企业官网建设流程全解析

OpenClaw Codex Happy Path 提示词快照：如何逐层复现 Codex 运行时的模型绑定 Prompt 栈

【免费下载链接】openclawThe AI that really does things. Any OS. Any Platform. The lobster way. 🦞项目地址: https://gitcode.com/GitHub_Trending/cl/openclaw

OpenClaw 通过一组“happy path”提示词快照（prompt snapshots）机制，把 Codex 运行时（Codex harness + Codex app-server runtime）在默认 OpenAI 模型链路上的线程/轮次参数与模型绑定 prompt 层栈，确定性地固化为可 diff、可校验的仓库夹具。本文围绕test/fixtures/agents/prompt-snapshots/codex-runtime-happy-path目录下 README.md 展开，说明这套快照“抓了什么、分层结构如何、如何再生成与漂移检查”，并结合 生成脚本 与真实夹具文件给出源码级实现证据。读完可掌握：如何阅读一份 Codex 场景快照、如何用pnpm prompt:snapshots:gen/check管理快照漂移、以及“base + SHA 绑定 diff”这种零上下文增量快照的设计思路。

这套快照的定位与覆盖范围

Codex happy path 快照目录（codex-runtime-happy-path）捕获的是 OpenAI/Codex 默认链路的“幸福路径”，用于 prompt 审查（prompt review）。根据 README.md，它覆盖三类场景：

• 通过 Codex harness 与 Codex app-server runtime 的 OpenAI 模型；
• Codex harness 对“tool-only visible source replies”（可见来源回复只允许通过工具发出）的默认覆盖；
• Telegram 直聊、Discord 群聊，以及带heartbeat_respond动态工具的 heartbeat 轮次。

目录内实际包含 6 个工件（README.md 列出）：

Markdown 快照展示的是“选中的 app-server thread/turn 参数 + 重建的模型绑定 prompt 层栈”，具体包含：来自固定 Codex 模型目录夹具的gpt-5.5模型指令、happy-path yolo profile 的 Codex 权限开发者指令、OpenClaw 开发者指令、带模拟 OpenClaw workspace bootstrap 运行时的 turn 输入，以及对完整动态工具目录的引用（README.md）。

快照的分层结构：从 thread 参数到模型绑定 prompt 栈

以基线文件 telegram-direct-codex-message-tool.md 为例，快照由若干固定小节构成，逐层对应 Codex app-server 的输入与重建出的模型 prompt：

场景元数据与有效配置

Scenario Metadata（L12-L33）描述通道（telegram/direct）、模型（gpt-5.5）、provider（openai）、runtime（codex_app_server）、触发器（user），以及模拟的 workspace bootstrap 文件：

• simulatedWorkspaceParentLocalInstructionFiles：IDENTITY.md、SOUL.md、USER.md（作为 parent-local request instructions）；
• simulatedWorkspaceBootstrapFiles：MEMORY.md（进入 turn input）。

这里刻意模拟了 Codex 的 workspace bootstrap 路由：AGENTS.md走 Codex 原生项目文档发现（因此不在快照中重复），SOUL.md/IDENTITY.md/USER.md作为父级局部请求指令，MEMORY.md保留在 turn 输入（README.md）。Effective OpenClaw Config（L35-L58）展示默认 heartbeatevery: 30m、userTimezone: UTC，以及messages.groupChat.visibleReplies: message_tool——这正是“tool-only visible replies”的体现。

Thread start / resume / turn start 参数

Thread Start Params（L60-L108）是 Codex app-serverthread/start的入参，关键字段包括：

• approvalPolicy: never、approvalsReviewer: user：happy-path 的“yolo”审批姿态；
• config.features.*：如code_mode（含direct_only_tool_namespaces: ["openclaw_direct"]）、shell_tool、standalone_web_search、web_search: cached、project_doc_max_bytes: 131072等；
• dynamicTools：16 个 OpenClaw 动态工具名（agents_list、message、sessions_spawn、automations、gateway、nodes、session_status、sessions_history、sessions_list、sessions_search、sessions_send、subagents、tts、web_fetch、web_search、sessions_yield）；
• sandbox: danger-full-access、model: gpt-5.5、threadSource: openclaw。

