提升 Codex 代码生成效果的实用策略与使用建议_服务软件

1. 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

2. 万字长文！小白全面入门Codex手把手教程【附保姆级文档】

3. OpenAI Codex 彻底免费！Ollama、llama.cpp 接入本地大模型，AI Agent 开始全自动干活！Token 自由真爽！| 零度解说

4. Codex 这波大更新后，Mac 的含金量再次提升

5. #OpenAI的Codex怎么玩# 看到这个话题，作为天天和各种 AI 编程工具对线的“重度用户”，必须来交个作业。现在的 Codex 在升级了 GPT-5-Codex 底座并全面开放工程化能力（GA）之后，早已不是当年的“代码补全插件”，而是彻底蜕变成了“全能工程智囊”。结合我最近的折腾经验，把它的高阶玩法、竞品差异以及实战心得，为你整合成了这份纯干货指南：🔻把 Slack 变成“代码指挥部”的隐藏技巧：很多人还停留在网页端输入 Prompt 的阶段，其实现在的 Codex 已经能完美融入团队协同。你完全可以直接在 Slack 频道里 @Codex 派活，比如让它去抓生产环境的报错 Log，顺便去 GitHub 把对应的 Bug 修了提个 PR。这种在众目睽睽之下让 AI 默默去干脏活的体验，非常高效。🔻用 SDK 自动化清理“技术债”：利用 Codex SDK 配合 GitHub Actions 写一个定时脚本。每周五晚上，让它自动扫描项目里那些没人要的过时实验代码（Feature Flags）和死代码，一键清理并跑通测试。人工清理要掉头发的活，它在后台十几分钟就整利索了。 🔻三大主流 AI 编程工具的错位竞争与选型：OpenAI Codex（企业级工程 Agent）：主打全研发周期渗透与流水线自动化。它拥有极强的推理底座，擅长系统级重构、PR 自动评审、技术债自动化清理。如果你想提升团队的工程效率，搞自动化 CI/CD 或大面积重构，果断上 Codex。 Cursor（沉浸式本地 IDE）：它是基于 VS Code 深度定制的独立编辑器，是结对编程的最佳体验者。其核心大招是 Composer 多文件同时修改和 Tab 键行内智能预测，你在写代码时的即时反馈感和丝滑度是业界顶尖的，适合手写代码时的即时辅助。 Claude Code（终端黑客特工）：采用纯终端（Terminal）交互，具备极强的复杂逻辑推理与自主性。丢给它一个报错，它能在终端里疯狂自我迭代：编译、看报错、改代码、跑测试，直到彻底修好为止，是啃硬核 Bug 的神器。实战通关：老旧系统 API 迁移与测试补齐：前阵子我把一个没有文档、依赖混乱的 Express 老项目目录整体喂给了 Codex CLI。它不仅没有在几万行祖传代码里迷失，反而精准梳理出了核心路由。最离谱的是，它在完成框架自动平移的同时，自动帮我补齐了近 90% 的测试用例，甚至顺手写好了 GitHub Action 的 CI 配置文件。以前需要熟练后端折腾两三天的脏活，它在后台静默运行十几分钟，就推了一个高质量的 Pull Request。对普通用户来说，“不会写代码也能做小工具”的门槛被彻底踩扁了；但对职业开发者来说，学会如何像“架构师”一样去编排和指挥 Codex 这样的全自动 Agent，才是未来拉开差距的关键。如果你想在手写代码时拥有“丝滑的即时辅助和多文件微调”，选 Cursor；如果你遇到难啃的 Bug，想在终端里放任 AI 独立 Debug、自己跑测试，选 Claude Code；如果你想提升整个团队的工程效率，搞自动化 CI/CD、工程流审计、大面积重构，果断上 Codex。#ai探索计划##ai创造营#

6. 把DeepSeek接入Codex ，额度自由了，还不用手机号验证｜附保姆级指南

7. 更新越频繁，Claude Code与Codex越像

8. 15分钟做个0中介费3D看房网站，Codex手把手教程

9. 2025年AI提示词深度指南：从基础知识到高级技巧

10. 在线开发经常需要切换多种AI工具，实现任务自动化和代码生成十分繁琐。Hugging Face Skills 这个开源项目，将AI/ML任务的定义整合为“技能包”，支持主流代码助手如 OpenAI Codex、Anthropic Claude Code、Google DeepMind Gemini CLI 甚至 Cursor。这些技能包以自包含文件夹形式封装指令、脚本和资源，涵盖从数据集创建、模型训练、评估到论文发布等各环节，为AI编码代理提供标准化操作流程。GitHub：github.com/huggingface/skills主要特点：- 支持多种编码代理，跨平台兼容；- 提供丰富技能示例，如Gradio界面搭建、Hugging Face Hub管理、模型训练调优等；- 方便集成，使用简单，只要安装对应技能即可快速调用；- 支持贡献自定义技能，扩展无限可能；- 配套清晰的文档和示例，让AI辅助开发效率大幅提升。适合AI开发者、自动化脚本编写者和机器学习工程师使用，是升级智能编码体验的利器！#AI创造营##人工智能#

