ChatGPT Agent Loop 优化技术解析
本文深入解析了 ChatGPT 如何通过 Harness、API 和 Inference 三层架构优化 Agent 循环，重点介绍了持久化 WebSocket、增量 Token 化、KV 缓存管理和推测解码等技术，以降低成本并提升效率。
相关文档
Recursive Agent Optimization Actually Works
文章介绍了 HALO（分层 Agent 循环优化），一种构建递归自改进 Agent 框架的方法论。通过专门的递归语言模型（RLM）分析追踪数据并诊断问题，利用编码 Agent 修复漏洞并重新部署。在 AppWorld 基准测试中，经过 5 个循环优化，场景目标完成率从 73.7% 提升至 89.5%。该实验证明，利用 AI 审视自身追踪数据的“鸟瞰视角”能有效识别幻觉模式、工具调用错误及配置缺陷，为未来的框架设计提供了新的优化范式。
OpenAI Understands Something Important and Rare
本文认为OpenAI的成功不在于拥有最好的模型或芯片，而在于其擅长创造新型客户和构建最持久的分发策略。作者引用德鲁克'企业的目的是创造客户'的观点，分析AI前沿企业的四大杠杆：创造新行为、广泛分发、定价捕获价值、高切换成本。模型层切换成本低、性价比竞争激烈，胜负取决于前两者。OpenAI凭借最广泛的用户基础（消费者、专业用户、企业）、最深的自改进技术栈（自研芯片），持续发现聊天界面、推理、工具调用、Computer Use等突破性模式。文章强调'通用知识'的积累依赖分发策略，平台模式虽变现慢但最持久，OpenAI正以长期视角构建制胜的AI平台。
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。
2026 年 X 上最值得关注的 100 个 AI 博主（全球精选榜单）
作者基于多年使用 X 的经验，筛选并整理出 100 个含金量最高的 AI 相关账号，涵盖 OpenAI、Anthropic、Google DeepMind 等实验室掌舵人与官方号、产品负责人、顶级研究者、AI 编程与 Agent 实践派、开源与基础设施团队，以及近半数的中文一线 AI 实战博主。榜单分为 10 组（英文 6 组、中文 4 组），每个账号均附推荐理由，强调直接获取一手 AI 信息、避免二手信息差的价值。
CodeX 额度不够用？一招让它多干 10 倍活【附 6 段配置】
文章介绍如何通过配置优化 Codex 的额度消耗：主线使用贵的 GPT-6.1 Sol 负责思考决策，把读文件、搜代码、跑测试等杂活派给单价仅为二十分之一的 GPT-6 Luna 子代理。作者给出 6 段配置：让 Codex 自动配置、设置默认子代理模型、创建只读侦察兵 scout 和执行修理工 fixer 两个子代理、在 AGENTS.md 写入自动派活规则、日常派活提示词，以及在 ChatGPT 普通聊天中先聊透需求生成任务单。还提醒避免 Fast 模式、滥用子代理等白烧额度的坑，附具体配置文件与提示词模板。
适合零基础小白的Codex保姆级教程
本文是一篇面向零基础用户的Codex保姆级使用教程，系统介绍了OpenAI将Codex与ChatGPT桌面端整合后的完整使用方法。文章包括：Codex与Claude Code的区别对比（来源、模型、价格、易用性）；安装与账号注册流程；界面三大区域（功能区、项目区、工作区）介绍；三种工作模式（ChatGPT聊天、ChatGPT工作、Codex）的选择建议；基础功能详解（项目、工作位置、添加文件、权限设置、模型选择、语音功能）；高级功能（插件连接Gmail/GitHub、Skill技能复用、图像生成、定时任务、资料库）；以及远程手机连接功能的使用方法，帮助用户高效完成各类任务。
How to Build a Multi-Model Team of AI Agents in 2026
