【新智元导读】AI编程霸主之争升级！Claude Code刚刷屏，OpenAI连甩两张王：不仅首度揭秘Codex背后的大脑「Agent Loop」，还自曝惊东谈主基建：仅用1个PostgreSQL主库，竟抗住了全球8亿用户洪峰！

最近，Anthropic的Claude Code引爆了AI编程圈！

阿谁能在末端里我方读代码、改代码、跑测试的AI助手，让不少开荒者直呼「这才是改日」。

一时候，外交媒体上全是「Claude Code吊打Cursor、Codex、Antigravity」之类的挑剔。

就在众人以为OpenAI还在憋GPT-5.3大招的时候，今天其官博和奥特曼倏地在X平台甩出了两张王炸：

1. Agent Loop架构揭秘：初次公开Codex的「大脑」是如何运转的

2. PostgreSQL极限架构：1个主库扛起8亿用户的随心操作

这一波组合拳打得太漂亮了。

今天我们就来拆解一下，OpenAI到底憋了什么大招。

Agent Loop

Codex的「大脑 」 是如何运转的

什么是Agent Loop？

如若你用过Codex CLI、Claude Code等等CLI末端器具，你可能会敬爱：

这玩意儿到底是如何知谈我想干啥的？如何就能我方读文献、写代码、跑号令？

谜底就藏在一个叫Agent Loop（智能体轮回）的东西里。

粗浅来说，Agent Loop就像一个「总招引」，它厚爱把「用户意图」「模子大脑」和「施行器具」串成一个完好意思的闭环。

这不是平方的「你问我答」，而是一个包含了「不雅察-想考-行动-反应」的颖慧活的系统。

底下，把这个黑盒闭幕，望望一个委果的AI Agent是如何跑起来的。

一个完整的Agent Loop是如何跑起来的

用一个具体的例子来证明。

假定在末端里输入：给技俩的README.md加一个架构图。

第一步：构建Prompt

这好比给大脑发工单。

Codex不会平直把你的话丢给模子，它会先构建一个用心联想的「Prompt」：

我是谁：（System）：告诉模子它是谁、颖慧什么

我有什么器具（Tools）：有哪些器具不错调用（比如shell号令、文献操作）

环境高下文（Context）：刻下在哪个目次、用的什么shell

用户指示：给README.md加一个架构图。

这就像给模子发一封详备的责任邮件，而不是只发一句「帮我干活」。

第二步：模子推理（Inference）

这一步，大脑运泛动掸。

Codex把这个Prompt发给ResponsesAPI，模子运转想考：

「用户想加架构图，我得先望望当今的README是什么样的……」

然后模子作念出决定：调用shell器具，施行catREADME.md。

第三步：器具调用（ToolCall）

Codex收到模子的肯求，在土产货施行号令，把README.md的本体读出来。

这就像看成运泛动起来。

第四步：恶果反应

这一步，末端把README.md的本体吐了出来。

这时候经由莫得结尾。Codex把号令的输出追加到Prompt里，再发给模子。

第五步：轮回

模子看到了README的本体，再次进行推理：

可能是生成一个Mermaid图，可能是平直写一段ASCII图形……然后再调用器具写入文献。

这个轮回一直执续，直到模子以为任务完成了，输出一条「我处理了」的音尘。

它不是在回答问题，它是在解决问题。

为什么这很强盛？

也许你可能会说：「这未便是多调了几次API吗？」

但绝非这样粗浅。

传统的LLM期骗是「一问一答」式的：你问，它答，完事儿。

但Agent Loop让AI酿成了一个能零丁干活的职工。

它会我方接洽旅途（Chain of Thought）。

它会我方搜检空幻（Self-Correction）。

它会我方考据恶果（Feedback Loop）。

这才是委果的「AI Agent」。

而Agent Loop，便是阿谁不错让AI结束从「随同聊天」迈向「零丁干活」飞跃的桥梁。

性能优化

两个关节本事

OpenAI在著作里共享了两个硬核优化，解决了Agent开荒的两大痛点：

痛点一：资本爆炸

Agent Loop每跑一圈，齐要把之前的对话历史（包括那些冗长的报错信息、文献本体）再行发给模子。

对话越长，资本越高。如若不优化，资本是平方级增长的。

解决决策：PromptCaching（辅导词缓存）

OpenAI选拔了一种访佛于「前缀匹配」的缓存计策。

粗浅来说，只须你发给模子的前半部天职容（System指示、器具界说、历史对话）没变，管事器就不需要再行规划，平直调取缓存。

这一招，平直让长对话的资本从平方级增长降到了线性级。

但这里有个坑：任何更正Prompt前缀的操作齐会导致缓存失效。比如：

半途换模子

修改权限设置

更正MCP器具列表

OpenAI团队以致在著作里承认，他们早期的MCP器具集成有bug：器具列表的限定对抗稳，导致缓存时时失效。

痛点二：高下文窗口有限

再大的模子，高下文窗口亦然有限的。

如若Agent读了一个巨大的日记文献，高下文倏地就满了，前边的系念就会被挤掉。

关于本领员来说，这就意味着：「你把前边我界说的函数给忘了？！」

这不仅是智障，更是灾荒。

解决决策：Compaction（对话压缩）

当Token数跨越阈值，Codex不会粗浅地「删除旧音尘」，而是会调用一个极度的/responses/compact接口，把对话历史「压缩」成一个更短的节录。

