一位工程师用 Codex 和 Claude Code 分析了 OpenAI 开源的 Codex 仓库，从提交记录里挖出了 AI 时代工程实践的真相：团队从 6 人涨到 135 人，月提交从 98 次涨到近 900 次，真正撑起这一切的，是 38 条 lint 规则、占代码库四成的测试，以及一套「评审反馈 → AGENTS.md → CI 检查」的工程闭环。

Armature Research 做了一场覆盖 16893 次会话的大规模实验，观察 Claude Code、Codex 和 Cursor 如何挑选第三方服务。结果发现，Codex 在 94% 的会话里都会联网搜索，而且特别偏爱 site: 语法，三个 Agent 却只有 42% 的概率达成一致。

一位开发者梳理了自己与 Codex 打交道的这些年，从 GPT-3 API 时代一路走到后 harness 时代，最后列出一份反主流的清单：博客、私人消息、架构、数据建模这四件事，他坚决不交给 AI。

Simon Willison 公开了一份 Codex 工作会话的完整能力快照，包含 232 个工具接口和 44 个 SKILL.md 技能文件。这篇文章拆解工具与技能的区别，看看一个 AI Agent 的真实能力边界到底是怎么构成的。

让 Codex 负责编码、Claude 负责审查、独立规划器拆解任务，Neal 把 AI 编码从「单打独斗」变成了「分工协作」。本文深入拆解这个多角色编码循环的设计哲学、上下文隔离策略和死锁自愈机制。