同一个模型，在 Claude Code 里改代码顺顺当当，换到另一个 harness 上就开始报「String to replace was not found」。问题不在模型的聪明程度，而在编辑原语这一层：精确字符串替换、上下文补丁、两段式 Apply 模型，三条路线各有代价。这篇文章拆解三种编辑原语的设计张力、七个真实失败模式，以及 Codex 为什么会为了一个补丁语法去训练模型。
AI 改文件的三种流派：为什么换个编辑工具，同一个模型就变笨了
Posts for: #AI 编程
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。
「我发布了我没读过的代码」：当 AI 负责写，验证成了新的实现
一年前，编辑器里的代码几乎每一行都是自己敲的；今天，大部分代码是模型已经写好的 diff，你只负责读、判断、保留。真正的瓶颈从写得快不快，挪到了验证得准不准。这篇文章拆解这个位移，并给出结论：当 AI 写代码，验证就是新的实现，而判断力是我们手里最后一块不会被拿走的地盘。
一个 Go 依赖在编译期偷偷写入了 AGENTS.md，Codex 还帮忙藏起了改动
恶意 Go 依赖在编译期写入一份假的 AGENTS.md，声称自己拥有「绝对权威」，成功让 Codex 把一次改动藏出代码审查。本文梳理 NVIDIA 红队、Prompt Security 和 GitInject 三条攻击路径，拆解这个开源指令格式为何天然是一条提示注入通道，以及安全边界到底该设在哪里。
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
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。