正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Codex 5.6 写代码很强，但很多人只用对了一半。 90% 的人都忽略了：写代码和审代码，最好不要使用同一个对话。原对话已经知道你的目标和它自己的修改思路，很容易顺着原来的判断证明自己没问题。更好的方法是新开一个完全没有前文的任务，只给它当前代码变更和验收要求： “请以独立代码审查者的身份检查当前 Git diff。不要根据原开发思路替改动辩护，重点寻找功能回归、遗漏场景、错误假设、并发问题和测试盲区。暂时不要修改代码，先按严重程度列出问题，并提供对应文件和证据。” 提前发现问题，省下的不只是返工时间，还有后续反复修 Bug 消耗的 Token。一个 Codex 负责写，另一个没有参与开发的 Codex 负责挑错。

爱丽丝呀！

22,290 subscribers

17,164 次观看 • 2 个月前 •via X (Twitter)

科学技术财经

Anya Rossi• Live Now

Private livecam show

23 条评论

黑色马里奥的头像

黑色马里奥2 个月前

哇最近他们说 codex 会限制一些人的账户让额度消耗飞快

爱丽丝呀！的头像

爱丽丝呀！2 个月前

嗯嗯有些人是这样的额度消耗快

spark🌟 的头像

spark🌟2 个月前

又学到啦～确实是，AI和它以同样的问题它会自证自己没错

爱丽丝呀！的头像

爱丽丝呀！2 个月前

嗯嗯是的新开窗口不给她上下文能独立审查

z0n3 z0n3 的头像

z0n3 z0n32 个月前

I agree. This is my current workflow as well I would use one conversation to assist with the development I will start a new conversation and provide it with the codes to do QA and testing, with a fresh perspective

爱丽丝呀！的头像

爱丽丝呀！2 个月前

哈哈同样的用法！独立审查确实比原对话自查靠谱多了～

李百万的头像

李百万2 个月前

完全可以解放双手了，也可以剩很多事

Louis.霍霍的头像

Louis.霍霍2 个月前

写代码和审代码要分开，学到了

猪脚饭.Ai 的头像

猪脚饭.Ai2 个月前

太强了这个方法好

阿台🕊️ 的头像

阿台🕊️2 个月前

新对话审代码，避免自我辩护。

爱丽丝呀！的头像

爱丽丝呀！2 个月前

对的，核心就是做一次无上下文独立审查。

猫哥滚雪球的头像

猫哥滚雪球2 个月前

审查效果直接提升

南山币胜客的头像

南山币胜客2 个月前

新开对话完全隔离，这思路比在同一个窗口死磕高效。

Ethan@Assert portfolios 的头像

Ethan@Assert portfolios2 个月前

要想one-shot，什么审查子agent都是浮云，真正靠谱的还是e2e测试。

阿军的头像

阿军2 个月前

你这个建议简直太好了。

猪猪熊🐻 的头像

猪猪熊🐻2 个月前

好的呢，我又学到啦，爱丽丝老师干货满满

小赵|🕊️| 🎒 的头像

小赵|🕊️| 🎒2 个月前

我现在就去试一下

冻结的头像

冻结2 个月前

subagent

杨小乱的头像

杨小乱2 个月前

一个写代码，一个审核代码

莓莓的头像

莓莓2 个月前

这方法真不错啊，学习一下

Molly 币圈大V推荐🕊️ 的头像

Molly 币圈大V推荐🕊️2 个月前

这个是真的太棒了吧

Miya | Gate Card刷遍全球的头像

Miya | Gate Card刷遍全球2 个月前

分对话审码省token

VastSea瀚海加速器的头像

VastSea瀚海加速器2 个月前

专为Codex等各ai优化，升级版iepl专线几乎不断连的VPN节点就在

相关视频

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

Vincent

12,896 次观看 • 4 个月前

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

科技混子Chris

112,232 次观看 • 3 个月前

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

阿西_出海

43,748 次观看 • 5 个月前

Claude Code + Grok Bot：一个负责指挥，一个负责干活，开发全流程自动化🔥 很简单，只需要使用 cursor-grokbot-agents 扩展就可以完成这个扩展允许 Agent SDK 代理访问对应 Cursor 账号里的 Grok Bot，Grok Bot 会保留自己原有的对话、记忆和工具，而 Claude Code 或 Codex 可以把它当成一个协作 Agent 来调用按照步骤操作： 1、告诉你的 Claude Code 或者 Codex 安装 cursor-grokbot-agents 扩展 2、打开 Grok Bot 相关的账号授权 3、让它启动连接程序，告诉它你要连接的 Grok Bot 名字，完成对应程序的绑定之后，你就可以让 Claude Code 和 Grok Bot 协同工作了我现在比较喜欢的玩法，就是让 Claude Code 做总指挥，Grok Bot 负责具体的开发任务比如我只需要告诉 Claude Code 要开发什么功能，它就可以把任务交给 Grok Bot，让它去修改代码、创建 PR，再通过 Cursor Cloud 运行和测试如果测试出现问题，还可以继续让 Grok Bot 修改和修复，再把结果反馈给 Claude Code 整个过程就变成了一个完整的开发闭环： ① Claude Code 理解需求、拆分任务 ② Grok Bot 执行 Coding，修改代码并提交 PR ③ Cursor Cloud 负责运行和测试，发现问题后继续修复 ④ Claude Code 检查执行结果，确认是否达到预期这样我就不需要每一步都亲自盯着，更多时候只需要提出需求、检查最终结果，再决定是否合并 PR 和发布当然，涉及生产环境和重要代码时，最终审核还是建议自己把关而且这套玩法不局限于 Claude Code，把上面的主 Agent 换成 Codex 也可以尝试我觉得最有意思的地方，是你终于可以把不同 Agent 组合起来，让一个负责思考和调度，另一个负责执行，而不是每次都自己在不同工具之间来回切换

Claude Code + Grok Bot：一个负责指挥，一个负责干活，开发全流程自动化🔥 很简单，只需要使用 cursor-grokbot-agents 扩展就可以完成这个扩展允许 Agent SDK 代理访问对应 Cursor 账号里的 Grok Bot，Grok Bot 会保留自己原有的对话、记忆和工具，而 Claude Code 或 Codex 可以把它当成一个协作 Agent 来调用按照步骤操作： 1、告诉你的 Claude Code 或者 Codex 安装 cursor-grokbot-agents 扩展 2、打开 Grok Bot 相关的账号授权 3、让它启动连接程序，告诉它你要连接的 Grok Bot 名字，完成对应程序的绑定之后，你就可以让 Claude Code 和 Grok Bot 协同工作了我现在比较喜欢的玩法，就是让 Claude Code 做总指挥，Grok Bot 负责具体的开发任务比如我只需要告诉 Claude Code 要开发什么功能，它就可以把任务交给 Grok Bot，让它去修改代码、创建 PR，再通过 Cursor Cloud 运行和测试如果测试出现问题，还可以继续让 Grok Bot 修改和修复，再把结果反馈给 Claude Code 整个过程就变成了一个完整的开发闭环： ① Claude Code 理解需求、拆分任务 ② Grok Bot 执行 Coding，修改代码并提交 PR ③ Cursor Cloud 负责运行和测试，发现问题后继续修复 ④ Claude Code 检查执行结果，确认是否达到预期这样我就不需要每一步都亲自盯着，更多时候只需要提出需求、检查最终结果，再决定是否合并 PR 和发布当然，涉及生产环境和重要代码时，最终审核还是建议自己把关而且这套玩法不局限于 Claude Code，把上面的主 Agent 换成 Codex 也可以尝试我觉得最有意思的地方，是你终于可以把不同 Agent 组合起来，让一个负责思考和调度，另一个负责执行，而不是每次都自己在不同工具之间来回切换

