📕我是廖志伟,一名Java领域优质创作者、优快云博客专家、阿里云专家博主、51CTO专家博主 、产品软文专业写手、技术文章评审老师、技术类问卷调查设计师、幕后大佬社区创始人、开源项目贡献者、清华大学出版社签约作家。

📘不定期分享高并发、高可用、高性能、微服务、分布式、海量数据、性能调优、云原生、项目管理、AI工具提效方法论、产品思维、技术选型、架构设计、求职面试、副业思维、个人成长等内容。
文章目录

如果你只是让 Codex(面向软件工程的智能编码代理)补一个函数、解释一段报错,很多问题都不会暴露出来。
真正让我开始系统性优化 Codex 的,是一次持续多天、同时涉及代码分析、浏览器操作、Git 交付和多轮验证的工程任务。单次回答看起来都没有问题,但任务一长,问题就开始集中出现:上下文压缩后忘记原来的边界;改动范围逐渐扩大;两个执行单元同时写同一个文件;测试通过后代码树又变了;浏览器明明已经登录,却因为一次重试差点失去当前页面;PowerShell(Windows 命令行脚本环境)输出中文乱码,导致错误判断;最后代码已经完成,却说不清到底能不能交付。
我后来发现,AI Coding(人工智能辅助编程)真正难的部分,不是让模型“更会写代码”,而是让它在长任务中保持稳定的工程行为:知道自己要做什么,知道什么不能做,知道证据是否仍然有效,也知道什么时候必须停下来等人确认。
这篇文章就是一次个人实战复盘。我没有把它写成配置手册,也没有罗列内部文件,而是按照“我遇到了什么问题、为什么会发生、我如何优化、这项优化解决了什么”来展开。全文一共 42 项,分成 8 类问题。你不一定需要全部照搬,但可以从中挑出最接近自己工作流的部分。
先说明文章边界:这里的“优化”是我在真实工程任务中沉淀出来的方法和机制,不代表 Codex 官方功能清单。文中提到的收益,指的是工作流可控性、可追溯性和交付质量的改善,不等同于任何特定项目的生产指标提升。
一、先从 8 个真实问题说起
这是一篇问题驱动的技术复盘:每一项优化都对应一个我在实际工程任务中遇到的具体问题。
我最初并没有打算做 42 项优化,而是被 8 类问题连续教育后,才发现它们彼此相关。
1. 任务变长以后,模型开始“记得局部,忘记全局”
短任务依赖即时上下文,长任务依赖结构化状态。聊天记录越来越长时,模型可能还记得最近一次报错,却忘记最初约定的非目标;上下文压缩(Context Compression,上下文压缩)之后,甚至会把“待验证”误读成“已完成”。
2. 能执行,不等于应该执行
脚本能访问数据库,不代表当前任务允许访问生产数据;浏览器已经登录,不代表可以替用户确认权限、付款或发布;一个工具可用,也不代表它应该暴露给所有任务。
3. 并行执行会放大写入冲突
多个智能体(Subagent,子智能体)同时搜索通常很快,但当它们同时修改同一个文件时,问题就从“谁写得好”变成“谁覆盖了谁”。简单的文本合并并不能理解业务语义。
4. 验证结果会过期
验证针对的是某棵代码树、某组命令和某个工具链。如果验证之后又修改了文件,或者远端已经前进,刚才的通过结果就可能已经过期。
5. Git 交付最容易出现“最后一步失控”
真正危险的不是 git commit(创建提交),而是工作树里混入了其他任务的改动,或者推送之后本地分支、临时工作树没有清理。表面上代码到了远端,实际却没有完成交付闭环。
6. 浏览器自动化会影响正在使用电脑的人
如果自动化直接抢前台焦点,用户正在输入的内容可能被送进错误的页面。更麻烦的是,浏览器里还保存着登录态、Cookie(网站会话凭证)和打开的标签页,粗暴重启浏览器会把问题变成数据和会话风险。
7. Windows 脚本的编码和超时会制造假故障
中文输出乱码、脚本引号嵌套错误、命令超时但进程其实仍在运行,这些都可能让自动化误判。错误恢复不能只靠“再跑一次”。
8. 做完很多动作,却无法给出可信结论
“文件存在”“脚本执行过”“页面返回 200”都不是完整的验收。最终必须能回答:哪些已证实,哪些只是可能原因,哪些还没有验证。
下面的 42 项优化,都是从这 8 类问题中拆出来的。
二、第一类问题:长任务为什么会失控
这一组主要解决上下文、任务边界和长期状态问题。我的经验是,长任务的第一生产力不是更长的提示词,而是把重要信息从自然语言变成可以恢复的状态。
第1项:把模型能力和推理强度分档
我一开始习惯所有问题都用同样的模型和同样的推理强度,结果是简单任务变慢,复杂任务又没有得到足够的验证。后来把任务分成快速、平衡、严格和长期目标几档,让每一档明确推理强度、允许的工具、验证深度、超时和是否允许外部副作用。
