用 Codex 创建教育 Agent：关键不是写代码，而是拆判断流程

这两天我在拆一个开源项目，叫雪峰 Agent。它表面上是一个高考志愿填报 Agent，用户输入省份、分数、位次、选科和家庭情况，它就能像一个志愿规划师一样追问、分析、劝退、推荐方向。但我真正感兴趣的，不只是它能不能报志愿，而是它背后有一套很清楚的 Agent 创建方法论。

如果以前让我做一个教育 Agent，我可能会先想到“收集资料”“整理知识库”“写提示词”。但拆完这个项目之后，我的理解更明确了：一个有用的 Agent，不是把资料塞给 AI 就结束，而是要把一个人的判断流程、表达风格、咨询边界和调用方式全部系统化。Codex 在这里的价值，也不是简单帮我写代码，而是帮我把一个现成项目拆开，看懂它为什么能工作，再反推出我自己的 Agent 应该怎么搭。

这篇文章就偏技术一点，讲我会怎么用 Codex，从雪峰 Agent 这个项目里拆出一套可复制的方法，并迁移到本地同城教育场景里。

一、第一步不是写代码，而是让Codex先读懂项目

很多人用 AI 写代码，一上来就说“帮我做一个 Agent”。这个提示太大了，AI 很容易给你一个看起来完整、实际很空的模板。我的做法相反：先把一个已经能跑的项目交给 Codex，让它从源码、提示词、知识库、README、测试文件里反向拆解。

比如雪峰 Agent 这个项目里，真正关键的文件不是很多。`agent.py` 是主程序，负责模型调用、槽位提取、搜索和对话状态；`system_prompt.md` 是人设和行为规则，决定这个 Agent 像谁、怎么说话、什么不能说；`knowledge_base.md` 是领域知识库，里面放的是志愿填报方法论、专业判断、学校选择、家庭资源分析等内容；`web_app.py` 和 `auth_store.py` 则负责本地 Web 调用、登录、邀请码和历史会话保存。

我会让 Codex 先回答几个问题：这个项目的核心架构是什么？用户输入经过哪些步骤变成回复？哪些逻辑写在代码里，哪些逻辑写在提示词里，哪些逻辑放在知识库里？如果我要迁移到本地教育咨询，哪些模块可以复用，哪些必须重写？这一步非常重要，因为它能避免我们陷入“盲目重做一个新项目”的冲动。真正高效的方式，是先理解一个成功样板的结构，再决定自己要改哪一层。

二、雪峰Agent的核心，其实是四件套

Codex 拆完之后，雪峰 Agent 的结构可以概括成四件套：系统提示词、知识库、槽位流程、调用外壳。理解这四件套，基本就理解了大多数垂直领域 Agent 的雏形。

系统提示词解决“它是谁”的问题。雪峰 Agent 不是一个普通 AI 助手，而是一个直爽、有经验、敢说真话的志愿规划师。它会追问，不会一上来乱推荐；它会劝退，不会只说漂亮话；它会提醒数据边界，不会编造录取分数线。这个人设不是装饰，而是 Agent 的行为约束。

知识库解决“它知道什么”的问题。雪峰 Agent 的知识库不是简单堆资料，而是把志愿填报拆成方法论、专业选择、学校层次、就业路径、家庭资源、选科策略、专科路径等模块。这样模型在回答时，不是随机搜索一段材料，而是有相对稳定的判断依据。

槽位流程解决“它怎么问”的问题。这个项目里有一个很关键的设计，就是从用户输入里自动提取省份、分数、位次、选科、兴趣、地域、家庭、诉求等信息。信息不够时，它先追问；信息够了，再分析。这个设计让 Agent 不像一个问答机器人，而更像一个咨询师。

调用外壳解决“它怎么被使用”的问题。它既可以用命令行跑，也可以用本地 Web 页面调用，还能保存用户会话和状态。也就是说，Agent 不只是一个 prompt，而是一个可以被持续使用的小系统。

这四件套迁移到本地教育场景里，就很清楚了：我要写自己的教育顾问人设，整理南宁本地教育知识库，设计家长咨询槽位，再做一个方便自己调用的 Web 或命令行入口。

三、用Codex创建自己的Agent，可以按这个流程走

如果我要基于 Codex 做一个本地同城教育 Agent，我不会一上来让它“从零生成一个完整项目”。更稳的做法，是分六步走。

第一步，让 Codex 生成项目拆解报告。提示可以这样写：请阅读这个项目的 README、agent.py、system_prompt.md、knowledge_base.md 和 web_app.py，拆解它的 Agent 架构，说明每个文件负责什么，用户输入到模型回复的完整链路是什么，并指出哪些部分适合迁移到本地教育咨询 Agent。这个提示的重点是让 Codex 先理解，不急着改。

