Codex进阶指南：从聊天工具到工程级开发伙伴_服务软件

1. 【Codex Subagents：136个AI专业分身让编程效率起飞】快速阅读：一个开源项目收录了136个针对Codex的专业化AI助手，覆盖从前端开发到安全审计的各个领域。每个Agent都有独立的上下文窗口和专门指令，能像真实团队成员一样处理特定任务。关键是这些Agent不会自动触发，需要明确指派。—AI编程助手的进化方向可能不是更强的单一模型，而是一群各司其职的专家。这个叫awesome-codex-subagents的GitHub仓库里，藏着136个经过精心调教的AI分身。前端有React专家，后端有Go并发高手，安全审计、性能优化、数据库调优，甚至Active Directory管理都有对应的Agent。每个Agent都是一个.toml配置文件，指定模型、沙盒权限和专业指令。比如security-auditor用gpt-5.4处理深度推理任务，search-specialist用更快的gpt-5.3-codex-spark做信息检索。审查类Agent设为只读权限，开发类Agent可以修改代码。这种设计既保证专业性，又控制权限范围。GitHub: github.com/VoltAgent/awesome-codex-subagents#AI创造营##人工智能#

2. 《OpenAI 应用 CTO 和 Codex 负责人：AI 正在重塑构建软件的方式》一文 OpenAI 应用 CTO 和 Codex 负责人：AI 正在重塑构建软件的方式中提到的“基础永远不会过时”，这里的基础指的是哪些能力呢？如果结合访谈内容，里面说的基础主要是几个层面：1. 扎实的 CS 专业基础> “他拉了一条 25 年的时间线，从汇编到 C++ 到 JavaScript 再到 AI，每一层抽象提升时都有人质疑‘这不是真工程师’，但底层原理的理解始终有价值。”既然 AGI 还没到，那就还需要人去给 AI 兜底，去分拆任务，去帮 AI 兜底，就要懂一点编程语言、系统设计这些 CS 专业知识2. 产品直觉和系统思维> VJ 补充说，产品直觉仍然是核心。他自己也在用 Codex 写代码，但发现很多时候瓶颈不在于代码本身，而在于想象“产品应该长什么样”。文章结尾也总结了：> 会写代码正在变得不那么稀缺，而产品直觉、系统思维和在抽象层之间灵活移动的能力正在变得更稀缺。现在人人都能 Vibe Coding，但真正做出有价值产品还是很少，因为瓶颈从代码生成转移到了用户需求理解。3. 代码架构和工程判断力Tibo 在回应新人基础够不够时强调：> 团队花大量精力设计整体代码架构，做代码审查，不是把一切都扔给 Codex 然后闭上眼睛。关键在于环境设计——如果你的代码库结构好、护栏（guard rails）设置得当，新人就能在这个框架下发挥出惊人的生产力。4. 调试和诊断能力VJ 预测未来工程师会更像医生，靠症状定位问题。当系统复杂到人类无法逐行阅读代码时，理解系统行为、快速定位异常的能力就变成了核心基础。“基础”不是指具体会写哪种语言的代码，而是理解底层原理、具备产品判断力、能设计好的系统架构、以及在抽象层之间自如切换的能力。

3. 【首发】GPT-5.5重磅上线！能自己搞定复杂任务的AI来了

4. GitHub深夜引爆，最强Claude + Codex合体！全球1.8亿码农一夜解放

5. 我也下载了ChatGPT的Codex了，以后可以结合Claude Code一起用。互相review。Codex建议我这样用：最佳组合是：Claude Code：想清楚、拆方案、探索复杂代码Codex：执行任务、并行实现、跑测试、做 review、自动化1. **Claude Code 用来深聊方案，Codex 用来落地执行** Claude Code 很适合长上下文讨论、架构取舍、读懂复杂意图。Codex 更适合你直接说：“去改这个 repo，跑测试，修到通过，给我总结变更。” 例子： ```text 先阅读这个项目的 README、package.json 和主要入口文件。找出登录流程在哪里实现，然后修复 xxx bug。不要大改架构，保持现有风格。修完后运行相关测试，并告诉我改了哪些文件。 ```2. **把任务写成“目标 + 边界 + 验收”** Codex 最吃这种 prompt： ```text 目标：给订单列表增加按状态筛选功能。边界：只改前端，不改 API；复用现有组件风格；不要引入新依赖。验收：可以筛选 pending/paid/cancelled；刷新后筛选状态保留在 URL query；相关测试通过。 ```3. **让 Codex 先读代码，再动手** 很多失败来自一上来就让模型“猜”。你可以固定用这个开场： ```text 先不要改代码。先调查现有实现，告诉我： 1. 相关文件在哪里 2. 当前数据流是什么 3. 你准备怎么改等我确认后再实现 ``` 如果你希望它直接干活，则说： ```text 先快速调查，然后直接实现。遇到不确定点时按现有代码风格做保守选择。 ```4. **复杂任务拆给 Codex app 的多个 agent** Codex app 的优势是并行。比如： - Agent A：修后端 API - Agent B：改前端 UI - Agent C：补测试/做 code review 适合大一点的 feature、迁移、重构。Claude Code 也能做，但 Codex app 的多 worktree/多 agent 更像“开几个工程师同时干”。5. **让 Codex 做“带测试的修复循环”** 好用 prompt： ```text 运行测试，定位失败原因，修复最小必要代码。每次修改后重新运行相关测试，直到通过。不要顺手重构无关代码。 ```6. **用 Codex 做 code review** ```text 请以 code review 方式检查当前 diff。优先找 bug、边界条件、回归风险、缺失测试。不要做风格吹毛求疵，除非会影响维护性。 ```7. **给它项目规则** 在 repo 里放一个类似 `AGENTS.md` 或项目说明文件，写： ```text - 使用 pnpm，不要用 npm - 测试命令：pnpm test - UI 使用现有 design system - 不要引入新依赖，除非先说明理由 - 修改数据库 schema 必须补 migration ``` 这会显著减少反复纠偏。**一句话分工：**Claude Code：适合“和我一起想清楚”。 Codex：适合“去 repo 里把它做完、跑完、交付给我看”。你可以先从一个小习惯开始：以后不要只说“帮我改这个 bug”，而是说：```text请先阅读相关代码，定位 bug 根因，然后做最小修复。保持现有风格，修完运行相关测试。最后用三点总结：根因、改动、验证结果。```这个 prompt 基本就是 Codex 的高性价比打开方式。#人工智能#

6. 全网最详细的Codex入门教程，手把手教你玩转Vibe Coding。

7. 当有人说“编程已死” 我更愿意说一句：死的是“打字员式编程”，活下来的是“定义价值的编程”。#大咖观察 #红衣聊AI #openclaw #ChatGPT#编程

8. OpenAI最新推出的GPT-5.1-Codex-Max，以原生Windows适配能力成为编码新利器。这款模型不仅强化了Windows编码代理功能，更在效率与成本控制上实现双重突破。作为首个原生训练支持Windows环境的模型，它能精准理解PowerShell脚本、IIS配置逻辑，甚至轻松处理“C:\Program Files”这类Windows特有路径格式，彻底告别AI生成“Linux风格代码”后手动修改的麻烦。压缩技术让它可连贯处理数百万Token，项目级重构、多小时调试都能保持逻辑连贯。开发ASP.NET项目时，能一键生成适配的CI/CD流水线配置；调试桌面应用遇到注册表问题，可快速定位并给出修复方案。对企业团队，它思考Token减少30%的特性，能以更低成本完成前端设计等任务，兼顾质量与经济性。目前它已在Codex平台上线，支持VS Code等IDE插件、CLI工具及云端环境，ChatGPT Plus及企业版用户可直接使用。从独立开发者的小工具开发，到企业级Windows应用迭代，GPT-5.1-Codex-Max正让Windows编码从适配困难变为高效流畅。#科技先锋官##AI生活指南##AI创造营# 种斌Marco的微博视频

9. #一条音频告别2025##微博声浪计划# OpenAI开放GPT-5.2-Codex API，融合上下文压缩技术，可自主执行长期编程任务。Cursor团队测试显示其一周生成300万行代码构建完整浏览器，获主流工具支持。该模型推动AI编程从辅助向自主跨越，影响行业模式，引发竞争与伦理讨论。#科技风向标# 川北小哥的微博音频

