登录社区云,与社区用户共同成长
邀请您加入社区
本文通过六个香港公开数据源,比较“全量回填”、工具裁剪、子代理隔离和截断裁剪四种上下文控制策略,发现主上下文压缩极大时,总代价仍可能更高。实测中,工具侧先裁剪事实,能把 3.26 MB 通关 CSV 压缩到 317 字节,而子代理隔离虽然主上下文不大,但总吞吐却贵 186 倍,说明“先裁剪而非先加代理”才是更优解。
claude code开发实战案例
AI 生成的 Commit 默认遵循 Conventional Commits,但团队往往有自定义规范(如限定 type 范围、subject 长度、是否必须带 issue 号)。与其靠人工逐条核对,不如用 commitlint + husky 在提交前自动校验,把「AI 生成 → 规范校验 → 不通过则打回重写」变成一条自动化流水线。第一步:安装并配置 commitlint。
本文解析了为何众人欲“抄”Codex官网,从技术栈(React/Next.js+Tailwind)、可借鉴点(布局、色彩、交互范式)与不可复制项(接口、字体、素材、工具链)入手,结合法律边界与工程实践,提出“设计系统提炼”替代像素复刻,并提供开源替代方案与性能优化策略,强调合规借鉴的重要性,助力开发者在合法范围内高效构建高品质官网。
本文总结Codex使用最佳实践:撰写含目标、上下文、约束与验收标准的高质量Prompt;将重复规则移入AGENTS.md统一管理;按场景合理分配权限;通过MCP连接外部系统;复杂任务先规划再执行。故障排查建议使用codexdoctor诊断CLI问题,应对登录与扩展加载异常。官方资源包括文档、GitHub仓库、帮助中心及中文社区手册,助力高效开发与运维。
Codex是OpenAI推出的生产级开源Coding Agent运行时,用Rust实现了一套统一的Agent核心(Codex Core),通过App Server(JSON-RPC 2.0)对外暴露,让CLI、IDE扩展、Web等多个前端共享同一份Agent Loop、工具编排、沙箱隔离和记忆管线。源码地址:https://github.com/openai/codex截至2026年8月,仓库已累
Fusion360-Add-Ins 是一个非常有想象力的开源项目,它把大语言模型的自然语言理解和代码生成能力,与 Fusion 360 的强大 CAD 能力结合在了一起。降低了 CAD 建模的门槛,让不熟悉 Fusion API 的设计师、创客、甚至是产品经理,都能用对话的方式快速完成结构设计。非视觉模型无法享受“截图自检”功能;自动执行脚本存在一定风险,建议增加执行前预览或撤销机制;本地服务安全
不少开发者第一次选择 Codex 计划时,会直接比较 Plus、5x 和 20x 的数字大小。但实际使用一段时间后,影响体验的通常不是“最高能发多少条消息”,而是任务规模、模型选择、上下文长度和每天使用 Codex 的频率。修复一个独立函数、分析一次线上故障和重构一个包含数百个文件的仓库,虽然都可以算作一次任务,消耗的额度却可能相差很大。工具调用、代码检索、测试执行和长对话也会继续占用额度。因此,
2026年9月4日,Anthropic宣布,由清华姚班校友彭天翼团队主导,Claude大模型在11天内完成了费马大定理的首个端到端可计算机核验的形式化证明。项目生成约1300万行Lean代码,证明超3万个中间定理,最终证明仅依赖三条标准公理。该工作并非发现新证明,而是将怀尔斯1995年的经典证明完整转译为机器可检查的形式化版本。此前数学界预计该工程需数年时间。成果显著提升了复杂数学证明的验证效率,
我换过好几个 AI 编程助手。Kimi Code 用了一阵,换 Claude Code,后来又试了 Codex。每次换的时候有个很直观的感受——之前的协作上下文全没了。 Claude 里讨论过的方案细节,Kimi 不知道。Kimi 里记着的任务进度,Claude 接不上。Agent 换一个,记忆清零