11. OpenAI Codex 团队的 Nick Baumann 分享了一个他日常用 Codex 干活的心得：与其每次把一堆文档、日志、API 输出丢给 AI 去啃，不如给它造几个专用的命令行小工具。他的逻辑很直接：MCP 连接器（比如 Slack、Linear、Sentry 这些）解决的是“能不能访问”的问题，但很多时候原始数据太大、太杂，AI 拿到手也处理得费劲。这时候更好的做法是把常用操作封装成一个带参数、输出 JSON、有帮助文档的 CLI 命令。Codex 本身就擅长用命令行，它会搜索、会加 flag 筛选、会把上一个命令的结果串到下一个命令里，不需要你教它怎么调。他自己实际在用三个这样的 CLI：【1】codex-threads：检索自己以前的 Codex 对话记录Codex 的会话存档噪音很多，直接让 AI 读原始记录又慢又乱。他做了个工具在本地建索引，可以搜索、定位、读取历史会话。典型用法是找到一次做得好的对话，然后把里面的模式提炼成 skill（可复用的工作指南）。【2】slack-cli：在 Slack 里精准找信息场景很具体：有人在某个 Slack 频道讨论过一个技术决策的理由，你知道讨论过但找不到在哪。这个 CLI 可以让 Codex 搜索、定位到具体的消息链、拉上下文、引用关键消息。它底层还是走 Codex 的授权网关，权限没变，只是把交互方式从扔一坨聊天记录变成了一条命令拿到你要的东西。【3】typefully-cli：写推文和排期发布他用 Typefully 管理社交内容，但不想每次都让 Codex 重新学一遍 Typefully 的 API。于是让 Codex 读 API 文档，编译出一个 Rust 写的小 CLI，只暴露他常用的几个操作。配套的 skill 里还写了一条规矩：不许自动发布、排期或删除内容，除非他明确要求。他把整个方法论总结成了一篇教程发到 OpenAI 开发者文档上，还配了一个 cli-creator skill 帮你用 Codex 自己造 CLI。这个思路对用 Claude Code 的人同样适用。核心就一句话：如果你发现自己反复在给 AI 喂同一类乱糟糟的数据，那就别再解释了，给它造个命令。Codex 团队还搞了一个 Skill 叫 cli-creator：developers.openai.com/codex/use-cases/agent-friendly-clis 网页链接github.com/openai/skills/tree/main/skills/.curated/cli-creator 网页链接#硅基茶水间装修日志#

12. 大模型上下文工程指南

13. 早，一觉醒来又发布两个模型。1、Opus 4.62、ChatGPT 5.3 Codex Opus 这次的升级：• 上下文窗口：Opus系列首次提供100万token（1M）上下文窗口（测试版）。• 定价：保持不变，输入每百万token5美元，输出每百万token25美元。• 能力升级：提升代码规划/调试/审查、智能体任务续航与自主纠错能力，Office工具（Excel、PowerPoint）和Claude Code同步升级。GPT 5.3 Codex 的升级：• 定位：编程智能体，非通用大模型，整合GPT-5.2推理与GPT-5.2-Codex编程能力。• 速度与效率：单token推理提速25%，同任务token用量减半，上下文 400 万 token（4M，比 Opus 4.6 强）• 基准表现：SWE‑Bench Pro56.8%、Terminal‑Bench 2.077.3%、OSWorld‑Verified64.7%。• 可用性：ChatGPT付费用户已可用（Codex应用/CLI/IDE插件/Web），API访问即将开放。• 安全：OpenAI首个网络安全维度获高等级评级的模型。目前感觉 5.3 更吸引人一些。晚点试试看。