这项优化的重点不是“永远用最强模型”,而是让模型选择服务于任务风险。补一个局部函数不需要启动完整的长期任务机制;涉及发布、权限、共享状态或失败重试的任务,则不能因为看起来改动很小就走快速路径。
第2项:为上下文和记忆设预算
上下文预算(Context Budget,上下文可用容量)不是越大越好。把所有历史对话、日志和文档一股脑塞给模型,会增加噪声,还可能让真正重要的约束被淹没。
我后来把信息分成三层:当前任务必须知道的硬约束、阶段性证据和可按需检索的历史。每一层都有独立预算,恢复时先注入硬约束和当前阶段,再补充与当前问题相关的历史。这样可以避免“记忆很多,但记错重点”。
第3项:给每个任务建立清晰的状态机
状态机(State Machine,状态迁移模型)解决的是“现在到底进行到哪一步”。一个长期任务至少要区分准备、执行、验证、恢复、交付和关闭,不能只用一个布尔值表示“完成”。
例如,验证失败后应该进入恢复状态,而不是继续显示执行中;等待用户确认时应记录为等待,而不是让执行耗时不断增长;已经通过验收但还没有交付,也不能直接标记为关闭。
第4项:用阶段锚点抵抗上下文压缩
阶段锚点(Phase Anchor,阶段恢复摘要)是我觉得最实用的一项。每到一个阶段边界,保留当前阶段、已完成内容、进行中内容、已确认决策、未完成验证、下一步和阻塞项。
它和普通摘要不同:普通摘要倾向于讲“之前发生了什么”,阶段锚点强调“现在恢复后应该做什么”。当上下文被压缩、会话被恢复或任务交给另一个执行单元时,优先读取锚点,就不容易从旧对话里凭印象重建任务。
第5项:把后续消息分类,而不是全部当成追加指令
长任务最容易发生目标漂移(Goal Drift,目标逐渐偏离)。用户后续说“再补一个场景”,可能是追加需求;说“之前那个不对”,可能是缺陷修复;补充一条运行环境信息,则是事实更新;如果直接把它们全部拼进原提示词,任务边界会越来越模糊。
我把后续消息区分为缺陷修复、追加需求、事实更新、约束变化、验收变化、目标变化和普通消息。仍然服务原目标的内容沿用原任务;真正改变目标的内容则单独冻结旧目标,再建立新目标。这样做之后,长任务不会因为一句临时想法就悄悄改了完成标准。
第6项:为长期目标维护生命周期
长期目标(Goal,持续推进的任务目标)不能只依赖聊天窗口。它需要有里程碑、变更项、缺陷项、决策项、证据项和未解决问题,并且每个后续动作都能回到同一个目标。
这项优化解决了两个实际问题:第一,任务中途出现新事实时,不需要把完整历史重新复制一遍;第二,用户改变目标时,不会把已经通过的旧验收结果混到新目标里。长期任务最怕的不是慢,而是完成了一个没人真正要求的东西。
三、第二类问题:权限、工具和规则为什么必须分层
AI 代理的能力越强,越不能只靠一句“请谨慎操作”。真正可靠的做法是把事实来源、能力边界和执行门禁分开。
第7项:先定义事实源,再让模型做判断
事实源(Source of Truth,权威事实来源)是工程系统里最容易被忽视的东西。接口路径应来自当前接口文档,权限应来自当前授权定义,业务枚举应来自当前常量或模式定义,数据库连接信息应来自受控配置。
如果模型凭历史记忆猜接口、猜权限或猜错误码,生成的代码很可能“看起来合理,运行时失败”。因此我把“事实从哪里来”作为任务前置条件,缺少事实时明确标成未验证,不用推测填空。
第8项:把权限边界和沙箱边界写清楚
沙箱(Sandbox,限制文件、网络和进程访问范围的隔离环境)不是安全的全部,但它是第一道边界。任务开始前要明确能读什么、能写什么、能否访问网络、能否调用浏览器、能否触碰生产资源。
更重要的是,权限必须跟任务绑定,而不是跟“当前会话已经有权限”绑定。当前任务不需要的权限不应自动开放;生产数据库、支付、授权、登录和多因素认证(MFA,多因素认证)等动作必须保留人工确认。
第9项:把功能开关从业务逻辑中独立出来
功能开关(Feature Flag,控制功能是否启用的开关)解决的是“能力存在”和“能力现在是否启用”的区别。一个工具、一个自动化动作或一个高风险流程,即使已经实现,也不应默认对所有任务生效。
我为开关补充了适用场景、默认值、关闭后的行为和验证方式。这样排查问题时可以先判断是实现缺陷,还是能力根本没有被当前场景启用。
第10项:统一管理插件、MCP 和连接器
Plugin(插件,扩展代理能力的组件)、MCP(模型上下文协议,用于连接模型与外部工具的协议)和 Connector(连接器,访问外部服务的适配层)如果各自维护,很快会出现重复能力、权限不一致和调用来源不明的问题。