小墨同学

20,439 次观看 • 19 天前

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

暖暖爱AI

103,093 次观看 • 3 个月前

Claude Code 团队公开了他们审代码的做法：代码大约九成由 Claude 写，六月到九月合并的修改翻了一倍多，需要撤回的比例反而降了四成多。这期用一摞带洞的奶酪片讲这套做法：每道检查都会漏，叠起来就很难漏，底下还有一张网兜底。片中回答五个问题：哪些修改还要人看，AI 审 AI 会不会没完，审查的 AI 漏了怎么办，人不读代码怎么懂代码，出了事算谁的。人不再逐行读代码，时间花在机器做不好的判断上。视频1: 英文版视频2: 中文版

Claude Code 团队公开了他们审代码的做法：代码大约九成由 Claude 写，六月到九月合并的修改翻了一倍多，需要撤回的比例反而降了四成多。这期用一摞带洞的奶酪片讲这套做法：每道检查都会漏，叠起来就很难漏，底下还有一张网兜底。片中回答五个问题：哪些修改还要人看，AI 审 AI 会不会没完，审查的 AI 漏了怎么办，人不读代码怎么懂代码，出了事算谁的。人不再逐行读代码，时间花在机器做不好的判断上。视频1: 英文版视频2: 中文版

宝玉

228,941 次观看 • 28 天前

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

宝玉

37,498 次观看 • 4 个月前

Anthropic 的 Addy Osmani：一天合并三万次代码变更，人看的是 AI 交上来的证据 Anthropic 今年 5 月每天往代码库里合并大约 2500 次代码变更，到 9 月已经超过 3 万次，涨了十几倍。这么多改动，显然不可能每一行都有人看过。那他们凭什么敢合并？负责 Claude Code 开发者体验的 Addy Osmani 在这场对谈里讲了他们的做法：每个改动先由 Claude 像真实用户一样实际用一遍、审一遍，发现问题自动修；人不再逐行读代码，而是去看 AI 交上来的证据，比如它在浏览器里点来点去的录屏、在手机和电脑上的截图。在他看来，写代码已经不是难点，接下来能不能再快一截，取决于能不能把“验证”做扎实。给 AI 一个检查自己做得对不对的办法，产出的质量能好两到三倍。如果你也在用 AI 写代码，又拿不准哪些改动敢直接合并，这期给了一份大公司内部的参考答案。这是 AI Engineer 大会上一场 18 分钟的台上对谈。Addy Osmani 在 Google 工作了大约 14 年，长期负责 Chrome 的开发者体验，写过大量面向开发者的文章，今年 9 月加入 Anthropic。提问的 Manish Kapur 在 Sonar 负责产品和开发者关系，Sonar 是做代码质量和安全检查工具的公司，旗下的 SonarQube 用来自动扫描代码里的漏洞和问题。【Anthropic 的做法：Claude 先审一遍，人看证据】 Manish 提到，他前一晚刚读了 Anthropic 发的一篇文章，里面说 Anthropic 现在每天合并约 3 万次代码变更。Addy 补充了两个数字：5 月的时候每天大约 2500 次；最近网页版重做，性能提到了原来的三倍左右，这次重做在很短时间里合并了大约 3000 个 PR（代码合并请求），参与的不只有工程师，还有产品设计师和其他岗位的人。他说他们的审查流程分几步。第一步是让 Claude 先审一遍，关键在于要让它能像真实用户一样把功能实际用一遍：跑端到端测试（从头到尾模拟用户操作的自动化测试），在浏览器里打开页面检查，运行各种工具和代码规范检查，凡是能建立信心的检查都做。发现 bug 或者功能缺口怎么办？他们设置了 Hook（一种在特定时机自动触发的脚本），每次代码有改动就自动运行，检查这次改了什么，这样 PR 里的问题能尽快被改掉。Anthropic 还有一个代码审查产品，他们自己也在用。整体思路是尽可能把代码审查自动化。第二步是把团队的“品味”写下来。Addy 说现在大家常讲品味和判断力，团队应该把自己认为的最佳实践和品味写进共享的 CLAUDE.md、AGENTS.md 这类文件（放在项目里、专门写给 AI 看的说明文档），AI 审代码时会去参考。第三步才轮到人，人负责检查 AI 给出的证据。他举的例子是：做一个用户在浏览器里用的界面，就要确认它在浏览器里测过，最好让 AI 生成一段它点来点去的录屏，看完你就有信心说“这个能用”；在意手机或桌面端的体验，就让它给出这些设备上的截图或录屏。他说目标是让 AI 尽可能多地提供验证证据。【瓶颈从写代码转到了验证】 Manish 给了几组数字说明问题。持续集成服务 CircleCI（代码提交后自动构建、测试的云服务）今年分析了 2800 万次自动化流程，发现代码产出量涨了 59%，但每 10 次往生产环境合并的尝试里有 3 次失败。