本文介绍 2026 年构建多模型 AI Agent 团队的完整方法。作者指出使用单一模型会导致高成本低效、专业能力受限以及单供应商故障/盲点风险，主张按任务步骤选择合适模型。文章梳理了 2026 年 9 月的主流模型阵容（Claude Opus/Sonnet/Haiku/Fable 5.1、GPT-6 Astra、TypeSafe Jev）及定价，提出五层架构：路由器、编排器、专家模型、评审者（critic）和纯代码层，并讲解如何先对工作负载分类（决策、简单生成、真实工作、难题），再为每层选择最划算的模型。文中附有统一封装多供应商 API 的示例代码，涵盖 effort 参数与 thinking block 处理细节。
新版 Codex 桌面端：值得关注的五个重点
本文围绕 2026 年 DevDay 发布，梳理了新版 Codex 与 ChatGPT 桌面端的五大更新：一是新模型 GPT-6.1 Sol 价格大幅降低，Pro 套餐新增 500 美元档并调整 200 美元档用量；二是 Space / Pages 将生成结果组织为可编辑、可协作的文档成果；三是 Work 云端任务可调用本机已获准的文件和工具；四是 Codex 支持通过对话准备并发布可复用的云端环境，供后续任务直接使用；五是 dots 智能体可承接持续跟进职责，管理调研、执行与提醒，并能组合调用上述能力完成复杂工作流。
从零开始理解提示缓存（Prompt Caching In Agents）【译】
本文翻译自 Earendil Engineering 的《Prompt Caching In Agents》，系统讲解编程 Agent 中提示缓存的原理与实践。文章介绍了 KV 缓存的工作机制（prefill 与 decode 阶段）、缓存的两种存放方式（会话亲和性与分布式缓存）、前缀匹配对缓存命中的决定性作用，以及显式缓存与自动缓存的区别。还解释了为何修改工具定义会破坏缓存、TTL 过期导致短请求昂贵、缓存未命中的计费代价，以及 Pi 为何保持旧记录稳定而不激进剪枝，帮助读者在上下文、缓存复用、延迟与成本之间取得平衡。
Codex大改版后，最新教程来了
本文是2026年10月ChatGPT桌面端大改版后的全面使用教程。作者从安装登录开始，系统讲解桌面界面三栏布局，包括功能入口、Space空间、Dot常驻Agent、项目与聊天管理等新特性。随后重点介绍Codex工作模式的实战用法：如何选择工作目录、区分Chat/Work/Codex三种模式、理解新的订阅额度体系，以及Astra、GPT-6.1 Sol、Luma等模型与思考档位的选择策略。文章还涵盖权限设置、文件/终端/浏览器面板使用、任务撰写四要素（材料、动作、交付物、验收标准）等实用技巧，帮助读者从入门到精通掌握新版ChatGPT桌面应用。
How dots took over my Codex
作者分享了使用 OpenAI 新产品 dots 的体验。Dots 是基于 Codex 开源 harness 构建的主动式个人智能体，可在 Slack、电话、桌面等多渠道间保持上下文连续性，并支持个性化设置。相比传统 Codex，dots 三大优势：一是跨渠道的连续性与个性化，可共享 ChatGPT 记忆和插件；二是协调能力，可并行启动子代理任务，调度本地与 Codex Cloud 云端环境；三是主动性，无需明确提示即可追踪 PR 部署、监控 Slack 消息等并主动汇报。作者认为 dots 大幅释放了心智带宽，已成为其日常工作不可或缺的助手。
手把手教你用 Agent 管理邮箱：从统一收件到每天自动整理
本文介绍了如何用 ChatGPT Agent 实现多邮箱自动整理：将 Gmail、Outlook、QQ 邮箱的新邮件自动转发到一个主 Gmail，再将其连接到 ChatGPT 插件，并创建每天早上 9 点运行的定时任务。任务会把过去 24 小时的邮件按「需要我处理」「重要通知」「资讯速览」三类分类，生成带待办和原邮件链接的清单。文章详细讲解了各邮箱的转发设置步骤、Gmail 与 ChatGPT 的连接与授权区别、定时任务的创建与测试方法、通知提醒配置，以及转发、连接、定时任务三个环节的常见问题排查。整套方案无需写代码、无需自建服务。