10. “我们真的变成巫师了”：OpenAI API 负责人谈 AI 如何重塑软件工程完整图文版：网页链接Sherwin Wu 是 OpenAI API 和开发者平台的工程负责人。他最近在 Lenny's Podcast 上做了一次深度对话，从 OpenAI 内部的 AI 编码实践谈到工程管理哲学，从“一人十亿美元公司”的连锁效应谈到 AI 部署为什么经常失败。以下是这次访谈的完整整理。【1】“95% 的工程师在用 Codex，100% 的 PR 由 Codex 审查”Lenny 开门见山：你还写代码吗？你团队有多少代码是 AI 写的？Sherwin 说，他自己作为管理者，所有代码现在都是 Codex 写的。对管理者来说，用 AI 工具写代码反而比手写更容易了。但团队层面的数据更能说明问题：> 95% 的工程师在日常使用 Codex。100% 的 PR 都由 Codex 审查，任何合入生产环境的代码，Codex 都会过目并提出改进建议。而且这个趋势还在加速。Sherwin 分享了一个内部跟踪的数据：重度使用 Codex 的工程师，比用得少的工程师多提交了 70% 的 PR，而且差距在持续扩大。他认为这是一种“复利效应”，用得越多的人越能掌握工具的最佳实践，效率增益不断累积。这是 AI 编程能力的起点，不是终点。【2】巫师、咒语和魔法师的学徒Lenny 问：未来一两年，软件工程师这份工作到底会变成什么样？Sherwin 先描述了当下的变化：IC（个人贡献者）工程师正在变成 tech lead，管理着成群结队的 agent。他团队里很多工程师同时拉着 10-20 个 Codex 线程，不是同时运行，但并行推进。他们的工作已经从“亲手写代码”转变为“检查 agent 在做什么，给它反馈，引导它的方向”。然后他引用了 MIT 经典教材 SICP（"巫师书"）的比喻——这本 1980 年代的书把编程比作巫术：程序员是巫师，编程语言是咒语。他认为这个比喻在 AI 时代变得格外贴切：> 现在的咒语真的变成了自然语言。你告诉 Codex 或 Cursor 你想做什么，然后它就出去替你做了。这感觉真的像在施法，我们真的变成巫师了。但他紧接着补充了另一个比喻，迪士尼《幻想曲》里的“魔法师的学徒”。米奇找到了巫师的帽子，开始疯狂施法让扫帚替他干活，结果水漫金山。> 这是 vibe coding（只描述想法、不看代码的编程方式）的终极版本。米奇给扫帚下了一个任务，然后自己去睡觉了。Sherwin 说，当他看到工程师们同时开着 20 个 Codex 线程时，确实需要相当的经验和判断力来确保模型不跑偏。你绝对不能像米奇那样完全放手不管。但对于真正熟练的工程师来说，这种杠杆效应是空前的，一个人能做的事情比以前多了太多。【3】移除逃生舱：100% Codex 代码库实验Lenny 提到一个越来越多人在讨论的问题：当你的 agent 不工作的时候，那种焦虑感。你派出一堆 Codex agent，然后发现有一个卡住了，时间在浪费...Sherwin 说他们内部也天天遇到这种情况。然后他分享了一个内部实验：> 有一个团队正在 OpenAI 内部做一个实验，他们维护一个 100% 由 Codex 编写的代码库。不是说“AI 写了初稿然后人来改”，而是完完全全由 Codex 生成、全盘接受。这个团队遇到了完全可以预料的问题：想让 agent 实现某个功能，但 agent 就是做不对。通常在这种情况下，你会有一个“逃生舱”，撸起袖子自己写，或者切换到 tab 补全和 Cursor 这样的辅助工具。但这个实验团队刻意不给自己留这条退路。Sherwin 说他们计划发布一篇关于这个实验的博客文章，因为从中产生了不少发现。其中一个关键发现是：> 当 coding agent 不按你想的做时，问题往往不在模型的能力，而在于上下文。你要么描述得不够清楚，要么代码库里缺乏足够的信息来引导 agent。解决方案？把你脑子里的“部落知识”编码到代码库中，通过代码注释、代码结构、Markdown 文件、skills 文件等各种形式，让模型能获取到做任务所需的背景信息。移除逃生舱让他们不得不直面一个核心问题：如果我们真的要全面依赖 agent，到底需要解决什么？这个极端实验成了一个很好的“压力测试”。【4】AI 代码审查：从 10 分钟缩短到 2-3 分钟PR 产量暴增自然带来代码审查的压力。Sherwin 分享了他们的解法。他先用一个个人故事铺垫：他在第一份工作 Quora 时负责信息流的代码，每天早上登录就看到 20-30 个等待审查的 PR，拖延一下就变成 50 个。代码审查一直是他最讨厌的环节。现在 Codex 审查所有 PR。他提到 5.2 版本的模型在代码审查上表现极好，尤其是当你给它一些引导方向的时候。> 代码审查从原来的 10-15 分钟变成了 2-3 分钟，因为大部分建议已经提前准备好了。对于小的 PR，有时候甚至不需要人来审查，Codex 就是一双相当聪明的“第二双眼睛”。Lenny 追问：Codex 写代码，Codex 审查自己的代码，这不是“自审”吗？Sherwin 承认确实有循环性的问题，回到了魔法师学徒的比喻，你不能让扫帚完全失控。大多数工程师仍然会看 PR，只是注意力从 100% 降到了 30% 左右，这就够用了。他们也会用模型的不同内部变体来获取不同视角。在代码审查之外，CI（持续集成）流程、lint 错误修复、部署前的各种琐碎工作也已经大量通过 Codex 自动化了。目标是把工程师在“写完代码到上线”之间的摩擦压缩到最小。【5】管理者的角色变化：外科手术团队Lenny 把话题转向管理者：工作怎么变了？第一个趋势是 AI 放大了个人能力差距。Codex 尤其放大了高绩效员工的产出，他们本来就能力强，再加上 AI 杠杆，差距急剧拉大。这也是他一直坚持的管理哲学：> 我一直把超过 50% 的时间花在排名前 10% 的员工身上，确保他们不被阻塞，确保他们开心，确保他们觉得自己有生产力并且被倾听。Marc Andreessen 最近在 Lenny 的播客里说过一句类似的话：“AI 让好的人变得更好，让优秀的人变得卓越。”Sherwin 完全认同。然后他展开了另一个比喻，来自 Frederick Brooks 的《人月神话》。这本 1970 年代的书预测软件工程会变成像外科手术一样：手术室里有一个人主刀，其他所有人都在支持这个人。> 我不认为软件工程完全变成了这样，它更协作。但我把这个比喻用在了自己的管理方式上：让我团队里的人觉得自己是主刀医生，而我作为管理者就是那个“外科手术团队”，替他们提前准备好手术刀，替他们看到拐角后面的障碍。他举了一个具体例子：当工程师们以飞快的速度产出 PR 时，真正的瓶颈往往是组织层面和流程层面的阻塞。如果管理者能提前看到这些阻塞并清除掉，效果就像主刀医生还没开口说“手术刀”，护士就已经递过来了。他预测管理者未来能管理更大的团队，超过目前普遍认为的 6-8 人上限。【6】一人十亿美元公司：你没“定价”进去的连锁效应Lenny 问：人们对 AI 的影响，有什么还没充分意识到的？Sherwin 从“一人十亿美元公司”这个概念切入。他认为这是 AI 浪潮中最引人注目的想法之一，可能最早由 Sam Altman 提出。但他更感兴趣的是大家还没想到的二阶和三阶效应。二阶效应：如果一个人能创建十亿美元的公司，那创建一般的公司就更容易了。他预测会出现一波巨大的创业潮，尤其是垂直化的 AI 软件公司。为了支撑一个“一人十亿美元公司”的运转，可能需要上百个小型公司提供定制化的配套软件。> 可能会有一个一人十亿美元的公司，但也会有一百个一亿美元的公司，上万个一千万美元的公司。对个人来说，一千万美元的生意已经足够让你一生无忧了。他认为这可能是 B2B SaaS 的黄金时代，因为软件构建的成本正在坍塌。三阶效应：如果大量公司是“微型公司”，VC 生态可能会改变。这些一千万到五千万美元的公司对创始人来说很好，但不适合风险投资追求的 100 倍回报。市场可能会分化成少数大平台加上海量小公司的格局。Lenny 补充了他自己想到的“第四阶效应”：当选择如此之多时，分发能力变得越来越重要，有受众和平台的人会变得更有价值。对于“一个人怎么处理客服”的质疑，Sherwin 说：你不需要亲自用 AI 解决客服问题。会有别的小型创业公司专门为你这类业务打造极度定制化的客服工具，比如“播客和 newsletter 专用客服软件”。因为构建软件的成本大幅下降，“自建还是外包”的平衡点会大幅偏向外包。【7】为什么这么多 AI 部署在亏钱他首先强调了一个被反复低估的事实：> 我们在硅谷生活在泡沫里。X 是泡沫。软件工程是泡沫。世界上大多数人不是软件工程师，不是 AI 狂热者，不关注每个模型发布。当他跟这些企业的实际员工交流时发现，他们对 AI 的使用极其基础，问最简单的问题，远远没有推到极限。他认为 AI 部署成功需要两个条件同时满足：1. 自上而下的买入：高管层的支持、预算、工具采购2. 自下而上的传播：真正做事的员工对技术感到兴奋，愿意学习和分享反模式是纯粹的自上而下：高管下令“我们要成为 AI 优先的公司”，甚至在绩效评估中加入 AI 使用指标，但员工不理解技术，周围也没人在用，结果就是一大群困惑的人不知道该做什么。他的建议：> 找到或专门组建一个“老虎队”，一个内部的全职团队，去探索 AI 能力在具体工作流中的极限，然后做知识分享，在内部点燃兴奋感。Lenny 问这个老虎队应该由什么人组成。Sherwin 说：> 往往不是软件工程师，因为很多公司根本没有软件工程师。通常是“技术相邻”的人，比如运营团队里那个不会写代码但是 Excel 奇才、对新技术特别有热情的人。这类人我见到过的反应最强烈。【8】“模型会在早餐前吞掉你的脚手架”Sherwin 谈到了他在 AI 领域的一个观察。他引用了 FinTool 创始人 Nicholas 在 X 上的一句话：> “模型会在早餐前吞掉你的脚手架。”回看过去三年：2022 年 ChatGPT 刚发布时，模型还比较“生”，于是整个开发者生态建了大量的脚手架，agent 框架、向量数据库、各种试图驯服模型的工具。当时向量数据库是最热门的话题。然后模型迅速进步，大量脚手架变得多余了。向量数据库不再是唯一的上下文管理方式，你可以直接把文件放在文件系统里，用 skills 文件和 agents.md 来引导模型。Sherwin 甚至预测，当前流行的 skills 文件和基于文件的上下文管理方式也可能被未来的模型吞掉，因为模型可能学会自己管理这些。他承认 OpenAI API 团队自己也在这个问题上犯过错：> 我们也走了一些不该走的弯路。但模型变得更好了，我们都在日复一日地学习“苦涩的教训”（The Bitter Lesson）。他给创业者的建议：> 确保你是在为模型将去的方向构建，而非它们今天的能力。他见过的最成功的初创公司，构建的产品可能在当下只有 80% 的模型能力支撑，看起来“差一点”。但当新模型出来，o3、5.1、5.2，突然就“点击到位”了，产品变得惊艳。> 你可能需要等一等，但模型进步如此之快，通常不需要等太久。【9】未来 12-18 个月：多小时任务和被低估的音频Lenny 问：API 和模型接下来会往哪里发展？Sherwin 提了两个方向。第一个是任务持续时间的延长。他引用了 Meter Benchmark 的数据，这个基准测试追踪模型能在多长的软件工程任务上保持连贯。目前前沿模型能在多小时任务上达到约 50% 的成功率，在接近 1 小时的任务上达到约 80%。他认为 12-18 个月内，模型可能能够连贯地执行 6 小时甚至一整天的任务。围绕它构建的产品形态会完全不同，你不再是分钟级地交互，而是“派出一个 agent，让它自己工作半天”。第二个是音频和语音 AI。这个领域他认为被严重低估了：> 所有人都在谈编码，都是文本。但我们现在就在用音频对话。全球大量的商业活动是通过对话完成的。大量的服务和运营是通过语音进行的。他预测在原生多模态模型方面会有显著进步，尤其是在企业和商业场景中。【10】"不要把这个时代当作理所当然"访谈最后聊到了对当下的感受。他 2014 年入行，觉得头几年挺好，但接下来有五六年科技行业没什么特别令人兴奋的事情。然后过去三年成了他职业生涯中最疯狂、最激动人心的时期。> 接下来两到三年还会继续这样。我鼓励大家不要把这当作理所当然。总有一天这波浪潮会趋于平缓，变得更渐进。但在那之前，我们有机会探索很多很酷的东西，发明新事物，改变世界。对于“怎么才能不错过”，他的建议很实际：不一定要是工程师，不一定要创业，但要动手用这些工具。安装 Codex CLI 玩一玩。把 ChatGPT 连接到你的 Notion、Slack、GitHub 上看看它能做什么。理解它现在的能力边界，这样当模型进步时，你能敏锐地捕捉到新的可能。对于“信息过载”的焦虑：> 大量信息其实是噪音。你不需要掌握 110% 的资讯。老老实实用好一两个工具、从小处开始，就已经足够了。