Sonar 即将发布的一份调查里，76% 用 AI 生成代码的开发者说，代码产出的速度快到他们根本来不及验证。 Addy 说，现在技术负责人最关心的是怎么在保证有信心的前提下更快上线。过去我们说一段代码质量高，依据是好的测试、性能基准、需求规格，这些能给人信心的东西现在都可以让 AI 便宜又快地生成出来，人再去修改完善。他认为工程师现在最该花时间的就是这些检查。至于下一步的提升从哪来，他说模型质量已经相当不错了，他举了 Opus 5.5 为例。更大的空间在验证，而且要讲具体。你跟人说“验证一下”，对方下一个问题就是“验证到底指什么”。所以讨论应该落到哪些测试真正有用上。Anthropic 用得最多的是三类：端到端测试；属性测试，也就是不写一个个具体例子，而是写一条规则（比如“排序后列表长度不变”），让程序自动生成大量随机输入去验证；还有视觉验证测试，通过截图对比检查界面有没有变样。目标是有足够的信心让这些改动自动合并。 Manish 从 Sonar 的角度补充了一个“多层验证”的框架，主张零信任，在每个环节都验证。第一层是规则固定的自动扫描，查 SQL 注入这类安全漏洞和常见 bug；第二层是 AI 审查，查规则扫不出来的逻辑问题，以及代码是否符合本来的意图；第三层是软件供应链检查，看项目依赖的第三方代码包里有没有已知漏洞或恶意代码。每一层专门抓一类问题。【从“亮灯工厂”到“熄灯工厂”，自主权要一步步挣】对谈的标题里有个说法叫“软件工厂”，来自 Addy 今年写的一篇文章，他的定义是“把循环规模化”：让 AI 一遍又一遍地规划、编写、检查、上线代码。他把软件工厂分成两种。亮灯工厂里，AI 承担这些步骤，但人还在里面，用自己的判断和品味把关。熄灯工厂更像全自动的汽车厂，机器人一直在干活，人退到更上游，只负责定方向，只有遇到最特殊的例外情况才被叫进来。他说大多数团队处在两者之间，都在摸索怎么在信得过的前提下一步步提高自动化程度。AI 能给出的验证越多、越让人有信心，就越能往熄灯的方向走。Sonar 的调查显示，目前只有 5% 的公司在用软件工厂，预计会涨到 34%，金融行业是 39%。被问到 2027 年底大多数团队会是哪种工厂，Addy 的判断是：亮灯工厂为主，带着一些熄灯的角落。自动化程度高了，管控就成了企业的难题。Addy 说，几个月前他接触过的很多公司都在担心同一件事：放手让工程团队用 AI 智能体，结果冒出了几百甚至几千个智能体，谁也不知道它们在干什么，它们访问各种系统和数据，可能还在往生产环境部署。他总结企业最关心三件事：怎么控制、怎么分配权限、怎么用沙箱（隔离的运行环境）保证智能体不越界。 AI 写的代码要不要在 PR 里标出来？Addy 认为应该。过去工程师对自己写的代码有很强的归属感，在 Anthropic 大家没那么在意 Claude 被署名为作者，更看重给用户交付的东西对不对。标出来还有一个用处：知道是 AI 写的，就能决定要加哪些额外的约束和检查。Manish 也同意，他认为至少未来半年到九个月里应该标注，对金融客户来说还关系到审计。两人都强调责任归属不变。Addy 说，就算这次是我让 Claude 去干的活，出了问题还是我负责，还得我去修。那 AI 开的 PR 什么时候能放心合并？Addy 的回答是：你有充分的信心不会出问题，或者已经尽可能把风险降下来的时候。快问快答里，Addy 还给了两条建议。对技术负责人，要推着团队想清楚“验证”具体指什么，现在的测试做到了哪一步，离“AI 自己判断代码可以合并、你也放心”还差什么。对刚入行的开发者，多积累各种测试的经验，端到端测试、属性测试都要会。【不逐行看代码，和不验证是两回事】 Anthropic 一天三万次合并，人显然也没有逐行看，但按 Addy 的说法，每次合并之前 AI 都得先把功能实际跑一遍，再把证据交给人看。省掉的是读代码的时间，验证一步都没少。他们能这样做是有前提的。一是模型，Addy 自己提到 Opus 5.5 这一代已经够好，我也是用上 Fable 和 Opus 5.5 之后才放心不怎么 Review。二是验证的基础设施：端到端测试、自动录屏、每次改动都触发的检查，这些都得先搭好。为了扛住这个量，据 Anthropic 10 月发的工程博客，他们连 Git 都换成了自己开发的版本管理系统。这样的投入，大多数团队一时做不到。所以我的建议是，想少看代码，别先急着把 Review 关掉，先补上 Addy 说的那一步：让 AI 交活的时候附上证据。如果不知道从哪里下手的话，可以从最容易出问题的界面开始，要求它在浏览器里实际操作一遍，给你截图或录屏。证据还是要你自己看，只是看录屏比读几百行代码快得多。另外，Manish 讲的三层验证框架可以参考，不过 Sonar 本身就是卖代码检查工具的，听这部分时心里有个数就行。视频来源：

