手机编程的里程碑：可以在 ChatGPT 里使用 Codex 了 从 4 月份开始，Codex 脱胎换骨，大踏步前行，成了 OpenAI 的另一个战略级武器。4 月其实还有个数据，ChatGPT 的周活跃用户接近 10 亿了，在 C 端用户规模上碾压式领先 Anthropic，但营收呢？Anthropic 凭借高质量的 Coding Agent 在企业和开发者市场实现了更快的营收增长，4 月份 ARR 到了 300 亿美元，超过了 OpenAI。 这种趋势 OpenAI 不可能没有感知。GPT 以前更多关注通用模型、多模态和推理，对 Coding 没那么重视，现在凭借 GPT 5.5 的模型能力和强悍的 Codex 工程设计，快速追赶上来。Claude App 目前的表现还是比较拉跨的，能和 Codex 一战的只有 Claude Code。 Codex 还有一个优势就是价廉物美，说起模型能力，Opus 显然是最强的，但 GPT 做到了不弱，加上价格优势和工程能力，主打一个平衡。 Claude Code 的优势在于命令行编程能力超强，配置第三方模型更加灵活，对于习惯命令行的用户非常友好。 大家各取所需就好，不过如果你想在手机上持续使用推进研发任务，显然 Codex 是最佳选择。

代码编程之前，先进行一轮文档编程。由 Claude Code 完成所有 AI 任务的拆分和编排，再交给 GitHub Copilot 一气呵成，agent 疯狂跑了 8 个多小时，token 消耗才 0.3%，充分利用了 Copilot 按请求次数收费的机制。感觉永远用不完，😅 这套执行流程（图三）陆陆续续打磨了一个多月。整体设计为主从式 agent 结构，主 agent 负责决策与任务分发（Coordinator），多个从 agent（Explore / Review / Repair / Experience）负责执行、修复与经验沉淀。过程管理采用 TASKS.md（管任务）+ CURSOR.md（管进度），确保每个步骤执行到位，全程 AI 自主完成。 执行效果基本符合预期（图一）。每轮任务完成后会触发 2～3 轮 code review，将问题逐步收敛并修复。最终产出的代码质量较稳定，没有明显缺陷，还额外覆盖了一些性能优化场景。 目前最大的问题是，耗时太长了（图二）。整个过程花费了 8 个多小时。分析了整个执行过程的耗时分布，agent 真正写代码执行只占 48.7%，其余 51.3% 都花在 review、fix、recheck、accept、phase 任务上，后置的质量闭环占了大头。 这就是利用 subagent 做复杂 context engineering 的必然代价。每个 phase 结束后，agent 都需要重建上下文，重新加载代码、review 结果与规范，同时同步任务卡与状态文档，才能进入下一阶段，context 切换成本非常高。 要做到效率真正提升，目前有两条路径，一是压缩 agent 执行链路，将文档驱动的流程逐步固化为可复用的代码逻辑；二是优化 context 切换的效率，通过增量更新、差异加载与状态缓存等方式减少重复计算。不过，再往下优化，边际收益就不高了。

Codex编程能力非常牛，但是它最令人头疼的是：给出的回答里有一堆专业术语，看都看不懂。 之前我的做法是把它拷贝给另外一个ai，让它解释一下。 这两天突然想到，其实可以做一个skill，直接让gpt5.4说人话。 它会直接把刚才回答改写成更简单、适合初学者看的中文说明。 特别是碰到分析出的问题的时候，会根据下面的格式 问题：就像门卫只看了通行证上的名字，却没有检查印章是不是真的。 原因：代码里用了 jwt.decode()，这个方法只会把通行证上的内容读出来，不会检查印章真伪。 后果：任何人只要随便伪造一张通行证，就能冒充别的用户登录。 修复建议：把 jwt.decode() 换成 jwt.verify()，这个方法会同时检查印章，是假的就会直接拒绝。 具体skill已经开源

学网络编程总踩同一个坑—— 理论看完不会写，源码看完不知道从哪改。 直到我发现这个宝藏开源教程：Build Your Own Redis，手把手带你从零撸出一个真实可用的 Redis 服务器。 分两步走： 1️⃣ 先从 socket 编程起步，TCP 服务器、事件循环、键值存储，一步一步搭起来 2️⃣ 再往硬核走，哈希表、AVL 树、线程池，真正啃底层 每章都有代码 + 讲解，拆得细、推进稳，跟着写完你会发现自己真的懂了，不是"感觉懂了"。 免费网页版直接看： 🔗 先收藏，别让它吃灰。

Anthropic在编程用户和企业客户中大获成功，以自己的节奏重塑了AI领域的竞争格局。知情人士透露，近来Anthropic收到的投资意向对其估值已超过9,000亿美元，这一数字也超过了OpenAI。

@liaoping2020 这里有两篇编程随想关于雷洋案的新闻汇总。 每周转载：雷洋案第1季——人大校友离奇死亡引大量网友围观 每周转载：雷洋案第2季——北京检方“不起诉”引发轩然大波

平时用各种 AI 编程助手，多开几个会话电脑内存就容易狂飙，敲代码的反应也跟着变慢。 今天发现 jcode 这个开源项目，定位是主打高性能的下一代 AI 编程智能体。 用 Rust 语言重构了底层架构，内存占用和响应速度比主流同类工具快了好几倍。 并引入向量化记忆系统，能自动回想之前的对话细节，帮我们省下大量上下文 token。 还能多智能体协同，派几个 Agent 在同一个仓库里并行写代码，随时自动处理文件冲突。 GitHub： 提供了一键安装脚本，全面兼容主流云端大模型以及本地部署的开源模型。 自带浏览器自动化工具，能直接让 AI 帮我们测试网页渲染效果。 底层设计相当硬核，适合重度依赖 AI 编程又对电脑资源占用敏感的朋友试试。

将多家 Claude Code 编程套餐的 Token Plan、Coding Plan、API 额度合并为一个虚拟 Plan，按顺序或轮询调度，限流与失败自动切换，充分利用每一份额度。