这个 bench 的 grounding 来自两部分：
- 本地 vendored 的 Codex 源码：repos/codex
- 一小组外部架构参考资料，用来帮助设计 probe
- DeepWiki Codex
- OpenAI: Unlocking the Codex harness
- OpenAI: Introducing upgrades to Codex
- OpenAI: Introducing the Codex app
- OpenAI: Introducing Codex
这些材料是 架构参考，不是本地源码的替代品。
在当前研究工作流里，它们最重要的作用之一，是帮助我们建立：
它们适合用于：
- 快速建立对 App Server 概念的理解
- 定位 compaction、session lifecycle、tool orchestration 等可能的 seam
- 粗粒度交叉核对一个 probe 方向是否与公开架构描述相符
它们不适合用于：
- 覆盖本地 vendored 源码的真实实现
- 默认假设当前 pinned runtime 与公开描述完全一致
- 在没有本地 artifact 的情况下直接宣称行为结论
所以当前仓库的推荐顺序是：
- 先读本地 artifact
- 再看本地 vendored 源码
- 最后用这些外部资料帮助解释 seam 和 probe 设计
DeepWiki 是目前最快的高层架构导览之一，尤其适合帮助理解：
- session lifecycle
- App Server request / response 结构
- tool orchestration
- context management 与 compaction
- persistence / resume 结构
所以它很适合在设计新 probe，或者在生成 codex-architecture-map.json 时做高层映射。
当以下三者发生张力时：
- 外部文档
- 本地 vendored 源码
- 实际 run artifact
优先级应当是：
- 本地真实 run artifact
- 本地 vendored 源码
- 外部参考文档
bench 会用这些参考来塑造：
- architecture map
- raw probe family
- claim catalog
report.txt中 “Codex under observation” 一类章节
当前重点研究的 local seam 包括：
- session/config freeze
- model/personality 支持与 instruction 注入
- instruction 与 prompt assembly
- turn lifecycle dispatch
- context compaction 与 reconstruction
- tool mediation
- persistence / resume
- App Server translation / listener path
- reliability surface
并且这些 seam 现在都已经被明确映射进：
这个 bench 不是为了“证明参考资料正确”。
它是为了借这些资料提出更好的问题，例如：
- Codex 是否比扁平 transcript 更像 layered state 系统
- compaction 是在保留 actionable state，还是在制造 rediscovery loop
- Codex 显现出来的行为里，有多少是模型驱动的，有多少是 harness 中介出来的
- Codex 架构在哪些地方支持、在哪些地方偏离长程 token 调度的研究直觉