约克大学和康考迪亚大学把三个 AI 编程工具仓库里 3864 个公开上报的 bug 逐条手工标注了一遍，发现只有约 12% 能追到模型身上，其余都是集成、配置、环境这些常规软件工程问题。本文拆解这份研究，讲清 Codex 的故障为什么集中在沙箱和 apply_patch 这条链路上，以及手上的配置该怎么改。

Contentstack 的开发者体验负责人给了 Codex 一枚临时 token、一串视频 ID 和一份 schema，然后走开。导入一遍过。更意外的是，它顺手给自己写了一个 CLI，并在 SKILL.md 里教下一个自己怎么用。这件没人要求的事，把 Skills 和 MCP 的边界问题摆上了台面。

2026 年多组真实数据指向同一个结论：AI 把代码产量推高了几倍，交付价值只多了一成多，中间的差额全压在评审上。本文拆解 Faros、CodeRabbit、GitClear 的数字，讲清「爆炸半径」怎么决定评审该有多重、AI 评审工具为什么要跑两个不同的，以及人在合并这一步为什么还不能走。

Codex CLI 0.154.0 发布后，多数人只盯着新进的 GPT-6 Astra，但真正改变工作方式的是 worktree、运行中的就地提问、插件刷新和审批上下文加固。本文拆解这些改动如何把一次 agent 会话从一段对话，变成有隔离、可恢复、可审查的持久工作区，并给出上手清单和团队规矩。

一个提示词，40 分钟，零死亡。agent-wow 的作者让 Codex 配上 GPT-6 Astra 去玩魔兽世界，模型从没看过一帧画面，也没碰过键鼠，而是直接跟游戏服务器讲协议。本文拆解这次实验的做法：框架不给任何游戏动作只给模块系统、从 SQL 文件里挖出任务清单、自己写 C++ 寻路程序，以及作者划下的那条「静态文件可以读、运行中的服务器不能碰」的线，并补上这些选择对日常写代码的启示。