Codex 为什么坚决用 Rust 写？OpenAI 负责人这篇专访，给所有搞 Agent 的人提了个醒

OpenAI Core Products & Platform 负责人 Tibo Sottiaux 近期在专访中披露了 Codex 研发初期的核心架构抉择：2023 年项目启动时，主流大模型生成 Python 与 TypeScript 代码的成熟度明显高于 Rust，但 Codex 团队依然坚持从零用 Rust 构建整个 Harness 命令行与调度底座。这不是语言偏好问题，而是运行规模的倒逼。

Section 01：面向云端沙箱并发的前置性能设计

Codex 的工程目标从一开始就非本地终端的单机助手，而是需要在数百万台云端沙箱（Cloud Development Environments）中高并发调度代码智能体。选用大模型当时不擅长编写的系统级语言作为底层核心，根源在于架构团队对运行规模的"第一假设"：

静态编译宿主 vs 动态解释脚本：轻量编译的二进制宿主冷启动低于 12ms，单实例常驻内存仅 18MB；挂载完整解释器运行时的胶水进程，并发 20 个实例时内存便突破 1.4GB。两者差异悬殊，且呈非线性放大。
前置设计原则：Harness 是给千万云端沙箱准备的确定性操作系统，底座选型绝不事后重构。当宿主进程需要微秒级响应系统事件、挂载工作区并注入上下文时，系统开销基线被压缩到极致。
提前终止 = 物理级短路：面对系统越权、工具死循环或无效等待，不能寄希望于大模型在下一轮推理中自我觉察修正。守门机制必须由底座通过内核信号在微秒级直接掐断，并即时回传确定性退出码。文章打了个精妙的比方：这犹如给第一天入职的实习生同时配齐门禁卡、报销权限和数据库密码，却在系统死锁时等他写五百字反思心得。

Section 02：宿主机制与推理策略的彻底解耦

Codex 的另一重工程价值是 Harness 与基础模型的清晰解耦。部分同类方案倾向于闭源绑定，将宿主工具与专有模型深度焊死；Codex 则完全开源 Harness，并官方支持接入第三方外部模型。

这映射出经典的组合优于继承思想：

Harness = 机制层：负责沙箱生命周期、状态机流转与跨平台工具调度的确定性骨架。
基础模型 = 策略层：只负责在离散步骤中下发逻辑推断。
两者通过标准协议解耦组合，而非将业务逻辑继承于单体黑盒。

Tibo Sottiaux 强调，Harness 的演化节奏必须始终领先基础模型半步。即便底座完全开源、开发者只需修改数行配置就能挂载自己的模型接口，宿主本身提供的确定性状态管理、跨平台终端适配与安全边界依然构成不可替代的系统级防线。这一判断对当前热衷于"套壳 API + 脚本粘合"的 Agent 创业团队有直接的警示意义。

Section 03：代码变更边际成本崩塌后的工程防御

当代码智能体把修改代码的时间压缩到数秒内，工程团队迎来的不是解脱，而是审查链条的全面过载。Tibo Sottiaux 坦言：即使在 OpenAI 内部，代码修改边际成本暴跌的直接后果也是代码库变更频次剧增，人类审查者的精力成为整个流水线最狭窄的物理瓶颈。

此时自动化工具化身为不知疲倦、每分钟提交十个重构请求的狂热同事，而人类架构师的注意力成为最先耗尽的物理耗材。核心论断：

代码修改的边际成本越接近零，缺乏自动化测试断言的工程团队就死得越快。

唯一解法是在 Harness 闭环中强制落地可测试性原则：执行链路必须前置单元测试和静态分析，没有确定性测试断言保障的代码变更直接被流水线阻断。将大模型作为概率推理的加速引擎，将 Rust Harness 作为确定性断言与资源熔断的安全底座——这是智能体基础设施走向工业化交付的立足点。

工程视角解读

从 Rainsho 关注的工程化与 AI 编程工具落地角度，这篇文章提供了三个可迁移的判断框架：

语言选型应锚定运行规模假设，而非生态成熟度。Rust 在 2023 年并非 LLM 友好语言，但 Codex 的第一假设是百万级沙箱并发，此时 18MB vs 1.4GB 的内存差异和 12ms 冷启动不是优化项，而是存亡线。对前端工程而言，当 Agent 从本地 dev prototype 走向云端多租户部署时，胶水层的语言选型同样需要前置评估，而非事后用 Node.js 硬扛再重构。
机制与策略的分层是 Agent 工程化的核心命题。当前大量 Coding Agent 方案将 prompt 编排、工具调用与模型推理揉进同一层，本质是单体继承架构。Codex 的 Harness/Model 解耦实践提供了一个可参照的分层范式：确定性操作下沉到编译型底座，概率推理由可替换模型承担，中间靠协议解耦。这对设计可维护的 Agent 框架有直接参考价值。
代码变更成本归零后的瓶颈转移是必然趋势。前端工程长期受限于人工 review 节奏，当 AI 编码工具将 PR 生产速度提升一个数量级，现有的审查流程和测试覆盖率要求将立即成为瓶颈。提前建设确定性测试断言（类型检查 + 单测 + 快照测试）作为流水线硬门槛，是应对这一趋势的唯一工程准备。