Anthropic 的 Addy Osmani：一天合并三万次代码变更，人看的是 AI 交上来的证据 Anthropic 今年 5 月每天往代码库里合并大约 2500 次代码变更，到 9 月已经超过 3 万次，涨了十几倍。这么多改动，显然不可能每一行都有人看过。那他们凭什么敢合并？负责 Claude Code 开发者体验的 Addy Osmani 在这场对谈里讲了他们的做法：每个改动先由 Claude 像真实用户一样实际用一遍、审一遍，发现问题自动修；人不再逐行读代码，而是去看 AI 交上来的证据，比如它在浏览器里点来点去的录屏、在手机和电脑上的截图。在他看来，写代码已经不是难点，接下来能不能再快一截，取决于能不能把“验证”做扎实。给 AI 一个检查自己做得对不对的办法，产出的质量能好两到三倍。如果你也在用 AI 写代码，又拿不准哪些改动敢直接合并，这期给了一份大公司内部的参考答案。这是 AI Engineer 大会上一场 18 分钟的台上对谈。Addy Osmani 在 Google 工作了大约 14 年，长期负责 Chrome 的开发者体验，写过大量面向开发者的文章，今年 9 月加入 Anthropic。提问的 Manish Kapur 在 Sonar 负责产品和开发者关系，Sonar 是做代码质量和安全检查工具的公司，旗下的 SonarQube 用来自动扫描代码里的漏洞和问题。【Anthropic 的做法：Claude 先审一遍，人看证据】 Manish 提到，他前一晚刚读了 Anthropic 发的一篇文章，里面说 Anthropic 现在每天合并约 3 万次代码变更。Addy 补充了两个数字：5 月的时候每天大约 2500 次；最近网页版重做，性能提到了原来的三倍左右，这次重做在很短时间里合并了大约 3000 个 PR（代码合并请求），参与的不只有工程师，还有产品设计师和其他岗位的人。他说他们的审查流程分几步。第一步是让 Claude 先审一遍，关键在于要让它能像真实用户一样把功能实际用一遍：跑端到端测试（从头到尾模拟用户操作的自动化测试），在浏览器里打开页面检查，运行各种工具和代码规范检查，凡是能建立信心的检查都做。发现 bug 或者功能缺口怎么办？他们设置了 Hook（一种在特定时机自动触发的脚本），每次代码有改动就自动运行，检查这次改了什么，这样 PR 里的问题能尽快被改掉。Anthropic 还有一个代码审查产品，他们自己也在用。整体思路是尽可能把代码审查自动化。第二步是把团队的“品味”写下来。Addy 说现在大家常讲品味和判断力，团队应该把自己认为的最佳实践和品味写进共享的 CLAUDE.md、AGENTS.md 这类文件（放在项目里、专门写给 AI 看的说明文档），AI 审代码时会去参考。第三步才轮到人，人负责检查 AI 给出的证据。他举的例子是：做一个用户在浏览器里用的界面，就要确认它在浏览器里测过，最好让 AI 生成一段它点来点去的录屏，看完你就有信心说“这个能用”；在意手机或桌面端的体验，就让它给出这些设备上的截图或录屏。他说目标是让 AI 尽可能多地提供验证证据。【瓶颈从写代码转到了验证】 Manish 给了几组数字说明问题。持续集成服务 CircleCI（代码提交后自动构建、测试的云服务）今年分析了 2800 万次自动化流程，发现代码产出量涨了 59%，但每 10 次往生产环境合并的尝试里有 3 次失败。Sonar 即将发布的一份调查里，76% 用 AI 生成代码的开发者说，代码产出的速度快到他们根本来不及验证。 Addy 说，现在技术负责人最关心的是怎么在保证有信心的前提下更快上线。过去我们说一段代码质量高，依据是好的测试、性能基准、需求规格，这些能给人信心的东西现在都可以让 AI 便宜又快地生成出来，人再去修改完善。他认为工程师现在最该花时间的就是这些检查。至于下一步的提升从哪来，他说模型质量已经相当不错了，他举了 Opus 5.5 为例。更大的空间在验证，而且要讲具体。你跟人说“验证一下”，对方下一个问题就是“验证到底指什么”。所以讨论应该落到哪些测试真正有用上。Anthropic 用得最多的是三类：端到端测试；属性测试，也就是不写一个个具体例子，而是写一条规则（比如“排序后列表长度不变”），让程序自动生成大量随机输入去验证；还有视觉验证测试，通过截图对比检查界面有没有变样。目标是有足够的信心让这些改动自动合并。 Manish 从 Sonar 的角度补充了一个“多层验证”的框架，主张零信任，在每个环节都验证。第一层是规则固定的自动扫描，查 SQL 注入这类安全漏洞和常见 bug；第二层是 AI 审查，查规则扫不出来的逻辑问题，以及代码是否符合本来的意图；第三层是软件供应链检查，看项目依赖的第三方代码包里有没有已知漏洞或恶意代码。每一层专门抓一类问题。【从“亮灯工厂”到“熄灯工厂”，自主权要一步步挣】对谈的标题里有个说法叫“软件工厂”，来自 Addy 今年写的一篇文章，他的定义是“把循环规模化”：让 AI 一遍又一遍地规划、编写、检查、上线代码。他把软件工厂分成两种。亮灯工厂里，AI 承担这些步骤，但人还在里面，用自己的判断和品味把关。熄灯工厂更像全自动的汽车厂，机器人一直在干活，人退到更上游，只负责定方向，只有遇到最特殊的例外情况才被叫进来。他说大多数团队处在两者之间，都在摸索怎么在信得过的前提下一步步提高自动化程度。AI 能给出的验证越多、越让人有信心，就越能往熄灯的方向走。Sonar 的调查显示，目前只有 5% 的公司在用软件工厂，预计会涨到 34%，金融行业是 39%。被问到 2027 年底大多数团队会是哪种工厂，Addy 的判断是：亮灯工厂为主，带着一些熄灯的角落。自动化程度高了，管控就成了企业的难题。Addy 说，几个月前他接触过的很多公司都在担心同一件事：放手让工程团队用 AI 智能体，结果冒出了几百甚至几千个智能体，谁也不知道它们在干什么，它们访问各种系统和数据，可能还在往生产环境部署。他总结企业最关心三件事：怎么控制、怎么分配权限、怎么用沙箱（隔离的运行环境）保证智能体不越界。 AI 写的代码要不要在 PR 里标出来？Addy 认为应该。过去工程师对自己写的代码有很强的归属感，在 Anthropic 大家没那么在意 Claude 被署名为作者，更看重给用户交付的东西对不对。标出来还有一个用处：知道是 AI 写的，就能决定要加哪些额外的约束和检查。Manish 也同意，他认为至少未来半年到九个月里应该标注，对金融客户来说还关系到审计。两人都强调责任归属不变。Addy 说，就算这次是我让 Claude 去干的活，出了问题还是我负责，还得我去修。那 AI 开的 PR 什么时候能放心合并？Addy 的回答是：你有充分的信心不会出问题，或者已经尽可能把风险降下来的时候。快问快答里，Addy 还给了两条建议。对技术负责人，要推着团队想清楚“验证”具体指什么，现在的测试做到了哪一步，离“AI 自己判断代码可以合并、你也放心”还差什么。对刚入行的开发者，多积累各种测试的经验，端到端测试、属性测试都要会。【不逐行看代码，和不验证是两回事】 Anthropic 一天三万次合并，人显然也没有逐行看，但按 Addy 的说法，每次合并之前 AI 都得先把功能实际跑一遍，再把证据交给人看。省掉的是读代码的时间，验证一步都没少。他们能这样做是有前提的。一是模型，Addy 自己提到 Opus 5.5 这一代已经够好，我也是用上 Fable 和 Opus 5.5 之后才放心不怎么 Review。二是验证的基础设施：端到端测试、自动录屏、每次改动都触发的检查，这些都得先搭好。为了扛住这个量，据 Anthropic 10 月发的工程博客，他们连 Git 都换成了自己开发的版本管理系统。这样的投入，大多数团队一时做不到。所以我的建议是，想少看代码，别先急着把 Review 关掉，先补上 Addy 说的那一步：让 AI 交活的时候附上证据。如果不知道从哪里下手的话，可以从最容易出问题的界面开始，要求它在浏览器里实际操作一遍，给你截图或录屏。证据还是要你自己看，只是看录屏比读几百行代码快得多。另外，Manish 讲的三层验证框架可以参考，不过 Sonar 本身就是卖代码检查工具的，听这部分时心里有个数就行。视频来源：