14. 开发者工作经常需要在多个AI工具间切换，CLI工具写代码、浏览器调试、GitHub管理PR、Slack沟通通知，来回切tab效率低下。Agora Awesome Codex Skills 把Codex工作流所需的功能全部整合，提供一套实操Codex技能集合，自动化CLI和API工作流。不仅有代码审查、PR自动修复、会议笔记智能分析，还支持Notion知识捕获、竞品广告提取、部署流水线，甚至能连接1000+应用如Slack/GitHub。GitHub：github.com/ComposioHQ/awesome-codex-skills主要功能：- 开发工具：codebase-migrate（多文件重构）、gh-fix-ci（CI故障自动修复）、pr-review-ci-fix（PR审查+修复循环）；- 生产力协作：meeting-notes-and-actions（会议转行动项）、notion-spec-to-implementation（Notion规格转实现计划）、issue-triage（问题自动分类）；- 沟通写作：email-draft-polish（邮件润色）、changelog-generator（变更日志生成）、content-research-writer（内容研究写作）；- 数据分析：spreadsheet-formula-helper（表格公式助手）、lead-research-assistant（潜在客户研究）、developer-growth-analysis（开发者成长分析）；- 元工具：connect（连接1000+应用）、skill-installer（一键安装技能）、skill-creator（技能创建模板）。支持快速安装到~/.codex/skills，通过python脚本或手动复制即可使用，适合开发者团队和AI代理构建者。#CodexSkills##AI开发工具##自动化工作流#

15. 【通过测试≠没有bug：AI编程的致命盲区】快速阅读：Claude 4.6写代码会埋下严重bug，自己却审查不出来。必须用Codex 5.4反复审核每次提交。“通过测试”不代表没问题——AI太擅长写能通过的测试了。---Sterling Crispin分享了一个残酷发现：Claude Opus 4.6是优秀程序员，但会持续产生严重bug，无论让它自审多少次都发现不了。解决方案？用GPT 5.4的Codex CLI对每次提交审核4遍以上。有观点认为用传统工具——linting、类型检查、测试门槛——就够了。Sterling直接反驳：AI最爱干的就是写能通过测试的测试。这是个盲区。你可以让Claude在全新上下文中反复检查自己的代码，直到它说“没问题了”，然后Codex仍能揪出bug。“通过测试就没bug”是个疯狂假设。代码可能运行完美，测试全绿，但藏着一个细微的深层误解，毁掉整个系统的意义，导致灾难性故障。这种错误，传统validator抓不到，单元测试也无能为力，因为模型已经被过度优化成“写通过测试的代码”。为什么不直接让Codex写代码？Sterling说Codex像个教导主任，过度优化“正确代码”，却错失系统真正目的（telos）。太官僚了。Claude更适合日常驾驶，但需要Codex这个苛刻的审计员盯着。有开发者开始探索plan-with-codex模式：让Claude做计划，Codex审核，两者循环直到Codex批准——在写代码前就把错误拦住。另有人用多模型代码审查：Opus负责架构逻辑，Codex抓安全漏洞，Kimi K2.5查性能问题，Sonnet 4.6管代码风格。一个被反复引用的回复：你得让它完全重写代码，从根本上消除那类bug的可能性。否则就是无限循环，让agents猜这个bug是不是“真的”、“重要的”。x.com/sterlingcrispin/status/2035031512123678994#AI创造营##人工智能#

16. 实测 GPT-5.3-Codex，OpenAI 史上第一个高危模型，连 API 都还不敢给我们

17. 仅4人28天！OpenAI首曝Sora内幕：85%代码竟由AI完成

18. #微博声浪计划##听见微博# 热搜词OpenAI的Codex怎么玩？2026年Codex已升级为全任务智能体指挥中心，核心玩法包括一键读屏、目标驱动模式、浏览器自动化扩展和多模态创作。新手需掌握四要素指令结构、固化团队规范、技能封装复用三大技巧。它重塑开发者工作流，安全注意权限控制、防依赖陷阱和敏感数据防护，让开发更高效。谯华的微博音频

19. Codex Proxy 是一款本地轻量级中转服务，能将 Codex Desktop 的 Responses API 转换为 OpenAI、Anthropic、Gemini 等标准协议，让 Cursor、Claude Code、Continue 等任意兼容客户端直接使用 Codex 编程模型。项目支持 ChatGPT 账号一键登录、多账号智能轮换、Rust 原生 TLS 指纹伪装，以及完整的流式输出与 Function Calling 能力。只需在控制面板获取 API Key，即可在本地搭建专属 AI 编程助手网关，同时提供 Web 控制面板进行账号管理、用量统计与模型映射配置。支持 Docker 一键部署或源码运行，兼容 Web、Windows、macOS 多平台。GitHub：github.com/icebear0828/codex-proxy主要功能：- 全协议兼容：支持 OpenAI /v1/chat/completions、Anthropic /v1/messages、Gemini 及 Codex Responses 直通；- 多账号轮换与配额管理：OAuth PKCE 登录，支持 least_used、round_robin、sticky 三种策略及封禁检测；- 反检测与协议伪装：Rust Native TLS 指纹与真实 Codex Desktop 一致，自动同步请求头与 Cookie；- 模型与客户端接入：支持 gpt-5.5、gpt-5.4 等多款模型，无缝对接 Claude Code、Cursor、Continue 等工具；- 图像生成与 Ollama 桥接：通过 Responses API 调用图像生成工具，并提供可选 Ollama 兼容接口；- 详细配置与扩展：支持自定义模型映射、第三方 API Key 池、代理池及局域网访问设置。适合开发者在本地快速搭建高可用 AI 编程环境。

