把一个大任务交给编码代理，它没超时也没超预算，却只完成了三分之一就宣布收工。Factory 团队用重建 gdal 的实验拆开了这个现象：代理缺的从来不是能力，而是一份「完成的标准」。动手之前先定义验收，同一个模型的复现率能从 36% 翻到 90%。

AI 代理把写代码的速度放大了好几倍，却没能让「判断代码对不对」这件事跟上。本文拆解一个被大多数人忽略的裂缝：代理在任务的尺度上做出一连串盲目的架构决定，漂移在复利中不断放大，三到四成的工程时间已花在返工上。解法不在更好的代理，而在代理之上的一层。

OpenAI 工程师 Jeremy Lewi 用一套名为 Runme 的开源笔记本，把跑评估这类重复工作交给 Codex 执行，自己只负责审批和决策。本文拆解这套工作流的三个关键设计：持久的 goal、清晰的审批边界，以及让每一轮运行都沉淀成可复用上下文的飞轮机制。

很多人一看到 git、CLI 或代码，就习惯性地把活甩给 Codex，结果膨胀的不是执行速度，而是交接次数。真正的切分边界不该是「技术不技术」，而是「答案住在哪里」。本文给出一个五字段交接模板，帮你把交接时机找对。

Codex 最近悄悄加密了主 Agent 发送给子 Agent 的提示词。用户在自己的终端上只能看到一段密文，再也无法审计 Agent 之间到底「说了什么」。这背后是 AI 产业的一个根本性转变：Prompt 不再是配置，而是核心 IP。