宝玉

75,037 次观看 • 9 天前

【Plus订阅用户——无限额度的神级工具】 Plus 的 Codex 5 小时额度完全不够用？先别急，交给这个神级工具，让你的plus额度也够用很多 Plus 用户不是不会用 Codex，而是把规划、执行和审查全塞给 Codex，让它变得太“全能”。先让它通读仓库、自己想方案，再写代码、跑测试，最后还要重新读取全部上下文，审查自己刚才做过的改动。等到 5 小时额度窗口开始紧张，真正需要 Codex 动手的工作，可能才刚刚开始。如果你也经常觉得 Plus 的 Codex 额度不够用，我更建议先优化任务分工，而不是继续压缩提示词，或者把所有步骤都塞进同一次调用。我现在使用的工作流是 Codex with ChatGPT： ChatGPT → PLAN Codex → EXECUTE / TEST ChatGPT → REVIEW 简单来说：ChatGPT 负责把问题想清楚，Codex 负责把改动做出来。第一步是 PLAN。在进入 Codex 之前，先让 ChatGPT 网页版明确： • 这次到底要解决什么问题？ • 哪些内容属于本次范围，哪些明确不改？ • 可能涉及哪些文件和依赖？ • 需要运行哪些测试？ • 什么结果才算完成，出问题怎样回滚？计划至少要回答这五件事：改什么、不改什么、碰哪些文件、怎样测试、什么结果才算完成。没有边界的“帮我优化一下整个项目”，往往才是最消耗额度的用法。第二步是 EXECUTE / TEST。规划完成后，再把清晰的施工单交给 Codex。此时 Codex 不需要重新做一轮开放式研究，而是专注它最擅长的本地工作： • 编辑文件 • 运行 Shell 和项目命令 • 使用 Git 检查改动 • 执行测试 • 根据真实错误继续修复给 Codex 的不再是一道没有边界的研究题，而是一项可以直接执行、可以测试、可以验收的任务。一轮调用最好只有一个明确闭环：修改 → 测试 → 报告结果第三步是 REVIEW。代码完成后，我不会只让执行者重新通读整个仓库，然后告诉我“看起来没问题”。 ChatGPT 会通过只读连接，按需查看相关文件、diff 和测试记录，再从原计划出发做一次独立审查： • 改动有没有超出范围？ • 测试是否真的覆盖了目标？ • 有没有隐藏失败或未经验证的结论？ • 文档、实现和最终结果是否一致？只有发现具体问题时，才向 Codex 发回最小修复任务。这套分工的关键不是让两个 AI 重复干活，而是让每一层只负责自己最合适的事情。在当前这个视频工程里就有一个真实例子：ChatGPT 审查时发现首帧工作台遮挡了标题；Codex 随后把 `.workspace` 的位置从 `top:128px` 调整到 `430px`。基线检查有 10 个重叠错误，修改后 Layout 变为 0 issues，最后再由 ChatGPT 读取事务 diff 和验证记录完成复核。这就是完整闭环：发现问题 → 明确修改 → 本地执行 → 运行检查 → 独立复核对于 Plus 用户，这套方法最直接的作用，不是把官方额度变多，而是减少 Codex 执行通道里的重复阅读、开放式探索和自我复盘。普通任务可以先在 ChatGPT 网页版锁定范围，再让 Codex 本地执行；完成后，只让审查层按需读取必要的 diff 和测试记录。这样能把更宝贵的 Codex 调用留给真正需要编辑、命令和测试的步骤。如果你是 Pro 用户，还可以把最困难的架构规划、跨文件风险分析和最终审查，交给 ChatGPT 网页版中最高能力的 Pro 模型选项；复杂推理由 Pro 负责，本地执行仍由 Codex 完成。具体模型名称和开放范围可能调整，以你账户里的模型选择器为准。需要说明的是：这不是增加官方额度，也不会解除 5 小时窗口，更不是绕过平台限制。它做的事情更朴素：不再让 Codex 同时扮演产品经理、架构师、程序员和审计员，而是让每一次调用都有明确范围、明确任务和明确验收标准。 Codex with ChatGPT 使用只读连接，按需读取完成规划和审查所需的工作区内容；不是一次性上传整个仓库，也不会把写文件、删除文件或执行 Shell 的权限交给 ChatGPT。如果你也在用 Plus，最近又经常撞到 5 小时额度限制，可以试试先把任务分工做好，再开始下一次编码。项目地址：安装后可以直接对 Codex 说： “使用 Codex with ChatGPT 完成首次配置并应用。” #Codex #ChatGPT

【Plus订阅用户——无限额度的神级工具】 Plus 的 Codex 5 小时额度完全不够用？先别急，交给这个神级工具，让你的plus额度也够用很多 Plus 用户不是不会用 Codex，而是把规划、执行和审查全塞给 Codex，让它变得太“全能”。先让它通读仓库、自己想方案，再写代码、跑测试，最后还要重新读取全部上下文，审查自己刚才做过的改动。等到 5 小时额度窗口开始紧张，真正需要 Codex 动手的工作，可能才刚刚开始。如果你也经常觉得 Plus 的 Codex 额度不够用，我更建议先优化任务分工，而不是继续压缩提示词，或者把所有步骤都塞进同一次调用。我现在使用的工作流是 Codex with ChatGPT： ChatGPT → PLAN Codex → EXECUTE / TEST ChatGPT → REVIEW 简单来说：ChatGPT 负责把问题想清楚，Codex 负责把改动做出来。第一步是 PLAN。在进入 Codex 之前，先让 ChatGPT 网页版明确： • 这次到底要解决什么问题？ • 哪些内容属于本次范围，哪些明确不改？ • 可能涉及哪些文件和依赖？ • 需要运行哪些测试？ • 什么结果才算完成，出问题怎样回滚？计划至少要回答这五件事：改什么、不改什么、碰哪些文件、怎样测试、什么结果才算完成。没有边界的“帮我优化一下整个项目”，往往才是最消耗额度的用法。第二步是 EXECUTE / TEST。规划完成后，再把清晰的施工单交给 Codex。此时 Codex 不需要重新做一轮开放式研究，而是专注它最擅长的本地工作： • 编辑文件 • 运行 Shell 和项目命令 • 使用 Git 检查改动 • 执行测试 • 根据真实错误继续修复给 Codex 的不再是一道没有边界的研究题，而是一项可以直接执行、可以测试、可以验收的任务。一轮调用最好只有一个明确闭环：修改 → 测试 → 报告结果第三步是 REVIEW。代码完成后，我不会只让执行者重新通读整个仓库，然后告诉我“看起来没问题”。 ChatGPT 会通过只读连接，按需查看相关文件、diff 和测试记录，再从原计划出发做一次独立审查： • 改动有没有超出范围？ • 测试是否真的覆盖了目标？ • 有没有隐藏失败或未经验证的结论？ • 文档、实现和最终结果是否一致？只有发现具体问题时，才向 Codex 发回最小修复任务。这套分工的关键不是让两个 AI 重复干活，而是让每一层只负责自己最合适的事情。在当前这个视频工程里就有一个真实例子：ChatGPT 审查时发现首帧工作台遮挡了标题；Codex 随后把 `.workspace` 的位置从 `top:128px` 调整到 `430px`。基线检查有 10 个重叠错误，修改后 Layout 变为 0 issues，最后再由 ChatGPT 读取事务 diff 和验证记录完成复核。这就是完整闭环：发现问题 → 明确修改 → 本地执行 → 运行检查 → 独立复核对于 Plus 用户，这套方法最直接的作用，不是把官方额度变多，而是减少 Codex 执行通道里的重复阅读、开放式探索和自我复盘。普通任务可以先在 ChatGPT 网页版锁定范围，再让 Codex 本地执行；完成后，只让审查层按需读取必要的 diff 和测试记录。这样能把更宝贵的 Codex 调用留给真正需要编辑、命令和测试的步骤。如果你是 Pro 用户，还可以把最困难的架构规划、跨文件风险分析和最终审查，交给 ChatGPT 网页版中最高能力的 Pro 模型选项；复杂推理由 Pro 负责，本地执行仍由 Codex 完成。具体模型名称和开放范围可能调整，以你账户里的模型选择器为准。需要说明的是：这不是增加官方额度，也不会解除 5 小时窗口，更不是绕过平台限制。它做的事情更朴素：不再让 Codex 同时扮演产品经理、架构师、程序员和审计员，而是让每一次调用都有明确范围、明确任务和明确验收标准。 Codex with ChatGPT 使用只读连接，按需读取完成规划和审查所需的工作区内容；不是一次性上传整个仓库，也不会把写文件、删除文件或执行 Shell 的权限交给 ChatGPT。如果你也在用 Plus，最近又经常撞到 5 小时额度限制，可以试试先把任务分工做好，再开始下一次编码。项目地址：安装后可以直接对 Codex 说： “使用 Codex with ChatGPT 完成首次配置并应用。” #Codex #ChatGPT