20. 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#

21. AI 编程时代，最稀缺的不是提示词，而是软件工程

22. 小白速通 Codex App：带录播回放

23. OpenAI Codex桌面版深夜突袭！一人指挥Agent军团，程序员彻底告别996

24. 简单说几个GPT5.5 对比5.4和5.3codex的感受。先说5.3codex，从编码能力上来看基本和5.4体感上无区别。配合Codex，逻辑的严谨性，bug“根因”的定位能力都很强。5.4的优势在于超长的上下文，5倍长度上下文好处是不会经常性的压缩导致过程信息的丢失，问题在于更快的token消耗和更慢的响应时间。如果不授权自动审批的话，返回的速度慢，会很占精力。说到GPT5.5，基本上把前两者的优势都占了，既能有更快的响应速度，因为回复的更简洁节省了token，也不会经常性的要进行压缩。当然能生产高质量图片确实是编程之外的惊喜。Codex+gpt5.5 进行编码/Claude +opus4.7负责规划，双方互相校验应该是当前最有效率的工作方式了吧。

25. Windows 终于等来 Codex「灵魂」，但还是 Mac 的残血版 | 附实操指南

26. #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

27. Simon Willison开始连载自己的新书Guides: Agentic Engineering Patterns了地址： simonwillison.net/guides/agentic-engineering-patterns/一本系统的总结“如何用编码代理（如 Claude Code、OpenAI Codex）写出高质量代码”的实践模式。目前发布了前两章：《Writing code is cheap now》——代码初始成本趋零，对个体与团队协作直觉的冲击。《Red/green TDD》——测试先行可让代理用最少提示写出更简洁可靠的代码。#HOW I AI#

28. OpenAI 推出`GPT-5.2-codex`，其功能亮点有哪些？将对编程行业带来哪些影响？

29. 今天把评测知识库的框架搭建完成了，用一个20美金的Claude就完成了整个搭建，主要是CodeX开始干执行的活了，先用ChatGPT 5.5对方案进行整理，然后形成一个Proposal，然后用Claude Cowork对这个Proposal进行整理，改为Reviewed版，然后Claude会自动生成Codex 的指令。交给Codex执行，执行完毕后，再由Claude检查。Obsidian / Claude & Codex / LLM Wiki / GitHub 的评测知识库框架完成，进入喂知识的阶段，基础流程为Query、Ingest、Normalize、Produce、Governance、Lint，所有的约束都写好了。有种两个聪明人配合我一起干活的感受。

30. 硅谷大佬接连破防，AI的效率提升太疯狂了。 #大咖观察 #红衣聊AI #硅谷 #AI工具

31. 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

32. 一夜之间，ChatGPT与Codex合并了

33. Awesome Codex Skills：收录各类可以直接装进 Codex 的技能模块。面向 Codex，偏向自动化执行场景。仓库按分类整理，比如：1. 开发 & 代码类1）codebase-recon：不读代码先读 git 历史。分析哪些文件是"热点"（改动最频繁）、哪些是"bug 磁铁"（修 bug 最多）、哪些存在 bus factor 风险（只有一个人懂）。开始一个大任务前先跑这个，比直接让 Agent 扫代码准确很多。2）brooks-lint：用六本经典工程书（《代码整洁之道》《重构》《设计模式》等）的标准做代码 review，标注腐烂风险、严重程度，支持 PR review / 架构审计 / 技术债 / 测试质量四种模式。3）codebase-migrate：把大型代码库迁移或多文件重构拆成可 review 的批次执行，每批跑完做 CI 验证。解决 Agent 一口气改几百个文件、review 根本看不过来的问题。4）gh-fix-ci：检查 GitHub Actions 里失败的 check，自动总结失败原因并给出修复方案。2. 效率 & 协作类1）meeting-notes-and-actions：会议记录 → 自动提取行动项并分发。2）pr-review-ci-fix：GitHub/GitLab PR 自动 review，发现问题后触发 CI 自动修复循环，不用人盯着。3. 数据 & 分析类1）spreadsheet-formula-helper：用自然语言描述需要什么计算逻辑，自动生成 Excel/Sheets 公式。2）sentry-triage：对接 Sentry，自动诊断线上报错，归因并给出修复建议。Codex 的 skills 目录默认放在 ~/.codex/skills/，下载后重启 Codex 就能用。访问： github.com/ComposioHQ/awesome-codex-skills#HOW I AI# #程序员#

