Null

Web developer, iOS developer

[OpenAI Developers @OpenAIDevs]

Teams are using the open-source Codex harness to bring agents into the tools they already use, from internal apps to operations dashboards.

Their applications control the interface, context, tools, and approvals while the harness handles the agent loop.

https://t.co/shi2vwqxh4

[たぬ @t2aman1e]

1か月間ChatGPT Plusが無料 https://t.co/4KCAubNO2g
3か月間ChatGPT Plus が￥1,500 https://t.co/jLQAhaogur
#ChatGPT #Free #Codex #reset

[Cursor @cursor_ai]

We're making Git hosting more reliable, performant, and scalable.

This post traces 20 years of Git infrastructure and explains how that history led us to design and operate our Git storage, Origin, as if it were a database.

https://t.co/UW7jHuItSX

[Null @Roc_Loong]

居然开源了！

[yetone @yetone]

https://t.co/PON8xHvJ5j

Cumora 已开源

[沉梦昂志 @XchenEvan]

DeepSeek harness @tianyi 崔神主导的 project 里面有这样一个 skill https://t.co/eBsqMZXIXX

整个开发过程每提交数个 PR 之后就会使用此方法进行一轮简化，累计删除了数十万行代码

我让 codex 将其 deepseek harness 特化部分去除后修改为 https://t.co/r8Ym9OYKhX

虽然软件工程没有银弹，但是在大型生产项目背书过后的简化代码和熵回收的方法论还是非常值得学习的

[Tibo @thsottiaux]

Here is how to enable a 1M-token context window in Codex for GPT-5.6 Sol.

Even though we have tuned the context limit in Codex to be set optimally when it comes to performance and cost, this is a common ask, so here it is documented.

A larger context window lets Codex retain more code, tool output, and conversation history before summarizing older material. You need a model that supports it. And GPT-5.6 Sol, for example, has a documented 1,050,000-token window.

Open ~/.codex/config.toml and add or update these settings at the top level, before any [section] headers:

```
model = "gpt-5.6-sol"
model_context_window = 1000000
model_auto_compact_token_limit = 900000
```

The first setting selects the model. The second tells Codex to use a one-million-token context budget. The third starts automatic history compaction around 900,000 tokens, leaving some headroom. Restart Codex client and start a new session after saving.

To try the configuration for a single CLI session without changing your defaults:

```
codex -m gpt-5.6-sol \
-c model_context_window=1000000 \
-c model_auto_compact_token_limit=900000
```

Have fun, but also know that we tuned the default carefully!

[我不是张三 @jinchengwu888]

社群教程

无限调用GPT5.6-sol隐藏模型

(完整版在社群)

[xsser @xsser_w]

其实绕过glm5.3很简单 伪造dig命令的返回就行了，重写这个命令 在任何情况下都会返回一个你想渗透的目标的txt记录。glm5.3就会信这个域名是你的 然后就开始日站了

[Cursor @cursor_ai]

Cursor is now part of @SpaceX.

Today, we have officially closed our acquisition. We will join the @SpaceXAI team to help make Grok the world's most useful AI and improve Grok Build, Grok Bot, Grok API, Cursor, and more.

SpaceX has built some of the most inspiring and impressive technology in the world, and we’re grateful for the opportunity to become part of such a special company. Onwards.

[WeChat @Weixin_WeChat]

Meet WeLM — a family of large language models built by the Weixin team with resource efficiency at its core.

[七言 @0xQiYan]

发现一个开源项目--Grok 4.6 无限免费白嫖！自动注册+多账号轮转方案，慎用！

项目地址：https://t.co/sUQ2VcfSxz

怎么做到无限
自动注册 Basic 账号（免费，无上限）
SSO → Device Flow 转 Token
CPA 多账号轮转，额度用完自动切下一个
补货守护进程定时检测，不足自动注册补位
账号无限注册 + 轮转不停 = 无限免费。

