OpenAI发布AI编程新飞跃：Agent Loop与极限PostgreSQL架构

近期，Anthropic的Claude Code在AI编程界掀起轩然大波，其终端自动读代码、改代码、跑测试的能力让众多开发者惊叹不已，称其为“未来已来”。然而，正当人们以为OpenAI在憋大招时，其官方突然在X平台放出两张王炸：

1. Agent Loop架构揭秘：首次公开Codex的‘大脑’运转机制

2. PostgreSQL极限架构：单主库支撑8亿用户操作

这两记重拳让人眼前一亮。今天，我们就来拆解一下OpenAI究竟憋了什么大招。

Agent Loop

Codex的‘大脑’运转揭秘

什么是Agent Loop？

如果你用过Codex CLI、Claude Code等CLI终端工具，你可能会好奇：这些工具是如何知道用户意图、并自行操作代码的？答案就藏在Agent Loop（智能体循环）中。

简而言之，Agent Loop就像‘总指挥’，将‘用户意图’、‘模型大脑’和‘执行工具’串成一个完美闭环。

这不是简单的问答，而是一个包含‘观察-思考-行动-反馈’的能干活的系统。

一个完整的Agent Loop如何运作

以在终端输入“给项目的README.md加一个架构图”为例：

第一步：构建Prompt

这好比给大脑发工单。Codex不会直接把你的指令丢给模型，而是先构建一个精心设计的‘Prompt’，包括用户指令、工具定义等。

第二步：模型推理（Inference）

模型开始思考：“用户想加架构图，我得先看看现在的README是什么样的……”

第三步：工具调用（Tool Call）

执行命令，读取README.md内容。

第四步：结果反馈

终端输出README.md内容，Codex把输出追加到Prompt里，再发给模型。

第五步：循环

模型再次推理，生成Mermaid图或ASCII图形，并写入文件。循环持续直到任务完成。

性能优化与关键技术

OpenAI分享了两个优化技术，解决了Agent开发的两大痛点：

痛点一：成本爆炸

通过PromptCaching（提示词缓存），将长对话成本从平方级降到线性级。

痛点二：上下文窗口有限

通过Compaction（对话压缩），将对话历史压缩成更短的摘要。

单主库支撑8亿用户

PostgreSQL的极限操作

支撑全球8亿ChatGPT用户的，竟是一个单一主节点的PostgreSQL数据库！仅用1个主节点+50个只读副本就做到了。

关键技术包括PgBouncer连接池代理、缓存锁定机制、跨地域级联复制等。

天花板终究会到来

尽管强大，但OpenAI也坦言这套架构已碰壁。未来计划将高写入负载迁移到分布式系统，并测试级联复制以支持更多副本。

Codex与Claude Code的争霸赛

Claude Code以端到端开发体验为杀手锏，威胁Codex CLI地位。OpenAI此次更新展示了其成熟的Agent架构、强大的基础设施和不断增强的模型能力。

参考资料：

• https://openai.com/index/unrolling-the-codex-agent...