18168

34,355 次观看 • 2 个月前

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。分享一个我在用的提示词，能省不少无效token： “当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。” 下次继续项目时，第一句话只需要输入： “请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。” 这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。分享一个我在用的提示词，能省不少无效token： “当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。” 下次继续项目时，第一句话只需要输入： “请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。” 这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

爱丽丝呀！

146,784 次观看 • 3 个月前

Codex 5.6 装上这个 Skill，能少写 90% 废代码很多人用 Codex，需求一丢进去，AI 就开始给你堆组件、装依赖、写一大堆根本用不到的代码。token 越烧越多，代码反而越难维护。这个 GitHub 项目叫 ponytail。它会在 Codex 写代码前先强制判断：这件事真的需要写吗？项目里有没有现成代码？标准库能不能解决？浏览器原生能力能不能解决？能不能只写一行？只有这些路都走不通，才写最少、真正能跑的代码，在也不会出现垃圾代码了。比如你让 AI 做日期选择器，普通 Agent 可能给你装库、写组件、加样式；ponytail 会直接告诉它：浏览器本身就有。安装提示词，直接复制给 Codex： “请帮我安 plugin marketplace add DietrichGebert/ponytail，然后执行 codex plugin add ponytailyossy。安装完成后打开 /hooks，检查并信任 Ponytail 的两个 lifecycle hooks，最后提示我重启 Codex 并新开一个会话。以后所有编码任务默认启用 full 模式；需要更强力地减少过度设计时，使用 yossy ultra。” 少写无用代码 = 少花 Token + 更快交付 + 更少 Bug

Codex 5.6 装上这个 Skill，能少写 90% 废代码很多人用 Codex，需求一丢进去，AI 就开始给你堆组件、装依赖、写一大堆根本用不到的代码。token 越烧越多，代码反而越难维护。这个 GitHub 项目叫 ponytail。它会在 Codex 写代码前先强制判断：这件事真的需要写吗？项目里有没有现成代码？标准库能不能解决？浏览器原生能力能不能解决？能不能只写一行？只有这些路都走不通，才写最少、真正能跑的代码，在也不会出现垃圾代码了。比如你让 AI 做日期选择器，普通 Agent 可能给你装库、写组件、加样式；ponytail 会直接告诉它：浏览器本身就有。安装提示词，直接复制给 Codex： “请帮我安 plugin marketplace add DietrichGebert/ponytail，然后执行 codex plugin add ponytailyossy。安装完成后打开 /hooks，检查并信任 Ponytail 的两个 lifecycle hooks，最后提示我重启 Codex 并新开一个会话。以后所有编码任务默认启用 full 模式；需要更强力地减少过度设计时，使用 yossy ultra。” 少写无用代码 = 少花 Token + 更快交付 + 更少 Bug

govin.eth | G哥

54,584 次观看 • 2 个月前

这绝对是一座真金矿！ Anthropic 刚发了一个 Claude Code 封神级的高阶玩法。思路极其简单：同时跑 Sonnet、Haiku 5.5 和 Opus 5.5，每个模型只干自己最擅长的活。不仅写代码效果更好，还能省下大笔 token。启动 Claude Code 这样写就行： `claude --model sonnet --advisor opus` 三层模型各司其职： · Sonnet 5.5 负责主会话，专心写代码、改 bug · Haiku 5.5 并行扫整个代码库，只读搜索、grep 和查文档 · Opus 5.5 坐镇当顾问，只在关键决策时出手，最后审核改动不需要 Opus 的活，绝不浪费它一丝一毫的上下文。 Opus 只在三个时候介入： ① 计划敲定之前 ② 同一个错误出现第二次的时候 ③ 宣布完成之前底层逻辑和 JEV 工程完全一致：不需要动脑的小选择（选文件、选工具、重试或停止）交给 JEV 毫秒级处理，大模型只用来思考真正的硬骨头。把这段提示词直接贴进 Claude Code 重新配置： “按这个结构重新配置我的 Claude Code： 1. 主会话用 Sonnet 5.5，Opus 5.5 当顾问。 2. 在 .claude/agents 里建三个 Haiku 5.5 子代理：search（梳理代码库）、grep（查找调用位置）、audit（检查改动）。 3. 给 audit 设置 worktree 隔离，让它的检查不碰我的工作分支。 4. 在 CLAUDE.md 里加一条规则：所有代码库搜索和测试都交给 Haiku 5.5 子代理，让主上下文保持精简。 5. 快速、确定性的小选择（选工具、选路径、重试）交给 JEV 处理。所有改动先用 diff 给我看，我说开始之前不要动任何文件。” 👉 官方子代理文档： #ClaudeCode

这绝对是一座真金矿！ Anthropic 刚发了一个 Claude Code 封神级的高阶玩法。思路极其简单：同时跑 Sonnet、Haiku 5.5 和 Opus 5.5，每个模型只干自己最擅长的活。不仅写代码效果更好，还能省下大笔 token。启动 Claude Code 这样写就行： `claude --model sonnet --advisor opus` 三层模型各司其职： · Sonnet 5.5 负责主会话，专心写代码、改 bug · Haiku 5.5 并行扫整个代码库，只读搜索、grep 和查文档 · Opus 5.5 坐镇当顾问，只在关键决策时出手，最后审核改动不需要 Opus 的活，绝不浪费它一丝一毫的上下文。 Opus 只在三个时候介入： ① 计划敲定之前 ② 同一个错误出现第二次的时候 ③ 宣布完成之前底层逻辑和 JEV 工程完全一致：不需要动脑的小选择（选文件、选工具、重试或停止）交给 JEV 毫秒级处理，大模型只用来思考真正的硬骨头。把这段提示词直接贴进 Claude Code 重新配置： “按这个结构重新配置我的 Claude Code： 1. 主会话用 Sonnet 5.5，Opus 5.5 当顾问。 2. 在 .claude/agents 里建三个 Haiku 5.5 子代理：search（梳理代码库）、grep（查找调用位置）、audit（检查改动）。 3. 给 audit 设置 worktree 隔离，让它的检查不碰我的工作分支。 4. 在 CLAUDE.md 里加一条规则：所有代码库搜索和测试都交给 Haiku 5.5 子代理，让主上下文保持精简。 5. 快速、确定性的小选择（选工具、选路径、重试）交给 JEV 处理。所有改动先用 diff 给我看，我说开始之前不要动任何文件。” 👉 官方子代理文档： #ClaudeCode

