maolon

挺好的感想， 我最近也在做 agent 实践测试（也是烧两家最贵的模型）， 目前连续不停的的跑了一周， 目标是交给他一篇论文， 在工程层面上做出效果远超过论文提供的 benchmark 的结果。
结果是非常惊人的， 在 codex 和 cc 配合下他们确实逼近了我设定的一个目前不光论文没有实现，市面上开源的项目也都完全没有达到的 benchmark 值。
这说明 agent 不是不能达成全自动代理也不是不能完成超长程复杂任务而是他一定要有正确设计的反馈 loop ， 比如在我的场景下就是 benchmark - 反思组合， 在大多数开发场景下就是 TDD 和 SDD 的合理使用

codex 之所以要用 worktree 是因为 gpt 有个不知算好还是坏的毛病， 他喜欢看当前工作区的情况 动不动就 git status --porcelain 一下， 然后如果你在一个工作区内开多个 codex instance ，而对方也改了文件，哦豁那就惨了。
他会认为工作区有多余文件不够干净然后 git reset 或者 git restore ， 然后你前面辛辛苦苦弄的就都没了。 这个是他训练时候就这样，不是写 agents.md 就能完全解决的，为了避免惨剧发生用 worktree 保险

这个判断晚了两年 而且不要看大模型擅长哪方面而是投资人想看哪方面的能力

codex ，请
这个月还 * 2 的用量，普通人用个 plus 估计都用不完
（虽然我现在是 codex pro + cc 20x max

我现在用 codex 就这么玩 要 gpt5.2 high 和 gemini 3 pro 和 opus 4.5 一起评估方案，效果挺不错的

感觉不太准 我的项目一行代码没写他说 ai 贡献才 72.6%

有意思， 所以他的意思就是把 agent 的 workfow 应拆净拆到一个 atomic 语义的步骤然后把各个步骤固定化和容器化以应对 scale 和不确定性问题？

成功错误