Archestra 团队用一个 Slack 螃蟹表情触发编码 agent，自动拉起环境、排查 bug、自审代码、录演示视频，一路修到 PR 提审。但真正棘手的是：当 agent 同时拥有内部数据读取、网络访问和公开仓库推送权限，数据会流向哪里？他们用 OpenAPPA 本地策略引擎给数据打上「内部」标记，在工具调用前拦下越界操作。
在 Slack 里丢一只螃蟹：把修 bug 的成本降到一条消息
Posts for: #Codex
我不需要几百个 Codex agent：我要的是能看懂、能审查的改动
给 Codex 的活越大，跟踪它的改动就越费劲。工程师 Rafael Pierre 反其道而行：不堆 agent 数量，而是用 issue、分支、worktree 和 PR 把每一步钉在 GitHub 上，让 AI 写的代码始终经得起自己回头看。文章拆解了可验收的需求怎么写、AGENTS.md 该装什么、两层检查怎么布、并行任务该开几个。
GPT-6 Astra 时代的 skills 与提示词：重新审视你的编码指令
OpenAI 官方博客最新指南：GPT-6 Astra 问世后，如何重新审视你为 Codex 积累的 skills、AGENTS.md 和任务提示词。skill 描述要短、要渐进式披露；AGENTS.md 要按需阅读、别再逼模型跑不必要的测试；边界措辞该松就松，任务开始前就定义好「完成」标准。
12000 次 AI 代码审查的真相：审到第四轮就该收手
一家公司在 6 个月里用 7 个并行 AI 审查员审了 372 个 issue，累计 1801 轮、近 1.2 万条结论。数据揭示了一个反直觉的事实：65% 的问题一轮就能合并，而第四轮之后，多审几轮不但没提升质量，反而引入了新的不确定。
文件就在本地，Codex 却非要去网上搜一遍：逆向 web.run 工具里的「10% 概率就必须联网」硬编码指令
开发者 spader 发现 Codex 放着本地源码不读、非要联网搜索，一路追查翻开源码，在 web.run 工具的系统描述里挖出一段「有 10% 概率会变就必须联网」的硬编码决策指令，背后还藏着本地路径外泄的隐患。