codex通过agents.md规则扫描、文件权重队列、轻量ast解析定位关键代码；压缩分自动/手动/预防三类触发，按固定/热/温/冷四层迁移记忆，保路径行号等精准坐标。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你在 Codex 中输入“帮我重构 service 层的错误处理逻辑”，它能准确识别出你指的是当前 Rust 项目中 src/service/error.rs 和对应的 tests/ 目录下三处调用点，而不是把整个 20 万行代码库全塞进上下文里硬读——这背后不是靠暴力加载，而是靠一套分层筛选与动态压缩机制实时协同工作。
Codex 如何定位关键代码文件
第一步：Codex 启动时自动扫描项目根目录下的 AGENTS.md，从中提取 focus_dirs、exclude_patterns 和 entry_points 三项规则。若未找到 AGENTS.md，则向上递归查找，直到遇到 .git 目录为止。
第二步：根据规则生成文件优先级队列。入口文件（如 main.rs、lib.rs）权重为 10；被 focus_dirs 明确包含的目录下所有 .rs 文件权重为 7；其余同名测试文件（如 *_test.rs）权重为 5；日志、锁文件、target/ 下内容直接排除。
第三步：对高权重文件执行轻量解析——仅提取 AST 中的模块声明、结构体定义、impl 块签名和 pub 函数头，不展开函数体。这一步避免加载冗余实现细节，但保留了接口契约信息。
上下文压缩触发时机与判断依据
方法一：自动触发（默认启用）
当当前会话累计 token 使用量 ≥ auto_compact_token_limit（默认值由 models.json 中 ModelFamily 配置决定，GPT-5.2-Codex 为 196608）时，系统在下一轮任务开始前强制启动压缩。
方法二：手动触发
在 CLI 中输入 /compact 命令，立即执行一次温数据层压缩。该操作不可逆，【原始 rollout 日志将从当前 session 的 live history 中移除】，仅保留结构化摘要。
方法三：预防性触发
每轮对话结束后，Codex 估算本次新增 token 占比。若预估下轮将超限，则提前压缩最旧的两轮对话+对应工具输出，而非等满再压——这避免了悬崖式崩溃。
通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
压缩过程如何保重点、去噪音
压缩不是删文字，而是做记忆分层迁移：
① 固定层内容（如 AGENTS.md 全文、用户权限规则）始终保留在 prompt 构造阶段重新注入，不占用对话窗口。
② 热数据层（最近 3 轮对话 + 刚编辑的 2 个文件）保持原文不动，确保上下文连贯性。
③ 温数据层（4–12 轮前的历史）被模型自主识别出核心决策链，例如：“用户要求统一用 anyhow::Result → 已修改 error.rs 的 trait bound → 测试通过但 integration_test.rs 报错”——这一串被压缩为一句结构化交接单，替换掉原始 17 条消息和 487 行日志。
④ 冷数据层（完整 test output、cargo build --verbose 输出、PDF 文档全文）彻底不进窗口，仅存检索锚点。需要时通过 MCP 协议按需拉取。
这一步的关键在于：模型不会把“src/service/error.rs 第 42 行改成了 anyhow::Result”压缩成“改了错误类型”，而是保留具体路径、行号、类型名——因为这些是后续精准跳转和修改的必要坐标。
