AI智能体循环工程-第5章第7节-循环的五大原语与生态-原语可移植性同一个循环跑遍ClaudeCodeCodexTRAE-北京尧图网络

第7节原语可移植性同一个循环跑遍Claude Code/Codex/TRAE一句话总结“一旦发现形状相同就别再争论用哪个工具”——五大原语在三大工具的映射总表TRAE等国产工具的原语对照设计可移植循环的抽象原则。本文导航一、问题工具锁定二、五大原语映射总表三、逐项详细对照四、为什么形状相同抽象层在起作用五、设计可移植循环的原则六、工程实现一份配置生成三端七、踩坑实录小结下节预告第5章前六节把五大原语挨个拆完Automations心跳、Worktrees隔离、Skills能力、Connectors工具、Sub-agents编排外加Hooks守护。这一节收网回答一个越来越现实的问题这些原语是你的还是某个工具的答案决定了你被锁定的深度。一、问题工具锁定场景你用Claude Code开发了完整的循环系统 - Automations定时任务 - Worktrees并行隔离 - Skills技能包 - MCP工具集成 - Sub-agents编排现在老板说我们改用Codex了或国内要用TRAE 结果所有配置都要重写所有Skills都要迁移成本巨大我的一次全员迁移这个场景我亲身经历过。2025年中我们组从Claude Code切到Codex做试点原因不是工具本身是公司的API配额调整。当时我手上有一套跑了三个月的循环资产7个定时任务、4个Skill、2个子智能体定义、1个MCP接入。切工具的周会上我拍胸脯说两周迁完实际花了三天——因为我早就把配置的源和产物分开了下一节细讲。同组的另一位同事没这么幸运他的prompt、调度规则、技能全写在Claude Code的会话历史和本地配置里迁移等于把三个月的积累推倒重来。最后他花了三周还有两个定时任务的逻辑再也对不上原样。同一批人、同一次迁移两倍以上的成本差距差别只在一件事循环资产有没有以可移植的形式存在。这场迁移还教育了我另一件事可移植性不只是少疼一次它还是谈判筹码。第二年上半年公司评估要不要切回来因为迁移成本已经被压到三天决策完全聚焦在工具本身的优劣上——工具好不好用成了唯一变量。如果迁移要三周决策就会掺进沉没成本明明有更好的选项但迁起来太贵会把整个团队焊死在次优解上。锁定最贵的代价是你失去了选择权本身。核心洞察五大原语Automations/Worktrees/Skills/Connectors/Sub-agents 在不同工具中形状相同只是配置格式不同只是命名约定不同核心概念是一样的二、五大原语映射总表先上全表这是本节的干货核心原语Claude CodeCodexTRAE核心概念AutomationsScheduled TasksAutomations (YAML)定时任务定时触发循环Worktrees--worktreeisolation: worktree工作树隔离并行隔离Skills.claude/skills/.codex/skills/技能包可复用能力ConnectorsMCPMCPMCP工具连接Sub-agents.claude/agents/.codex/agents/(TOML)子智能体多Agent编排注意Connectors那一行三大工具完全一致没有差异。这不是巧合——因为MCP是协议层标准第4节讲过不是工具层功能。这一行给了一个重要启示协议层的可移植性功能层的可移植性配置层的可移植性。MCP排在最稳的一层所以第4节说MCP优先是可移植性设计的第一原则。三、逐项详细对照1. Automations定时任务Claude Code// .claude/scheduled_tasks.json{tasks:[{name:daily_triage,schedule:0 9 * * *,prompt:检查新Issue并分诊}]}Codex# codex.yamlautomations:-name:daily_triageschedule:0 9 * * *prompt:检查新Issue并分诊TRAE// .trae/automations.json{tasks:[{name:daily_triage,cron:0 9 * * *,instruction:检查新Issue并分诊}]}共同点cron表达式提示词/指令差异配置格式JSON/YAML 字段名schedule/cron2. Worktrees并行隔离Claude Codeclaude--worktree修复bugCodex# .codex/agents/worker.toml [agent] isolation worktreeTRAE// .trae/config.json{isolation:worktree}共同点都支持worktree隔离差异命令行参数 vs 配置文件3. Skills技能包Claude Code!-- .claude/skills/code-review/SKILL.md -- --- name: code-review description: 审查代码 --- # 代码审查技能 ...Codex!-- .codex/skills/code-review/SKILL.md -- --- name: code-review description: 审查代码 --- # 代码审查技能 ...TRAE!-- .trae/skills/code-review/skill.md -- --- name: code-review description: 审查代码 --- # 代码审查技能 ...共同点SKILL.md格式几乎相同差异目录位置.claude/.codex/.traeSkills是五个原语里迁移成本最低的——正文完全不用改换个目录就行。这也说明第3节讲的SKILL.md三段结构frontmatter正文脚本资产事实上已经是跨工具的事实标准。