第二步，让 Codex 帮我设计本地教育 Agent 的信息槽位。雪峰 Agent 采集的是高考志愿信息，而本地教育 Agent 要采集的是孩子年级、所在城区、当前学校、成绩水平、薄弱科目、目标路径、家庭投入、户籍房产学籍限制、孩子学习状态、家长最焦虑的问题。槽位设计越清楚，后面的回答越不容易跑偏。

第三步，让 Codex 重写系统提示词。这里不能只写“你是一个教育专家”。这种提示太空。要写清楚它服务谁、擅长什么、怎么说话、什么时候追问、什么时候给判断、哪些话不能说。比如涉及南宁本地政策、招生规则、学校变化时，必须提示以官方最新通知为准；不能承诺某个孩子一定进某所学校；不能制造焦虑逼家长报班。

第四步，让 Codex 设计知识库目录。我的建议是不要把所有资料塞进一个大文件，而是按场景拆开：`local_policy.md` 放本地政策和时间节点，`school_database.md` 放学校信息和适合人群，`learning_diagnosis.md` 放学科诊断和提分路径，`parent_cases.md` 放典型家庭案例，`content_style.md` 放公众号和短视频表达风格，`risk_boundaries.md` 放不能乱说的边界。

第五步，让 Codex 修改代码，把雪峰 Agent 的高考槽位换成本地教育槽位。这里 Codex 的优势就出来了。它可以读原来的 `extract_slots_from_message`，再根据新的槽位重写关键词识别；可以调整 `is_consultation_intent`，让它识别择校、小升初、中考、转学、补课、成绩下滑等意图；也可以修改 `_build_system_message`，把新的知识库和当前用户状态拼进模型上下文。

第六步，让 Codex 写测试和案例。一个 Agent 做出来不能只靠感觉，要准备几类典型输入测试：比如“孩子六年级，青秀区，数学下滑，要不要转学”；“初二英语一直提不上来，家长想冲重点高中”；“小升初到底要不要提前规划”；“想写一篇南宁家长焦虑小升初的公众号”。每一类输入，都要看它有没有追问关键信息，有没有乱编政策，有没有给出可执行建议。

这套流程听起来像技术步骤，但本质上是在做一件事：把你的专业判断拆成机器能执行的结构。

四、Codex不只是写代码，更适合帮你沉淀工作流

我现在越来越觉得，Codex 最适合做的不是一次性生成代码，而是长期沉淀工作流。比如这次拆雪峰 Agent，我可以让它不断帮我做三类事情。

第一类是代码层面的改造。比如把高考志愿 Agent 改成本地教育 Agent，把单一知识库拆成多个文件，把本地 Web 页面改成更适合自己使用的后台，把会话记录和家长画像保存下来。这些是传统意义上的开发工作，Codex 可以读文件、改文件、跑测试、看报错，再继续修。

第二类是内容层面的蒸馏。比如我给它一篇政策通知、一段家长咨询记录、一篇公众号文章，让它提取成知识库条目：这条资料属于哪个场景？能支持什么判断？有哪些不能外推的边界？可以转化成什么选题？这一步不是写代码，但对教育内容生产特别有用。

第三类是流程层面的固化。Codex 有一个很重要的能力，是可以把反复出现的工作写成 Skill。简单说，Skill 就是一套可复用的任务说明、参考资料和可选脚本。比如我以后可以做一个“南宁教育文章写作 Skill”，专门规定公众号文章怎么选题、怎么开头、怎么落到家长痛点；也可以做一个“本地教育资料蒸馏 Skill”，专门把政策、学校资料、家长案例整理成知识库。这样我下次不用重新解释一遍，Codex 看到任务就会按固定流程做。

如果再往前一步，还可以用 `AGENTS.md` 固化项目规则。这个文件可以理解为给 Codex 看的项目说明书，里面写清楚目录结构、运行命令、写作风格、测试方式、禁止事项。比如我可以在里面写：涉及南宁政策不得编造，必须保守表达；文章必须面向南宁家长；新增知识库条目要标注来源和适用边界；改代码后要运行对应测试。这样每次打开项目，Codex 都会先读这些规则，工作就不会每次从零开始。

