Astra-Ares

Astra-Ares 是一款运行在 Codex 任务之上的适配工具，首个借助 Jev 在 Codex 执行过程中动态调节 GPT-6（Astra、Sol、Luna）推理努力，根据任务下一步复杂度匹配对应的推理深度，从而削减整体 Token 使用量。

核心原理依托 GPT-6 系列模型的原生特性：可以中途修改推理努力参数，不会让提示前缀缓存失效。Astra-Ares 复用这套原生接口，底层模型、对话链路、OpenAI直连通道均保持不变。

环境与安装

需要独立打补丁的 Codex CLI，工具会自动下载指定 Codex 版本、应用补丁、编译构建，无需手动修改 Codex 源码；原有 codex 命令、Codex桌面应用不受影响。

依赖清单：Node.js 22+、npm、Git、curl、tar、C/C++编译工具链、Rust(rustup)。首次编译预留约10GB空闲空间。
平台支持：

• Apple Silicon macOS：可本地构建并完成验收测试
• macOS Intel / Linux：提供构建脚本，尚未完整验收
• Windows：不支持，依赖Unix套接字

git clone [https://github.com/miuuyy/Astra-Ares.git](https://github.com/miuuyy/Astra-Ares.git)
cd Astra-Ares
npm ci
npm run setup
npm link

基础配置与启动

1. 准备有余额的 OpenRouter API Key，执行 ares configure 录入密钥，密钥保存在用户本地私有配置，不存入仓库；
2. 启动会话：astra-ares，调出Codex终端；
3. 在 /model 选择 Astra Ares / Sol Ares / Luna Ares；底层模型不变，由Jev负责推理努力决策。

日志示例：

Jev  LOW → HIGH  ✓ APPLIED
     Step 3 · next 2 generation(s) · 321 ms

APPLIED 代表Codex已经成功把推理参数下发生效，并非仅Jev给出建议。

常用命令

astra-ares -C /path/to/project   # 指定项目目录启动
astra-ares resume --last        # 恢复上一次Ares会话
ares configure                  # 更新Jev密钥
ares doctor                     # 本地环境自检
ares doctor --probe             # 发起计费Jev测试请求

Codex原有终端界面、工具调用、审批、会话历史全部保留；可随时切回普通Astra模型，关闭Jev自适应调度。

工作流程

1. 收集当前任务、执行进度、最近工具返回结果，构成受限上下文送入Jev
2. Jev判断下一步需要的推理努力等级，以及该档位持续多少代生成（1/2/5/10代）
3. Codex调用GPT-6原生configuration_update接口，应用推理参数
4. 模型生成内容、执行工具调用，到达设定代数后再次进入决策环节

租约机制：Jev选定档位后，会持续生效指定代数，中间不再额外调用Jev；遇到新用户输入、工具报错、手动切换模型/推理档位，则中断当前租约，触发新一轮评估。
注意：读取文件不等于低推理努力，解读文件内容本身也可能属于高难度任务。

Jev可见上下文与限制

Jev只能读取限定信息，并非拿到完整对话：

• 原始任务、用户请求；公开计划、推理摘要（私有加密推理内容不可见）
• 最近6次工具调用与返回文本，单次结果文本截断上限1000 token
• 整体请求上限28000本地token，超限直接终止评估

关键技术亮点

1. 不破坏提示缓存：通过GPT-6原生配置更新，修改推理强度时保留原有前缀缓存，维持缓存命中率
2. 链路透明：Codex依旧直连OpenAI，Astra-Ares只是上层调度桥接，不中转模型流量
3. 错误处理：429限流自动重试最多3次；资源耗尽会直接终止当前轮次，不会静默更换模型或服务商

局限说明

当前版本尚未给出实测数据，自适应调度带来的Token节省幅度、缓存命中率变化暂无量化结果；仅为预览源码分发，没有预编译包与npm正式包。