4. ConnectorsMCP三者都支持MCP协议配置格式相同通用配置// .mcp.json (通用){servers:{github:{command:mcp-server-github,args:[--token,$GITHUB_TOKEN]}}}共同点完全相同差异无5. Sub-agents子智能体Claude Code!-- .claude/agents/maker.md -- --- name: maker description: 写代码 --- # Maker Agent ...Codex# .codex/agents/maker.toml [agent] name maker description 写代码TRAE// .trae/agents/maker.json{name:maker,description:写代码,prompt:...}共同点name description prompt差异格式Markdown/TOML/JSON把差异汇总成一张迁移成本表原语迁移成本需要动的东西Skills几乎为零复制到新目录Connectors零什么都不用动Automations低字段名映射schedule→cronSub-agents中格式转换MD→TOML/JSONWorktrees低参数改配置看出来了吧贵的从来不是原语本身是把配置当源码的习惯。怎么自己验证形状相同表是我总结的你不用信我——新工具到手时花二十分钟做三件事自己验证一遍第一找心跳。搜索文档里有没有定时/计划任务能力看它的调度表达式是不是cron五段式。是Automations原语存在。第二找隔离。看并行任务或多会话怎么处理文件冲突搜worktree或者隔离。有worktree或等价物Worktrees原语存在。第三找技能文件。看有没有往某个目录扔一个markdown文件就能注入能力的机制文件里是不是frontmatter正文的结构。是Skills原语存在。Connectors和Sub-agents的验证更直接MCP搜配置格式有没有.mcp.jsonSub-agents搜有没有多智能体/子智能体的定义目录。五项里有四项对得上这个工具就可以放心把你的循环迁过去对不上的是少数派原语单独写适配层就行。这套验证动作本身也可移植——它不依赖任何一家文档的写法。四、为什么形状相同抽象层在起作用为什么三大工具的原语长一个样两个原因。第一问题空间是同一个。并行循环一定要隔离不然互相覆盖可复用知识一定要文件化不然每次从零开始工具接入一定要标准化不然N×M爆炸质量把关一定要分离角色不然自评偏差。这些是循环工程的结构性问题不管哪家工具来做解都收敛到同一组原语。问题决定形状。第二行业在快速对齐。MCP成了协议标准SKILL.md格式被普遍采纳cron是几十年的老标准。后来的工具包括各家国产工具没有理由另起炉灶——兼容生态的收益远大于差异化的收益。你看TRAE的定时任务字段名虽然叫cron值还是那个五段式表达式。所以那句一旦发现形状相同就别再争论用哪个工具的真实含义是原语层没有护城河争论工具优劣是在比较保温杯的颜色比的不是保温能力。真正该较劲的是循环的目标设计、验证器质量、技能积累——这些才是你的资产而且它们天生可移植。反面对照不可移植的循环长什么样为了加深体感我画两个对照的结构。一个可移植的循环资产分层清晰可移植循环目标定义GoalSpec纯YAML/JSON 验证器标准Python pytest Skills标准SKILL.md 工具接入MCP标准三端配置脚本生成随时可再生一个被锁死的循环所有东西糊在一起锁定循环目标写在某工具的会话历史里验证逻辑调用了宿主专有接口提示词嵌在工具的专属命令格式里工具接入用了厂商私有API 配置手写、从未版本化第二种不是夸张是我同事的真实状况也是大多数人的默认状态——锁定不是选择的结果是不设计的结果。你不需要决定要不要可移植只需要在每次新增资产时问一句“这东西换个工具还活着吗”五、设计可移植循环的原则原则1抽象优先❌ 错误直接写工具特定配置 ✅ 正确先写抽象定义再转换为各工具配置原则2统一配置源loop_config.yaml统一源 ↓ 转换脚本 .claude/...Claude Code配置 .codex/...Codex配置 .trae/...TRAE配置原则3MCP优先MCP是通用标准能用MCP解决的不用工具特定API三条原则展开讲讲第二条因为它是操作性最强的。统一配置源的本质是单一事实来源Single Source of Truth循环资产只维护一份loop_config.yaml三端配置全部由脚本生成且生成物进.gitignore——手改生成物等于制造分叉下次生成就被冲掉。我那次三天完成的迁移实际动作只有跑一遍转换脚本提交收工。验证逻辑也要可移植。除了配置循环里还有一部分是代码验证器、Hook、工具脚本。我的做法验证器全部用标准Pythonpytest/ruff/subprocess不调用任何宿主的专有API宿主相关的胶水怎么把pytest结果喂回模型薄到几十行换工具时重写这层就行。厚的部分写标准薄的部分写适配——跟后端系统的端口适配器模式一个道理。被三端共同复用loop_config.yaml统一配置源唯一事实来源generate.py转换脚本.claude/ 目录.codex/ 目录.trae/ 目录验证器/Hook/工具脚本标准Python宿主无关可移植性检查清单原则要落到检查上。