正在加载视频...

视频加载失败

Codex 5.6 真正与普通人拉开 90% 差距的,不是 prompt,而是你会不会配置 config.toml 很多人用 Codex 还停留在“打开就聊”,但真正重度使用的人,早就把模型、任务模式、项目规则和自动化流程写进配置里了。 现在 Codex 5.6 最值得折腾的 4 个专业设置: 1️⃣ 固定模型 + Reasoning Effort 别每开一个任务都重新选模型。 把默认模型和推理强度写进 ~/.codex/config.toml,日常任务追求速度,复杂架构任务再提高 reasoning effort。 输入prompt: 请检查我当前 Codex 5.6 实际支持的模型和 reasoning effort 配置,不要猜测或使用已经废弃的参数;然后修改 ~/.codex/config.toml,为日常 Coding 设置合理的默认模型与推理强度,并告诉我具体修改了哪些字段、为什么这样配置,最后验证配置是否成功生效。 2️⃣ 不同任务建立 Profile 写功能、修 Bug、Code Review、做系统架构,根本不应该用完全相同的配置。 Codex 支持 Profiles,可以针对不同任务切换不同工作模式。 配置用的prompt,直接用: 请基于我当前 Codex...

154,237 次观看 • 1 个月前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Codex 5.6 这 4 个设置,能砍掉 80% 无效 token 浪费,复杂长任务效率还能提升 70% 很多时候不是模型不够强,而是你的上下文、缓存和工具配置正在拖后腿。 1️⃣ 尽量吃满 prompt cache 固定不变的项目规则、AGENTS.md、开发规范、长期 prompt 放前面,经常变化的需求放后面。这样更容易命中缓存,减少重复计算和重复上下文token消耗。 2️⃣ 长任务要及时压缩上下文 不要让日志、失败方案和旧历史一直堆在会话里。 直接输入prompt: “请整理当前任务上下文,清理失效方案、重复日志和无关历史,只保留当前目标、关键决策、核心约束、当前进度、未解决问题和下一步行动,后续基于最新摘要继续执行。” 3️⃣ MCP 不要装一堆不用的 Browser、Figma、GitHub、文档 MCP 都很强,但工具越多,上下文负担也越大。当前项目需要什么,就加载什么,别让一堆无关工具长期占着上下文。 4️⃣ 保持项目配置稳定 不要频繁切模型、工作目录、工具配置和开发规则。稳定的 prompt、稳定的工具链和固定项目结构,更容易持续复用缓存,也能减少 Agent 反复重新理解项目。 真正高效的 Codex 工作流: 高缓存命中 → 干净上下文 → 必要工具 → 稳定配置 很多时候 Codex 不需要再变强,你只需要做的,就是别再浪费它的上下文。

govin.eth | G哥

219,312 次观看 • 1 个月前

Codex 5.6 必须养成的习惯:记得给 AI “存档”!节省80%的token 长期vibe coding最怕上下文越来越长,需求、方案、Bug、废弃思路全堆在对话里,AI 不断重复读取和分析历史记录。 大量 Token 都浪费在“回忆过去”,而不是“解决现在”的问题。 正确的做法,直接让 Codex 做一次项目状态压缩,prompt如下,直接拿去用: 「根据当前项目实际状态,检查代码、Git diff、现有 DEV_STATE.md 和测试结果,创建或更新项目根目录下的 DEV_STATE.md。仅记录已确认的信息,不猜测或虚构;用一段简洁、连贯的文字概括当前目标、已完成内容、关键决策、核心文件、测试结果、已知问题、失败方案和下一步任务,删除无效讨论、重复信息和过时内容,不粘贴代码,不记录密码、Token、API Key、私钥、Cookie 等敏感信息,重点让下一次开发能够快速了解“当前做到哪里、为什么这样做、哪些已验证、哪些未完成以及下一步做什么。」 当下一次继续开发时,只需要说这样一句提示词即可: 「读取 DEV_STATE.md文档,继续按照文档中的项目进度进行开发」 这相当于给 Codex 建了一份项目记忆快照。长项目、多人协作、Vibe Coding,必须养成这个习惯。 把上下文压缩成状态文件,省的是 Token,提升的是整个开发循环的速度。

govin.eth | G哥

164,922 次观看 • 1 个月前

34家AI平台的免费额度,每月能白嫖74亿Token。 最有用的还不是这个数字。 Codex或者Claude Code跑到一半,当前接口被限速、返回429,它会自动换下一条可用线路,不用停下来换Key、改地址、重启任务。 这个开源项目叫FreeLLMAPI。 免费API名单其实到处都是,真正麻烦的是:每家的接口地址、模型名和限速规则都不一样。 Google能用多少次,Groq还剩多少额度,Cerebras什么时候被限速,平时全要自己记。一个接口挂了,还得手动修改配置再重新跑。 FreeLLMAPI把这些零散额度接成了一个统一的/v1接口。 把自己申请到的免费Key放进去,它会记录每个Key的RPM、RPD、TPM和剩余额度。当前线路被限速或者报错,就暂时跳过,自动尝试下一家。 目前已经整理了34家AI平台、474个模型系列和635个免费接口。 Codex CLI、Claude Code、Cursor、Gemini CLI、Aider、Cline这些工具都能接,官方也提供了Mac、Windows和Docker的安装方式。 不过先说清楚: 它不是破解,也不会直接送你74亿Token。各个平台的免费Key仍然需要自己申请,74亿只是把34家平台的理论免费额度全部相加。 更适合个人学习、跑Agent和临时测试,不适合拿去跑商业生产。 我看到时项目约2.08万星,本周新增约1700星。 对于每天同时跑几个Agent的人,它解决的不是“去哪里找免费API”,是怎么把这些零散额度真正接起来。

DeFi狙击手 | Ai🕊️

20,312 次观看 • 1 个月前