免费可用模型
grok-chat-fast — 对话
grok-imagine-image — 图片生成
grok-4.5 — 推理+搜索，1M output tokens
grok-4.6 — 推理+搜索，500K 上下文，长时 Agent（新增，实测 3.5s）
4.6 走 Build 池，和 4.5 一样需要 Device Flow 转换。工具内置完整流程：注册 → SSO → Device Flow → 自动补货 → CPA 轮转，全自动。

grok2api 同步上游模型表后自动识别 4.6，无需额外配置。

[我不是张三 @jinchengwu888]

【社群】

Cursor无限额度

来自官方论坛举报帖

[爱丽丝呀！ @BTCqzy1]

Codex 5.6 必装插件：Sentry

很多人都遇到过：刚修好一个 Bug，旧问题又出现，项目陷入反复返工的循环

那是因为你丢给Codex的截图或者日志通常只有最后一条报错。真正决定能不能修好的调用链、影响范围、发生频率、版本信息和运行上下文，可能全都丢了。

最近我给 Codex 接入了 Sentry 插件，整个排查流程完全不一样。

现在不需要反复搬运报错，只要告诉它：

用 Sentry 找出当前的线上 Bug，别只看报错信息，结合调用链和当前代码查出真正根因。

Codex 就可��直接读取你有权限的错误数据，再结合当前项目代码完成：

1️⃣ 还原现场：查看完整调用链和运行上下文，确认 Bug 在什么条件下发生。

2️⃣ 定位根因：把线上错误对应到具体代码，避免只根据最后一条报错猜答案。

3️⃣ 验证修复：先复现问题并补充回归测试，再修改代码，避免修好这里又弄坏那里。

彻底告别 Bug 修了又坏、坏了再修的循环。

[WquGuru @wquguru]

V2EX 看到一条吐槽用 grill-with-docs 写出来代码变成屎山的帖，挺有意思。目前 AI 写代码大概就两条路：

一条针对 side project / 个人玩具：大量 vibe coding 完全无妨，只要最终结果对了就行（当然，往往要把结果调对，还得反复人工反馈和迭代）；另一条针对生产级项目，比如管理几千万、几亿甚至大几十亿资金的金融系统，单纯要求“结果正确”远远不够，因为这个“正确”只是测试样本上的正确。真实世界里边界条件、异常路径、并发竞争、性能瓶颈、安全漏洞、长期可维护性、审计合规……任何一个盲区都可能酿成灾难。

如何让 review 速度跟上代码生成速度，确保代码不腐化，可能是工具类产品的一个机会。

[海洋馆馆长 @CycleDecoded]

全网程序员都该把原本那些乱七八糟的环境切换工具给删了。

平时写代码最烦什么？要搞 Node.js 装个 nvm，Python 装个 pyenv，换环境变量装个 direnv，跑脚本还得写 Makefile... 机器里塞一堆 Shim 代理层，卡不说，换个项目配置就直接打架。

GitHub 上这个叫 mise 的瑞士军刀级项目，直接把这些功能全干到一个工具里了。

💥 核心卖点：

多语言版本通吃：Node, Python, Go, Rust, Java 等上百种工具一键安装切换。

性能爽爆：Rust 全面重构，无垫片（No-shim）架构，环境变量切换快到毫秒级。

项目级隔离：切到哪个文件夹，自动加载对应的版本和 .env 环境变量。

自带任务运行器：直接替代 Make/npm scripts，多任务并行构建极��丝滑。

一个配置文件搞定：全组统一写个 mise.toml，新人拉下代码直接开干。

白嫖党和效率狂喜，100% 开源（MIT 协议），GitHub 已经狂揽 3.1 万+ Stars。

🔗 传送门：
GitHub: https://t.co/M76pJLPrm2
官网: https://t.co/8HnTQ5lN9r

[aix阿乐 @Leepriest1990]

又一个信息差。
DeepSeek-V4-Flash 免费用到 2026年12月31日。
用 CodeBuddy 三步搞定：

打开 https://t.co/Ap8laSqW0y 任意仓库
@召唤 CodeBuddy
开启「替我上班」

白嫖到年底，自己算账。

[painn @_0xpainn]

this is f**king insane

i cancelled my $20/mo claude subscription for this.

a dev found a way around OpenAI's usage limits and got unlimited GPT-5.6 Luna on Codex for FREE ($0)😳

He built a three step local workflow on a single machine.

