操作，codex 会主动询问你，但如果你希望 codex 自动完成所有事情，不要提问，可以考虑使用完全访问权限，但一般不太推荐，万一删了什么你不知情就很麻烦。正常情况下，如果你有多个不相干的问题，你完全可以对于同个项目新开多个对话，然后分别提问，此时 codex 等同于用多个脑子帮你干活

通过dotenv库的load_dotenv()方法，自动读取项目里的.env配置文件，把文件中所有键值对自动载入系统环境变量os.environ，后续可直接读取模型地址、密钥等配置，避免硬编码。使用 LangChain 内置的init_chat_model初始化大模型，通过两个核心参数配置：model指定模型名称，model_provider指定模型对接厂商。可以省略model_provider参

指令不区分大小写，一般惯例是写为全大写指令后至少会携带一个参数注释以# 开头# FORM 指令，用于指定基础镜像。且必须是第一条指令；若省略了tag，则默认为latest# MAINTAINER 指令的参数填写的一般是维护者的姓名和邮箱。此指令官方不建议使用，使用LABEL指令代替#LABEL 指令：以键值对的形式包含任意镜像的元数据信息，用来代替MAINTAINER指令。通过docker ins

推理在工具里面应用效果不是很好， 在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding…比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C,A输出的内容，要在B节点用变量来接受，比如 Dify — Chatflow - 数据库智能查询。Workflow：更像一个数据处理管道，给它输入，它跑完逻辑

推理在工具里面应用效果不是很好， 在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding…比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C,A输出的内容，要在B节点用变量来接受，比如 Dify — Chatflow - 数据库智能查询。Workflow：更像一个数据处理管道，给它输入，它跑完逻辑

Prompt（提示词）就是你输入给AI的文本指令。它就像你去餐厅点菜时说的“来一份宫保鸡丁”，AI就是那个服务员，听懂你的话然后给你上菜。在Java里，调用AI模型的第一步就是构造Prompt。@Service// 构造Prompt：可以包含系统消息和用户消息new SystemPrompt("你是一个Java架构师，擅长用通俗的语言解释技术概念。"),// 调用AI并返回结果这里的和UserPr

Prompt（提示词）就是你输入给AI的文本指令。它就像你去餐厅点菜时说的“来一份宫保鸡丁”，AI就是那个服务员，听懂你的话然后给你上菜。在Java里，调用AI模型的第一步就是构造Prompt。@Service// 构造Prompt：可以包含系统消息和用户消息new SystemPrompt("你是一个Java架构师，擅长用通俗的语言解释技术概念。"),// 调用AI并返回结果这里的和UserPr

默认情况下，codex 使用默认权限，一般项目的修改，读取 codex 自动会帮你完成，但在一些删除以及一些越权操作，codex 会主动询问你，但如果你希望 codex 自动完成所有事情，不要提问，可以考虑使用完全访问权限，但一般不太推荐，万一删了什么你不知情就很麻烦。正常情况下，如果你有多个不相干的问题，你完全可以对于同个项目新开多个对话，然后分别提问，此时 codex 等同于用多个脑子帮你干活