Praxist

Praxist 是一个将研究从“一次性提示”转变为“可测量、可计算执行的持续过程”的自主研究系统。它通过协调并行的研究同伴（Research Peers）、任务专属评估器、持久化证据库以及代际间的综合合成，帮助开发者在目标明确但路径未知的复杂项目中找到最佳前进方向。

核心理念：研究即循环

Praxist 认为研究不应是孤立的问答，而是一个闭环系统：

1. 并行探索：多个 AI 同伴同时尝试不同的解决路径。
2. 严格评估：每个结果都经过预设的指标和评估器验证。
3. 证据沉淀：所有成功与失败的尝试都被记录为持久化证据。
4. 综合进化：系统基于证据合成新的策略，进入下一轮迭代。

快速安装与配置

Praxist 提供了极简的一键安装体验，支持本地向导或代理自动配置。

方式一：本地交互式安装（推荐）

python3 -m pip install --index-url https://pypi.org/simple "praxist[agents,codex]" && praxist setup --interactive --install-skills codex

该命令将安装完整的运行时环境，并启动本地向导，涵盖许可证、隐私设置、Codex 技能集成及就绪检查。

方式二：Codex 代理自动安装

如果您习惯使用 Codex，可以要求其自动完成安装：

1. 打开 Codex：codex --yolo
2. 发送指令：“请使用打包的 OOBE 运行手册安装和配置 Praxist，并在就绪检查后停止。”

通过 Codex 操作 Praxist

Praxist 并非要取代 Codex，而是为其赋予长期记忆与自主执行的能力：

• Codex：负责理解项目上下文、与您交互及使用开发工具。
• Praxist：负责管理研究生命周期、调度并行任务、维护证据协议。

启动研究流程

1. 进入您的研究项目根目录。
2. 打开 Codex。
3. 调用接管技能：$praxist-takeover

该技能会自动检查环境就绪状态，创建或修复任务框架，验证评估器与证据契约，并在通过门控后启动自主研究循环。

最佳实践建议

• 模型选择：对于持续性的自主研究，Praxist 倾向于使用具有高缓存命中率的开源模型 API，以降低成本并提高响应速度；当然，它也支持其他 API 驱动的配置。
• 精准简报：在启动 $praxist-takeover 时，提供清晰的目标、量化指标、约束条件、可用资源及探索选项，将显著改善研究计划的质量。
• Codex 原生模式：如果您已有 Codex 订阅，可选择此模式无需额外 API 密钥即可开始使用。