Alrighty, everything is ready 😎
here’s an unofficial “2x Codex limits” promo from my side for you all.
meet DevSpace — an MCP connector app that turns ChatGPT into Codex.
npm install -g @waishnav/devspace
After installing, tunnel the MCP server over the internet and enjoy 2x limits.
You can use GPT-5.5 Pro, xHigh, or High for planning, then hand off the task to your local Codex/pi/opencode/cursor/claude code instance.
Or you can just use it for reviewing code written by other local coding agents
Go ahead, experiment with different workflows, and keep the feedback coming on GitHub Issues or in my DMs
And let’s thank OpenAI for being so generous by giving us separate ChatGPT and Codex limits and by being so chill around this MCP :)
Please use it sparingly, only when you run out of limits. Don’t overuse it — in the end, they do have a button to stop it 🙂
大多数公司的"AI 优先"都是假的。
Peter Pang 的 CREAO 才是真的——25人公司,10个工程师,99%的生产代码由 AI 编写。上周二他们上午10点上线新功能,中午 A/B 测试,下午3点因为数据不支持直接砍掉,5点上线改进版。三个月前这个循环要六周。
他的判断很尖锐:大多数公司只是把 AI 嫁接到现有流程——工程师用 Cursor,PM 用 ChatGPT 写需求,效率提升10-20%,结构没变。这叫 AI 辅助,不叫 AI 优先。
真正的 AI 优先是什么?重新设计一切。他做了几件事:
1)把分散的多个仓库合并成 monorepo,让 AI 能看到全貌 2)每个 PR 触发三轮 Claude Opus 4.6 并行审查(代码质量+安全+依赖) 3)每天早上 AI 自动查 CloudWatch、聚类生产错误、自动建工单,修复后自动验证关闭——一个自愈闭环 4)用 AI 替代手动 QA,因为 Agent 两小时写完代码,QA 测三天是新的瓶颈
结果:14天内平均每天3-8次生产部署,以前两周都完不成一次。用户参与度和支付转化率都涨了。
组织也彻底变了。团队只剩两种角色——架构师(1-2人,设计规则、批判 AI)和运维者(其他人,验证 AI 的输出)。他发现初级工程师比资深工程师适应更快,因为资深的人要接受"两个月的工作量被 AI 一小时完成"这个现实。
他自己从60%时间管理人变成每天9点写代码到凌晨3点。管理时间降到10%以下。团队关系反而更好了——因为不再天天争论技术决策。
最后一个判断:一人公司会变得普遍。一个架构师加 Agent 能做100人的活。竞争优势不在工具(他们用的全是公开工具),而在于决定围绕 AI 重新设计一切的决心。
代价也是真实的——员工焦虑、CTO 每天18小时、资深工程师质疑自身价值。但两个月后,数据说话了。