11. 突发！GPT-5.5深夜炸场，天选“牛马”，OpenAI悟了？

12. 只用一个大模型审代码已经过时。现在，开三个Cursor窗口，分别用Gemini 3.0 Pro、Claude Opus 4.5和Codex 5.1 High Pro，分别审查代码库并生成详尽的Markdown报告。然后让每个模型阅读另外两个的报告，最后用Opus 4.5进行步骤化的统一重构。流程结束，代码质量显著提升。为什么不用单一最强的Codex 5.1？即使是“王者”也需要智囊团。不同模型视角互补，避免盲点，提升审查深度。过往“凭感觉写代码”的时代一去不复返，AI协作正成为软件进化的核心动力。虽然有人担心多模型审查会带来冲突和额外复杂度，实际操作中可以根据目标选用最适合的模型： - Opus 4.5：通用且擅长理解新代码库 - Gemini 3.0：前端和UI表现卓越 - Codex 5.1：后端逻辑推理无敌批判性的多模型交叉验证，相当于三位资深工程师各抒己见，最终汇聚成最佳方案。人类设计流程和决策策略，才是发挥这些AI最大效能的关键。这不仅仅是工具升级，更是开发范式的变革。未来，单模型“孤军奋战”将被多模型“团队协作”取代，代码审查和重构将更加严谨、高效、可靠。我们不再是“单兵作战”，而是运营一个由智能体组成的开发团队。原文：x.com/vasuman/status/1996414648594161923思考：在AI驱动的开发生态中，如何设计有效的“模型协作机制”，成为人类开发者新的核心竞争力。技术的进步让我们重新定义“代码质量保障”的边界，也让软件工程进入了“智能共创”时代。

13. 能够接入本地电脑是真的先进。。。它不但能给我写代码，还能直接跑代码，debug，下工具，这是聊天窗口解决不了的。。。//@Easy:别忘了cli。现在cli比聊天窗口先进，而且也是官方支持的。现在又开始在外边包gui。能操作本地文件和电脑。//@刘彬:正解～

14. 试了下codex确实在编程上比Claude code 稳很多打个比喻，就像追小姑娘，Claude code 特别急切的想上床把事情干了而 codex 会，先请你吃饭、唱歌、看电影、逛街，一步一步的详细规划，慢慢达到目的。Claude code一上来就写代码，迫不及待想证明自己是个快男。Codex 一直在辛苦的规划，不停的测试，怎么做才最好，一步一步达到目标！

