OpenResearch × Codex 实战developerInstructions 注入机制深度解析【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearchOpenResearch是一个本地优先的研究 Agent 工作区能把 Codex、Claude Code 等编码智能体升级为可查文献、做实验、出产出的研究智能体。本文以 Codex 为例用通俗的方式拆解它的核心技巧——developerInstructions 注入机制OpenResearch 如何把一份研究作战手册playbook通过 Codex 的原生指令通道逐轮、无损地送进每个 Agent 会话让编码 Agent 秒变研究 Agent。为什么 Codex 需要专门的注入通道普通用户让 Codex 干活靠的是每轮聊天里手动提醒注意要跑实验、注意要引用文件。这种提醒有两个致命伤会被淹没多轮对话后早期的叮嘱早被上下文冲淡不一致不同会话、不同 Agent 拿到的提醒五花八门。OpenResearch 的做法是不往聊天文本里夹带私货而是走 Codex 协议里真正的指令通道developerInstructions。官方源码注释写得很直白——a real instruction channel — no more first-turnsystem-contexttext wrapping真正的指令通道不再用首轮system-context文本包装。这意味着 Agent 每回合都会像读系统提示一样读到这份指令稳定且权威。注入内容的源头研究作战手册模板所有注入内容的母版是项目根目录的 SYSTEM_PROMPT.md。它开头用注释说明了分发规则这份系统提示playbook会在每个 Agent 会话中逐字注入……Claude Code 走--append-system-prompt-fileCodex 走developerInstructionsOpenCode 走 config 的instructions列表。手册里只放每回合都需要的持久上下文身份与项目事实当前项目名、项目 id、artifacts 产物目录项目状态快照目前有几个实验、几个 run、固定运行命令执行规范Python 环境uv 优先、证据引用格式用file path.../标签给结论加锚点技能路由列出可用技能要求 Agent 先加载技能再动手动态渲染每份手册都是定制版模板不是死的。渲染逻辑在 src/local/opencode.rs 的playbook_md()函数中完成它会用真实项目数据替换模板占位符占位符填充内容{name}/{id}项目名与项目 id{project_state}实时统计实验数、run 数、活跃 run 数{compute_bullet}用户配置的默认算力目标本地 / Slurm / K8s 等{skill_names}本机安装的技能清单orx-compute、orx-evidence 等渲染后的手册写入该会话专属的 git worktree落盘路径为.openresearch/agent/autoresearch-local.md写入逻辑见 ensure_playbook()。这份文件还会被加入.git/info/exclude绝不污染你的仓库——对新手非常友好git status永远干干净净。Codex 侧developerInstructions 的注入时机真正的注入发生在 Codex 适配器 src/local/harness/codex.rs 中。每当一个会话要建立线程时OpenResearch 会组装如下请求参数{ cwd: 你的 worktree 路径, sandbox: 沙箱策略, approvalPolicy: 审批策略, developerInstructions: 渲染好的 playbook 全文 }这里有几个值得新手记住的设计细节start 和 resume 都注入无论新开线程还是恢复旧线程playbook 都会随线程参数重新下发。所以长会话不会永远抱着第一天的旧手册——下次重启就能拿到更新版。与协作模式互不干扰developer_instructions: null走的是线程级独立通道见 collaboration_mode_jsonplaybook 永远不会被其他配置覆盖。断线自救如果 Codex 原生会话文件丢失比如缓存被清OpenResearch 会把最近的对话快照包成orx-recovery-context追加到developerInstructions末尾让 Agent 拿着记忆碎片继续干活而不是推倒重来。追加逻辑见 append_native_recovery_context()。各 Harness 注入通道横向对比同样是注入手册不同 Agent 走的通道各不相同OpenResearch 为每家都做了原生适配Harness注入通道生效时机CodexdeveloperInstructions线程参数每次线程 start / resumeClaude Code--append-system-prompt-file命令行参数子进程启动时OpenCodeconfig 的instructions列表配置加载时Cursor首轮消息中指向 playbook 文件的指针首轮这套一份内容、四种通道的策略让用户切换 Agent 时研究体验零漂移。实战效果手册里的规则如何驱动研究闭环以手册中的算力条款为例——OpenResearch 会告诉 Agent默认算力目标是local启动实验前先加载orx-compute技能并明确不要回显默认值只省略--backend参数。这样即使 prompt 里写的是旧默认值实验仍会落在用户当前的真实配置上。orx-compute技能覆盖了从本地到 Slurm、Kubernetes、Ray 等全部后端。一个典型产出是下面这张来自 demo 项目 nanochat 的 scaling laws 实验图——正是 Agent 按手册规范运行训练、记录证据后生成的可视化产物配套的实验证据目录指标 CSV、评估结果、运行清单可以在 demo/nanochat/evidence/ 中查看。总结这个机制给普通用户的三个好处✅稳定指令走原生通道不会随对话变长而被稀释✅新鲜每次 resume 重新注入手册升级即刻生效✅透明playbook 就是一份 Markdown 文件你随时可以打开.openresearch/agent/autoresearch-local.md检查 Agent 到底读到了什么如果你用本地模型跑研究循环可参考 docs/local-models.md 接入 LM Studio / Ollama想理解 OpenResearch 如何把编码 Agent 变研究 Agent的整体思路建议从 README.md 与 CLAUDE.md 读起。【免费下载链接】OpenResearchTurn your coding agents into research agents项目地址: https://gitcode.com/GitHub_Trending/op/OpenResearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考