openai

全栈弄潮儿

用 AI 辅助代码审查：提交前检查什么提交代码之前，你通常会做几件事：现在，我们还可以增加一个步骤：先让 AI 帮忙检查一遍，再提交代码。AI 可以帮助我们发现一些容易忽略的问题，例如逻辑错误、安全风险、边界条件和代码风格问题。

Codex回退对话却不回退文件：OpenAI做了两次都没搞定的坑，有人用第三种思路补上了上周我让Codex改一个API接口的参数校验逻辑，它一顿操作改了好几个文件，改完我发现方向完全跑偏了。双击Esc回退三轮对话，上下文确实回去了。然后我习惯性地打开编辑器想看看"之前的代码长什么样"，发现文件根本没动，还是被改过之后的状态。当时我愣了一下，心想：这不对吧？然后更离谱的事来了。我接着在回退后的对话里问它"你刚才那个参数校验改完之后，类型定义还一致吗"，它居然煞有介事地分析了一遍。问题是它分析的是被覆盖后的文件，而不是回退前的。它拿着新文件假装在看旧代码，我在旁边看得直冒冷汗。这不是个小b

杨杨杨大侠

MCP、ToolFunction 与 Skill：从模型输入到工具执行本文中的 ToolFunction 泛指“注册给 AI 应用使用的函数工具”，不是某个框架的固定类名；Skill 指采用 SKILL.md 组织的 Agent Skills。

小四的小六

AI 生成代码翻车实录：数据库回填脚本上线后数据错乱，我的完整复盘上一篇讲了我怎么建的四道防线，这篇展开那次触发我建防线的事故。一个 AI 生成的数据库回填脚本，线上跑了一半崩了。报错在第 3,800 多行——对 null 值取属性抛了类型错误。崩的时候，前面更新的几千行已经写进去了，后面几千行没动。数据半新半旧。

连名词都不会，你AI个Der！学会AI基础之：到底模型是什么玩意儿？都说大模型，有小模型嘛？训练数据多它就是大模型吗？之前咱们一直在讲一些自认为“高大上”的东西，类似于算命必须讲什么煞气，什么紫薇。重点突出一个让别人听不懂，从而显得自己“牛掰”。

从 TCP 底层看实时通信：为什么 SSE 往往比 WebSocket 更香？欢迎关注微信公众号：FSA全栈行动 👋其实 HTTP 的核心逻辑一直很单纯：客户端提问，服务端回答。浏览器发个请求，服务器回个响应，这对话就结束了。

全栈弄潮儿

一周总结：AI 能帮你节省时间的 10 类任务到这里，我们已经学习了不少 AI 编程方法：这一篇不再介绍新的概念，而是整理一份可以收藏的清单：AI 在日常开发中，究竟能帮我们节省哪些时间？

架构精进之路

Claude Code 深度使用指南：从"会用"到"用好"的7个进阶心法导语：Claude Code 不是更聪明的自动补全，它是一个能读文件、跑命令、改代码的AI代理。但很多人用了几周后才发现：真正决定效率的，不是提示词技巧，而是你给AI搭的"轨道"够不够稳。

借助 Trae Work 学透 Multi-Agent 代码：从「抄出来了但没懂」到完整调通 v1.0.8记录用 Trae 学习《多 Agent+Skills+SpringAI 构建自主决策智能体》教程代码的全过程。教程代码跟敲完了，但 Multi-Agent 协作链路、工具调用机制、异常定位——都没真正搞懂。这次拿 Trae 当私教，从代码分析到前端搭建到后端实测调通，前三章完成 v1.0.8 完整学习。如果你也有「能跑但不理解」的教程项目，这种学法值得试试。

全栈弄潮儿

用 AI 写 README 和接口文档：让项目更容易交接很多项目写着写着就会出现一个问题：代码有人写，但没人能快速接手。常见原因是文档太少，或者文档只写了“功能描述”，却没有告诉别人怎么跑、怎么接、怎么改。