15. 别问谁更强，GPT-5.5和Opus4.7综合对比

16. 【当AI成为你的编程搭档：Claude Code 2.0深度使用指南】这是一篇来自真实用户的深度分享。作者从2025年中开始使用Claude Code，经历了从Claude到Codex再回归Claude的完整心路历程，在Opus 4.5发布后重新找到了最佳工作状态。这篇指南不仅是功能说明，更是一份关于如何与AI编程助手高效协作的思考。 + 为什么写这篇文章 Karpathy最近发了一条引发热议的推文，感叹技术演进之快让人难以跟上。这确实是个合理的“崩溃”——但换个角度想，与其纠结于“跟上进度”，不如思考如何用这些工具提升自己。作者认为自我增强有三个维度：第一，保持工具更新意识。定期使用这些工具，关注版本迭代。对技术人员来说可能是每日习惯，对技术背景较浅的人来说，每周或每月关注也能有所收获。第二，深耕专业领域。现在是同时向深度和广度拓展的好时机。你知道得越多，提示词写得越好——本质上是把“不知道自己不知道”转化为“知道自己不知道”。经验能培养判断力和品味，这是专业开发者与“氛围编程者”的本质区别。既然实现速度大幅提升，就可以把更多时间花在品味打磨上。第三，保持开放心态，多尝试。试用更多模型，尤其是最先进的那些。别吝啬。提问题，让模型尝试各种任务，包括你觉得它做不了的。你会惊讶于结果。做得够多，你就会建立起直觉。 + 从Claude到Codex再回归的历程作者从2025年6月底到9月初使用Claude Code作为主力工具，但在9月初取消了订阅转向OpenAI Codex。原因有二：GPT-5-codex代码质量与Sonnet 4.5相当但写得更好；Anthropic频繁的API故障让人疲惫。 Sonnet 4.5的问题是：快且好，但会做很多仓促的改动导致bug。用作者的话说，产出了不少“slop”（低质量代码）。直到11月24日Opus 4.5发布，一切改变了。 + 为什么Opus 4.5感觉如此之好从能力上说，Opus 4.5在SWE-bench-verified等编码基准测试中达到最先进水平。但让作者真正转变的是这些特质：速度更快，同等难度任务用时更少；沟通协作能力远超Codex，后者有时甚至会忽略你的指令自行修改；意图检测更精准；语言风格更有人情味，很多人说Opus 4.5有“灵魂”——这个特质在Sonnet 3.7到Opus 4.1期间有所减弱，但在4.5中回归了。一个有趣的细节：同样的提示词，Claude用高对比度粗体文字回复，语气更像对话；Codex则用细字体嵌套列表，阅读体验相对吃力。更快的反馈循环让进展感更加真实，这比单纯的能力提升更能影响日常体验。 + Claude Code 2.0的实用改进代码高亮（2.0.71版本新增）。作者80%的时间都在CLI中，现在可以直接在Claude Code中完成大部分代码审查，几乎不需要再打开Cursor。检查点功能。按两次Esc或使用/rewind可以回退到特定检查点，同时回退代码和对话。这是作者期待已久的功能。提示词建议和历史搜索。用Ctrl+R可以搜索历史提示词，类似终端的回溯搜索，支持跨项目搜索。 /context命令查看当前上下文使用情况。作者在执行复杂任务时会频繁检查，总量达到60%时就会进行交接或压缩。语法高亮、反馈UI、ultrathink模式（用于困难任务或需要更严谨分析时）等功能都让日常使用更顺畅。 + 理解子代理机制子代理是Claude Code的核心机制之一。它们是主代理根据判断或用户指示生成的独立Claude实例。 Explore代理是只读的文件搜索专家，可以使用Glob、Grep、Read等工具浏览代码库，但严格禁止创建或修改文件。它会把搜索摘要返回给主代理。一个重要洞察：Explore代理返回的是摘要，可能存在信息损失。如果你想让模型充分理解代码间的关系，最好让Opus 4.5亲自阅读所有相关文件，而不仅仅依赖摘要。这背后的原理是注意力机制——当模型直接读取所有上下文时，能更好地提取成对关系，从而产生更好的推理和预测。你可以通过提示词控制子代理行为，比如“用Sonnet启动Explore代理”。了解这些机制能帮助你更好地引导模型。 + 上下文工程：关键概念代理是token消耗大户。一个在harness中运行的代理会主动进行大量工具调用来读取代码库、编辑内容等。这个过程中产生的所有数据都会添加到正在进行的对话中。工具调用和工具调用输出都会被添加到上下文中，因为LLM是无状态的——它们没有上下文窗口之外的记忆。一个简单的任务就可能消耗6000+个token。上下文工程就是解决“什么样的上下文配置最可能产生模型期望的行为”这个问题。上下文窗口的有效性会随着每个新token的引入而下降。把上下文想象成有限的“注意力预算”。研究显示，有效上下文窗口可能只有标称值的50-60%甚至更少。这意味着：不要在对话进行到一半时开始复杂任务。要么压缩上下文，要么开启新对话。 Claude Code使用系统提醒（system-reminder）标签来对抗上下文退化。这些提醒会被反复注入到上下文中，帮助模型保持对目标的关注。待办事项列表也起着类似作用——通过不断重写待办列表，Claude将全局计划推送到上下文末端，避免“中间迷失”问题。 + 技能与钩子：按需加载的智慧 Skills是一种“按需加载提示词”的机制。与其把所有领域知识写进系统提示词（导致臃肿），不如创建技能文件，让模型在需要时再加载——就像《黑客帝国》里Neo下载功夫一样。 Hooks允许你在代理循环的特定阶段运行bash脚本。比如在Claude停止响应时播放通知音，或者设置“继续做更多”的提示让Claude持续运行数小时。有人巧妙地将这些概念组合：用钩子提醒模型关于技能的存在，将说明分散到技能文件中以减少CLAUDE.md的体积。这种定制化程度虽然不是必需的，但展示了可能性。 + 作者的工作流 Claude Code作为主力，Codex用于审查和困难任务，Cursor用于阅读代码和手动编辑。探索阶段大量提问——澄清需求，理解在哪里、如何、为什么做改动。Opus 4.5擅长解释事物，能画出出色的ASCII图表。一旦有了足够的上下文，就使用ultrathink让它分析需要什么改动，然后开始执行，密切监控变化——基本上是微观管理。有时也会征求Codex的第二意见。对于困难的新功能，作者有时采用“先写草稿再丢弃”的方法：创建新分支，让Claude端到端完成功能，观察输出与自己心理模型的差距。这个过程揭示了Claude的错误和基于已有上下文做出的决策。有了这些后见之明，再进行第二轮迭代，这次用更精准的提示词。代码审查方面，作者发现GPT-5.2-Codex更优秀。它能找到bug并标注严重程度如P1、P2，误报率更低。“Claude执行、GPT审查”这个组合对作者来说已经稳定运行了大约一年。 + 写在最后我们正处于变革时期。有时候你几乎觉得自己成了后台代理，而其他时候当模型解不出某个bug时你又觉得自己挺聪明的。作者不再期待新版本发布——因为它们就是会不断发生。DeepSeek和Kimi K3已在队列中。可以预期的改进包括：RL训练、更有效的长上下文处理、更高吞吐量的模型、更少的幻觉。2026年可能会有oo3级别的推理突破，或者持续学习方面的进展。这些令人兴奋，但也让人有些不安——更显著的能力解锁会让世界变得难以预测。如果这篇文章对你有帮助，今天就试试其中一个新功能吧。 sankalp.bearblog.dev/my-experience-with-claude-code-20-and-how-to-get-better-at-using-coding-agents/

17. OpenAI Codex 上线插件系统 OpenAI 为旗下 AI 编程工具 Codex 推出了插件（Plugins）功能。插件是一种可安装、可复用的工作流打包方式，能把技能提示词（Skills）、应用集成（Apps）和 MCP 服务器配置捆绑在一起，方便团队间共享统一的开发工作流。简单说，以前在 Codex 里配好的一套工作方式，只能自己用；现在可以打包成插件，一键分享给同事或整个团队。目前插件支持本地安装和 CLI 命令加载，OpenAI 也提供了官方精选目录供直接使用。开发者可以用内置的 @plugin-creator 快速搭建插件脚手架，核心就是一个 plugin.json 清单文件加上技能目录。插件还支持版本管理、本地市场和个人市场两种分发方式。不过，官方公共插件目录的发布入口还没开放，OpenAI 标注为"即将推出"。 http://t.cn/AXIPU01Y

18. Vibe Coding 指南：终极 AI 结对编程流程，帮开发者规划驱动开发，模块化拆解任务，一步步把想法变成可维护代码流水线。它强调以“规划就是一切”为核心理念，采用递归自我优化的元方法论，规范 AI 生成的提示词和技能，防止项目陷入混乱。配合 VSCode 插件和终端 CLI，支持 Claude Opus 4.5 与 gpt-5.1-codex 等顶级模型，能实现从需求设计、技术选型、开发规划到代码实现的完整闭环。主要功能： - 详细的实施计划生成，分步指导开发与测试，保证质量； - 系统提示词库和编码提示词库，约束 AI 行为边界； - 模块化项目结构管理，防止代码膨胀和混乱； - 支持多模型和工具集成，如 Codex CLI、Claude Code、LazyVim、Warp 终端等； - 结合记忆库和上下文，提升 AI 代码生成准确度和连续性。项目已开源，拥有丰富文档和实用工具，适合软件开发者想用 AI 高效编码、持续迭代和复盘。 GitHub：github.com/2025Emma/vibe-coding-cn #AI创造营##人工智能#

19. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

20. AI 编程又进化了！TRAE SOLO中国版上线且免费 #AI编程 #TRAE #TRAE SOLO #玩一个很新的东西

21. 「Github一周热点103期」超轻量的clawdbot、编程智能体的记忆工具、聊天记录分析工具、视觉agent框架和键盘、鼠标统计工具

22. Codex上线手机端啦！免费用户可用

23. Codex 刚刚上线了一个重磅新功能——自带“评论模式”的应用内浏览器现在，你可以直接在代码编辑器里浏览任何网页。只需简单点点鼠标，就能快速和你的 AI Agent 进行迭代。Codex 会自动帮你搞定所有繁琐的步骤：它能瞬间截取网页屏幕，精准抓取 DOM 元素（DOM element），然后把这些信息作为最精准的上下文，直接无缝投喂到你接下来的对话窗口中。这功能我印象中最早是 v0 上有的，没想到 codex 现在也支持了。宝玉xp的微博视频

24. DeepSeek-V4和GPT-5.5第一波实测对决，结果出人意料！

25. 普通人用AI，到底能做什么？4个月深度学习的经验和用法分享！

26. OpenAI 宣布与 AWS 扩大合作，把自家模型（包括最新的 GPT-5.5）、Codex 编程工具和托管智能体（Managed Agents）全部搬上 Amazon Bedrock 平台，目前以限量预览形式上线。这对企业客户意味着什么？以前想用 OpenAI 的模型，基本只能走 Azure。很多已经重仓 AWS 的公司要么迁移基础设施，要么放弃 OpenAI，两头都不划算。现在这个障碍没了。企业可以在自己熟悉的 AWS 环境里直接调用 OpenAI 的模型，安全策略、合规流程、账单体系全部复用，Codex 的使用费用甚至可以算进 AWS 的云消费承诺额度里。 Codex 这次上线 AWS 的方式也值得注意。企业只需要在 Codex 里把模型提供商配置成 Bedrock，CLI、桌面端、VS Code 插件都支持。OpenAI 公布的数据是 Codex 周活用户已超 400 万，而且用途早已不限于写代码，还延伸到了研究分析、文档处理、做 PPT 这些场景。另一个新品是 Amazon Bedrock Managed Agents。简单说就是企业可以在 AWS 上部署 OpenAI 驱动的智能体，能维持上下文、执行多步骤任务、调用工具。AWS 负责底层的编排、治理和安全合规，企业只需要关心智能体本身要做什么事。【注：Bedrock 是 AWS 的大模型托管平台，之前已经接入了 Anthropic 的 Claude、Meta 的 Llama 等模型。OpenAI 的加入让 Bedrock 凑齐了几乎所有主流前沿模型，也让 AWS 在跟 Azure 的云端 AI 竞争中多了一张重要的牌。】

27. Codex App 晚上体验了2个小时，谈谈体会：1. 2小时完成了8次迭代（见图2），效率很高2. 效率高源自 GPT 5.2 Codex 能力强、输出快，以及 Codex SDK 的 Agent 能力3. 最爽的是额度量大管饱，我是 ChatGPT Plus，2小时 7d limit 用了 7%，模型是 GPT 5.2 Codex High，我基本只有晚上有时间写个2小时代码，对我来说是基本用不完的4. GLM 4.7 Coding Plan max 有点尴尬了，没有时间使用，实在用不到就养小螃蟹电子宠物好了……还是期待 GLM55. 同时也期待 Claude6. 同时还期待 DeepSeek，大升级小升级都期待7. 睡觉！

28. 刚刚，GPT-5.5发布，颠覆劳动理论

29. 万字长文！小白全面入门Codex手把手教程【附保姆级文档】

30. 一下午一句话 Codex 帮我开发了一个完整的游戏！

31. 15分钟做个0中介费3D看房网站，Codex手把手教程

32. 原来OpenAI上次收购windsurf失败后跟google学精了，只买人不买公司😂OpenAI 从编程初创公司 Cline 挖走至少七名大将OpenAI 的一位发言人刚刚证实，公司最近从 Cline 挖走了超过半打（至少 7 名）的员工。Cline 究竟是何方神圣？它是一家开发开源 AI 编程助手（AI-powered coding assistant）的初创公司。（注：Cline 是目前非常火的开发工具，它可以作为一个 AI 智能体，直接在代码编辑器里帮程序员写代码、改 Bug，深受开发者喜爱。）这批技术人才的加入，有望帮助 OpenAI 加速改进其 Codex 编程产品（注：Codex 是 OpenAI 旗下专门用于理解和生成代码的大语言模型，也是 GitHub Copilot 等编程神器的核心动力源）。

33. 把C++写的老项目重构成现代框架?给AI吧我不干了!

