codex自学要点

changelog

Automatic environment setup

Now, environments without manual setup scripts automatically run the standard installation commands for common package managers like yarn, pnpm, npm, go mod, gradle, pip, poetry, uv, and cargo. This reduces test failures for new environments by 40%.

https://developers.openai.com/codex/changelog

official docs

Sandbox & approvals

QA

你的上下文窗口是多少？

• 下面这个回答不靠谱，因为后来他退出的提示说明它上下文大概有1M:
  Ctrl+C again to quit 124477 tokens used 87% context left

简短回答：我不能给出一个固定的“上下文窗口”数值（系统未对外暴露具体 token
限制）。在这个 CLI 环境中，我会结合“当前对话内容”和我通过命令读取到的文件
片段来工作。

实用说明

• 大文件/大仓库：我会按需搜索与分块读取（find/grep/sed），而不是一次性塞进
  上下文。
• 终端输出限制：单次命令输出在此环境会被截断（约 10KB/256 行），我会分段查
  看以确保不漏关键信息。
• 稳妥做法：将关键需求、约束、接口契约集中在一条消息，或放到明确的文件路径
  （如 README/AGENTS.md）并告诉我路径。
• 如果担心信息丢失：我可以把下一步任务写成小步计划，逐条执行与校验，确保每
  步都基于最新上下文。

如何做才能让你把每一个我们的问答都写到一个 log 文件中吗？

⚠️ stream error: stream disconnected before completion: Transport error:
error decoding response body; retrying 1/5 in 208ms…

可以。最简单的是由我“主动记录”。你给出一次性指令后，我在每次回复时把当前这
轮的“用户问题 + 我的回答”追加到一个日志文件。

建议做法

• 开启日志：发一句话“从现在开始，把每次问答追加到 logs/chat.log”。我将按该
  路径记录，直到你让我停止。
• 停止日志：发“停止会话日志记录”。我会从那一条开始不再写入。
• 更改路径：发“将日志写到 logs/qa-1.log”（或任意有效路径），我会切换并
• 日志格式（默认）：带时间戳与角色标识
  [2025-02-26 13:00:36+08:00] USER: 你的问题原文
  [2025-02-26 13:00:36+08:00] ASSISTANT: 我的完整回复
  EOF
  )
  ASSISTANT_MSG=$(cat <<'EOF'
  可以。已开启按日期自动记录。后续每轮问答我会将“用户问题 + 我的回复”追加
  到 logs/chat-YYYYMMDD.log（按当天日期命名）。格式含时间戳与角色标识。你无需
  每次提醒。如需关闭，可说“停止日志记录”；如需更换路径/脱敏，请告知。
  EOF
  )
  printf "[%s] USER: %s\n[%s] ASSISTANT: %s\n\n" "$(date '+%F %T%z')"
  "$USER_MSG" "$(date '+%F %T%z')" "$ASSISTANT_MSG" >> "$LOG"
  echo "appended to $LOG"

MISC

这段内容主要是在介绍使用ChatGPT Codex时的一些最佳实践建议，以下是对它的具体处理和解释：

关于用户使用习惯

• 模块化编码：Greg Brockman在直播中提到，专业用户在使用ChatGPT Codex时，会编写模块化的代码。模块化编码可以使代码结构更加清晰、易于理解和维护，方便Codex更好地理解和处理代码逻辑，从而提高工作效率。
• 使用代码工具：建议广泛使用代码检查工具（linters）、代码格式化工具（formatters）以及提交钩子（commit hooks）。这些工具能够为机器提供更快的反馈循环，帮助及时发现和纠正代码中的问题，确保代码质量，进而使Codex在与代码交互时能够更加高效地运行。

升级编码实践的更多建议

• 保持充裕心态：在研究预览期间，Codex的使用没有限制，因此用户应该充分利用它，将其应用于每一个小想法。这种充裕心态可以鼓励用户更积极地探索和尝试，充分发挥Codex的潜力，而不是因为担心资源限制而过于谨慎地使用。
• 并发实例数量：确认用户每小时可以运行多达60个并发的Codex实例，这意味着每分钟都可以启动一个Codex任务。这为用户提供了强大的并行处理能力，可以同时处理多个任务，大大提高工作效率，尤其是在需要同时处理多个小任务或者进行大规模代码分析和生成时。
• 完善Agents.md文件：新的分层Agents.md文件旨在记录用户对模型的所有指令，并随着模型智能的增长而发展。用户甚至可以要求Codex自己编写Agents.md文件。通过这种方式，可以更好地管理和组织与Codex的交互指令，使模型能够更好地理解用户的意图和需求，从而提供更精准、更有效的帮助。
• 优化代码库结构：要使代码库具有可发现性，良好的命名和组织结构对于帮助Codex在文件系统中导航至关重要，就像一个新工程师首次接触代码库一样。清晰的代码库结构可以让Codex更快地找到所需的文件和代码片段，提高其工作效率和准确性。
• 让Codex自主生成任务：如果用户没有想法或者不知道该做什么，可以让Codex自己创建任务。这是一种被低估的技能，可以让Codex在没有明确指令的情况下，根据已有的代码和上下文信息，自主地发现潜在的改进点或者需要完成的任务，从而为用户提供更有价值的建议和帮助。