怎样让 Codex 真正会用你的工具
给 Codex 接上 MCP 只是第一步。本文实现一个代码变更影响分析工具，用 36 次真实调用比较含糊接口与语义化 Schema，拆解工具命名、参数设计、结构化输出、安全注解、错误语义和评测方法。
文章归档
第 2 页。归档页按时间倒序展示，每页只加载一组文章封面，减少首屏压力。
企业级 Agent 的七层底座
一个能接入真实业务的 Agent，除了模型和 Prompt，还需要任务契约、可恢复运行时、工具协议、状态与记忆、并发控制、安全边界和评测体系。本文用三个案例给出一套可落地的参考架构。
在 WSL 里把 Vulkan 跑起来
一套经过实际验证的 WSL Vulkan 学习环境：弄清 Dzn 与 Lavapipe 两条执行路径，安装工具链，枚举物理设备，编译 Shader，并建立从第一个三角形到调试、同步和小型渲染器的学习路线。
VPN 开着时 WSL 冷启动断网，我最后换成了 VirtioProxy
一次真实的 WSL 网络故障复盘：Mirrored 模式在特定 Windows 网络环境下冷启动失败，Linux 只剩回环接口。记录如何区分接口、路由和 DNS 问题，切换 VirtioProxy，并用多轮冷启动验证结果。
一周写了 186 GB：WSLg 的 RdClientAutoTrace 撑满了 C 盘
一次 Windows 11 磁盘空间异常复盘：从 C 盘只剩 69.5 GB 开始，逐层定位到 WSLg 远程桌面组件持续生成 ETL 日志，安全清理后保留 WSL、WSLg 与 Docker Desktop，并建立复发监控。
Agent面试详解（下）：评测、安全与落地判断
完成企业级 Agent 的最后一块设计：用 Trace 还原轨迹，用四层测试控制不确定性，把安全边界放在模型之外，并判断 ToB、ToC 与具体场景是否值得投入。
Agent面试详解（中）：记忆、工具与多用户并发
继续设计企业级 Agent 的数据和执行层：长期记忆怎样分层与遗忘，工具怎样契约化，多租户状态怎样用乐观锁、租约和幂等机制保持一致。
Agent面试详解（上）：从模型接口到可恢复的运行时
从 DeepSeek Agent 岗位讨论出发，拆解 Harness、企业级运行时、状态机、事务边界和上下文窗口，回答一个 Agent 怎样从演示程序变成可恢复的系统。
让 Codex 连续干几天，靠的不是一条超长 Prompt
以一套虚构统一授权系统从设计、开发到测试跑通的完整演练为主线，拆解 Codex 如何借助 Goal、状态外置、检查点、模型档位切换和分层验收完成长任务。
用 Codex Sites 搭一个能调用 QVeris 的天气网站
从一份完整 Prompt 出发，用 Codex Sites 生成城市气象观察站，并设计 QVeris 动态工具发现、服务端调用、统一数据模型和凭证保护链路。文中包含在线地址、真实页面截图、访问限制和后续接入方案。
给 Web、CLI 和远程服务器做一套统一授权
用一个可复制的示例，从协议选择、数据模型和接口契约开始，实现同时服务 Web、桌面 CLI、WSL、远程服务器与 API 的 OAuth 2.0/OIDC 统一授权系统。
WSL 里的 CLI，为什么能直接唤起 Windows 浏览器
从一次命令行统一授权 Demo 说起，拆解 Python webbrowser、xdg-open、WSL Interop、OAuth PKCE 与设备码登录，并讨论如何把这种跨系统能力用进日常开发。
GPT-5.6 试用了半天：强，但真的慢
我用 Codex 实测 GPT-5.6 Sol、Terra、Luna，并对 Sol 的 low、medium、high、xhigh 四档做了同题测试。本文记录真实耗时、token、API 等价成本，以及 Sites 插件当前能走到哪一步。
Git 必知必会：开发者实战手册
一份面向日常开发的 Git 极简参考手册：从概念、常用命令、协作命令、高级效率命令，到分支模型、merge 与 rebase、gh、工作流、模板、图形界面、反模式和 AI 时代的用法。
我给 Codex 做了个额度体检
Codex 用久以后，最想知道的不是还能不能用，而是额度什么时候恢复、reset credits 还有几次。本文记录一个本地安全查询方法，也顺手整理这个通道还能看到哪些使用率信息。
模型有没有变笨，先做一次开工体检
用五个十分钟内能跑完的小测试，粗略判断当前 AI/Codex 会话的推理、代码理解、反幻觉和工程排查能力。
世界杯四强，我押这四支队
写在 2026 年世界杯 16 强开打前：不装先知，只按半区、状态、阵容和一点球迷直觉，聊聊我心里的四强和冠军。
用 QVeris 做一次靠谱的 vibe coding
vibe coding 真正有价值的地方，不是把一个页面糊出来，而是借助真实数据快速摸到产品形态，再把它交给工程系统接住。本文用一个 QVeris 数据案例，聊聊如何把 AI 原型做成能继续演进的产品。