一位工程师用 Codex 和 Claude Code 分析了 OpenAI 开源的 Codex 仓库，从提交记录里挖出了 AI 时代工程实践的真相：团队从 6 人涨到 135 人，月提交从 98 次涨到近 900 次，真正撑起这一切的，是 38 条 lint 规则、占代码库四成的测试，以及一套「评审反馈 → AGENTS.md → CI 检查」的工程闭环。
拆解 OpenAI 的 Codex 开源仓库：代码越便宜，工程规范越值钱
Codexer — 以 Codex 为核心的开发者博客
拆解 AI 编码工具的机制，用实测数据说话。这里记录 Codex CLI 与 AI 编码 Agent 的工作原理、成本账本、安全边界和工程实践。
1.7 万次实测：Codex 到底是怎么挑选第三方工具的？
Armature Research 做了一场覆盖 16893 次会话的大规模实验，观察 Claude Code、Codex 和 Cursor 如何挑选第三方服务。结果发现，Codex 在 94% 的会话里都会联网搜索，而且特别偏爱 site: 语法，三个 Agent 却只有 42% 的概率达成一致。
给 Codex 划边界：我拒绝交给 AI 的四件事
一位开发者梳理了自己与 Codex 打交道的这些年，从 GPT-3 API 时代一路走到后 harness 时代，最后列出一份反主流的清单：博客、私人消息、架构、数据建模这四件事，他坚决不交给 AI。
拆开 Codex 的能力清单：232 个工具、44 个技能全景
Simon Willison 公开了一份 Codex 工作会话的完整能力快照，包含 232 个工具接口和 44 个 SKILL.md 技能文件。这篇文章拆解工具与技能的区别，看看一个 AI Agent 的真实能力边界到底是怎么构成的。
一个 PR 烧掉 270 美元：实测 OpenAI Codex 的真实账单
说到 AI 编程烧钱，大家首先想到的是 Claude Code，那 Codex 是不是更省钱？作者用真金白银做了测试：一个再普通不过的 CLI 重构 PR，24 小时内烧光 270 美元的溢出额度。拆开账单才发现，真正的开销大头不是模型输出，而是并行子代理和反复读取的缓存，外加一个不小心踩中的 fast mode 溢价。