Thread Resume Params（L110-L140）在此基础上多了excludeTurns: true与initialTurnsPage分页视图，Turn Start Params（L142-L187）则携带additionalContext（openclaw_current_sender/openclaw_source_delivery/openclaw_temporal_context）、collaborationMode（reasoning_effort: medium）与 turninput。

重建的模型绑定 prompt 层栈

Reconstructed Model-Bound Prompt Layers（L189-L230）是快照核心。Layer Metadata明确了每一层的来源映射（openClawRuntime.*From字段），例如：

• developerInstructionsFrom：Codex app-serverthread/start developerInstructions；
• dynamicToolsFrom：codex-dynamic-tools.telegram-direct.json；
• parentLocalInstructionsFrom：Codex inference relay 的Responses.instructions；
• userInputFrom：turn/start input。

Rough Text Token Estimates（L232-L281）给出每层与总计的字符数/粗估 token，例如codexModelInstructions约 5334 tokens、dynamicToolsJson约 14803 tokens、totalWithDynamicToolsJson约 21419 tokens——这是量化“prompt 体量”的关键证据。

随后各层正文依次展开：Codex 模型指令（System: Codex Model Instructions (gpt-5.5, pragmatic)，L283-L441，正文来自 gpt-5.5.pragmatic.instructions.md）、OpenClaw parent-local 上下文（SOUL/IDENTITY/USER，L443-L463）、Codex 权限开发者指令（L465-L470）、OpenClaw runtime 指令（L478-L513）、各 additional context 块（sender/source delivery/temporal，L519-L541）、turn 输入文本（含MEMORY.md占位与openclaw:ctx会话元数据，L543-L568），以及动态工具目录的工具名列表（L574-L595）与关键可见回复工具 spec（message等，L597-L619+）。

增量快照：base + SHA 绑定零上下文 diff 的设计

README 指出：Telegram 的 Markdown 是完整 canonical 快照，而 Discord 与 heartbeat 是“带完整无损差异的可读、SHA 绑定零上下文.md.diff文件”（README.md）。这一设计在 生成脚本 中得到印证：

• createCodexPromptSnapshotDelta（scripts/generate-prompt-snapshots.ts#L68-L83）用createTwoFilesPatch以context: 0、FILE_HEADERS_ONLY生成零上下文 patch，并在旧/新文件头写入sha256=<base>/sha256=<target>；
• materializeCodexPromptSnapshotDelta（scripts/generate-prompt-snapshots.ts#L86-L120）严格校验：patch 必须只有一个、文件名必须匹配 scenario、旧文件 SHA 必须等于 canonical base 的 SHA、以fuzzFactor: 0应用 patch 后产物 SHA 必须等于 target SHA，且重新生成的 delta 必须与提交的一致（“canonical zero-context output”）。任何一项不满足即抛错。

这正是 discord-group-codex-message-tool.md.diff 与 telegram-heartbeat-codex-tool.md.diff 文件头携带sha256=...的原因：它把“差异”与“基线内容”强绑定，避免 base 变更后 diff 悄悄错位。Discord diff 的关键差异包括：群聊需通过message(action=send)显式可见、模型应“mostly lurk”、Discord 群元数据（was_mentioned、group_subject等，见 diff L564-L73）；heartbeat diff 则移除openclaw_current_sender、把turnTrigger改为heartbeat、并把heartbeat_respond加入可搜索动态工具（diff L16-L76）。

工具目录 JSON 同样采用 base + replace 模型。codex-dynamic-tools.discord-group.json 内容为{"base": "codex-dynamic-tools.telegram-direct.json", "replace": {}}，即指向 Telegram 目录、无顶层替换；heartbeat 场景则携带完整heartbeat_respond工具 spec（L77-L116，必填outcome/notify/summary，outcome枚举no_change/progress/done/blocked/needs_attention）。脚本中CODEX_DYNAMIC_TOOL_BASE_SNAPSHOT也硬编码指向telegram-direct目录（scripts/generate-prompt-snapshots.ts#L39-L40）。