五、一个教育Agent真正难的，不是技术，而是边界

从技术上说，用 Codex 复刻雪峰 Agent 并不难。难的是我们要决定：哪些东西可以让 Agent 说，哪些东西不能让 Agent 说。

教育领域最怕的就是过度承诺。比如家长问“我家孩子能不能进某某学校”，一个不负责任的 Agent 很容易为了显得专业，直接给出肯定答案。但真实情况是，学校招生政策、学区规则、摇号、转学、名额、孩子状态，都会影响结果。没有最新官方依据，就不能给确定性承诺。

所以我在设计本地教育 Agent 时，一定会把边界写进系统提示词和知识库里。它可以帮家长梳理问题，可以提醒风险，可以给下一步行动建议，但不能替代官方政策，不能替代线下诊断，也不能把复杂孩子简单标签化。尤其是涉及学校、政策、升学结果、提分效果，必须谨慎。

这一点其实也是专业度的体现。一个好的教育 Agent，不是回答得越满越好，而是知道什么时候该追问，什么时候该提醒核实，什么时候该说“这个需要结合孩子具体情况判断”。

六、我会怎么落地自己的本地教育Agent

如果把这件事真正落地，我会先做一个最小可用版本，而不是一开始追求大而全。

第一版只做三个能力：家长咨询、资料蒸馏、内容生成。家长咨询负责根据孩子情况追问和给方向；资料蒸馏负责把政策、学校信息、家长案例整理进知识库；内容生成负责把本地教育话题转成公众号文章、短视频脚本和选题库。

代码上，可以沿用雪峰 Agent 的结构：保留 `agent.py` 的主流程，替换系统提示词和知识库，重写槽位提取和咨询意图识别；保留 Web 调用方式，方便自己在浏览器里使用；保留会话状态，这样每个家长的问题可以持续追踪。等第一版跑顺了，再考虑更复杂的能力，比如接入搜索、接入本地资料库、做多用户后台、做案例标签系统。

工作方式上，我会让 Codex 参与整个循环：先让它读资料，再让它整理知识库；先让它改代码，再让它跑测试；先让它生成文章初稿，再由我补充真实观察和本地判断。这样人负责判断，Codex 负责执行和沉淀，效率会高很多。

这也是我从雪峰 Agent 得到的最大启发：做 Agent，不是把 AI 当成一个万能老师，而是把自己的专业能力拆成一套可以被调用、被测试、被迭代的系统。

七、最后总结一下这套方法论

如果你也想用 Codex 创建一个自己的 Agent，可以按这个顺序来：先找一个可参考的项目，让 Codex 拆源码和流程；再定义自己的业务场景和用户问题；然后写系统提示词，确定人设、风格和边界；接着整理知识库，不按资料来源整理，而按使用场景整理；再设计槽位，让 Agent 学会先问清楚再回答；最后用测试案例反复验证，哪里乱答就改提示词，哪里信息不够就补槽位，哪里知识缺失就补知识库。

当这个流程跑通以后，再把稳定的部分沉淀成 `AGENTS.md`、Skill，甚至插件。这样 Codex 就不只是一次性帮你写代码，而是变成一个长期参与你工作流的协作者。

对我来说，雪峰 Agent 不是一个终点，而是一个样本。它让我看到，一个教育从业者完全可以把自己的经验、资料、判断流程和表达方式，一步步沉淀成自己的 Agent。这个 Agent 不一定替代人，但它可以帮我们更快整理资料，更稳定输出内容，更清楚地诊断问题，也让我们的专业能力不再只停留在脑子里。

未来做教育内容，拼的可能不只是你会不会写文章，而是你有没有一套可以持续积累的专业系统。Codex 提供的，正是把这套系统搭起来的工具。

而真正关键的，还是人自己的判断。AI 可以帮我们写、帮我们改、帮我们跑、帮我们整理，但它不能替我们决定什么是对孩子负责，什么是对家长有用，什么是不能乱说的边界。一个好的教育 Agent，最终不是技术炫技，而是专业判断的产品化。

结构判断：

这篇文章属于技术方法论型和信任型内容。它吸引的是对 AI 工具、本地教育内容生产、学业规划数字化感兴趣的家长或同行；核心落点是“如何用 Codex 把雪峰 Agent 的结构迁移成本地教育 Agent”；文章通过具体文件、流程、槽位、知识库、Skill、AGENTS.md 等技术路径，建立作者既懂教育规划也懂 AI 工具落地的专业形象。