
OpenAI Dot 与 Codex 怎么配合:从一条 Bug 反馈,到可以审查的代码修改
从用户反馈到问题调查、代码交接、检查和发布,梳理 OpenAI Dot 与 Codex 的开发协作方法。
共 28 篇文章

从用户反馈到问题调查、代码交接、检查和发布,梳理 OpenAI Dot 与 Codex 的开发协作方法。

介绍编程助手如何发现 Cloudflare 命令、读取 schema 和预览请求,并说明账号、凭据、旧项目与执行验收的边界。
面向 393.ee 的中文生产验收手册:从安装顺序、飞书长连接、权限边界、线程隔离到 daemon 与测试矩阵,梳理 cc-connect 上线前必须验证的关键项。
长运行 Agent 的难点不只是模型能力,而是 harness 如何管理上下文、工具、并行子代理、沙箱和验收责任。
以工单修复服务为例,说明 Agents API 的会话与轮次、事件恢复、Webhook、产物下载和独立验收,避免把结束事件误当作修复成功。
从项目记录组织、初始化影响、检索验证和资料写回讨论 OpenContext,并核查客户端配置与许可信息,帮助建立能持续更新的上下文库。
用虚构服务合同演示 Contract Review 的输入准备、版本核对、验收与责任条款分析,说明风险证据、Word 修订和人工复核该怎样验收。
按客户端、本地代理和上游提供商逐层排查 OpenCodex,说明初始化副作用、存活与就绪、组合路由、账号亲和性和远程部署的检查方法。
从治理、可审计性和账户池状态出发,拆解 OpenCodex 的 provider/model 路由、认证和故障回退。

独立开发者 Eric Provencher 加入 OpenAI 后,Repo Prompt 取消许可限制并走向社区版开源。更需要纳入评估的是,它证明了上下文工程已经成为 AI 编程的核心基础设施。

AgentLife 通过本地 Bridge 把 Claude Code、Codex 等 CLI Agent 接到手机端,让碎片时间可以远程调度代码任务;好用的前提是权限、工作区、验证和中断机制都要设计清楚。
AI 写前端不好看,通常不是 CSS 能力问题,而是缺少稳定的产品判断。taste-skill 的价值在于把设计品味变成 Agent 可复用的规则。
Cursor 这次把 Composer 2.5 推出来,最容易被传播的说法是“性能打平 Opus,价格便宜一大截”。这话有传播力,但更值得看的是另一件事:AI Coding 工具正在把模型供应链往自己手里收。 过去 Cursor、Copilot、Cognition、OpenClaw、Claude Code 这类产品的
把 VPS、家里的 NAS 和笔记本接入同一个 tailnet,分别设置设备访问、子网路由、出口节点与 SSH 权限,并用 Serve 访问本机服务。
open-slide 上手:让 AI Agent 写 PPT,关键不是模板,是把幻灯片变成代码工程 PPT 这件事,最耗人的常常不是“写什么”,而是“怎么摆”。标题大一点还是小一点,图表往左还是往右,代码块会不会挤爆一页,配色有没有跑偏,改三轮之后版式还在不在。 Marp、Slidev、Reveal.js 已经把“用代
## Coding Agent 最浪费 token 的地方,往往是“找代码” 一个 Agent 改代码,最先做的通常不是写,而是找:登录逻辑在哪、配置怎么读、某个函数谁调用、测试入口是哪一个。很多工具默认做法是 grep、read、再 grep、再 read。仓库小还行,仓库一大,token 就开始哗哗流。 Sembl
视频剪辑进入 Agent 工作流以后,最容易被误解成“一句话生成视频”。真正有用的方向不是凭空生成,而是把已有素材变成可审计、可重跑的编辑流程:识别素材、切掉废话、调色、加字幕、加动画、渲染、检查边界,再输出 final.mp4。 browser-use/video-use 正是这个方向。它让 Claude Code、
终端正在被重新定义。过去它主要负责执行命令;现在,随着 Coding Agent 进入日常开发,终端开始承担上下文组织、任务分派、输出审查和远程执行入口的角色。
AI 写前端,最容易出现一种熟悉的味儿:居中的大标题,蓝紫渐变背景,三张等宽功能卡片,按钮带一点发光,下面再塞几个“Seamless / Next-Gen / Elevate”之类的词。 功能可能是对的,但一眼就知道是模型直接吐出来的。不是不能用,就是不太像一个认真做过视觉判断的产品页面。 Taste Skill 做的
Coding Agent 的 token 浪费,很多时候不是模型太贵,而是上下文太脏。终端输出、测试日志、重复文件、RAG 片段、工具结果,全都原样塞回去,模型不但花钱,还更容易被噪音带偏。 Headroom 做的是上下文优化层。它可以包装常见 coding agent,也可以作为代理放在应用和模型之间,对消息、工具输