运行时、模型配置与专家

MindMux 把讨论行为与执行基础设施分开。

专家角色（Experts）

专家角色决定应用内会话的讨论风格。它属于讨论层，负责定义立场、推理方式或任务框架。

MindMux 在对话层故意使用 Expert 这个术语，就是为了把讨论角色和执行代理区分开。

当前内置 7 个专家：

• general（通用专家）
• minimalist（极简专家）
• critic（批判专家）
• structured（结构化专家）
• first-principles（第一性原理专家）
• systems（系统专家）
• risk（风险专家）

用户也可以创建自定义 Expert，保存在 brain/experts.json。

代理（Agents）

代理更适合描述执行上下文，尤其是那些被派发出去的工作，比如编码任务或审查任务。

运行时（Runtimes）

运行时是会话或任务背后的模型执行系统。当前可用的运行时：

• Claude Code：固定使用 anthropic 协议。
• Codex：固定使用 OpenAI Responses API。

模型配置（Profiles）

用户在应用里选择的是一组可用模型配置：它决定使用哪个运行时、哪个模型，以及必要的连接信息。

内置模型配置会复用本机已有登录状态，例如 Claude Code CLI 或 Codex OAuth。用户也可以在设置里添加自己的 API 配置。

从使用角度看，不需要区分更多内部细节：只要某个模型配置显示为可用，就可以用于会话；当任务支持该执行方式时，也可以用于任务派发。

协议边界

协议是运行时的属性，不是每个模型配置都可以随意切换的选项：

• Claude Code 固定走 anthropic 兼容协议。
• Codex 固定走 Responses API；Chat Completions 协议已不支持。

因此，MindMux 不做“任意 OpenAI 兼容生态的中间层”。如果某个 provider 只提供 Chat Completions，建议改用该 provider 的 anthropic 兼容接口，并配置为 Claude Code profile。

为什么要这样拆

知识层应该在模型供应商和执行栈变化时仍然保留下来。通过把项目大脑和运行时分开，MindMux 可以让项目记忆保持稳定，同时执行工具可以随时间演化。

模型与强度选择

运行时系统也提供模型选择，以及控制强度或推理层级的选项（如果运行时支持）。这些设置与会话强相关，而不是藏在实现内部的细节。

把配置当成一等工作流

MindMux 把运行时和连接器配置当作产品级行为。应用中提供了面向配置的专家角色流程，而不是把初始化简化成一个没有引导的原始设置表单。