看完 Jason Liu 75 分钟实战，Codex 真正好用的分界线出现了
文章深入剖析了 Jason Liu 关于 Codex 的实战 workshop，指出 AI 并发提升了效率，但也带来记忆负担。真正的分界线在于构建可持续、可审阅的工作闭环：利用长线程、文件化记忆、Heartbeat 与 Goal 机制，以及明确的权限边界，让 Agent 从单纯的工具转变为可靠的长期工作搭档。
全部文档
4 篇
长任务 Agent 的最小工程闭环
本文针对长任务 Agent 容易出现的“带不住状态、估不准工作量、评不好输出”三大问题，提出工程化的解决方案。文章通过引入状态层、规划层和验证层，构建了一个包含监督机制的五层架构，旨在通过外部控制和证据链，而非单纯的 Prompt 优化，来实现稳定、可落地的 Agent 系统。
OpenAI Agent SDK 解析：Harness/Compute 分离架构
文章详细解读了 OpenAI Agents SDK 的新架构设计，即 Harness（可信层）与 Compute（计算层）分离模式。该架构将凭证管理与代码执行隔离，不仅解决了长时程 Agent 的安全与稳定性痛点，还实现了状态持久化、跨平台部署及简易审计，被视为企业级 Agent 开发的教科书级设计。
我让 Codex app 操作 Lighting room 对快 500 张源格式的照片进行了自动化后期全程无干预
作者使用 Codex app 的 Computer Use 插件操控 Lightroom，成功对约 500 张照片进行了自动化后期处理。该过程全程无干预，将原本两周的工作量瞬间完成。作者感叹 AI 模型能力提升与 Agent 最佳实践形成的巨大商业价值，并看好“模型+端侧 Agent App+开源 Skills”的组合威力。