34. “为什么 Codex 5.5 中等版（Medium）的表现竟然优于超高配置版（Extra High）？在 `Agents.md` 中加入这条规则：“不要死磕错误！一旦同一个错误出现两次，立即联网搜索 3-5 种潜在方案。从中筛选出最高效的解法并付诸实施。”这条提示词能让你从“苦思冥想却陷入决策死循环”的压力中解脱出来，转而寻找真正行之有效的新视角。我在处理复杂任务（如模型训练、运行评估、将最佳 Checkpoint 转换为 GGUF 格式等）时进行了实验，结果是：零报错。最棒的是：它极大地节省了时间，且能规避每周的使用配额限制。我目前使用的是 Codex 5.5 Medium（快速版），响应几乎是瞬时的。但秘诀在于：你的“会话计划”（Session Plan）必须由 Codex 5.5 Extra High 来制定！而 Medium 版本仅负责执行该计划。通过这种方式，你规避了 Medium 模型逻辑不够严密的短板，同时充分利用了它的极速响应来精准完成任务清单。”x.com/cjzafir/status/2054190137941315651

35. AI编程大战白热化：Claude Opus 4.6和GPT-5.3-Codex同一天发布，谁才是真正的王者？

36. 今天，OpenAI Codex大更新！锁屏也能隔空打工，奥特曼强推

37. 为什么我编写不出优秀的ChatGPT提示词?

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. Codex大更新，咱普通人怎么用它交付工作

40. 【看懂 Claude Code 提示词：验证智能体、反过度工程、记忆压缩才是核心】快速阅读： Claude Code的npm源码包因人为失误意外泄露，有人从中逆向整理出26个提示词，覆盖系统指令、工具调用、智能体协作、记忆管理等全部模块，随后以MIT协议重新授权开源。这份材料本质上是一份提示词工程的实战教材。---有个细节值得注意：Anthropic事后将这次泄露定性为“人为失误”。200美元一个月的工具，整个提示词架构就这样从npm包里被人拆了出来。这26个提示词按功能分得很清晰：1个系统提示词负责身份定义和工具路由，11个工具提示词处理文件读写、shell执行、搜索等操作，5个智能体提示词分别对应探索、架构、验证、文档等角色，4个记忆提示词管理上下文压缩，1个协调提示词处理多智能体编排，还有4个工具提示词生成标题、摘要、建议。读完这些提示词，有几个设计决策让人印象深刻。其一是专门设置了一个“验证专家智能体”，它的职责就是在代码上线前想办法把它搞坏。这不是可选项，是写进架构里的。其二是反过度工程规则被明确写入系统提示词，“不要做用户没有要求的功能”。听起来像废话，但显然Anthropic认为有必要把它钉进去。其三是记忆压缩分9个章节，且保证每一条用户消息都被保留。有观点认为，大家都盯着系统提示词，真正值得研究的反而是那4个记忆提示词。多数AI编程工具在请求之间会忘掉一切，而Claude Code能记住项目结构和之前的编辑操作，这才是它用起来像同事而不像聊天机器人的原因。有网友提到，这个开源仓库引起广泛讨论，也有人认为被过度渲染了，从npm包里逆向提示词并不算什么技术壁垒，真正的护城河是模型质量和训练数据。这个说法大概70%是对的，提示词工程本身不是秘密，但好的提示词架构要花多少时间踩坑才能收敛到这个形态，那是另一回事。每个提示词都从零重写以符合法律要求，意图相同，没有逐字引用。MIT协议，可以直接用。所有内容在这里：github.com/repowise-dev/claude-code-prompts如果你在自己搭智能体，有一个问题可能值得先想清楚：你的系统里有没有一个专门负责破坏自己输出的角色？

41. 看了OpenAI关于Sora Android开发的那篇博文，有几个点挺有意思的。整个项目28天完成，团队只有4个人。他们的做法是：核心架构和关键业务流程人来搭，具体代码实现大部分交给AI，据说85%的代码是Codex写的。管理AI的方式也比较讲究，提前做好规划，让多个AI实例并行工作但保持协调。他们还提了个观点：与其用React Native或Flutter这些跨平台框架，不如直接用Codex。换句话讲，忘掉React Native和Flutter，未来的跨平台框架就是Codex。这太狠了。具体操作是把iOS代码当作参考标准,让AI理解其中的逻辑和意图，然后生成Android版本，这样实现了语义层面的移植，而不是简单的代码翻译。这个案例展示的核心思路是：人负责架构设计和关键决策,AI负责大量的执行工作，通过合理的任务分解和流程管理，能够明显提升开发效率。博文地址：openai.com/zh-Hans-CN/index/shipping-sora-for-android-with-codex#微博年度新知博主##科技先锋官##AI创造营#