每次给循环加新资产过一遍这份清单我在团队里把它做成PR模板的一部分## 可移植性检查清单 ### 配置层 - [ ] 新配置写在loop_config.yaml而不是直接改某端目录 - [ ] 生成物在.gitignore里没有手改痕迹 - [ ] cron表达式和时区显式声明 ### 代码层 - [ ] 验证器只用标准Python/pytest无宿主API - [ ] Hook脚本独立可运行、可测试 - [ ] 与宿主的胶水代码是否足够薄100行 ### 资产层 - [ ] Skill正文没有宿主专有语法 - [ ] 工具接入走MCP而非私有API - [ ] 提示词资产以纯文本形式进了git ### 行为层 - [ ] 迁移后每个定时任务手动触发验证过 - [ ] 子智能体的工具权限在新端等价配置十二个格子一分钟勾完。它的作用不是形式主义而是把我记得要可移植变成每次提交都被问一遍——记忆会松懈清单不会。六、工程实现一份配置生成三端按本课程统一工程规范Python 3.12 uv、pydantic校验、logging控制台文件双输出按月分割保留12个月把转换脚本写成生产版#!/usr/bin/env python3# uv init loop-porter uv add pydantic pyyamlloop-porter统一配置 → 三端配置带校验和日志importjsonimportloggingfromlogging.handlersimportTimedRotatingFileHandlerfrompathlibimportPathimportyamlfrompydanticimportBaseModel,Field loglogging.getLogger(porter)log.setLevel(logging.INFO)_fmtlogging.Formatter(%(asctime)s | %(levelname)s | %(message)s)_clogging.StreamHandler();_c.setFormatter(_fmt);log.addHandler(_c)_fTimedRotatingFileHandler(logs/porter.log,whenmidnight,interval30,backupCount12,encodingutf-8)_f.setFormatter(_fmt);log.addHandler(_f)classAutomation(BaseModel):name:strschedule:strField(patternr^[\d*/,-]\s)# 必须是合法cronprompt:strField(min_length4)timezone:strAsia/Shanghai# 第1节的教训时区必须显式classAgentDef(BaseModel):name:strdescription:strprompt:strclassSkillDef(BaseModel):name:strdescription:strField(min_length6)# 第3节的教训短描述必然触发不准prompt:strclassLoopConfig(BaseModel):统一配置源模型脏配置在转换前就被拦下automations:list[Automation]Field(default_factorylist)agents:list[AgentDef]Field(default_factorylist)skills:list[SkillDef]Field(default_factorylist)defload_config(path:strloop_config.yaml)-LoopConfig:cfgLoopConfig.model_validate(yaml.safe_load(Path(path).read_text(encodingutf-8)))log.info(配置校验通过定时任务%d个智能体%d个技能%d个,len(cfg.automations),len(cfg.agents),len(cfg.skills))returncfgdefgenerate_claude(cfg:LoopConfig):tasks[{name:a.name,schedule:a.schedule,prompt:a.prompt}foraincfg.automations]Path(.claude).mkdir(exist_okTrue)Path(.claude/scheduled_tasks.json).write_text(json.dumps({tasks:tasks},ensure_asciiFalse,indent2),encodingutf-8)foragincfg.agents:Path(f.claude/agents/{ag.name}.md).parent.mkdir(parentsTrue,exist_okTrue)Path(f.claude/agents/{ag.name}.md).write_text(f---\nname:{ag.name}\ndescription:{ag.description}\n---\n{ag.prompt}\n,encodingutf-8)defgenerate_codex(cfg:LoopConfig):Path(.codex/agents).mkdir(parentsTrue,exist_okTrue)foragincfg.agents:Path(f.codex/agents/{ag.name}.toml).write_text(f[agent]\nname {ag.name}\ndescription {ag.description}\n,encodingutf-8)defgenerate_trae(cfg:LoopConfig):Path(.trae).mkdir(exist_okTrue)tasks[{name:a.name,cron:a.schedule,instruction:a.prompt}foraincfg.automations]Path(.trae/automations.json).write_text(json.dumps({tasks:tasks},ensure_asciiFalse,indent2),encodingutf-8)if__name____main__:cfgload_config()generate_claude(cfg);generate_codex(cfg);generate_trae(cfg)log.info(三端配置生成完成)控制台输出$ uv run loop_porter.py 2026-07-08 16:40:02 | INFO | 配置校验通过定时任务2个智能体2个技能1个 2026-07-08 16:40:02 | INFO | 三端配置生成完成注意pydantic在这里干的两件事Automation.schedule用正则强制校验cron格式写错定时表达式这种事故在转换阶段就拦下timezone字段给默认值Asia/Shanghai把第1节踩过的时区坑固化成结构默认。可移植性的第一道防线是配置本身的质量。真要迁移时的五步SOP最后送一份实操流程按这个顺序走迁移基本不会翻车步骤动作验证标准1 盘点列出全部循环资产定时任务/技能/智能体/连接器/验证器清单与目录实际内容一致2 回源把散落在旧端的配置全部收回loop_config.yaml三端生成物与旧配置diff为零3 生成在新环境跑转换脚本日志显示校验通过、生成完成4 逐项触发每个定时任务手动跑一次每个技能喊一句话测试触发任务产出符合预期技能命中率正常5 并行观察新旧两端同时跑3~7天对比票据库产出两端行为一致后再下线旧端第五步最容易被省也最不该被省。迁移最大的风险从来不是配置没生成而是行为悄悄变了——某个字段的默认值不同、某端的最小调度粒度不同。并行观察期就是给这些差异留暴露窗口。我那位同事三周才迁完的教训一半就栽在跳过了第2步和第5步。统一配置示例# loop_config.yamlautomations:-name:daily_triageschedule:0 9 * * *prompt:检查新Issue并分诊skills:-name:code-reviewdescription:审查代码质量prompt:|## 代码审查技能审查代码时检查以下方面...agents:-name:makerdescription:写代码的工人prompt:|你是一个Python开发者...-name:checkerdescription:审查代码的检查者prompt:|你是一个严格的代码审查者...七、踩坑实录手改了生成物同事直接改.claude/下的配置文件下次跑转换脚本被覆盖改动丢失。修法生成物进.gitignore改动只能改loop_config.yaml再重新生成。字段名映射漏了一处schedule→cron的映射只写了automations漏了某个工具的提醒任务迁移后那个任务再没跑过。修法转换脚本跑完自动diff三端任务数数量对不上就报警。在Skill正文里用了宿主专有语法某技能正文里写了Claude Code专属的斜杠命令迁到Codex后命令静默失效。修法Skill正文只用通用Markdown和标准命令宿主专有能力隔离在适配层。验证器调了宿主API早期验证器用了Claude Code的会话接口换工具时验证器跟着重写。修法验证器只用标准Pythonpytest宿主胶水薄层化。以为形状相同等于行为相同三端的定时任务都有cron但某端的最小粒度是5分钟我配的*/2 * * * *被静默取整。修法迁移后每个任务手动触发一次验证第1节的老规矩跨工具也适用。配置源本身进了git但没进评审统一源是唯一事实来源改它却没走review一次手滑的cron改动同时影响三端。修法loop_config.yaml的变更走PR转换脚本在CI里跑生成失败直接挡住合并——影响面越大的文件评审门槛越高。最后说个心态问题。有人觉得搞统一配置源是过度设计我又不换工具。我以前也这么想直到发现统一源带来一个意外收益配置可读了。三端配置格式各异、字段琐碎直接维护时没人愿意通读而loop_config.yaml是一份干净的、人话的、单一的清单——新同事接手项目读这一份文件就理解了整个循环系统的骨架。可移植性解决的是明天的问题可读性解决的是今天的问题一份配置同时买到两样这笔账怎么算都划算。小结五大原语在三大工具中形状相同Automations、Worktrees、Skills、Connectors、Sub-agents只是配置格式和字段名不同核心概念一致问题空间决定形状行业对齐加速趋同。Connectors零成本迁移MCP是协议层标准三端完全一致——协议层功能层配置层的可移植性排序是MCP优先原则的根据。Skills是第二便宜的资产正文跨工具通用换目录即可SKILL.md事实上已是行业标准。统一配置源是操作核心loop_config.yaml单一事实来源三端配置全部脚本生成生成物不进git厚的部分验证器/Hook写标准Python薄的部分写适配。可移植性的第一道防线是配置质量pydantic在转换前校验cron格式、强制时区默认——脏配置连变成生成物的机会都没有。形状相同≠行为相同迁移后逐任务手动触发验证别信应该没问题。下节预告理论部分到此收官前5章我们讲清了循环的解剖学第3章、上下文工程第4章、五大原语与生态第5章。第6章开始进入实战核心区——《环境搭建与第一个循环》。第6章第1节《开发环境Python 3.12 uv 日志基建》从uv管理环境开始把日志双输出、按月分割、保留12个月的基建搭起来——后面每一章的代码都跑在这套地基上。如果觉得本文对你有帮助欢迎点赞、收藏、关注三连本系列持续更新中关注不迷路~文章编号第5章第7节 | 总进度37/120 | 预计阅读时间15分钟第5章循环的五大原语与生态全部完成7/7篇累计37/120篇30.8%课程进度已完成3/5章的理论部分即将进入实战核心区第6-13章