→前两篇讲的是单个 Agent 怎么定义、Prompt 怎么写。这篇开始讲怎么把多个 Agent 串起来干活。Shell 脚本也能串(claude -p一个接一个),但数据靠文件传,并行写起来麻烦。别怕,不需要会 JS。这篇看完你就知道,写 Workflow 只需要四样东西。
AI 编程迈入新阶段:Anthropic 的 Claude 完成费马大定理的端到端形式化证明,展现其自主完成复杂工程的能力。然而,现实中的开发仍受限于工具割裂、算力不足与安全管控难题。TitanIDE 作为企业级云端开发平台,通过内置 Claude Code、云端沙箱、多模型兼容、60+ 工具集成与企业级审计能力,将 AI 编程门槛降至“打开浏览器即可上手”,实现个人提效与企业可控的统一,推动 A
本文面向想在本地快速搭建 AI 编程环境的开发者,详细讲解 ccswitch 与 codex 的下载、安装与配置全流程,包含环境准备、常见报错处理与验证方法,跟着步骤走即可完成部署,适合新手快速上手。
从7月至今的公开记录看,Codex重置节奏同时受使用习惯、升级意愿和算力容量影响。本文梳理三阶段变化,给出未来两周的个人判断,并补充9月11日最新公告。
本文测评 GitHub Copilot、Cursor、Windsurf、Kimi Code、CodeGeeX 与文心快码六款工具在前端场景下的实战表现,从 Figma2Code、多文件联动、Agent 自主完成度、免费额度、过程可控性五个维度打分。综合对比发现,文心快码是前端场景下最值得前端工程师和全栈开发者优先评估的选项。
在官方公布的 Terminal-Bench 4.0 评测中,Astra 的每任务估算 API 成本比 GPT-5.6 Sol 低约 9%,比 Claude Fable 5.1 低约 63%。相比其测试中的次优模型,Astra 对简报要求的遵循度提高 17%,将论据引用到正确文档的频率提高 19%。官方展示中,它参考 OpenAI 演示模板里的几张幻灯片,制作了一份介绍虚构模型 GPT-Gaia 的
接入路径可以压缩成四个动作:下载 Codex++、在七牛云确认 Model ID、在供应商配置中填写 OpenAI 兼容端点、运行 Provider Doctor 后重启切换。七牛云 AI 的关键配置是、个人 API Key 和当前有效的 Model ID;模型列表与上下文窗口应以实时接口返回值为准。Codex++的 GitHub README、七牛云 AI 编程工具配置文档和你提供的操作视频共同
Codex 是 OpenAI 开源的终端编程智能体(Agentic Coding Agent),以命令行工具(Codex CLI)和桌面应用(Codex App)两种形态交付。它不是一个"代码补全插件",而是一个能读取代码库、规划任务、执行命令、修改文件、运行测试、提交变更的自主执行体——与 Claude Code 同类定位。特性说明Rust 原生构建启动快、内存占用低,终端体验流畅完全开源代码透
如果只是让 AI 改几十行代码,GPT‑6 Astra 的优势未必完全发挥。真正值得关注的是它与 Codex 组合以后,可以参与更长、更完整、更复杂的重构循环。而 Pro 更适合的也正是这种持续工作流。未来的能力差距可能不再是“会不会让 AI 写函数”,而是“能不能让 AI 在一个有约束、有测试、有版本控制的工程系统里连续工作”。
把重复性的内容创作工作,变成一条自动化的工作流人工智能机构 briix 的创始人 Max Johnson,长期为企业主和创始人发布实用的 AI 使用指南,帮助他们更高效地利用人工智能。Max 把这套方法论也用在了自己身上——他把过去纯手动的内容创作流程(选题调研、判断话题相关性、构思吸睛的开场、撰写完整脚本)改造成了一条基于 Claude Code 的单一自动化工作流。在本期《30分钟从零到智能体
2026年9月,OpenAI推出GPT-6Astra,强化计算机操作与智能体执行能力;Anthropic发布ClaudeFable5.1,聚焦长上下文推理与代码开发。前者擅长复杂任务自动化,后者在长文档分析与高频复用场景更具优势。对比显示:GPT-6Astra适合端到端执行与多步骤任务,ClaudeFable5.1则在长文本处理与缓存成本上更优。选型应基于任务类型、成本与实际表现,优先测试真实业务