42. 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

43. 之前翻译了一本书，最近在校对阶段。我拿了最新版的英文版和中文版，丢给 Claude Code 和 OpenAI Codex，都是 local folder 操作，同样的 prompts，生成 .md 报告。Claude Code 比 Codex 领先了八点五个光年。可能还不止。

44. 最近一直在研究 Codex 和 Claude Code 的记忆设计，发现两者的设计哲学和玩法有很大差异。Codex 的设计目标是让一个 agent 运行的够久，所以它的执行策略偏向于把记忆当做工具，持续构建工作上下文（work memory），为当前的 goal 服务。OpenClaw 也是这个工作模式。Claude Code 更像把记忆当成认知架构。它不只记录当前目标，还会在不同时间尺度上持续沉淀用户偏好、上下文变化、执行经验和行为反馈。它更偏向于让多个 agent 各自在独立上下文中高效工作，由外部逻辑（文件记录、coordinator 管理等）确保整体进度不丢失。它不信任任何单个 agent 能跑到底，所以把进度状态放在 agent 之外。Codex 也意识到当前记忆设计的缺陷，尝试引入更持久的记忆机制（执行 codex features enable memories 可启用），支持跨对话记住你的项目上下文。每个交互轮次结束后，Codex 会自动从对话中提取有价值的信息（架构决策、代码约定、踩坑经验等），存到 ~/.codex/memories/。Codex 更像是一个执行者，专注于完成任务，而不是管理记忆或上下文。它的设计哲学是“做就对了”，不太关心过程中的失误或偏差，只要最终结果符合预期就行。正因如此，很多人体感 Codex 在指令遵循方面做的更好。Claude Code 更像是一个学习者，通过不断的试错和反思来提升自己的能力。它不仅关注完成任务，还关注如何完成任务。它会持续记录和分析执行过程中的每一步，积累经验和反馈，不断优化自己的行为策略。二者各有优劣，你更看好哪种模式？

45. 【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#

46. 在线调试常遇到AI半途放弃、只修表面问题、频繁原地打转，不仅效率低还容易错过关键Bug。tanweai/pua 这个开源 AI Coding Agent 技能插件，通过“大厂PUA话术”驱动 AI 穷尽所有方案，提升至少50%能动性，让AI主动查阅源码、验证环境、主动出击。核心特点：- 大厂级“PUA话术”逼迫AI不轻言放弃- 调试方法论贯穿全流程（闻味道→揪头发→照镜子→执行→复盘）- 多重能动性鞭策，避免暴力重试、甩锅、被动等待等偷懒模式- 可集成Claude Code、OpenAI Codex CLI、Cursor、Kiro等主流AI平台- 自动触发失败检查清单及手动/pua命令触发，覆盖调试、实现、部署等多种开发任务真实案例显示，pua skill能显著提升bug修复点数和隐藏问题发现率，强制AI跳出死循环，查日志读源码，直至找到根本原因。项目地址👉 github.com/tanweai/pua 在线体验👉 pua-skill.pages.dev用上它，做 P8 级工程师也不怕AI半途而废，效率飞跃提升！#AI创造营##人工智能#

47. 再见，人类程序员！OpenAI自曝：一行代码都不写了，100%用Codex

48. OpenAI 正式发布 GPT-5.3-Codex，与其他版本相比，它在哪些方面有所改进？

49. OpenAI 发布 Codex App：一款面向开发者的桌面应用，主打“多任务并行 + 工程化执行”。它把并行线程、worktree、内建终端与 Git 流程整合到一个界面里，试图把“会写代码”升级为“能把任务做完”。1 重点：Codex App 是“并行线程+工作区隔离”的桌面体验，适合同时推进多个任务而不互相干扰。2 重点：内建 worktree 与自动化（Automations），可把重复任务放后台跑，产出会进入收件箱。3 重点：Automations 在本地运行，App 需要保持开启；在 Git 项目中自动开独立 worktree，避免改动主分支。4 重点：每个线程有内建终端与 Git 操作入口，做检查、跑脚本、看 diff 更顺手。使用方法：打开 Codex App → 添加项目目录 → 为不同任务开线程/工作区 → 在内建终端里跑测试、查看 git 状态 → 需要重复的任务可设置 Automation。对比：Cursor 更偏编辑器内多代理协作；Claude Code 偏终端优先；Codex App 更专注“工程执行”，强调任务并行与工作区隔离。

50. //@宝玉xp:回复@不靠谱的寒大嘴:重点不是省token，而是看交付质量。这有点像老板雇程序员，有的程序员便宜，但代码质量不行，后续你要花很多时间去填坑；有的程序员贵，但是代码质量好，后续维护成本低；需要自己根据情况取舍。目前来说 Codex 性价比最高。//@不靠谱的寒大嘴:@宝玉xp 老师请教一下目前有没有哪个模型比较节约token？例如我要做个app，模型A生成很长的恿余代码（这样花的token比较多是吧？），模型B生成的代码很简洁？