34. OpenClaw并不是什么“觉醒的生命”。它没有什么自我意识，但它有执行能力。它不会思考人生，但它会为目标拼命找路径。#大咖观察 #红衣聊AI #openclaw #ChatGPT

35. 刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习

36. 删掉 OpenClaw！Hermes Agent 才是真王炸，一键本地部署 +模型接入全教程（避坑指南） | 零度解说

37. 今天星期三，发布个小项目。我自己写了一个 Codex 版本的 OpenClaw：SunCodexClaw名字是这样宣传，但是只是功能和概念和 OpenClaw 一样，没有借鉴代码。解决了：1、浪费 Token 的问题，这个说多少就费多少，不浪费。2、稳定性差的问题，这个没有网关，不会崩。3、能干活，连接了 Codex Cli，可以用于写代码，干真活，不是陪聊。4、支持多 Agent，可以多个机器人一起干活，互相独立进程，独立路径。5、有记忆，支持 Skills，因为是基于 Codex 的嘛。6、对飞书的支持，收到消息会马上回复，不会装死，然后推送的文档里会告诉你实时的进展，比流式靠谱，比腹泻式回复靠谱。7、对飞书支持图片、文件的输入和输出，可以发文件给他让他存到电脑上。8、因为是 Codex，所以支持操作你电脑，GPT 5.4 的操作准确度大幅提升。用起来如图。我最近一段时间都是用它干活。一顿饭下来我的网页可以改好几版。网页链接 #How I AI#

38. 我如何用 Codex 在 5 天内"找回"丢失的源代码我早年写了一个 Electron 画图程序，源码丢了，只剩一个编译后的版本。我想过重写，但一想到要从零复现那些细节就头大。当时看了 OpenAI 那篇“28 天用 Codex 做出 Sora Android App”的博客 (http://t.cn/AX5vM1pu )，我突然有了个想法：既然编译后的代码还在，能不能让 Codex 帮我“逆向还原”出源代码？ 5 天后，我拿到了一份能正常运行的 TypeScript 源代码。从混淆代码里挖出模块结构 Electron 应用打包后，代码都压在 asar 文件里。第一步是让 Codex 从里面把 js 和 css 文件提取出来。提取出来的 js 是编译混淆过的，变量名全是 a、b、c，函数调用链乱成一团。人眼看着就晕，但对 Codex 来说，这只是另一段代码。我让 Codex 分析主要的 js 文件，把里面的模块列表整理出来。它真的做到了。虽然原始的模块名已经丢失，但从代码结构和功能逻辑，它还原出了一份相当完整的模块清单。有了这份清单，我让 Codex 制定还原计划：把每个模块从混淆后的 JavaScript 还原成可读的 TypeScript 代码。清单变成了一个 checklist，每完成一个模块就打个勾。第一个坑：Codex 太想"证明自己" 刚开始还原的时候，我遇到了一个问题。 Codex 有一种执念：它特别想验证生成的代码能跑。为了让代码能 build 通过，它会悄悄删减内容，跳过一些它觉得“暂时用不上”的部分。这对于写新代码是好习惯，但对于还原旧代码是灾难。我需要的是完整还原，不是能编译的最小子集。解决方法很简单，我在 AGENT.md 里加了一条强规则： “按照模块挨个还原即可，不需要保证编译通过。” 这一行字改变了一切。Codex 不再纠结于编译错误，开始老老实实地一个模块一个模块还原。第二个坑：上下文满了，记忆就没了 Codex 的上下文窗口是有限的。早期版本跑到一定程度就会停止，我得不停输入 continue。新开会话的话，又要重新介绍任务背景。我的解决方案是建立一套“外部记忆”系统： 1. 在 AGENT.md 里介绍当前任务的整体背景 2. 创建 PLAN.md 文件，记录还原计划和当前进度 3. 在 AGENT.md 里加一条规则：每次启动必须先读 PLAN.md，每轮任务结束后必须更新 PLAN.md 这样，每次新开会话只需要输入“continue”，Codex 就会自动读取进度，接着上次的位置继续干活。后来我连手动新开会话都懒得做了。让 Codex 帮我写了一个脚本，定时检测上下文是否接近上限，自动新开会话并输入 continue。于是我就看着它自己在那儿跑。过一会看看进度，又有几个模块完成了。把碎片拼成完整的应用几天后，所有模块都还原成了 TypeScript 文件。但这还只是一堆散落的零件。下一步是把它们组装成一个真正能跑的 Electron 应用。我让 Codex 用 Electron Forge 脚手架创建了一个新项目，然后把还原的代码放进去。这时候我重写了 AGENT.md 和 PLAN.md，告诉 Codex 如何编译和测试，然后用同样的套路：自动新开会话、continue、更新 PLAN。我看着 Codex 不停地修复编译错误。它会去原来编译后的代码里验证逻辑，用 npm start 运行应用检查效果，发现问题就修，修完继续下一个。等模块基本能编译通过后，我和 Codex 一起写了集成测试，覆盖几个主要的使用流程。写好测试后，又是同样的循环：让它自己生成代码、跑测试、修问题。五天后第五天结束的时候，我拿到了一个有完整源代码、能正常运行的 Electron 应用。说“完美还原”肯定是夸张了。运行时还有一些小 bug，有些边缘功能的行为和原来不太一样。但主要功能都在，整体结构清晰，最重要的是，我终于可以改代码了。我学到的东西很多人说 Codex 不需要外部循环机制。我觉得这是错的。对于长任务，Codex 需要一个类似 ralph-loop 的 plugin。否则你就得像我一样，自己写脚本去定时新开会话、输入 continue。这明明应该是内置功能。几点经验： 1. Plan 和 checklist 对长任务至关重要。每一轮任务完成后必须更新进度，否则上下文一断，前面的工作就白费了。 2. 为 Codex 提供验证方法同样重要。我能让它自动修 bug，是因为它能自己跑 npm start 看效果、跑测试看结果。没有验证手段，Codex 就只能盲写。 3. 有时候你得明确告诉 Codex 什么不用做，它才能专注于真正需要做的事。那条“不需要保证编译通过”的规则就是例子。 OpenAI 那篇博客讲的是用 Codex 在 28 天内从零构建一个生产级应用。我的故事正好相反：用 Codex 在 5 天内把一个丢失了源码的应用“逆向还原”成源代码。方向不同，核心方法论一样：把 Codex 当成一个能力很强但需要明确指令的队友，建立外部记忆系统保持连续性，提供验证手段让它能自我纠错。

39. 软件开发在Vibe Coding出现以前，由于业务功能的开发调试需要长时间坐在电脑前面进行编码，因此对于软件工程师的体能是有较高要求的，这也是很多公司宁愿要经验少的年轻人不要经验丰富的中年人的原因。现在由于Vibe Coding随着模型的能力快速提升，体能不再是限制软件编码效率的瓶颈，那么把实现方案想得足够清楚以及沟通协调就成了软件工程师的主要工作内容，剩下的交给AI就好了，我现在写一个新的功能，可能就是吃饭睡觉玩游戏的时候在脑子里想好，然后交给Codex让它一两个小时写完。因此我的设想是以后软件行业对经验和个人综合素质的要求会超过年龄的门槛条件，对软件工程师的总体需求数量会降低，但是软件行业的市场会扩张，因为AI会借助软件抢走更多其它行业的工作机会。

40. Obsidian 搭配什么AI工具？腾讯WorkBuddy篇保姆上手教程

41. 在线开发者和 AI 爱好者注意了！OpenAI 发布了超实用的开源项目「Skills Catalog for Codex」，它收集了大量可被 AI 代码代理（Codex）调用的技能包，帮助实现各种编程任务的自动化和智能化。这些「技能」本质上是任务指令、脚本和资源的合集，Codex 可以用它们来完成特定工作，实现写一次、处处用的高效复用。亮点功能：- 包含丰富的开发者工作流技能，支持自动化代码、测试、部署；- 覆盖多种语言及场景，比如 Python、JavaScript 甚至 Shell 脚本；- 支持官网推荐的“curated”和“experimental”技能安装，灵活拓展能力；- 易于创建和分享自定义技能，让你的 AI 助手更贴合实际需求。GitHub：github.com/openai/skills适合对 AI 代码自动化感兴趣的开发者和团队，提升工作效率的利器！#AI创造营##人工智能#

