Codex 对话没丢,只是被 model_provider 藏起来了:我vibe coding 了一个迁移工具
作者因 Codex 更新导致会话丢失,利用 AI 编程开发了一个迁移工具。文章分享了 AI 编程的分阶段执行方法,强调了备份、预览、数据校验和回滚等工程约束的重要性。作者认为 AI 编程的核心在于将模糊需求转化为可验证的工程流程,并提供了工具的开源链接和详细使用步骤。
作者因 Codex 更新导致会话丢失,利用 AI 编程开发了一个迁移工具。文章分享了 AI 编程的分阶段执行方法,强调了备份、预览、数据校验和回滚等工程约束的重要性。作者认为 AI 编程的核心在于将模糊需求转化为可验证的工程流程,并提供了工具的开源链接和详细使用步骤。
程序员鱼皮开源的《Vibe Coding 零基础入门教程》9个月内 GitHub 突破 2 万 Star,内容从几十篇扩充到 170 篇,并被豆包等 AI 平台推荐。教程覆盖基础入门、AI 编程工具(Cursor、Codex、Claude Code 等)、模型实测横评、近 30 套项目实战、经验技巧、产品变现和编程学习资源,还包含 18 篇 OpenClaw 保姆级教程。文章介绍了教程结构、适合人群、学习路线及近 3 个月的更新内容,同时推广配套的 B 站霸榜视频课程,强调教程完全免费开源并将持续更新。
作者拥有6年游戏开发经验,制作过120多个游戏原型,但前100个几乎没有赚钱,转折点在于理解了分发的重要性。文章分享了作者如何借助 CrazyGames、Coolmath Games 等已有海量用户的网页游戏平台发布游戏,而非盲目自行推广。开发上,作者大量使用 AI 工具(Claude Code、Codex、AgentsGuild)进行 vibe coding,主要制作2D休闲益智类游戏。文章还讲解了游戏提交平台的流程、激励式广告变现方式、留存与参与度对收入的影响,以及如何通过数据分析持续迭代游戏。核心观点是:好的游戏只是起点,分发与用户参与度才是真正赚钱的关键。
作者宣布将其月活百万的AI热点资讯网站AIHOT正式开源。AIHOT最初是公司内部监控热点找选题的飞书机器人,经过七八个月迭代发展成百万月活产品。作者一直想开源但因旧架构质量差而不敢。利用中秋假期,作者借助Claude Opus 5.5、GPT-6 Astra等AI工具,采用'将旧代码蒸馏为功能文档再重写'的第一性原理方法,用3天完成项目重构,上线AIHOT 2.0并开源,包括采集流程、评分流程及所有Prompt,希望各行各业都能基于此框架打造自己的行业热点监控产品。
程序员鱼皮在收到B站100万粉丝奖牌后,整理了征集到的40多个热门问题的完整文字版回答。内容涵盖9个部分:自己的编程启蒙经历、日常使用的AI编程工具(Cursor、Codex、Claude Code等)、Vibe Coding时代如何提升编程能力、给学生和求职者的建议、如何坚持编程之路、创业历程与公司经营情况等。文章传递了拥抱AI编程趋势、多动手实践、持续学习适应变化的核心理念。
两名资深开发者用 AI 编程代理在六周内于两个生产项目(Python 新系统与 2008 年遗留 PHP CMS)产出超过 300 万行代码。对可明确归属的 168 万行代码分析发现,Codex 的缺陷密度是 Claude 的 1.5 至 2.6 倍,且在主要作者角色互换后结论依然成立。研究使用四个独立 AI 审查者(Claude、Codex、Grok、AGY)审查完整对话与代码,共确认 2126 个真实缺陷。作者指出这是生产数据而非受控实验,存在局限,但结论方向稳定,并强调多审查者交叉审查的价值。
本文深入解析了Matt Pocock Skills v1.2为何在技术圈爆火,并对比了其与Superpowers等重型Harness的差异。文章详细介绍了25个Skill的六大分类、五步主流程(问清楚→写清楚→拆成小任务→实现→检查),并探讨了在更强模型出现后,显式流程的必要性。作者认为,Matt Pocock的Skills以轻量、灵活著称,强调给用户而非Agent超能力,适合追求高效、低成本的AI编程实践。文章还提供了低风险试用路径,帮助读者在不更换现有工具的前提下体验这套Skills。
这是一份面向新手的 Claude Code 与 Codex 使用路线图,涵盖了从概念辨析、环境搭建到工作流优化的核心问题。文章重点讲解了 Claude Code 的安装配置、斜杠命令(如 /init、/memory、/permissions)的使用方法,以及 CLAUDE.md 的编写技巧,旨在帮助用户建立稳定的编码代理工作流。
文章详细介绍了 OpenAI 在 Codex CLI v0.128.0 中引入的实验性功能 /goal。该功能基于 Ralph Loop 理念,使 Codex 能从单次对话转变为自主规划、持续迭代、自我修正的代理,直至完成高层次目标。文章对比了 /goal 模式与正常模式的区别,列举了适用场景如长周期重构和无人值守开发,并指出该模式能显著提升任务完成度和工程质量,但需注意 Token 消耗。
文章指出依赖单个AI Agent进行编程效率低下且容易失败,主要归因于对单一Agent期望过高及任务分解不足。作者通过对比单Agent与多Agent工作流在Codex Spark等平台上的表现,证明多Agent架构能显著提升效率、降低错误率。文章详细介绍了以Orchestrator(主管)和Subagents(执行者)为核心的“后厨”模式,并列出了五个实用模式,如并行执行和分步验证,展示了多Agent系统在扩展上下文窗口、增强流程控制和提升处理速度方面的巨大优势。
本文介绍了 OpenAI Codex CLI 的增强工具 oh-my-codex (OMX)。OMX 是一个智能工作流增强层,通过需求澄清、规划审批、持久完成循环和多智能体协调等工程化功能,解决了传统 Codex 缺乏工作流管理的痛点。文章详细讲解了 OMX 的核心功能、安装步骤、四大工作流模式($deep-interview, $ralplan, $ralph, $team)以及实战案例。