51. 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。

52. 釜底抽薪OpenAI 搞了个 Migrate to Codex 功能让你可以把其他编程工具，比如Claude Code、Cursor里里的配置，一键导入到 Codex包括编程 Agent 里的配置、规则、技能、MCP、hooks、subagents、最近30天的所有会话等...它会扫描用户级配置和项目级配置，把能自动映射的内容导入 Codex。比如 instruction files 会迁移到 AGENTS.md，settings.json 会迁移到 config.toml，MCP、hooks、skills、subagents 也都有对应入口。更有意思的是，不能自动迁移的部分，Codex 会直接开一个新线程，让 Agent 继续帮你处理剩余迁移。操作步骤：1、打开 Codex App 的 Settings2、在 General 页面找到 Import other agent setup3、点击 Import 或 Import again4、查看 Codex 检测到的内容，选择要带入的项目5、导入完成后，可以点击 View imported files 检查结果详细介绍：网页链接

53. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？

54. 【用 Codex 给 Claude Code 的代码做对抗性审查，这才是认真的】快速阅读：OpenAI 发布了一个 Claude Code 插件，让你在不离开 Claude Code 工作流的前提下直接调用 Codex。核心价值是三条命令：普通审查、对抗性审查、任务移交。适合高风险改动前的第二次把关。---两个顶级编程 Agent 一起用，听起来像在炫耀算力，其实是在解决一个很朴素的问题：同一个模型审查自己写的代码，盲点往往也一样。OpenAI 这次发布的 `codex-plugin-cc`，做的事情很简单：在 Claude Code 里装一个插件，三条命令搞定跨 Agent 协作。安装只需要几行：```bash/plugin marketplace add openai/codex-plugin-cc/plugin install codex@openai-codex/codex:setup```然后你就有了三个核心工具。`/codex:review` 是只读的标准审查，跑完就走。`/codex:adversarial-review` 是"挑刺模式"，Codex 会主动质疑实现思路，不只是找语法问题。`/codex:rescue` 是把整个任务直接扔给 Codex 接手。对抗性审查这个设计值得单独说一句。迁移脚本、鉴权逻辑、基础设施改动，这类代码最危险的地方不在于写错了什么，而在于你以为对的那些前提其实根本没验证。让另一个 Agent 从头质疑一遍，相当于强制做一次假设审计。有观点认为，真正的风险是打开了 Claude 和 Codex 互相调用的循环，review gate 功能可以阻止 Claude Code 在 Codex 审查结束前退出，但官方也特别提醒：这个功能容易触发两个 Agent 的长循环，快速烧穿使用额度。架构上这个插件做得很轻。它走的是本地 Codex CLI，复用你已有的认证、配置和 MCP 环境，不是另起一个 runtime。从 Claude Code 里调用 Codex，感觉上更像是函数调用，不像是切换工具。默认用法推荐的节奏是：所有改动跑一遍 `/codex:review`，高风险的再跑 `/codex:adversarial-review`，卡住了或者想换人接手就用 `/codex:rescue`。后台运行加上 `/codex:status` 查进度，长任务也不影响主流程。一个 Agent 写，另一个 Agent 挑，这个模式能跑多深，还没人真正测过边界。

55. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

56. Codex 新的这个 Build iOS Apps 插件，可以让你方便的在 Codex 查看和测试你的 iOS 应用，预览 SwiftUI组件，修改了还能马上看到更新。简单解释下原理：这个插件可以理解成：把原本只能在 Xcode 和 iOS Simulator 里看的 App，搬到了 Codex 右边的浏览器里。视频里右侧那个 iPhone 画面，其实还是一台真实运行中的 iOS Simulator，只是插件用一个第三方 npm serve-sim 把模拟器画面持续截取成视频流，再显示到浏览器页面中。所以 Codex 不只是读代码，它还能“看见”App 当前长什么样。浏览器能操作这个 App，是因为插件还建立了一条控制通道。你在浏览器里点击、拖动、输入文字时，浏览器会把这些动作换算成模拟器里的触摸坐标或键盘事件，再发回 iOS Simulator。也就是说，浏览器本身没有运行 iOS App，它只是像一个远程屏幕：一边接收模拟器画面，一边把你的操作转发给模拟器。结合 Codex 的 Browser Use 操作浏览器能力，就可以实现 Codex 自行调试 iOS App。视频里看到的“选择元素”也不是在选网页里的按钮。iOS App 没有网页 DOM，所以插件会读取 App 的 Accessibility 信息，也就是系统给辅助功能用的那套“这个按钮叫什么、位置在哪里、是不是可点”的数据。然后插件在浏览器画面上盖一层透明的 HTML 按钮，每个透明按钮对应一个 iOS UI 元素。这样 Codex 就能点选、识别、描述这些原生 iOS 元素。SwiftUI Preview 和热重载则是另一个能力：插件会临时生成一个专门用来展示 Preview 的小 App，把你的 SwiftUI 预览放进去运行。你改代码后，它可以只重新编译预览相关的小动态库，再通知正在运行的 Preview App 更新画面，不一定每次都完整重装 App。最终效果就是：Codex 能在同一个窗口里读代码、改 UI、运行模拟器、看结果、继续调整，形成一个完整的 iOS 开发闭环。

