Codex、Claude 與 GitHub
一次看懂三大 AI 開發工具

以海量文本訓練、能理解與生成語言的神經網路。它是所有 AI 助手與代理的核心引擎。

例：GPT‑5 與 Claude 5 都是 LLM；Codex 與 Claude Code 則是包在 LLM 外面的代理工具。

模型處理文字的最小單位，約等於 0.75 個英文單字或 1 到 2 個中文字。API 計費、用量額度與上下文長度都以 token 計算。

例：Claude Opus 5 每百萬輸入 tokens 收費 5 美元，一份 10 萬字的文件大約需要 15 萬個 tokens。

模型一次能「看到」的 token 上限，包含你的輸入、對話歷史、工具回傳結果與它自己的輸出。超過上限就必須壓縮或截斷。

例：Claude 5 系列為 1M tokens，足以一次讀入整個中型程式庫。

由開發者或工具（而非使用者）設定的最高層級指令，定義模型的角色、規則、語氣與可用工具。使用者的訊息會在這個框架內被解讀。

例：Claude Code 與 Codex 都有內建的系統提示，規定如何使用工具、何時要詢問使用者。

模型根據輸入產生輸出的過程。訓練（training）是學習，推論是實際使用；你每次送出的請求都是一次推論。

例：API 價格表上的輸入 / 輸出費用就是推論的成本。

控制輸出隨機性的參數：數值低則穩定一致，高則多樣有創意。新一代推理模型多半已不開放調整，改由模型自行決定。

例：Claude 5 系列不再接受 temperature 參數，改以 effort 控制行為。

模型自信地產生錯誤或虛構的內容，例如不存在的函式或錯誤的 API 參數。

例：代理工具靠實際讀檔、執行測試與查文件來驗證，而非憑記憶作答，藉此降低幻覺。

模型在給出答案前先進行的內部推演。推理模型會為困難問題花更多時間思考，簡單問題則快速作答。

例：Claude 的 adaptive thinking 與 GPT‑5 的 reasoning effort 都屬此類，可設定「想多久」。

模型能處理文字以外的輸入或輸出，例如圖片、PDF、語音。

例：把 UI 截圖貼給 Codex 或 Claude Code 要求「做成一樣的」就是多模態應用。

設計與優化 prompt 的技巧：給明確角色與目標、拆解步驟、提供範例、指定輸出格式、說明限制與驗收條件。

例：CLAUDE.md 與 AGENTS.md 其實就是「寫給代理的長期 prompt」。

不給範例直接要求模型完成任務叫 zero‑shot；先給幾個輸入輸出範例再要求叫 few‑shot，通常能顯著提升格式與品質的一致性。

例：給代理兩個「好的 commit message」範例，它之後寫的就會跟著那個風格。

要求或引導模型逐步推理再作答，而非直接跳到結論，能提高複雜問題的正確率。現代推理模型已將此內建為「思考」階段。

例：Claude Code 的 Plan mode 就是先把思考過程攤開、確認後再執行。

把重複出現的前綴（系統提示、大型文件、工具定義）快取起來，之後的請求只需付少量費用並更快回應。

例：Claude API 的快取讀取價格遠低於一般輸入，代理工具每一輪都重送整段歷史時特別受益。

攻擊者把「指令」藏在網頁、文件、Issue 或工具回傳內容中，誘使代理執行非使用者本意的動作，例如外洩資料或刪除檔案。

例：成熟的代理會把外部內容視為資料而非指令，遇到可疑指令會先向使用者確認。

要求模型以符合 JSON Schema 的格式回覆，讓程式可以直接解析，不必再處理自由文字。

例：Claude API 的 output_config 可保證回傳符合你定義的 schema。

模型邊生成邊回傳，使用者不必等整段完成才看到內容；長輸出時也能避免請求逾時。

例：Claude Code 與 Codex CLI 都是串流顯示，你會看到文字一字字出現。

能自主規劃、使用工具、觀察結果並持續行動直到完成目標的 AI 系統。與單純「一問一答」的聊天機器人最大的差別，是它會主動做事並根據結果調整。

例：Codex、Claude Code、Copilot coding agent 都是代理。

模型輸出一段結構化的「請呼叫某工具、參數如下」，由 harness 實際執行後把結果回傳給模型。讀檔、執行指令、搜尋網路、查資料庫都是工具。

例：Claude API 的 Tool Runner 會自動處理「呼叫 → 執行 → 回傳」，你只要定義工具函式。

