有人把 Codex 的请求体逐字节截下来测量，发现一句 16 字符的「Reply with pong.」被包装成了 42980 字节、约 9435 个 token 的请求，真正的提示词只占 0.3%。其余全是工具定义、系统指令、技能元数据和环境上下文。本文拆解这个被多数人忽略的开销，以及它对隐私和成本意味着什么。
你只输入了 16 个字符，Codex 却发走了 4 万字节：拆开一个真实的请求体
Codex 的引擎不在聊天框里：拆解那个可复用的智能体循环
OpenAI 官方发文拆解 Codex 底层：真正支撑 App、CLI 和 IDE 的是同一个开源 harness。一个关键数据点说明执行循环的价值，GPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 提升到 38.3%，输出 token 却减少六倍。本文解读这个被多数人忽略的智能体引擎，以及它意味着什么。
一个 web_search 开关，账单涨了四五倍：复盘 Codex 在 Bedrock 上的提示词缓存事故
有人把 Codex 挂到 AWS Bedrock 上跑 GPT-5.6 Sol，账单凭空多出上千美元。追根溯源，85% 的钱花在了 cache-write 上，而根因只是一个刚打开的 web_search 开关。本文复盘这起提示词缓存事故的完整链路，以及它对 agentic 工作流成本管控的启示。
Claude 想当你的同事，Codex 只想当你的工具
资深 Rails 开发者 Lucian Ghinda 把 Codex 当主力用了一整周，记下十条真实感受：Claude 像会猜你心事的同事，Codex 像克制而精准的工具。本文基于他的观察做原创解读，聊聊两种 AI 编程哲学的本质差异。
五句话的 Prompt，清掉五年技术债：Asana 用 Codex 迁移 Enzyme 的启示
Asana 用五句话的 Prompt 加四个并行 Codex agent，把预计还要五年的 Enzyme 前端测试迁移压缩到了两周，总成本约 1.2 万美元。真正的启示不在 AI 有多强，而在代码库这个「脚手架」的质量。