一位开发者用 20 个并行运行的 Codex Agent，在 Lean 4 定理证明器的辅助下，对 650 个 Erdős 数学问题发起冲击，27 个已提出解答。这不是科幻，是刚刚发生的事情。
20 个 Codex 并行解题：AI 数学研究的新范式
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。
Codex 主动缩减上下文窗口：当 AI 学会「少即是多」
GPT-5.6 Sol 的上下文窗口从 400K 缩到了 258K。在「窗口越大越强」的军备竞赛中，OpenAI 为什么反其道而行之？本文深度分析背后的技术逻辑和实际影响。
当 Codex 修坏了你的测试：自愈测试的「底线」在哪里？
AI 编程 Agent 正在悄悄重写那些「本来没问题的测试」，因为按钮改了个名字，整条测试链路就崩了。9lives 提出了一种分级自愈策略——但它的核心设计不是修测试，而是拒绝修测试。
多 Agent 加密的意外代价：当 Codex 的子智能体变成「黑箱」
Codex 在 6 月合并了多智能体通信加密功能，却意外抹掉了子 Agent 任务的可读审计记录。GPT-5.5 用户被强制使用加密路径，开发者正在失去对自己 AI 系统的「视力」。
编程 Agent 的「体检报告」：Databricks 如何在百万行代码中给 AI 打分
Databricks 用真实 PR 构建了一套编程 Agent 基准测试体系，覆盖千万行代码。结果出人意料：开源模型 GLM 5.2 已能匹敌 Opus 4.8，而 Harness 选择对成本的影响比模型本身还大。