由 Anthropic 提出、業界共同採用的開放標準，讓 AI 應用以統一方式連接外部工具與資料來源，不必為每個工具各寫一套整合。

例：Codex、Claude Code、Copilot 都支援 MCP；GitHub 也提供官方 GitHub MCP Server。

隔離的執行環境，限制代理能碰的檔案、程序與網路。即使代理出錯或被注入惡意指令，也不會破壞你的系統。

例：Codex cloud 的每個任務、Anthropic 的 Managed Agents 都在獨立沙箱中執行。

決定代理哪些動作需要人類批准：從「每一步都問」、「編輯自動、執行要問」到「完全自動」。風險越高的任務越該保守。

例：Codex 的 Read‑only / Auto / Full access；Claude Code 的 permission mode。

在代理流程的關鍵節點加入人類確認或審查，兼顧自動化效率與可控性。

例：代理可以開 PR，但合併前一定由工程師審查，就是典型的人在迴圈中。

主代理派出的專用代理，擁有自己的上下文，處理搜尋、規劃、審查等子任務後只回報結論，避免主上下文被大量細節塞滿。

例：Claude Code 內建 Explore（找檔案）與 Plan（規劃）子代理。

多個代理平行或接力協作完成大型任務，例如一個負責審查、一個負責修正、一個負責驗證。

例：Claude Code 的 agent teams 與 Workflows、Codex App 的平行代理、GitHub 的 Mission Control。

可重用的指令與資源包，告訴代理「遇到某類任務該怎麼做」，例如產生 PDF、審查程式碼、部署流程。可以自己寫，也可以安裝別人分享的。

例：Claude Code 的 /code-review 就是一個 skill；Codex 也採用相同概念。

在代理生命週期的特定時機（工具呼叫前後、任務結束、需要確認時）自動觸發的腳本，用來強制格式化、跑測試、擋下危險指令或送通知。

例：設定「每次 Claude Code 寫檔後自動執行 prettier」。

對話接近上下文上限時，自動把舊內容摘要成較短的版本，保留重點、丟掉細節，讓代理可以連續工作數小時。

例：Codex 與 Claude 都內建 compaction，Claude API 也提供伺服器端版本。

跨工作階段保存的資訊，例如專案慣例、使用者偏好、上次的結論。可能是人寫的指引檔，也可能是代理自動寫入的記憶檔。

例：CLAUDE.md、AGENTS.md，以及 Claude Code 的持久記憶目錄。

不需要人在旁邊互動，以一條指令或 API 觸發代理跑完整任務並輸出結果，常用於 CI、排程與批次處理。

例：codex exec、claude -p，以及 GitHub Actions 裡的代理任務。

預訓練是用大規模資料學會通用語言與知識；微調是用特定資料再訓練，強化某類任務的表現。

例：GPT‑5‑Codex 是 GPT‑5 針對真實軟體工程任務再訓練的版本。

以人類偏好資料訓練模型「更符合期望」的方法，是讓模型有幫助、誠實且無害的關鍵技術之一。

例：Anthropic 與 OpenAI 都用 RLHF 及其後續方法對齊模型行為。

回答前先從外部資料庫檢索相關文件並放進 prompt，讓模型根據真實資料作答，減少幻覺並取得最新資訊。

例：企業知識庫問答、Copilot Spaces 把相關文件帶入上下文，都是 RAG 的應用。

把文字轉成一串數字向量，語意相近的內容向量也相近，用來做語意搜尋與相似度比對，是 RAG 的基礎。

例：搜尋「登入失敗」也能找到寫著「authentication error」的文件。

衡量模型或代理能力的標準化測驗。Benchmark 是公開的通用測驗，eval 通常指針對自己產品場景設計的評測。

例：SWE‑bench 讓模型修真實 GitHub issue；Terminal‑Bench 測終端操作能力。

讓模型行為符合人類價值與規範的技術與限制，包括拒絕有害請求、安全分類器、輸出過濾與使用政策。

例：Claude 對高風險請求會回傳 refusal；代理工具會禁止未經確認的破壞性操作。

控制模型思考深度與 token 用量的參數，通常分為 low / medium / high / xhigh / max，用來在品質、速度與成本之間取捨。

例：簡單任務用 low 省錢又快；困難的重構用 xhigh 或 max。