明子206

108,316 次观看 • 8 天前

Grok Bot + Cursor 全链路开发分享！现在出门只带手机，也能完成从写代码、测试到 PR 合并和发布的整个流程🔥 前面有朋友问我，怎么通过手机配合 Grok Bot 和 Cursor 完成整个开发流程其实没有想象中复杂，我现在这套工作流，基本不需要一直守在电脑前，分享一下具体怎么操作一、先做好两个准备工作 1、关联 Grok Bot 和 Cursor 准备一个同时登录 Grok Bot 和 Cursor 的账号，现在的新订阅可以把两个服务关联起来这里要注意，尽量使用同一个账号和邮箱，避免后面出现账号无法关联的问题 2、连接 GitHub 仓库分别让 Grok Bot 和 Cursor 连接自己的 GitHub 仓库后续的代码修改、PR、Review 和 CI/CD，都可以围绕 GitHub 完成二、整个开发流程其实很简单 ① 手机下发任务直接在 Grok Bot 里描述开发需求，让它调用 Cursor 去执行 Coding 任务，不需要自己一直开着电脑操作 ② Cursor Cloud 云端开发和测试这个是我比较喜欢的地方 Cursor 自带 Cloud 环境，代码修改、测试和运行都可以在云端完成中间的执行过程还可以通过截图、录屏和结果说明来检查，不用单纯依赖 Agent 告诉你任务已经完成 ③ GitHub PR + CI/CD 代码完成后，通过 GitHub 提交 PR，再检查对应的测试结果和 CI/CD 状态确认没有问题后，合并到主分支，如果你的项目已经配置好自动部署，后续发布流程也可以直接跑起来三、最后我需要做什么？整个流程下来，我主要只需要关注三件事： 1、提交开发任务 2、检查结果并合并 PR 3、确认发布到生产环境以前开发一个小功能，可能还得远程连接电脑、打开编辑器、跑测试，现在很多操作都可以交给 Grok Bot 和 Cursor 完成而且整个过程在手机上就能跟进，对于经常出门、又需要随时处理项目的人来说，确实方便很多当然，正式上线前还是建议自己检查代码、测试结果和权限配置，尤其是涉及数据库和生产环境的修改如果你已经在用 Grok Bot 和 Cursor，真的可以试试把 GitHub 这条链路打通，后面会省下不少重复操作的时间

Grok Bot + Cursor 全链路开发分享！现在出门只带手机，也能完成从写代码、测试到 PR 合并和发布的整个流程🔥 前面有朋友问我，怎么通过手机配合 Grok Bot 和 Cursor 完成整个开发流程其实没有想象中复杂，我现在这套工作流，基本不需要一直守在电脑前，分享一下具体怎么操作一、先做好两个准备工作 1、关联 Grok Bot 和 Cursor 准备一个同时登录 Grok Bot 和 Cursor 的账号，现在的新订阅可以把两个服务关联起来这里要注意，尽量使用同一个账号和邮箱，避免后面出现账号无法关联的问题 2、连接 GitHub 仓库分别让 Grok Bot 和 Cursor 连接自己的 GitHub 仓库后续的代码修改、PR、Review 和 CI/CD，都可以围绕 GitHub 完成二、整个开发流程其实很简单 ① 手机下发任务直接在 Grok Bot 里描述开发需求，让它调用 Cursor 去执行 Coding 任务，不需要自己一直开着电脑操作 ② Cursor Cloud 云端开发和测试这个是我比较喜欢的地方 Cursor 自带 Cloud 环境，代码修改、测试和运行都可以在云端完成中间的执行过程还可以通过截图、录屏和结果说明来检查，不用单纯依赖 Agent 告诉你任务已经完成 ③ GitHub PR + CI/CD 代码完成后，通过 GitHub 提交 PR，再检查对应的测试结果和 CI/CD 状态确认没有问题后，合并到主分支，如果你的项目已经配置好自动部署，后续发布流程也可以直接跑起来三、最后我需要做什么？整个流程下来，我主要只需要关注三件事： 1、提交开发任务 2、检查结果并合并 PR 3、确认发布到生产环境以前开发一个小功能，可能还得远程连接电脑、打开编辑器、跑测试，现在很多操作都可以交给 Grok Bot 和 Cursor 完成而且整个过程在手机上就能跟进，对于经常出门、又需要随时处理项目的人来说，确实方便很多当然，正式上线前还是建议自己检查代码、测试结果和权限配置，尤其是涉及数据库和生产环境的修改如果你已经在用 Grok Bot 和 Cursor，真的可以试试把 GitHub 这条链路打通，后面会省下不少重复操作的时间

小墨同学

50,636 次观看 • 20 天前

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间完整的文章参考：中文译文：

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间完整的文章参考：中文译文：

宝玉

265,990 次观看 • 2 年前

Codex Plus 也能当 Pro 用，相当于token额度放大 20 倍大部分人用 Codex，还是让一个模型把读取项目、搜索资料、推理、改代码、测试全部做完，复杂任务一长，Plus 额度很快就被吃掉。真正省扩大额度的方式，不是继续压 Prompt，而是把 Reasoning 和 Execution 拆开 Luna 负责执行，Sol 负责重推理，具体流程： 1️⃣ Luna 先读取代码库、搜索资料、跑命令，把当前任务相关信息整理出来。 2️⃣ 再把目标、关键代码、核心约束、已尝试方案和问题点，压缩成 1～3K Token 的 Task Packet。 3️⃣ 把 Packet 交给 ChatGPT 5.6 Sol，只做架构判断、复杂推理、疑难 Bug 分析和方案设计。 4️⃣ Sol 输出结构化方案后，Luna 再回来修改代码、运行测试、修复问题并完成验证。直接让 Codex 自己配置： “请为当前 Codex 工作流建立“Luna 执行 + Sol 推理”的双模型模式。默认使用 Luna 负责读取代码库、搜索资料、运行命令、修改代码和测试验证；遇到复杂架构设计、跨模块决策、疑难 Bug 或需要深度推理的任务时，先把当前目标、关键代码、核心约束、已尝试方案和待解决问题压缩成 1～3K Token 的 Task Packet，再交给 ChatGPT 5.6 Sol 进行深度分析并输出结构化方案。拿到方案后由 Luna 继续执行修改、测试和验证。不要把完整项目上下文重复发送给 Sol，只提供真正影响判断的信息。” 配置完成后，可以直接拿一个复杂 Bug 测试： “分析当前项目登录模块偶发 500 的问题。先由 Luna 检查代码、日志、依赖和最近改动，把真正相关的信息压缩成 1～3K Token 的 Task Packet；再交给 Sol 判断最可能的根因、影响范围和修复方案；最后由 Luna 按方案修改代码、补测试并实际运行验证，直到问题解决。” 官方 Pro 是 Plus 20 倍额度，这种模型分工的思路，就是尽量让 Plus 的每一份额度都花在真正需要的地方。兄弟们可以自己测一下：单模型从头跑到底 VS Luna 执行 + Sol 推理，看看复杂任务到底哪个更省、更稳。