Codex 模型指令夹具的来源

gpt-5.5模型指令层并非手写，而是从与 Codex 运行时使用的同一“模型目录/缓存形态”生成。来源元数据见 gpt-5.5.pragmatic.source.json：catalogPath为<codex-home>/models_cache.json，catalogKind为models_cache，字段为model_messages.instructions_template + model_messages.instructions_variables.personality_pragmatic。正文落在 gpt-5.5.pragmatic.instructions.md。这与 README.md 中“由 Codex 运行时缓存或本地 Codex checkout 再生成”一致。

再生成、物化与漂移检查

所有操作均通过仓库 npm scripts 驱动（package.json 定义）：

• 再生成全部快照：pnpm prompt:snapshots:gen（内部执行node --import ./scripts/tsx.mjs scripts/generate-prompt-snapshots.ts --write）；
• 漂移检查：pnpm prompt:snapshots:check（--check）；
• 从 Codex 运行时缓存/本地 checkout 同步模型夹具：pnpm prompt:snapshots:sync-codex-model（scripts/sync-codex-model-prompt-fixture.ts）。

物化某个场景的完整、格式化 Markdown 快照（README 中的命令，README.md）：

node --import tsx scripts/generate-prompt-snapshots.ts --materialize-prompt discord-group

将discord-group换成heartbeat-turn或telegram-direct即可物化对应场景。物化完整工具目录：

node --import tsx scripts/generate-prompt-snapshots.ts --materialize discord-group

脚本会校验场景名必须落在CODEX_PROMPT_SNAPSHOT_FILES已知集合内（resolvePromptSnapshotFileName，scripts/generate-prompt-snapshots.ts#L49-L54），并依赖 happy-path-prompt-snapshots 测试辅助 构造快照文件，配合 prompt-snapshot-files 工具 清理陈旧工件（deleteStalePromptSnapshotFiles，见脚本头部导入 scripts/generate-prompt-snapshots.ts#L18-L21）。

明确边界：这不是逐字节的原始请求抓取

需要强调，README（L35）与快照limitations（L214-L218）都声明：这些快照不是Codex core 原始 OpenAI 请求的字节级抓取。Codex 运行时仍可在 OpenClaw 发送 thread/turn 参数后，追加其自有的AGENTS.md（原生项目文档）、环境上下文、memories、app/plugin 指令与内建协作模式指令。从源码结构看，Layer Metadata的limitations明确把“native truncation/deduplication/retained history 不被模拟”以及“provider tool 序列化”列为运行时所有（runtime-owned）的缺口，直到 Codex 暴露渲染 prompt 检查 API。因此，快照的价值在于“OpenClaw 侧可控输入的确定性审查与漂移门禁”，而非对 Codex 内部最终请求的完整还原。

小结

codex-runtime-happy-path快照目录把 Codex 默认链路的 thread/turn 参数与模型绑定 prompt 层栈固化为可复现、可 diff、可校验的仓库夹具：canonical Markdown 提供完整基线，.md.diff以 SHA 绑定零上下文差异表达场景增量，工具目录 JSON 以 base + replace 表达工具替换。再生成、物化与漂移检查全部由 package.json 中的prompt:snapshots:gen/check/sync-codex-model驱动，底层逻辑集中在 generate-prompt-snapshots.ts。对需要审计 Codex 运行时 prompt 构成、验证 happy-path 行为、或在改动后防止快照漂移的开发者，这套机制提供了“既有完整可读快照、又有严格哈希门禁”的确定性基础。

【免费下载链接】openclawThe AI that really does things. Any OS. Any Platform. The lobster way. 🦞项目地址: https://gitcode.com/GitHub_Trending/cl/openclaw