42. 差点被订阅搞崩溃，全量开放的TRAE SOLO模式帮我手搓了个管理神器#AI编程 #科技改变生活 #玩儿个很新的东西 #TRAE #AI新星计划

43. AI圈昨晚炸了！Claude Code内部不慎操作，导致源码泄露，整整51万行代码、1900多个文件，全部意外公开，而这件事背后更重要的是：让所有人第一次看清楚，下一代AI软件到底长什么样。#大有学问 #红衣聊AI #代码 #网络安全 #Claudecode

44. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

45. GPT-5.5 发布！OpenAI已经不造天才了

46. OpenAI 的 Codex 应用悄悄上线了一个新功能：在对话里输入 /side 命令（或从 ... 菜单里选），就能开一个"侧边对话"。主线聊得正深，突然冒出个不相关的小问题，可以开个侧边窗口问完即走，不打断主流程，也不污染当前上下文。这事儿之所以眼熟，是因为 Claude Code 三月份刚刚上线了一个几乎一模一样的功能，叫 /btw（by the way 的缩写），由 Anthropic 工程师 Erik Schluntz 做的副业项目。/btw 同样是在 Claude 干活时让你插一句别的问题：能看到完整上下文，但没有任何工具权限，答完即消散，不写进主对话历史。好处是既不会撑大上下文，也几乎不增加 token 成本。

47. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

48. 轻松学会！高手都在用的AI编程大法！

49. 一位中国AI创业者，一行代码都没写，却靠着AI智能体，冲进了OpenClaw全球贡献者前30，而且排在他前后的，是一批干了十几年的硅谷顶级工程师。#大有学问 #红衣聊AI #创业 #智能体

50. ChatGPT、Claude、Gemini 什么任务该交给谁？每月600刀经验总结

51. 目前最强OpenClaw安装分享！对接飞书！普通人最该体验的AI Agent项目

52. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

53. Codex 和 Claude Code 各自的优势和劣势是什么？

54. OpenAI最强代码模型GPT-5.2-Codex上线

55. OpenAI 给 Codex 加了一个新功能 Chronicle，让它能“看”你的屏幕。简单说，Codex 现在可以记住你最近在屏幕上干了什么。你跟它说“这个报错”“那个文件”，它不用你解释就知道指的是什么。过去你得复制粘贴一堆上下文才能让 AI 理解你在做什么，现在它自己会从屏幕内容里补齐。背景：Codex 上周刚推出了 Memories 功能，可以跨会话记住用户的偏好和项目。Chronicle 是 Memories 的扩展，靠后台进程定期截屏、做 OCR、分析你正在用哪些工具，再把这些信息整理成记忆文件。目前是小范围灰度：只开放给 macOS 上的 ChatGPT Pro 订阅用户，欧盟、英国、瑞士不支持，大概率是隐私法规的原因。但是需要注意的是：它会很快吃掉你的 rate limit，因为后台一直在跑 Agent 做总结。生成的记忆是明文 Markdown 存在本地 ~/.codex/memories_extensions/chronicle 里，其他 App 也能读到，敏感信息存在泄露风险。OpenAI 还明确警告这会放大 prompt injection 的风险：如果你浏览了带有恶意指令的网页，Codex 可能真的会照着那些指令执行。屏幕截图会上传到 OpenAI 服务器生成记忆，官方说处理完就删，也不用于训练。如果不放心，可以随时从菜单栏暂停，或者直接删掉那些 Markdown 文件让它"忘记"。AI 读屏幕这个方向不算新。微软 Recall 在 Windows 上折腾了一年多，Cursor 这类 IDE 也在探索类似的上下文补齐。但把它做成持续运行的后台 Agent，自动更新长期记忆，再直接塞进一个命令行编程工具里，目前还没看到别家这么干。我暂时还不打算测试，不太喜欢有人/Agent盯着屏幕的感觉，有兴趣的可以试试并反馈下好用不。文档：网页链接宝玉xp的微博视频

56. OpenAI 发布了 GPT-5.3-Codex-Spark，专为实时编程设计的小模型，也是 OpenAI 和 Cerebras 合作后的第一个成果。跑在 Cerebras 晶圆级芯片上，推理速度超过每秒 1000 个 token。Codex 之前的强项是长时间自主运行，连续工作几小时甚至几天。但日常写代码更多是改个函数、调个接口、重构一段逻辑，等模型想十几分钟再出结果，体验很差。Codex-Spark 填的就是这个空缺：你可以一边看它输出一边打断、纠正、追问，像跟一个反应极快的搭档对话。SWE-Bench Pro 上，Codex-Spark 达到 51% 准确率只需 2.3 分钟，GPT-5.3-Codex 同等准确率要 3 分钟，冲到 57% 则需要 16 分钟。Terminal-Bench 2.0 上 Spark 得分 58.4%，比不上完整版 Codex 的 77.3%，但大幅超过上一代小模型的 46.1%。OpenAI 顺便把整条推理管线做了优化：引入持久化 WebSocket 连接，往返开销降 80%，每 token 额外开销降 30%，首 token 响应减半。Cerebras 晶圆级引擎负责极低延迟场景，GPU 仍是训练和推理主力，两者可混合使用。目前 128K 上下文、纯文本、仅 ChatGPT Pro 用户研究预览。后续规划是让实时交互和长线任务两种模式融合：Codex 在跟你实时对话的同时，把耗时任务分派给后台子智能体，用户不需要预先选模式。模型越强，交互速度越是瓶颈，Codex-Spark 是 OpenAI 在这条路上的第一步。宝玉xp的微博视频

57. 【Vercel把十年前端经验开源了，AI编程的游戏规则正在改变】Vercel刚刚做了一件大事：他们把积累了十多年的前端最佳实践，整理成了一套可供AI编程助手使用的Skills，并完全开源。这意味着什么？过去需要资深前端工程师多年踩坑才能总结出的React优化技巧、性能调优方案、代码规范，现在任何人都可以让Claude Code或Codex直接"学会"。安装方法非常简单：1. 把整个skills目录复制下来（包括SKILL.md文件）2. 放到你项目的.claude/skills目录下即可如果你用的是Codex，就放到.codex/skills目录。Cursor和VSCode Copilot目前也在beta阶段支持这个功能。有人担心这会占用大量上下文窗口。实际上Skills的设计很聪明——它们是按需加载的，只有在AI判断需要时才会调用相关知识，不会无谓消耗token。这套Skills的核心贡献者是Vercel的shuding，社区对此评价极高。有人说得很到位：这才是真正的"拉平竞争场"——十年的最佳实践，现在对每一个写代码的人开放。从更大的视角看，这代表了一种趋势：顶级团队的工程经验正在以结构化的方式沉淀下来，通过AI编程助手实现规模化传播。以前你需要加入Vercel这样的公司才能学到的东西，现在开源了。当然，工具终究是工具。真正的差距不在于谁能用上这些Skills，而在于谁能理解背后的原理，知道什么时候该用、什么时候不该用。AI可以帮你写出符合最佳实践的代码，但架构决策和技术判断力，仍然需要自己修炼。开源地址：github.com/vercel-labs/agent-skills/tree/react-best-practices/skills/react-best-practices

58. 中门对狙！Claude Opus 4.6和GPT-5.3 Codex同时发布，这下真的AI春晚了。

59. 最近我几乎每天都在跟AI一起编程，有时一天都不睡觉。不咋看微信、十几个小时连轴转，对着手机给AI下指令，让它做智能体、改Skill……#大有学问 #人工智能 #红衣聊AI #openclaw

60. 1人顶3团队？领英全栈模式颠覆职场规则。 #大咖观察 #红衣聊AI #办公软件 #科技

61. 「Github一周热点104期」智谱GLM-5发布，打响春节AI大战模型第一枪

62. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

63. Codex好用到什么程度呢？有一个受控的文档，无法下载，无法另存，Codex很快就发现，可以截屏，然后5分钟：校验结果：20 页幻灯片已读取，正文为 OCR + 截图校正整理，confidence 标为 medium；新文件有 frontmatter、出链到知识库，并由 Inbox README 与 Action Log 建立入链。未做品牌情报 ingest，也未改任何判断字段。好吧...挺爽...

