Fly哥

Fly，一线大厂前端技术专家、公众号《Fly 的 AI 研习社》主理人

[Fly哥 @jscoderKing]

国庆看了圈 Codex 更新，聊到 Auto-review 才发现：我开着「完全访问＋不请求审批」，它通常没有审批请求可审。

Jev 帮我选调查方向；Auto-review 审批具体操作。代码质量仍靠评审、测试和验收。

#Codex #AI编程

[Fly哥 @jscoderKing]

我给本机 Codex 配了一套分工：

Sol 主持并实现；Luna 查代码/文档；Astra 在大计划、重复错误、长任务收尾时审查。

Jev 接入所有项目，辅助低影响路由，不确定就回主代理。

这次踩坑：角色配置≠自动触发。配置、真实调用、自动委派要分开验证。

#Codex #Jev

[Fly哥 @jscoderKing]

说句实话 我已经好久没有grill-me 了， 活照样干

[Fly哥 @jscoderKing]

我项目里主要按用途管理文档：PRD、设计规范、版本记录、验收和问题修复分别放在 docs 的不同目录。版本清单记录当前版本和文档归属，版本索引把需求、实现进展和验收证据串起来。AGENTS.md 则规定了什么时候要核对文档、需求变更时按什么顺序同步文档和代码。

[宝玉 @dotey]

文档的管理我是这么做的：
1. 文档统一放 docs 目录
2. 所有文档都遵循渐进式披露原则——也就每个文档都不大，但是会链接到相关文档，类似于主文档里面主要就是概要和目录，具体内容链接到章节对应的小文件
3. 根目录有一个 README 可以方便的索引到相关文档，类似于目录
4. AGENTS.md 强制要求修改功能要修改相关文档，有时候人也需要定期检查一下，即使加了规则也可能遗漏

[宝玉 @dotey]

文档的管理我是这么做的：
1. 文档统一放 docs 目录
2. 所有文档都遵循渐进式披露原则——也就每个文档都不大，但是会链接到相关文档，类似于主文档里面主要就是概要和目录，具体内容链接到章节对应的小文件
3. 根目录有一个 README 可以方便的索引到相关文档，类似于目录
4. AGENTS.md 强制要求修改功能要修改相关文档，有时候人也需要定期检查一下，即使加了规则也可能遗漏

[Fly哥 @jscoderKing]

算力有限呀，新模型发布，老模型肯定降智力呀

[DinoDeer @xDinoDeer]

非常明显的感受， Codex 和 CC，除了最新的模型，其他模型明显完成任务的能力甚至不如去年同期。

但是最新的模型，同样的任务，基本上一两天就耗光套餐内 token ，如果没有重置，200 刀的套餐压根就是个残废品，你又没办法直接叠加第二个第三个账号进来后立马开干。

这种感受实在是太糟糕了。happy building 变成了 terrible building.

[Fly哥 @jscoderKing]

@thsottiaux @TokenGremlin @sama 重置了吗

[Fly哥 @jscoderKing]

@OpenAI 终于来了

[OpenAI @OpenAI]

Please welcome GPT-6 Sol and GPT-6 Luna to the GPT-6 universe.

GPT-6 Sol and Luna build on the advances behind GPT-6 Astra, bringing much of its strengths into faster and more affordable models to support work at scale.

We’ve also made caching and inference more efficient, and we’re passing the savings directly to you: 50% lower API prices for Sol and Luna compared with GPT‑5.6 promotional pricing.

[Fly哥 @jscoderKing]

gpt 6 和blender 的3d 模型 这么没有人讨论了🧐

[Fly哥 @jscoderKing]

https://t.co/4O5N8uM5yN

[Fly哥 @jscoderKing]

是的， 现在20x 完全不够哦用了， 又笨又蠢

[北境 @0x_Northland]

我们正在经历近两个月以来GPT历史上最黑暗的时刻！

1.所谓旗舰全球第一的Astra模型由于高额消耗无法作为生产力使用！

2.本周承诺的更新推迟到未来两周！
（更新不重要，伴随更新的重置也没了）

3.很有可能第一次经历长达7天一个自然重置！
（还是在诸多问题和新模型发布后，没有给于重置补偿）

4. plus无法使用，pro20x无法开通！

5.原来的每周额度在Astra发布后降低了一半额度
（原先pro 20x至少20亿token，现在只有10亿）

6.Astra发布带来sol的全面降级，目前形势：新的太贵，旧的太蠢！

上天无路，入地无门
Open AI 正在背叛2500万codex用户！

ps：
你他么的新模型一堆问题放出来干啥？用户付费给你当小白鼠做训练数据，重置补偿也不给？
算力不够就保障已有用户和旧模型的权益和能力
军备竞赛的后果让用户承担？
大批量付费用户陷入多种问题无法正常使用
如果你说不需要订阅用户，只服务企业用户，那你大可以直说！

草奥特曼的屁眼！

[Fly哥 @jscoderKing]

宠物

[Tibo @thsottiaux]

What’s a feature we should remove from Codex that isn’t useful anymore?

