Agent Loop是OpenAI首次公開的Codex核心架構，是一個被稱為‘智慧型體循環’的系統，其作用類似於‘總指揮’，負責將用戶意圖、模型大腦和執行工具串聯成一個閉環。
其運行遵循‘觀察-思考-行動-反饋’的閉環，具體步驟包括構建Prompt、模型推理、工具調用、結果反饋與循環。該系統使AI從一問一答模式轉變為能獨立規劃、檢查錯誤、驗證結果的AI Agent。為提升效率，系統採用了Prompt Caching與Compaction兩項關鍵技術。
基本介紹
- 外文名：Agent Loop
- 別名：智慧型體循環
- 關鍵技術：Prompt Caching
Compaction - 所屬：OpenAI Codex
- 類型：智慧型體循環系統
- 運行機制：觀察-思考-行動-反饋循環
研發背景,發展歷程,核心技術,重要事件,
研發背景
在Agent Loop架構出現前，主流AI互動模式多為“一問一答”或“陪伴聊天”，難以處理複雜任務。
為實現AI從被動回響到主動規劃、從簡單對話到“獨立幹活”的跨越，需要能夠自主規劃、執行、檢查並循環完成任務的新型架構。
Agent Loop正是在此背景下研發的核心架構，它作為一個“總指揮”，將用戶意圖、模型大腦和執行工具串聯成閉環。
發展歷程
2026年1月23日，OpenAI通過技術部落格《深入解析 Codex 智慧型體循環》首次公開揭秘了Codex CLI背後的核心架構——Agent Loop（智慧型體循環），標誌著該架構正式進入公眾視野。
2026年2月4日，OpenAI進一步發布技術部落格《解鎖Codex 運行框架:我們如何構建 App Server》，闡述了支撐Agent Loop的Codex運行框架及其關鍵組件，如執行緒管理、App Server等，揭示了架構的工程化實現細節。
2026年3月11日，更深入的技術分析文章《OpenAI Codex Agent Loop 技術拆解》發布，從Prompt拼裝、API選擇、上下文管理及安全隔離等方面，系統拆解了Agent Loop的工程實踐與關鍵技術。
核心技術
性能最佳化技術包括Prompt Caching和Compaction。Prompt Caching採用“前綴匹配”策略以線性成本處理長對話，解決成本爆炸問題。快取命中僅適用於提示詞內的精確前綴匹配，開發者可將靜態內容（如指令和示例）放在提示詞的開頭，變數內容（如用戶特定信息）放在末尾以獲取快取收益。Compaction在Token數超過閾值時調用/responses/compact接口將對話歷史壓縮為加密摘要（encrypted_content），以保留模型對原始對話的隱性理解，解決上下文視窗有限的問題。Compaction的實現經歷了從手動到自動的演進。早期版本需要用戶手動調用 /compact 命令來觸發壓縮。之後，Responses API演進為支持一個特殊的 /responses/compact 端點，能更高效地執行壓縮。現在，當Token數超過設定的閾值（auto_compact_limit）時，Codex會自動調用此端點進行壓縮。
重要事件
2026年1月，OpenAI首次公開其Codex產品的核心架構Agent Loop。此次公開詳細闡述了Agent Loop遵循的“觀察-思考-行動-反饋”閉環運行機制。同時，公開內容展示了OpenAI如何通過Prompt Caching與Compaction等工程化技術解決AI Agent開發中的成本與上下文限制挑戰。