AI智能体循环工程-第5章第7节-循环的五大原语与生态-原语可移植性同一个循环跑遍ClaudeCodeCodexTRAE

相关推荐

蓝鲸智云配置平台 bk-cmdb API 实战：bind_host_agent 将 GSE Agent 绑定到主机

Semantic Router Operator 运维实战：状态协调、安全更新、扩缩容与故障排查

Coding Challenge 8 详解：用 Processing 将 2D 太阳系生成器升级为 3D 交互模拟

更多资讯

roLabelImg源码解析：旋转框标注工具从安装到二次开发

数据库图书管理系统实训全流程：从E-R图到JDBC事务与并发控制

图像质量评估模型Python实战：PSNR/SSIM/BRISQUE量化指南

CLion搭建树莓派Pico C/C++开发环境：从零到断点调试全攻略

ESP32 上实现 ONVIF 相机：从组件搭建到 NVR 添加实战

UC网盘下载不限速办法：亲测有效的免费提速思路与操作指南

今日更新

Susi AI API实战指南：susi_alexa_skill如何用Node.js调用chat.json获取智能回答

换新电脑了？KeyStats 恢复码数据找回完全指南，端到端加密统计一键重建

重建二叉树：由前序与中序遍历序列还原二叉树的原理与 Java 实现（YCBlogs 剑指 Offer 精讲）

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？