用 Ace Data Cloud 给 WorkBuddy 接入多模型：一个 API Token 打通 GPT、Claude、Gemini、DeepSeekAI 编程与办公场景正在快速从“单一模型聊天”走向“多模型协作”。不同模型擅长的方向不一样：有的更适合代码生成，有的更适合长文本理解，有的在推理、中文表达、多模态输入上更有优势。如果每个模型都单独申请 Key、单独看文档、单独配置额度和调用方式，开发者和团队很快就会被接入成本拖慢。

我让 Codex CLI 替我生图，还得防着它拿旧图糊弄我大家好，我是若风。最近在生图这件事上，卡在一个挺别扭的处境里。我手上有 Codex 订阅，Codex CLI 内置的 image_gen 工具能直接生图，质量不差。但我日常写作、跑自动化都泡在 Claude Code 里，这俩是两套运行时，我在 Claude Code 里没法直接喊 Codex 的 image_gen，除非自己再去开一张 OPENAI_API_KEY，单独为生图付费。

全栈弄潮儿

用 AI 做代码优化：哪些建议值得采纳AI 写完代码后，很多人会继续问：但“优化”是一个很宽泛的词。AI 可能会：这些建议不一定都有必要。有些建议能让代码更清楚，有些需要通过测试和数据验证，还有一些只是让简单问题变得更复杂。

Codex Harness 全面开源：OpenAI的 AI Agent 底层执行框架原创声明：本文为原创技术文章，围绕 OpenAI 正式开放 Codex Harness 后的架构、核心能力、集成方式与工程实践进行系统梳理。转载请注明出处。

9. AI编写的SKILL，坑我一一试过，这次我自己改写：逐行Code Review登录代码：username改名account、伪删除双键唯一，4个设计坑一次用 AI 写代码，生成完了是不是直接就跑？我偏不。生成代码必须逐行 code review，跟我写的对比，不然后面全是坑——这点我已经在这套 SKILL 体系里吃过太多亏了。

Codex 桌面端新会话 5 次 Reconnecting？HTTP/SSE 降级配置修复方案（2026 实测）摘要：Codex Desktop 在首次提问或新建会话时反复提示 reconnecting，通常不是模型或账号问题，而是流式连接经过本地代理时 WebSocket 握手不稳定导致的。本文提供一套通过修改 config.toml 强制使用 HTTP/SSE 协议的降级方案，并附完整配置示例与排查步骤。

OpenAI把Codex底层从TS重写成Rust，我拆开看了下它的三层架构先说结论：这不是一次普通的"CLI工具开源"。8月19日，OpenAI 把驱动 Codex App、Codex CLI 和 VS Code 插件的底层执行框架——Codex Agent Harness——以 Apache-2.0 协议完整开源。截至今天（8月24日），仓库已经冲到 115K+ Star，最新稳定版 v0.149.0 是三天前发的。 Codex CLI 用起来就是个终端编程工具，但这次开源的其实是引擎盖下面的东西：对话状态管理、工具调用编排、沙箱执行、流式输出、人工审批——一整套 Agent

用 WorkBuddy 搭个能问答的知识库，只给星球粉丝看我刚干了一件事：把自己 5 年的公众号文章、电脑里散落的原始 md 草稿、三个付费专栏，连同一本已经出版的《Redis 高手心法》，全塞进了一个知识库。

三段式架构的威力：DeepSeek Harness 如何让文件系统、Shell、LLM 全部可替换系列：DeepSeek Harness 源码实战原文仓库：github.com/deepseek-ai…

8. AI编写的SKILL，坑我一一试过，这次我自己改写：Beyond Compare逐行CodeReview：Trae写主体，WorkBuddy改bug前面七篇，从四大准则重写、文档 SKILL、后端 SKILL 到前端 SKILL，两个 AI 工具轮番上阵——Trae 积分烧光，换 WorkBuddy 接着干。特别耗Token也是一个特别大的问题，还有就是老错误总是犯，不读取SKILL，直接开干，结果代码完成不对。这一篇，把 Trae 和 WorkBuddy 生成的前端代码放在一起，用 Beyond Compare 逐行对比，看看谁更接近我自己写的代码，又各自埋了什么雷。