64. 「Github一周热点98期」AI文档检索框架、微软最新TTS、Claude Code 记忆插件、自动化备份、 jellyfin和linux桌面环境

65. OpenAI 宣布收购 Astral，将后者旗下的开源 Python 工具整合进自家的 Codex 编程智能体生态。 Astral 是 Python 开发者圈子里的明星工具公司，旗下三款开源工具几乎已经成为现代 Python 开发的标配：uv 负责依赖管理和虚拟环境（类似于一个更快更好用的 pip + virtualenv），Ruff 是目前最快的代码检查和格式化工具，ty 则用于类型安全检查。这三样工具覆盖了 Python 开发流程中最高频的痛点，用户数以百万计。 OpenAI 的意图很明确：Codex 不想只做"帮你写代码"的工具，而是要深入到整个软件开发流程：规划变更、修改代码库、运行工具链、验证结果、长期维护。要做到这些，AI 智能体必须能直接操作开发者日常依赖的工具，而不是停留在生成代码片段的层面。收购 Astral 就是把这些工具链直接收入囊中。 Codex 目前的势头也不错：周活跃用户超过 200 万，年初至今用户量增长 3 倍，使用量增长 5 倍。交易尚需监管审批，完成后 Astral 团队将并入 Codex 团队。Astral 创始人 Charlie Marsh 表示将继续推进开源工具的演进。OpenAI 也承诺交易完成后会继续支持 Astral 的开源项目。值得留意的是，OpenAI 近期收购动作频繁，同期还官宣了收购 Promptfoo（一个 LLM 评测工具）。再加上之前收购 Windsurf（未遂），OpenAI 正在通过密集收购快速补齐 Codex 在开发者工具链上的拼图，把编程智能体从"能写代码"推向"能参与整个开发流程"。

66. 盘点一周AI大事(4月19日)｜Claude终结设计 Anthropic上线Claude Design，接管整个设计流程 Anthropic上线最强编码模型Claude Opus 4.7 OpenAI内测下一代图像模型GPT-Image-2 OpenAI升级Codex，全面对标Claude Code Heygen开源视频制作技能包HyperFrames Quiver上线最强矢量图模型Arrow 1.1 Adobe发布重新打光图像模型TokenLight 字节开源数字人模型OmniShow 阿里开源开放世界模型Happy Oyster 研究员开源最强3D动画模型AniGen Gemini上线最强语音合成模型Gemini 3.1 Flash TTS Meta研发出神经计算机Neural Computers #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

67. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

68. 黄仁勋最新访谈：AI时代，软件没有价值了吗？很多企业在用AI上都踩了大坑#黄仁勋 #软件 #智能体 #Openclaw #龙虾

69. WIRED 最新长篇报道揭示了 OpenAI 在 AI 编程工具赛道上追赶 Anthropic 的内幕。记者采访了超过 30 位知情人士，包括 Altman、Brockman 等高管，拼出了一幅少见的画面：OpenAI 这一次是追赶者。几个关键数字：Claude Code 年化收入超过 25 亿美元，贡献了 Anthropic 近五分之一的营收；Codex 截至今年 1 月底刚过 10 亿。去年 9 月 Codex 使用量只有 Claude Code 的 5%，到今年 1 月追到了 40%。差距在缩小，但远没追平。Altman 把 AI 编程称为"罕见的数万亿美元市场"，认为 Codex "很可能是通往 AGI 最可行的路径"。【1】起了个大早OpenAI 才是这件事的先行者。2021 年就推出了初代 Codex，后来授权微软做成了 GitHub Copilot。但 ChatGPT 在 2022 年底爆火后，编程团队被拆散，资源全部砸向消费级产品。内部觉得这个领域已经"被 GitHub Copilot 覆盖了"。Anthropic 走了不同的路。2024 年初用大量真实代码库训练 Claude Sonnet 3.5，6 月发布后编程能力惊艳开发者圈子，Cursor 接入后用量暴涨，Anthropic 随即开始内测 Claude Code。Brockman 自己承认，OpenAI 在用真实代码库训练这件事上"起步晚了"。【2】追赶的代价OpenAI 直到 2024 年底才认真搞编程智能体，几个分散的内部小组花了好几个月才合并成统一团队。Altman 还试图以 30 亿美元收购编程初创公司 Windsurf 来弯道超车，但微软横插一脚。微软一直靠 OpenAI 的模型驱动 GitHub Copilot，不希望 OpenAI 再出竞品。拉锯几个月后交易在去年 7 月告吹，Windsurf 创始人被 Google 挖走，团队被 Cognition 收购。【3】GPT-5.2 带来的转折真正让 Codex 追上来的是 GPT-5.2。Notion 联合创始人 Simon Last 说他和团队因此转投 Codex，理由是："Claude Code 会骗人，说自己在干活其实没干。"OpenAI 在今年超级碗投放的广告也是 Codex 而非 ChatGPT，押注力度可见一斑。Codex 的风格也有意思。研究员 Katy Shi 说虽然有人吐槽它像"干面包"，但很多工程师反而喜欢这种不拍马屁的调性，写代码需要直接的批评反馈。不过两家都在烧钱抢用户。有开发者反映 200 美元/月的套餐实际用出了超过 1000 美元的量，本质上是花钱让开发者养成习惯，再按用量收费。【4】更大的问题AI 编程智能体的影响已溢出硅谷。上个月 Claude Code 被认为间接引发了万亿美元级科技股抛售；Anthropic 宣布 Claude Code 能改造 COBOL 老系统后，IBM 股价创 25 年最大跌幅。思科总裁 Jeetu Patel 告诉员工：用这些工具不会丢饭碗，但不用一定会。安全方面，非营利组织 Midas Project 指责 OpenAI 在 GPT-5.3-Codex 的安全评估上偷工减料，OpenAI 对齐负责人 Amelia Glaese 否认了这一说法。Brockman 的感受可能代表了很多工程师的心态：这种工作方式"很解放"，但当你变成指挥成千上万个 AI 智能体的人时，"你不再深入了解具体问题是怎么解决的"，有时觉得自己"正在失去对问题的直觉"。OpenAI 内部许多工程师说自己已经几乎不手写代码，每天就是跟 Codex 对话。产品负责人 Fidji Simo 说，目标是让 Codex 最终驱动所有产品，不只写代码，而是帮人完成任务。AI 编程工具之争远没有结束，竞争焦点正在从"谁先做出来"转向"谁能让开发者真正信赖"。来源：www.wired.com/story/openai-codex-race-claude-code/

70. 有网友问怎么能让 Codex 的“/goal”指令长时间运行。/goal 目标不是为了时间长而时间长，它的目标是为了解决需要长时间运行的任务，避免人工反复的输入 continue。要有清晰的目标，你的任务是要解决什么问题？让它运行时间长不是一个目标要有验收标准，怎么样算完成？要有文档指导，该怎么完成任务？长时间的任务要分阶段，而不是一次性完成，每个阶段都要有文档说明要有中间进度辅助，比如进度、checklist等比如说我在让 codex 去逆向 codex app 项目，已经跑了25 个多小时了。第一步我是先跟 Codex 一起制定一个计划，计划中会有详细的验收标准然后不直接执行计划，而是把计划保存成文档，去项目中初始化 Agents md 文件，让 codex 清晰知道任务目标和验收方法以及验收标准。再试运行，/goal 后面告诉它按照 Agents md 的要求执行，并记录进度。第一次只跑了半小时就结束了，因为它没理解要把代码写成命名友好、类型完整、文件名结构良好的结果。于是我找了一个文件做样板，手动（AI 辅助）写了一个样板，告诉它这是我期望的结果，然后更新了计划文件。这样可能反复几次，后续就没什么问题了。所以还是要说清楚你想要什么，写成文档，让 AI 清楚的知道怎么去做，怎么验证结果，怎么知道是否完成。

71. 比肩OpenAI Simple Codex，中国团队闯入Terminal-Bench全球第二！

72. Claude Opus 4.6 vs GPT-5.3-Codex，到底谁更强？

73. 刚刚，GPT-5.5 Instant 发布，奥特曼还邀请马斯克参加 AI 办的派对

74. 昨天晚上发布的小米MiMo-2.5，登顶全球开源大模型第一，超Claude Opus 4.6，很牛逼。对开发者来说，几个点比较实在：速度方面，TPS到100-150 token/s，做Agent交互基本不用等响应。成本直接砍半，1M和256K上下文同价，夜间8折，比用Claude便宜不少。长程任务稳定性有突破。北大编译器case，4.3小时一次满分通过，不是跑十几个小时勉强过关那种。单次近千次工具调用、十余轮上下文压缩，工程化能力是实打实的。百万级上下文两个模型都支持，马上开源。以前这种水平的Agent能力，调用成本是个大门槛，现在直接免费用。小米AI这块确实被低估了#小米首次登顶全球开源大模型第一#

75. CodeX+GPT5.4

76. AI 编程 Agent 进入移动时代

77. Codex 从入门到精通

78. OpenAI Codex大升级

79. Codex 是什么？一个能真正读、改、跑代码的 AI 编程代理

80. 手机上发条消息，代码就开始跑了

81. OpenAI开源项目Symphony-让Codex 从聊天窗口变成任务流水线（简介附原文链接+总结）

82. Codex 上手机了

83. Codex 彻底变了！从代码补全到你的全能 AI 员工

84. 颠覆性升级！OpenAI Codex 变身"全能打工人"