Codex Plus 也能当 Pro 用，相当于token额度放大 20 倍大部分人用 Codex，还是让一个模型把读取项目、搜索资料、推理、改代码、测试全部做完，复杂任务一长，Plus 额度很快就被吃掉。真正省扩大额度的方式，不是继续压 Prompt，而是把 Reasoning 和 Execution 拆开 Luna 负责执行，Sol 负责重推理，具体流程： 1️⃣ Luna 先读取代码库、搜索资料、跑命令，把当前任务相关信息整理出来。 2️⃣ 再把目标、关键代码、核心约束、已尝试方案和问题点，压缩成 1～3K Token 的 Task Packet。 3️⃣ 把 Packet 交给 ChatGPT 5.6 Sol，只做架构判断、复杂推理、疑难 Bug 分析和方案设计。 4️⃣ Sol 输出结构化方案后，Luna 再回来修改代码、运行测试、修复问题并完成验证。直接让 Codex 自己配置： “请为当前 Codex 工作流建立“Luna 执行 + Sol 推理”的双模型模式。默认使用 Luna 负责读取代码库、搜索资料、运行命令、修改代码和测试验证；遇到复杂架构设计、跨模块决策、疑难 Bug 或需要深度推理的任务时，先把当前目标、关键代码、核心约束、已尝试方案和待解决问题压缩成 1～3K Token 的 Task Packet，再交给 ChatGPT 5.6 Sol 进行深度分析并输出结构化方案。拿到方案后由 Luna 继续执行修改、测试和验证。不要把完整项目上下文重复发送给 Sol，只提供真正影响判断的信息。” 配置完成后，可以直接拿一个复杂 Bug 测试： “分析当前项目登录模块偶发 500 的问题。先由 Luna 检查代码、日志、依赖和最近改动，把真正相关的信息压缩成 1～3K Token 的 Task Packet；再交给 Sol 判断最可能的根因、影响范围和修复方案；最后由 Luna 按方案修改代码、补测试并实际运行验证，直到问题解决。” 官方 Pro 是 Plus 20 倍额度，这种模型分工的思路，就是尽量让 Plus 的每一份额度都花在真正需要的地方。兄弟们可以自己测一下：单模型从头跑到底 VS Luna 执行 + Sol 推理，看看复杂任务到底哪个更省、更稳。

govin.eth | G哥

183,547 次观看 • 2 个月前

Claude 新的一篇博文《How Warp builds self-improving agents on Claude》，看了后还是挺有收获，它解决的是 Skill 的进化问题。这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（ Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅）但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不只限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。

Claude 新的一篇博文《How Warp builds self-improving agents on Claude》，看了后还是挺有收获，它解决的是 Skill 的进化问题。这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（ Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅）但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不只限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。

宝玉

89,272 次观看 • 2 个月前

DeepSeek 刚刚开源的新项目dsh-superagen，它展示了如何用最少的人类注意力，换取最大密度的工程交付，把复杂开发任务的耗时从将近半小时直接压缩到十五分钟，这标志着 AI 编程彻底告别了对话框时代，它不再是一个等你下指令的辅助工具，而是一个自己去 GitHub 领任务、多智能体并行开工、自己提 PR 的全自动员工。它不是让你在网页里粘贴报错信息，而是以独立机器人的身份常驻在你的 GitHub 仓库和飞书群里，只要团队成员在 Issue 里提了一个需求，或者在群聊里讨论了一个 Bug，它就会自动捕捉信号并生成不可篡改的工作工单，自己创建独立的会话环境去写代码、跑测试，最后直接带着通过测试的代码回到原对话里提交拉取请求。为了解决多任务堵车和上下文混乱的问题，DeepSeek 在底层设计了一套分流与执行的多智能体架构。主路由只负责给授权任务分派工单，具体的代码修改则会直接分发给多个并行的工作节点，每个节点通过独立的 Git 工作树进行物理隔离，实测把复杂任务的完成耗时直接从二十九点五分钟腰斩到了十五点七分钟。后续所有针对这个拉取请求的代码评审意见，系统都会自动订阅并路由回原本负责的工作节点，全程不需要人类开发者反复手动召唤。这个项目真正的野心，是把工程师从琐碎的 Issue 沟通和修补流程里彻底解放出来，让 AI 真正成为一个只需要极少人类注意力、却能持续输出工程价值的异步开发团队。

DeepSeek 刚刚开源的新项目dsh-superagen，它展示了如何用最少的人类注意力，换取最大密度的工程交付，把复杂开发任务的耗时从将近半小时直接压缩到十五分钟，这标志着 AI 编程彻底告别了对话框时代，它不再是一个等你下指令的辅助工具，而是一个自己去 GitHub 领任务、多智能体并行开工、自己提 PR 的全自动员工。它不是让你在网页里粘贴报错信息，而是以独立机器人的身份常驻在你的 GitHub 仓库和飞书群里，只要团队成员在 Issue 里提了一个需求，或者在群聊里讨论了一个 Bug，它就会自动捕捉信号并生成不可篡改的工作工单，自己创建独立的会话环境去写代码、跑测试，最后直接带着通过测试的代码回到原对话里提交拉取请求。为了解决多任务堵车和上下文混乱的问题，DeepSeek 在底层设计了一套分流与执行的多智能体架构。主路由只负责给授权任务分派工单，具体的代码修改则会直接分发给多个并行的工作节点，每个节点通过独立的 Git 工作树进行物理隔离，实测把复杂任务的完成耗时直接从二十九点五分钟腰斩到了十五点七分钟。后续所有针对这个拉取请求的代码评审意见，系统都会自动订阅并路由回原本负责的工作节点，全程不需要人类开发者反复手动召唤。这个项目真正的野心，是把工程师从琐碎的 Issue 沟通和修补流程里彻底解放出来，让 AI 真正成为一个只需要极少人类注意力、却能持续输出工程价值的异步开发团队。

AYi

22,712 次观看 • 12 天前

最近的 GPT 5.6 sol 越来越拉了，额度改成周限额以后，开 FAST 模式可能一天就把一周的额度用完。Codex 又有些过度防御，改个小地方也要读取大量规范和代码，频繁触发上下文压缩，等了五六分钟还没开始写代码。而且特别喜欢写表演性的，形式主义的前后端测试， 1 + 1 = 2 写玩都得写个测试验算一遍。但是没招儿，复杂的自动化任务目前还是 GPT 表现更好。而且还有 GPT Image 2 这个最好的生图模型。所以我最近只能把不少开发任务交给了速度更快、效果不错、没那么过度防御的 Grok 4.6 了。

最近的 GPT 5.6 sol 越来越拉了，额度改成周限额以后，开 FAST 模式可能一天就把一周的额度用完。Codex 又有些过度防御，改个小地方也要读取大量规范和代码，频繁触发上下文压缩，等了五六分钟还没开始写代码。而且特别喜欢写表演性的，形式主义的前后端测试， 1 + 1 = 2 写玩都得写个测试验算一遍。但是没招儿，复杂的自动化任务目前还是 GPT 表现更好。而且还有 GPT Image 2 这个最好的生图模型。所以我最近只能把不少开发任务交给了速度更快、效果不错、没那么过度防御的 Grok 4.6 了。

oil-oil

20,885 次观看 • 2 个月前