Codex Harness 分析相关 agent harness 和 runtime，后续需要深入了解 OpenCode 分析 multi agent 以及可拓展性。

---

一、启动架构

终端执行 codex 之后，Codex CLI 的总入口在 codex-rs/cli/src/main.rs，其中通过 run_interactive_tui 启动 codex_tui::run_main -> startup_orchestration::run_main_inner()

Codex Multi-Agent

它本质上是在原有的 Codex Thread / Session / Agent Loop 之上，加了一层 Agent orchestration / control plane ，让一个 Agent 可以创建和控制其他独立的 Codex Thread。

从 Parent Agent 看，Subagent 首先表现为一个 Tool

Codex 给模型暴露了 multi-agent tools，例如当前代码中的：

• spawn_agent
• send_input / V2 的 send_message
• wait_agent
• list_agents
• close_agent
• resume_agent
• 以及 V2 的 follow-up / interrupt 等能力

RL 猜想

• 漫无目的的思考相当于预训练模型推理

如果把人类暂时比作一个 LLM，那么成长过程中的语言输入、视觉经验、社会互动和现实反馈，就类似于模型的预训练数据。人在成长中不断听到、看到、经历各种事件，类似 LLM 预训练。这一过程可以近似理解为一种广义的 distribution matching：人脑通过经验建立对世界的预测模型。

在这个类比中，LLM 的上下文长度可以对应为人类在时间中的连续意识流。模型在上下文窗口中不断预测下一个 token，而人在现实时间中不断生成念头、判断、语言和行动。当一个人没有明确目的时，脑中浮现的内容就像是在当前状态下进行采样，就好比预训练 LLM 直接用于推理。

感觉和知觉

术语：

• 知觉：理解环境中客体和事件的所有过程--感觉、理解、识别和标记它们，以及准备对他们做出反应。
  • 感觉组织：如眼睛中的神经细胞向大脑皮层细胞传递信息，大脑皮层细胞从这一输入提取初步的特征。
  • 知觉组织：大脑整合来自感官的证据以及对世界的已有知识，形成对外部刺激的内部表征。
  • 识别组织：就视觉而言，知觉的上一阶段是回答看起来想什么，这一阶段变成了辨认这个物体是什么，和识别这个物体的功能是什么。

---

心理物理学

基础概念

安装与运行

如果使用第三方 API，需要在终端配置好 API 环境变量后，在 IDE 或者终端中开启 claude。

如果使用 claude 订阅，终端使用 /login 登录账号

终端运行：claude，使用 /resume 可以继续某个 session。

---

基础 CLI

Command	What it does	Example
claude	Start interactive mode	claude
claude "task"	Run a one-time task	claude "fix the build error"
claude -p "query"	Run one-off query, then exit	claude -p "explain this function"
claude -c	Continue most recent conversation in current directory	claude -c
claude -r	Resume a previous conversation	claude -r
/clear	Clear conversation history	/clear
/help	Show available commands	/help
exit or Ctrl+D	Exit Claude Code	exit

总结

1. LTX 常规 Image to Video 更像“给定首帧，往后生成”。无法提取人物特征 embedding，然后再把这个身份约束注入生成。
2. A100 （80GB） 单卡推理 FP8，2K，24 帧 length 121；推理时长约 3 分钟不到。
3. 操作方式与 diffusion 生图类似，可以添加 lora 对人物进行微调，可以优化 prompt 来提升出视频效果，先前优化 diffusion 生图的方法，这边都适用。

LTX 相关资源收集

来源	场景 / 配置	权重格式 / 优化	显存结论	时间结论
LTX 官方博客	本地运行 LTX-2.3 22B	bf16 full local inference；低显存用 GGUF / FP8	bf16 full local 至少 32GB VRAM ；Pro mode 更适合 A100/H100	未给明确单次耗时
HF 官方模型文件	ltx-2.3-22b-dev.safetensors	bf16 / 原始权重	文件约 46.1GB ；理论加载主模型权重约 44–46GB	不涉及推理时间
WaveSpeed ComfyUI 博客	ComfyUI 两阶段 pipeline	FP8 或 GGUF Q4；半分辨率 Stage 1；VAE offload	12GB 可尝试低配单图/短视频； 16GB 更顺； 24GB 更适合 PyTorch 路线	未给稳定统一时间
Digital Applied 技术博客	RTX 4090，1080p，10 秒，50 steps	未完全等同官方 benchmark	RTX 4090 级别，通常需要优化/量化/offload	约 3–4 分钟
Digital Applied 技术博客	RTX 5090，4K，10 秒	高分辨率推理	4K 推理通常需要大显存和优化 pipeline	约 8–12 分钟
Zen Van Riel 工程博客	RTX 3080 10GB，960×544，带音频短片段	GGUF Q4_K_S	10GB VRAM 可跑低分辨率	约 2–3 分钟
Zen Van Riel 工程博客	1080p 本地生成	建议 GGUF / 量化	建议 16GB+ 更适合舒适 1080p	未给统一时间
Unsloth HF 讨论区	RTX 5080 16GB	GGUF Q4_K_M	用户反馈 16GB VRAM 可顺畅运行	未给标准耗时
理论估算	bf16 原始 22B 主模型	22B × 2 bytes	仅主模型权重约 44GB ；完整 pipeline 峰值通常更高	不涉及
理论估算	FP8 / INT8 22B	约 1 byte/param + scale/metadata	主模型约 22–30GB	比 bf16 省显存，速度取决于 kernel
理论估算	GGUF Q4	4-bit 量化	主模型约 13–17GB	速度可能受实现影响

Minimax-01

25 年 1 月开始开源的模型，

huggingface，arxiv

模型对标，对标 DeepSeek V3，GPT-4o 等模型

对熵，编码长度，MDL，压缩，柯氏压缩器的回忆梳理。

一、熵与编码长度

本节观点

熵就是一个随机变量能够被压缩到的“平均最短编码长度”的理论极限。

如果模型的平均编码长度越短，那么他和数据的真实分布（真实熵）就越接近。因为根据 cross-entropy（交叉熵） ，它和真实熵关系是：

$$H(p,q) = H(p) + KL(p\|q)$$

对部分 test-time compute / inference-time learning / reasoning models 的记录。

---

OpenAI O1

在 openai 官方发布中提到：

这里发现，随着强化学习（训练时间计算）和思考时间（测试时间计算）的增加，o1 的性能也在不断提高。这种方法的扩展限制与 LLM 预训练的限制有很大不同，这里正在继续研究。

DeepSeek-V3.1

huggingface

671B-A37B 模型，基于 DeepSeek-V3 架构继续训练和后训练得到的 hybrid model：同一个模型可以通过 chat template 切换 “thinking mode” 和 “non-thinking mode”。

thinking efficiency 更高，long-context extension 更强