[Fly哥 @jscoderKing]

对的 就是干中学，学中干。 不干 永远学不会

[宝玉 @dotey]

Q1：在和 AI 协作的过程中，有没有一个具体的习惯或方法，对个人成长帮助最大？

我的经验就一条：先用起来。

只有实践才有真实感悟，我今天讲的开发过程，你不自己做一遍，能带走的东西很有限。AI 把反馈周期缩到很短：照着这个流程，哪怕不写代码，做一个小工具或 Skill，几小时就有反馈。

最根本的是建立反馈循环：定义想做的事，AI 帮你做成，你验收；分享出去收反馈；把经验写出来，AI 帮你整素材，输出又倒逼你系统思考。小循环做项目，大循环做分享。循环建起来、越转越快，成长就越来越快。可以理解为把人的成长做成一套 Loop Engineering。

[Fly哥 @jscoderKing]

AI 说“完成了”，我现在会先问：完成到哪一步？

在项目里，我把代码修改、测试、部署和业务验收分开记录。每一项都要有对应证据。

这张图是我的检查方式。你遇到最多的是漏需求，还是“说做完了，打开却不能用”？

[Fly哥 @jscoderKing]

agent 也会一样 只有 codex 和 claude code 这2个应用

[沐阳 @yyyole]

去年，像 Cherry Studio 这种多模型客户端，
真的特别多，当时我一度觉得：
这可能就是 AI 应用的未来。

底层逻辑很简单，没有哪个模型能永远第一，写代码用一个，写作用一个，推理再换一个。
把 OpenAI、Claude、Qwen、DeepSeek 全部装进一个壳里，想用哪个切哪个。
听起来简直就是最合理的产品形态。

结果现在被啪啪打脸，根本没人讨论 Cherry Studio 了！
不过回头一看，这个演变其实很有意思！

[Fly哥 @jscoderKing]

这是特斯拉被黑的最惨的一次

[Fly哥 @jscoderKing]

Mark

[Ren @Ryrenz]

🔥 高德团队刚开源了一个狠东西，能让 Claude Code、Codex 这些 AI 接了活之后，连着干几十个小时不跑偏。

论文挂在 arXiv 上，还上过 Hugging Face 每周论文榜的第一名。

用 AI 干过长活的都懂那种崩溃：你让它把一个东西从头做完，前两个小时挺像样，越往后越离谱，最后甩你一句「已完成」，点开一看一半是空的。它不是不努力，是干着干着把自己一开始要干嘛给忘了。

LongHorizon-Harness 的解法很像一个靠谱的小团队：一个人管进度，只负责想下一步做什么；一个人埋头干这一步，每次都是清清爽爽的脑子上工；还有一个人专门当验收员，不听干活的自己汇报，直接去电脑上翻文件、点界面、看日志、跑测试，对得上才算数，对不上就把证据记下来重做。

同一个模型、同一个工具，只是套上这层壳，官方测下来那种要跨软件折腾一两个小时的任务，能做完的从一半左右提到了八成；命令行和写代码那类活儿也稳了一截，而且 token 还比原来少烧 24%。干得更多，花得更少，这个是真少见。

它管的也不只是敲代码。浏览器、表格、文档、设计软件、3D 软件都能上手，一个任务可以从浏览器开始，中间转到命令行处理数据，再回到桌面软件里出成品，最后回终端跑一遍验证。

而且它不挑模型也不挑工具，Claude、GPT、Qwen 都能接，Claude Code、Codex CLI、OpenCode 这些现成的直接就能用，管进度的、干活的、验收的还能各用各的模型。

GitHub：https://t.co/PP7lD8qzUl

项目团队在这儿 @loopcua

[Ren @Ryrenz]

🔥 高德团队刚开源了一个狠东西，能让 Claude Code、Codex 这些 AI 接了活之后，连着干几十个小时不跑偏。

论文挂在 arXiv 上，还上过 Hugging Face 每周论文榜的第一名。

用 AI 干过长活的都懂那种崩溃：你让它把一个东西从头做完，前两个小时挺像样，越往后越离谱，最后甩你一句「已完成」，点开一看一半是空的。它不是不努力，是干着干着把自己一开始要干嘛给忘了。

LongHorizon-Harness 的解法很像一个靠谱的小团队：一个人管进度，只负责想下一步做什么；一个人埋头干这一步，每次都是清清爽爽的脑子上工；还有一个人专门当验收员，不听干活的自己汇报，直接去电脑上翻文件、点界面、看日志、跑测试，对得上才算数，对不上就把证据记下来重做。

同一个模型、同一个工具，只是套上这层壳，官方测下来那种要跨软件折腾一两个小时的任务，能做完的从一半左右提到了八成；命令行和写代码那类活儿也稳了一截，而且 token 还比原来少烧 24%。干得更多，花得更少，这个是真少见。

它管的也不只是敲代码。浏览器、表格、文档、设计软件、3D 软件都能上手，一个任务可以从浏览器开始，中间转到命令行处理数据，再回到桌面软件里出成品，最后回终端跑一遍验证。

而且它不挑模型也不挑工具，Claude、GPT、Qwen 都能接，Claude Code、Codex CLI、OpenCode 这些现成的直接就能用，管进度的、干活的、验收的还能各用各的模型。

GitHub：https://t.co/PP7lD8qzUl

项目团队在这儿 @loopcua

[Fly哥 @jscoderKing]

模型能力越强，harness 仍然越重要。因为模型并不会天然知道一个项目内部的规范，也不会自动拥有完整、可靠、持续更新的项目记忆。

单次对话里，模型可以很聪明；但长期维护一个项目时，真正重要的是持续积累的上下文，例如网关如何配置、不同应用如何选择部署分支、上线前需要哪些验收，以及哪些操作需要额外授权。这些规则因公司和项目而异，不能只依赖模型临场推理。

harness 最大的价值，就是把这些项目知识、操作边界和验证流程沉淀下来，让模型在每次工作时都能遵循同一套规则。这样我才敢把任务交给其他开发，甚至让产品、测试借助模型参与修改——不是因为模型永远不会犯错，而是因为它的行为有明确约束，并且可以通过测试和验收来验证。

所以，模型越强，harness 并不是越不需要；恰恰相反，模型能做的事情越多，越需要一个成熟的 harness 来保证它做得稳定、可控、可交接。