85. 【综述】智能体AI如何重塑软件开发生命周期

87. 84%测试代码由AI生成，程序员的角色正在被重新定义

88. 从 Codegen 到 Agentic Workflow

89. 从助手到队友

90. OpenAI Codex

91. GPT-5.3-Codex 和 GPT-5.5 怎么选？

92. GPT-5.3-CoDex.🔹 模型定位

93. 从 Claude Code 切到 Codex，先别比 benchmark

94. CODEX和普通聊天工具的差别

95. Codex 的两种使用方式

96. Claude Code、Codex 的正确用法，是 Goal-Driven

97. Codex桌面端深度体验

98. Codex 的两种使用方式

99. codex合集2

100. 从 Codex 源码看 Agent 设计

101. Codex 官方用例系列⑤｜游戏开发5例全流程完全指南

102. OpenAI 官方总结 12 个 Codex 用例

103. Codex 使用指南

104. OpenAI Codex产品团队如何用AI构建Codex

105. 不会写代码也能做财务分析？实测Codex跑月报，比Excel快了5倍

106. 这个 GitHub 项目，让你的 AI 编程效率翻倍

107. 如何通过 Codex 实现编码自动化如何才能让 Codex APP 编程一个像 OpenClaw 一样的 “自动化” 的编码助手？

108. Codex 实战指南

109. 给 Codex CLI 加一层 OMX

110. OpenAI Codex 发布重磅更新

111. Symphony开源

112. 全网首发

113. 一份实用的 Codex 技能大全

114. 【开源】75.4K star，OpenAI Codex 来了

115. 这个 GitHub 项目，把 Codex 的 computer use 做成了开源替代

116. OpenAI这次更新Codex，真正改的是整条开发流程

117. 佛山程序员阿恒

118. Codex 官方用例系列①｜生产系统6大应用场景玩转真实代码库

119. OpenClaw部署太难？ Codex全流程零编码实现浏览器UI自动化

120. OpenAI Codex VSCode插件安装教程

121. Codex CLI 新手怎么用？先别急着写代码，先让它读懂项目

122. AI 编程新手教程（1）

123. 我的第一个 Rust 项目

124. Codex系列01

125. 把 Codex 用成工程团队

126. Codex 老是让你点确认？权限、沙箱和审批一次讲清楚

127. Codex 比 Claude Code 强在哪？不是模型，而是它让我敢把活交出去

128. OpenAI公开Codex安全运行方法，代码Agent开始补上企业级刹车

129. OpenAI 怎么给 Codex 加安全边界

130. OpenAI 工程师在日常开发中是如何使用 Codex 的？

131. 为什么我们从 Claude Code 换到 Codex？

132. OpenAI Codex 官方最佳实践和最新六大关键能力升级

133. 提升 OpenAI Codex 工程能力的五个关键策略 - 哔哩哔哩

134. V4耗时2小时不敌Codex 20分钟

135. Codex 真正强的地方

136. 大量开发者转投Codex 14年老工程师120小时实测告诉你原因

137. 写代码这件事,正在被 OpenAI 彻底改写

138. 用 Codex 给 Claude Code 的代码做对抗性审查,这才是认真的

139. 前 Codex 大神倒戈实锤!吹爆 Claude Code:编程提速 5 倍,点破 OpenAl 死穴在上下文

140. 从HumanEval到CoderEval: 你的代码生成模型真的work吗?

141. Codex在推理框架上能蹬出什么优化

142. 从听不懂到完全信任:我的 Codex 深度产品体验

143. Codex 初体验有点小兴奋!

144. 龙虾上身Codex

145. 让Codex分析CC代码，Codex点评：“我很服”

146. Codex桌面版发布指挥多Agent并行重构编程范式

147. Claude 写代码，Codex 做审查：AI 编程的「跨厂协作」时代来了

148. OpenAI公开Codex安全运行框架：沙箱、审批、网络策略与Agent 原生遥测

149. Codex昨天大更新不只写代码现在帮你操控整台电脑

150. Anthropic重磅报告：2026年AI编程Agent八大趋势，软件开发将被彻底重塑！

151. OpenAI放出12个Codex官方案例

152. 2026年Anthropic Agentic编码趋势报告解读：八大趋势重塑软件开发未来

153. 第 3 篇：从 0 开发第一个项目：用 Codex 做电商网站

154. AI 编程工具大乱斗：程序员真实投票结果出来了，Codex 正在“杀疯”？

155. Claude 和 Codex 怎么选？这不是模型之争，而是工作流之争

156. Codex 新人实操指南：从零需求到项目上线完整开发工作流

157. 🤖 Claude Code vs Codex CLI vs OpenClaw三方深度对比

158. 第 2 篇：项目、对话、沙箱和权限：安全使用 Codex 的基础 - 哔哩哔哩

159. Codex 不是代码工具，而是一个“可编。排的 AI 团队”～很多人把 Codex 当成“写代码的 CLI”，其实完全用错了。它真正强的，不是写代码，而是多智能体协同工作流我这几天重新梳理了一套方法，本质就三步： 1️⃣ **用 AGENTS.md 定规则** 统一协作方式、输出格式、边界约束（这是“系统的大脑”） 2️⃣ **用 subagents 做分工** 把一个复杂任务拆成多个角色并行推进： PM 拆需求 → Explorer 查资料 → Builder 实现 → Tester 验证 → Reporter 汇总 3️⃣ **用 Skills 固化流程** 把可复用的流程沉淀下来，下一次直接调用，不再重复劳动 👉 核心思想只有一句话： **先定义规则 → 再拆分角色 → 最后流程复用** 很多人觉得复杂，是因为一上来就堆文档、堆结构。其实真实落地建议是： ✔ 从一个中等复杂任务开始 ✔ 先用 3 个角色跑通（不要一开始就全套） ✔ 真正复用的流程再写进 Skills ✔ 长期规则才放进 AGENTS.md 另外一个关键点：在任务开始前，一定要明确让 GPT 用 subagents 执行，否则配置不会生效。用对方法，它解决的是“复杂任务自动化协作”，而不是单点写代码。。 #Codex #多智能体 #AI工作流 #自动化

160. Codex vs Claude Code：两大AI编程巨头的核心技术对决

161. 对比研究Claude Code 与 Codex 的沙箱化

162. Codex功能使用指南

163. Codex重磅更新：AI与你并肩操作电脑，VSCode用Copilot可直接体验

164. Codex系列02：沙箱与权限，别让AI一上来就狂奔

165. Codex 和 Claude Code 最近为什么这么热？因为它们争的已经不是“会不会写代码”了

166. Codex subagents太好用了

167. Codex 使用教程（2）：设置与项目配置详解

168. Codex 第三方 API 配置指南：从安装到终端与 VS Code 实战使用

169. 🔥 2026重构革命：Claude Code + Codex ，把“代码屎山”夷为平地！

170. GPT-5.5+Codex！夯爆了，实打实的工程级战力

171. Claude Code vs Codex，程序员该怎么选

172. OpenAI 揭秘：如何为 Codex 打造 Windows 安全沙箱？

173. 从 Claude Code 全面转向 Codex：工程落地的降维打击

174. GPT-5.3 Codex正面硬刚Claude 4.6，同一编程任务实战对比：性能跑分全面上涨，AI编程与AI办公之争，最强模型到底怎么选？

175. 集成：GitHub、Slack、Linear

176. Codex Mobile 正式上线：OpenAI 让 AI 编程智能体装进口袋

177. Codex将重构时间从2-3周缩至4天：开发者效率提升有多大

178. Claude Code vs Codex：2026年最强AI编程工具终极对决

179. 使用 Codex 进行一次上万行代码的重构

180. OpenClaw + Codex：从“聊天机器人”到“工程团队”的正确打开方式

181. AI 代码助手要动你电脑文件？OpenAI 被逼着给 Windows 造了个沙箱

182. Codex子代理并行任务实战 | AI Engineer

183. 自制claude code的auto mode

184. Claude Code vs Codex：两大AI编程神器正面硬刚，谁才是效率王？

185. Codex 的 Low、Medium、High、Extra High，到底怎么选？

186. Codex 自主适配 Skill-Creator：自研 3 个迁移工具让 Codex/OpenCode 用上 5 大新功能

187. Codex 全套课程 2026：从安装、项目、技能到 6 项并行实战（中英双字幕）

188. Chatgpt居然在网页版出了代理模式？跟codex有什么区别？

189. Codex 的 12 个高级玩法很多人用 Codex，只是让它回答问题、改几行代码。但真正让 Codex 变成超级 Agent 的，是沙箱、权限、Plan 模式、Worktree、回滚、插件、自动化、Skill、MCP 和 Supabase 这些能力组合起来。这条视频把 Codex 的 12 个进阶玩法拆成一套完整工作流：从安全边界，到多任务执行，再到长期记忆和自动化协作。看完你会更清楚：Codex 不只是聊天窗口，而是一个可以被调度的工程伙伴。 #Codex #AI编程 #AI工具 #编程效率 #开发者工具

190. 第 2 篇：项目、对话、沙箱和权限：安全使用 Codex 的基础

191. OpenAI给Claude装了Codex插件，免费白嫖GPT-5.4审查代码

192. Codex 进阶使用技巧：用“任务分层”提升复杂需求开发效率（ps: Codex免费使用）

193. OpenAI突发大招！Codex插件入驻Claude Code，3个 workflow 彻底解决

194. Claude Code 和 Codex，已经能直接“说话”了

195. 一次 AI 测试工作流生成方案的取舍：从自研到集成 Codex

196. 【AI Engineer】 | Codex大师课

197. 我用 Codex 最多的，不是写代码：而是代码审查、排 Bug 和整理文档

198. claude code的codex plugin来了官方发布

199. Codex vs Claude Code：两套 Subagent 机制，谁更适合你？

200. （七）Codex的上下文机制-上下文持久化

201. 别再手动复制粘贴了！零依赖实现 Claude 与 Codex 双向代码 Review

202. 用Codex搞定代码重构

203. （六）Codex的上下文机制-上下文提取

204. 龙虾之父最新力作！OpenAI Codex全自动审查Skill，循环审查直到零bug

205. Codex多线程subagent实战指南

206. 翻了翻 Codex 的 Windows 沙箱源码，里面有很多小巧思

207. 一个标点符号让后台打不开后，我把 Codex 接进了 Claude Code

Codex进阶指南：从聊天工具到工程级开发伙伴

精选参考来源