原始笔记把 Homebrew 安装、Copilot 模型切换报错和一段 Codex Agent 脚手架混在一起，这里按「环境准备 / 使用问题 / 配置 / 脚手架」分节整理。
1. Homebrew 国内安装入口
国内网络下，官方 Homebrew 安装脚本经常拉不下来，可以用 gitee 镜像做替代：
/bin/bash -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"
这是一份社区维护的镜像脚本，仅推荐用于个人开发机；公司机器或生产环境优先用官方源或公司内部源。
2. Agent 会话使用中常见疑问
原始笔记里只留了几个关键词，这里整理成提醒自己回看时要确认的问题清单：
- 会话上下文压缩 / 清理策略：是否会丢失关键历史？
- 上下文累积带来的 token 消耗：什么时候手动清理一次更合适？
- 模型切换是否会让 Agent「忘掉」前面的对话？
- 长任务下，要不要把关键状态写进 memory，而不是只靠对话历史？
这些都不是某一个工具的具体配置项，而是用 Agent 时长期需要回头复盘的问题。
3. Copilot 模型切换的一个真实报错
从一个模型切到另一个模型时，遇到过：
Sorry, your request failed. Please try again. Request id: 189fc83e-5b0a-49b4-937d-4ec3011c22f7
Reason: Request Failed: 400 {"error":{"message":"Unsupported parameter: 'top_p' is not supported with this model.","code":"invalid_request_body"}}
原始笔记里的应对结论是：卸载 Copilot 后重新安装一次，再切回目标模型，就不会再出这个错。
可以理解为：客户端缓存了一组对前一个模型还能用、但对当前模型不再支持的请求参数（这里是 top_p），重装后请求模板被重置，问题随之消失。
后续遇到类似 Unsupported parameter 报错时，先按这个思路怀疑客户端缓存，而不是直接去改服务端模型。
4. OpenClaw 配置入口
如果用到 OpenClaw 之类的本地 Agent / Gateway 工具，配置文件目录是：
~/.openclaw/openclaw.json
常用命令：
# 重启 gateway
openclaw gateway restart
# 打开 dashboard
openclaw dashboard
# 修改配置
openclaw configure
启动样例输出：
🦞 OpenClaw 2026.4.10 (44e5b62)
I run on caffeine, JSON5, and the audacity of "it worked on my machine."
Restarted systemd service: openclaw-gateway.service
5. Codex Agent Stage 2 最小脚手架
原始笔记里保留了一份 shell 脚本，用来一次性拉起 Codex Agent 第二阶段所需的目录、依赖和服务。这里按结构分块整理，方便回看。
5.1 目录与依赖
#!/usr/bin/env bash
set -e
echo "🚀 初始化 Codex Agent (Stage 2)..."
mkdir -p codex-agent/{memory,context,tools}
cd codex-agent
cat > requirements.txt <<'EOF'
fastapi
uvicorn
openai
chromadb
python-dotenv
redis
numpy
EOF
5.2 向量记忆：memory/vector_store.py
import chromadb
client = chromadb.Client()
collection = client.get_or_create_collection("memory")
def save_memory(text: str) -> None:
collection.add(
documents=[text],
ids=[str(hash(text))],
)
def search_memory(query: str, top_k: int = 5, threshold: float = 0.7):
results = collection.query(
query_texts=[query],
n_results=top_k,
)
docs = results["documents"][0]
distances = results["distances"][0]
return [
doc
for doc, dist in zip(docs, distances)
if dist < (1 - threshold)
]
5.3 会话存储：memory/session.py
import json
import redis
r = redis.Redis(host="localhost", port=6379, decode_responses=True)
SESSION_TTL = 3600
def get_session(session_id: str):
data = r.get(session_id)
if data:
return json.loads(data)
return []
def save_session(session_id: str, messages) -> None:
r.setex(session_id, SESSION_TTL, json.dumps(messages))
5.4 上下文拼装：context/builder.py
from memory.vector_store import search_memory
def build_context(user_input: str, history) -> str:
memories = search_memory(user_input)
history_text = "\n".join(
f"User: {h['user']}\nAssistant: {h['assistant']}"
for h in history[-5:]
)
return f"""
You are a senior engineer agent.
Conversation history:
{history_text}
Relevant memory:
{memories}
User request:
{user_input}
"""
5.5 工具注册与执行：tools/registry.py / tools/executor.py
# tools/registry.py
import ast
import operator as op
# 仅允许常见算术运算符，避免 eval 带来的任意代码执行风险
_ALLOWED_OPS = {
ast.Add: op.add,
ast.Sub: op.sub,
ast.Mult: op.mul,
ast.Div: op.truediv,
ast.Mod: op.mod,
ast.Pow: op.pow,
ast.USub: op.neg,
ast.UAdd: op.pos,
}
def _safe_eval(node):
if isinstance(node, ast.Expression):
return _safe_eval(node.body)
if isinstance(node, ast.Constant) and isinstance(node.value, (int, float)):
return node.value
if isinstance(node, ast.BinOp) and type(node.op) in _ALLOWED_OPS:
return _ALLOWED_OPS[type(node.op)](_safe_eval(node.left), _safe_eval(node.right))
if isinstance(node, ast.UnaryOp) and type(node.op) in _ALLOWED_OPS:
return _ALLOWED_OPS[type(node.op)](_safe_eval(node.operand))
raise ValueError("unsupported expression")
def echo_tool(input_text: str) -> str:
return f"Echo: {input_text}"
def calc_tool(input_text: str) -> str:
try:
tree = ast.parse(input_text, mode="eval")
return str(_safe_eval(tree))
except Exception:
return "error"
def get_tools():
return {
"echo": echo_tool,
"calc": calc_tool,
}
# tools/executor.py
from tools.registry import get_tools
tools = get_tools()
def execute_tool(name: str, input_text: str) -> str:
if name in tools:
return tools[name](input_text)
return "Tool not found"
提醒：
calc_tool仅做受限的算术表达式求值（基于ast白名单），避免直接用eval()带来的任意代码执行风险。如需支持更复杂的表达式，建议引入专门的安全求值库或沙箱。
5.6 入口服务：main.py
from fastapi import FastAPI
from openai import OpenAI
from context.builder import build_context
from memory.session import get_session, save_session
from memory.vector_store import save_memory
from tools.executor import execute_tool
app = FastAPI()
client = OpenAI()
@app.post("/chat")
async def chat(input: str, session_id: str = "default"):
history = get_session(session_id)
context = build_context(input, history)
response = client.responses.create(
model="gpt-4.1-mini",
input=context,
)
output = response.output[0].content[0].text
if output.startswith("TOOL:"):
try:
_, tool_name, tool_input = output.split(":", 2)
tool_result = execute_tool(tool_name, tool_input)
output = f"Tool result: {tool_result}"
except Exception:
output = "Tool execution error"
history.append({"user": input, "assistant": output})
save_session(session_id, history)
save_memory(f"Q: {input}\nA: {output}")
return {"response": output}
5.7 启动顺序
echo "📦 安装依赖..."
pip install -r requirements.txt
echo "🧠 启动 Redis..."
docker run -d -p 6379:6379 redis
echo "🚀 启动服务..."
uvicorn main:app --reload
后续可补的方向
- Agent 会话压缩 / 摘要的具体策略
- memory 的检索阈值调参经验
- 工具调用从「字符串约定」升级到结构化 function call
- 多模型切换时如何隔离客户端缓存