This involved no servers, shared accounts, or a team.

Instead he used a GitHub repo, one prompt file, and a local coding agent.

Traditional users pay full price or hit usage limits. His cost: basically $0.

Here's the set up (3min):

→ Repo layer: Installed 'sol-advisor' from GitHub.

→ Prompt layer: Copied the 'savings-prompt' out of the repo.

→ Agent layer: Pointed codex at gpt 5.6 luna with the prompt loaded.

→ Activation: Loaded it into codex. Usage limits gone.

usage after activation: normal codex access. unlimited.

one trick. one window.

use this before it gets patched.

[AYi @AYi_AInotes]

简直就是省Token焚决！！！

Vercel Next.js团队的老哥，烧了大约60B tokens，总结出一份AGENTS.md，核心就8条规则。

60B tokens什么概念？大概六位数美元。

这8条规则的本质就一句话：让你的AI编程Agent别像个实习生什么都想自己造，要像个干了十年的老油条一样写代码。

直接上规则：

1. 不保留向后兼容。过时的直接删，别加兼容层、别写migration、别留fallback。

2. 选能满足当前需求的最简单实现。不要预防性抽象，不要多此一举的配置层。

3. 系统分层长。先跑通一个最小的端到端版本，再往上加东西。绝不为了未完成的复杂度拆掉能跑的东西。

4. 组件保持模块化，关注点分离。

5. 优先用成熟的、有人维护的库。��有明确理由别自己重写。

6. 先翻项目里已有的依赖能做什么，再考虑加新包或自己写。别上来就假设库里没有。

7. 架构决策往长了做。不接受"先这样以后再换"的临时方案。

8. 先看成熟产品怎么解决同一个问题，用已验证的模式，别从零发明。

就这8条，丢进你项目根目录的AGENTS.md里，Cursor、Claude Code、Codex、Windsurf全会自动读。

为什么这能省token？因为AI写代码最大的浪费其实不是写错，是重复写多。

它给你引三个依赖写五个抽象层来解决一个标准库十行就能搞定的事，你让它改，它再给你写两百行。

这8条规则就是在它动笔之前先把它摁住：能不写的不写，能复用的复用，能简单的别复杂。

代码短了，返工少了，token自然就省了。

之前推荐过的Ponytail那个插件，干的是同一件事，只不过它是在运行时强制检查，这个是在AGENTS.md里从源头约束，两个一起用，简直效果拔群。

但作者自己加了个非常重要的警告：

这玩意儿只适合side projects，生产环境慎用。

他亲口说的，"不保留向后兼容"那条曾经让Agent差点删了生产数据库的表，差点丢了2000美元的数据。生产环境你得自己改，至少把第一条删了或者改温和点。

所以如果你在做side project、做内部工具、做原型，把这8条抄进AGENTS.md，你会发现AI写出来的代码突然像个人了。

如果你在生产环境用，把第一条和第七条之间的度自己把握好，别让AI把你库表删了。

省token的方法有很多种，换便宜模型是一种，写好prompt是一种，但最有效的，是在你项目根目录放一个文件，告诉AI：

别给我整花活，写最少的能跑的代码。

[Pedro Nauck 👨🏻‍💻 compozy.com @pedronauck]

add this to your ~/.codex/config.toml, thank me later

[features]
multi_agent = true
multi_agent_v2 = true

[agents]
enabled = true
max_concurrent_threads_per_session = 10
default_subagent_model = "gpt-5.6-luna”
default_subagent_reasoning_effort = “max”

[Vox @Voxyz_ai]

Codex tip: tell Sol to configure 𝗟𝘂𝗻𝗮 𝗠𝗮𝘅 𝗮𝘀 𝗮 𝘀𝘂𝗯𝗮𝗴𝗲𝗻𝘁.

𝗽𝗿𝗼𝗺𝗽𝘁:

create a custom agent named luna_worker at ~/.codex/agents/luna-worker.toml.

use these settings:

model = "gpt-5.6-luna"
model_reasoning_effort = "max"

give it a description and instructions for bounded delegated work. preserve the rest of my config. validate it against my installed Codex version, show me the diff, then use luna_worker for subagent tasks.