平方的回归（Summary）仅仅把长文本酿成漫笔本，会丢失多量细节。

OpenAI的Compaction复返的是一段encrypted_content（加密本体），保留了模子对原始对话的「隐性明白」。

这就像把一册厚书压缩成一个「系念卡片」，模子读了卡片就能回忆起整本书的本体。

这让Agent在处理超长任务时，依然能保执「本领」在线。

{jz:field.toptypename/}

这一次，OpenAI硬核揭秘Codex CLI背后的「大脑」「Agent Loop」，牛牛开释出一个信号：AI简直是要把活儿给干了。

1个主库扛8亿用户

PostgreSQL的极限操作

在众人齐在聊AI模子有多牛的时候，OpenAI暗暗曝光了一个更劲爆的音尘：

复古全球8亿ChatGPT用户、每秒处理数百万次查询的，尽然仅仅一个单一主节点的PostgreSQL数据库！

它只用1个PostgreSQL主节点+50个只读副本就作念到了。

8亿用户，这险些是在开打趣！有网友咋舌。

在散播式架构盛行的今天，众人动不动便是「微管事」「分片」「NoSQL」。

能用巨型散播式集群解决的问题，毫不必单机。

恶果OpenAI告诉你：我们就用个PostgreSQL，照样扛。

他们是如何作念到的？

凭证OpenAI工程师败露的信息，关节本事包括：

1. PgBouncer一语气池代理 ：大幅减少数据库一语气支出 2. 缓存锁定机制 ：幸免缓存穿透导致的写入压力 3. 跨地域级联复制 ：读肯求分散到全球各地的副本

这套架构的中枢想想是：读写分离，极致优化读旅途。

毕竟关于ChatGPT这种期骗，读肯求远远多于写肯求。用户发条音尘，系统可能需要读几十次数据（用户信息、对话历史、设置信息……），但写入唯唯一次。

凭证OpenAI官方博客败露，关节本事包括：

1.一语气池代理（PgBouncer）

通过一语气池经管，把平均一语气建就地间从50ms降到了5ms。

别小看这45ms，在每秒百万级查询的场景下，这是巨大的性能耕作。

2.缓存锁定/租约机制（CacheLocking/Leasing）

这是一个终点灵巧的联想。

当缓存未射中时，只允许一个肯求去数据库查询并回填缓存，其他肯求恭候。

这幸免了「缓存雪崩」——多量肯求同期涌向数据库的灾荒场景。

3.查询优化与负载隔断

团队发现并诞生了一个触及12张表一语气的复杂查询。

他们把复杂逻辑移到期骗层处理，幸免在数据库里作念OLTP反方法操作。

同期，肯求被分为高优先级和低优先级，划分由专用实例处理，防范「吵闹邻居」效应导致的性能下落。

4.高可用与故障更动

主库运行在高可用（HA）方法，配有热备节点。

读流量一起分流到副本，即使主库宕机，管事仍能保执只读可用，裁减故障影响级别。

天花板终究会到来

不外，OpenAI也坦言，这套架构还是遇到了物理极限。问题出在两个场所：

PostgreSQL的MVCC截止

PostgreSQL的多版块并发限度（MVCC）机制会导致写放大（更新一转需要复制整行）和读放大（扫描时需要跳过死元组）。关于写密集型负载，这是个硬伤。

WAL复制压力

跟着副本数目加多，主库需要向通盘副本推送预写日记（WAL）。副本越多，主库的相聚压力越大，副本蔓延也越高。

为了龙套这些截止，OpenAI正在作念两件事：

1. 把可分片的、高写入负载迁徙到AzureCosmosDB等散播式系统；

2. 测试级联复制：让中间副本向卑劣副本转发WAL，筹算是支执跨越100个副本。

这个案例完好意思解说了一个架构玄学：如无必要，勿增实体。

不要一上来就搞散播式：先用粗浅的决策撑住，撑不住了再说。

好多公司的问题是：还没到需要散播式的阶段，就还是把架构搞得无比复杂了。恶果既莫得散播式的克己，还背上了散播式的复杂度。

OpenAI用施行讲解：一个优化到极致的单机架构，能走得比你想象的更远。

Codex VS Claude Code的争霸赛

Claude Code的杀手锏是什么？是端到端的开荒体验。

它不是一个粗浅的代码补全器具，而是一个能在末端里零丁干活的Agent。

它能读代码、改代码、跑测试、处理Git、以致我方修Bug。当今以致还能写文档，作念PPT。

这平直恫吓到了Codex CLI的地位。

OpenAI这波更新，其实是在说三件事：

第一，我的Agent架构更熟悉。

Agent Loop的公开，展示了OpenAI在Agent架构上的深厚蕴蓄。这不是一个临时拼集的居品，而是经过用心联想的系统。

Prompt Caching、Compaction、MCP器具集成……这些齐是实打实的工程才气。

第二，我的基础步伐更强。

PostgreSQL的案例，展示的是OpenAI的后端才气。8亿用户的范畴，不是猖狂一个创业公司能玩转的。

这亦然在默示：我们的「护城河」不仅仅模子，还有通盘工程体系。

第三，我的模子在变得更强盛。

相聚安全评级的公开，一方面是在作念「预期经管」，告诉众人模子有风险，我们在负包袱地处理。

另一方面，这亦然在秀肌肉：我们的模子还是强盛到需要特等评估相聚安全风险了。

这场AI编程器具的竞争才刚刚运转。

Claude Code遏抑OpenAI加速了Codex的迭代速率。OpenAI的复兴，又会倒逼Anthropic不时改进。

最终受益的，是我们这些开荒者。