57. 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#

58. 还有人以为Codex是编程工具？用好它能迅速拉开差距

59. 「Github一周热点113期」AI 终端工具、一站式黑客工具箱、Skill 包、Codex 生态技能和AI短视频

60. 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

61. 用Codex踩过的坑全在这了

62. Codex常见问题排查

63. 别只让 Codex 帮你写代码！

64. Codex + Superpowers 实战

65. Codex 高效使用技巧｜从“代码生成器”到“全栈开发队友”

66. 我用了一段时间 Codex，发现真正难的不是用它，而是“怎么带它做事”

67. Codex 为什么装好了还是不好用

68. Codex 使用最佳实践

69. 同样在用 Codex，为什么别人越用越顺？5 个提示词技巧直接拉开差距

70. 我用 Codex 一段时间后，才发现提示词真正该怎么写

71. 让 Codex 听话的 5 句提示词

72. OpenAI官方推荐

73. 用 Codex 写代码后，我才明白

74. 我用了3个月的提示词模板

75. Codex 官方最佳实践

76. OpenAI Codex 官方最佳实践和最新六大关键能力升级

77. Codex 效率提升 10 倍的技巧

78. 「OpenAI官方」Codex 入门最佳实践

79. 来自OpenAI官方的Codex七条最佳实践

80. Codex 的正确打开方式

81. Codex 官方最佳实践

82. Codex怎么用才对？OpenAI官方总结的7个场景+6个最佳实践

83. [译] 像高手一样使用 Codex 的 /goal 命令

84. Codex CLI 偷偷上新了 /goal

85. Codex /goal 深度解析

86. Codex /goal模式高效使用指南

87. 如何高效利用 Codex 中的 /goal 命令

88. Codex的goal太实用了

89. 99%的人都不知道Codex 的 goal 神技！完整设置及提示词模板教学

90. Codex 的 /goal 到底有什么用？长任务自动推进指南

91. Codex 最佳实践完整拆解

92. 普通人AI实战进阶｜提示词工程的本质

93. 我最近使用 Codex 的效率提升实践心得

94. Codex 进阶使用技巧

95. Codex 三种用法

96. "AI 编程助手的实战技巧

97. Codex五大高价值使用技巧（建议收藏）

98. OpenAI内部用了这6招，Codex才真正好使

99. 几个偷偷涨薪的Codex实战打法，附赠一个提效小脚本

100. codex 进阶工作流

101. 企业级 Codex + OpenSpec + Superpowers 落地方案（一）

102. Codex长时间使用优化

103. OpenAI 工程师在日常开发中是如何使用 Codex 的？

104. OpenAI Codex CLI 常用技巧大全

105. codex合集2

106. 别让 Codex 每次都重新认识你

107. AI 编程常用方法总结

108. Codex 核心概念

109. 第一次让 Codex 改功能，新手最稳的一套流程

110. Codex 配好后别急着写代码

111. 我用 Codex 跑了一遍开发流程，才发现 AI 编程可以这样用

112. Codex 工程实践 Vol.14｜Codex 开始“偷偷按流程”写代码了

113. 别再把 Codex 当 ChatGPT 用

114. AI编程新手教程5-Codex 改完代码后，怎么验收才不翻车？

115. 日常用通用AI，干活用Codex

116. OpenAI 官方总结 12 个 Codex 用例

117. 云效AI代码审核实战

118. Codex 实战

119. 提升 Codex 工作效率的技巧，收藏起来！

120. Codex CLI高效实战

121. Codex自我蒸馏玩法火了，OpenAI员工亲授

122. 看懂2026最强编程智能体Codex

123. GPT-5.5 Codex解析

124. 普通人 Codex 30 分钟上手指南

125. Codex 又又又更新了，这次能拍图带上下文，/goal 也正式上线了

126. Codex 完整教程中文文档

127. Codex 重大更新！不再只是编程了

128. Token 爆降70%+！又一个 AI Coding 神器诞生了

129. 个人开发者高效利用 Codex 的实战技巧

提升 Codex 代码生成效果的实用策略与使用建议

精选参考来源