全部文档 / 作者: 阿良｜AI 工作流 / 标签: LLM

2 篇

兄弟们，我耗费5天把 REA 和原生 Codex 对跑了 108 次：它到底给 Codex 增加了多少实际能力？

作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验，其中35对可同条件比较。文章详细记录了三个阶段：首先是六次小型探索，测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务，两边均通过全部用例但 REA 组耗时略长；随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索，以及原生 Codex 借助普通工具自行调查的能力，指出在小规模任务中两者能力差距不明显，差异更多体现在调查入口和验证路径上，并对实验边界与结论适用范围做了严谨说明。

技术 › Codex

阿良｜AI 工作流 2026-10-1735.8 KB 2.1K 10 82

一个人的 AI 原生内容系统对照 Anthropic 企业级开发手册：只有两条完整对上

作者将 Anthropic 发布的 AI 原生软件开发流程手册与自己单人维护两月、三仓库 122 个提交的内容系统逐条对照。六个阶段中完整对上的只有两条：动手前写下 success-criteria.md（对应 intent.md），以及规则文件化并在 git 版本化（对应 CLAUDE.md 和 skills）。持续 eval 只算类比，双向 PR 审查和自动写回两条对不上——前者缺第二双眼睛，只能靠堆检查次数弥补；后者写回靠人工起疑心而非自动监控。作者总结出单人系统可抄的三样（阶段产物入版本库、事前写成功标准、可验证失败的自动检查）与抄不了的两样，并给出六个自查问题。

技术 › Claude

阿良 2026-08-2312.3 KB 12.5K 75 79

Anthropic AI工作流软件开发流程单人开发版本控制自动化检查内容生产 committed artifact LLM 工作流方法论