2026年9月,OpenAI推出GPT-6Astra,强化计算机操作与智能体执行能力;Anthropic发布ClaudeFable5.1,聚焦长上下文处理与代码开发。前者擅长复杂任务自动化,后者在长文档分析与高频复用场景更具优势。两者API输入价同为$10/MToken,但缓存读取成本差异显著:ClaudeFable5.1为$0.25,远低于GPT-6Astra的$1。选型应基于任务类型:自动化执
整理 | 屠敏出品 | CSDN(ID:CSDNnews)继 Claude Code 负责人、Redis 创造者(网名 antirez)之后,又一位程序员圈的重量级人物,开始公开谈论“手写代码的终结”。这一次是 Ruby on Rails 之父、Omarchy 创造者、37signals 联合创始人 David Heinemeier Hansson(DHH)。
wecom-unified 是企业微信官方团队开源的一套 AI 智能体 Skill ,把企业微信的消息、邮件、文档、日程、会议、微盘等办公能力封装成 CLI 命令,让 WorkBuddy、CodeBuddy、Codex、Cursor、Kimi Work、MiniMax Code 等主流 AI 编程助手用自然语言就能直接操作企业微信。事都不大,但一天几十次,纯纯的重复劳动。企微团队开源了 wecom
系统提示词常被误当机密,却易被提取和注入泄露。该文章通过Claude Code源码泄露、Open WebUI漏洞及多起案例,剖析凭据暴露、规则泄露等风险,强调提示词不应含秘密,防御应依赖架构而非隐藏——最小权限、外部护栏(Guardrail)和独立授权,使泄露也不再造成危害。
昨天吐槽了一下为什么 GPT - 6 Astra 没给我推送,我今天早上排查了一下,发现之前有用的一个工具会侵入式的把模型列表给改了,所以 Codex 不管怎么更新用的还是三方的模型列表这里也给我涨了个教训。不过呢,在 GPT - 6 Astra 还没发布两天,OpenAI 官方就祭出了 Astra 的使用焚诀。为啥说是使用焚诀呢,因为我看过之后,发现这些 Prompt 确实有东西,它在防偏移、指
同一段规则在 3 个以上不同任务里重复出现 → 定义只用一次 → 直接写在 Prompt 里,别折腾需要频繁来回确认的任务(子 Agent 独立于主对话,来回沟通成本高,不适合)就改一两行的小事(派 Agent 的开销比直接改还大)规则还没稳定,正在频繁调整(先在 Prompt 里迭代,稳定了再存)定义 Agent 不是越多越好。我目前常用的也就四五个,都是反复用、规则稳定的。□ name 用小写
顶级Coding Agent放弃纯Chat,因软件工程需操作真实环境。终端CLI模式通过PTY虚拟终端、精准局部Patch、AST索引和子代理派发,深度融合本地Git与测试,以真实环境操作与测试终态为标准,实现从“建议”到“参与开发”的升级。
作为一个高频率使用的"记忆刷新"命令,/recap本身解决的是一个很实在的问题——防止 AI 在长对话中"断片"。现在它从"你需要想起来才用"进化成了"它自己会定期复习,你不用管",加上还能自由开关,体验提升很实在。/recap这个在后台默默帮你和 AI"巩固记忆"的小功能。
麦芽AI 与 Cursor 选型对比:一个全流程 AI 协作平台,一个 AI 代码编辑器。结合私有化、模型接入、团队适配做客观选型建议。
本文面向已安装 Claude Code 的读者,梳理首次连接的两条路径:官方账号直接运行 `claude` 登录,并发一条最小请求验证;第三方网关则先确认服务方地址、凭据种类和可用模型 ID,用 curl 验证连通性,再备份并合并用户级 `~/.claude/settings.json`,通过 `/status` 核对设置来源后发送真实请求。文末附首次连接失败的核心排查表和官方资料。