我的优化方向是建立统一的能力清单:每个工具说明用途、输入输出、权限、风险等级、失败表现和适用任务。工具注册不等于工具授权,授权连接器也不等于允许当前任务调用。
第11项:把隐私和存储边界前置
凭证、令牌、Cookie、私钥和完整授权头不能进入普通 Markdown、日志、截图或记忆。隐私与存储(Privacy and Storage,控制数据保存边界)应该在任务开始时就确定,而不是出问题后再补救。
我把日志分成可公开的业务摘要和受保护的诊断数据,只在必要时保存脱敏后的字段。这样既能排查问题,又不会为了“方便复现”把登录态和密钥扩散到更多地方。
第12项:引入任务画像
任务画像(Task Profile,描述任务执行策略的配置画像)把抽象的风险要求变成可执行参数。一个完整画像至少要写清推理强度、并发策略、验证深度、超时、外部副作用和是否需要用户决策。
以前我经常在任务进行到一半时才发现“这个动作其实不能自动做”。任务画像把这类判断提前,让执行策略可预测,也让后续审计能解释为什么这个任务走了严格验证,而另一个任务没有启动完整流程。
第13项:区分全局规则和项目规则
全局规则适合放跨项目都成立的安全红线,例如不泄露密钥、不把未经验证的结果说成已完成;项目规则则适合放项目自己的分支策略、构建命令和目录约定。
如果把所有项目细节都塞进全局规则,规则会越来越长,冲突也越来越多;如果把通用安全边界只写在某个项目里,换项目就会丢失。我的做法是先判断问题是跨项目共性还是单项目约束,再决定规则归属。
第14项:用任务契约冻结范围
任务契约(Task Contract,冻结目标、范围、非目标和验收标准的结构化约定)是 42 项里最关键的连接点。它至少包含目标、用户硬约束、假设、写入范围、排除范围、非目标、成功标准、风险、待确认决策、重试预算和停止条件。
契约的价值不在于写得漂亮,而在于后续控制器可以用它判断:某次写入是否越界,某条证据是否过期,某个自动修复是否需要扩展范围,以及最后是否真的达到交付标准。
第15项:为人机协作保留清晰的桌面交互
桌面交互(Desktop Interaction,代理与用户在桌面应用中的协作界面)不能把所有内部状态都推给用户,也不能把关键决策藏起来。用户真正需要看到的是当前阶段、需要他确认的事项、失败是否可重试,以及下一步动作。
我减少了无意义的过程通知,保留完成、失败、状态变化和需要用户操作的通知。通知系统只负责提醒,不负责替代任务状态和验收证据。
四、第三类问题:42 项优化如何真正落到执行机制
前面的项目解决“应该怎么定义”,这一组解决“定义之后能不能执行”。很多 AI 工作流失败,不是因为没有规则,而是规则没有进入运行时。
第16项:让任务画像真正影响执行
仅仅存在任务画像还不够,执行器必须读取它。快速任务应该限制探索范围;严格任务应该自动增加负向路径和回归验证;涉及 API(应用程序编程接口)、数据库、共享状态或发布的任务,要自动提升验证等级。
这项优化把“配置”变成“行为”。如果画像写了严格模式,但实际仍然只执行一次编译,那么画像只是文档,不是机制。
第17项:用 Skill 路由专业方法
Skill(技能包,面向特定领域的执行方法)不是提示词收藏夹,而是把领域知识、工具选择、验证步骤和输出格式组合起来。API、Git、浏览器、数据库、发布等任务不应该都用同一套通用流程。
路由时优先判断任务领域和风险,再加载最小必要技能。这样既减少上下文噪声,也避免一个领域的规则误伤另一个领域的普通任务。
第18项:用 Hook 做写入前拦截
Hook(钩子,在关键动作前后自动检查的机制)适合阻止客观违规,例如写入了禁止路径、提交包含密钥、共享状态直接写入 Java 对象、前端接口直接暴露实体对象。
Hook 不适合用低置信正则判断复杂业务语义。我的经验是:高置信问题直接阻断,语义判断进入契约和人工评审,未知情况给出警告。这样门禁既不会形同虚设,也不会因为误报让人开始绕过它。
第19项:把 Gate 变成分层质量门禁
Gate(质量门禁,阻止不满足条件的变更继续流转)应该分层,而不是所有任务都跑完整套流程。文档任务关注结构、乱码、敏感信息和引用;代码任务关注编译、测试和回归;接口任务还需要契约与真实回放;共享状态任务必须验证前后版本兼容。
分层的关键是“降低无关成本,不降低相关质量”。纯文档变更不需要强行编译整个项目,但如果文档里混入脚本、配置或接口契约,就应该回到更完整的门禁。
第20项:统一脚本入口和参数契约
脚本入口(Script Entry,自动化流程的标准调用入口)最容易被临时命令污染。相同任务如果今天通过命令行参数执行,明天通过环境变量执行,后天又由浏览器按钮触发,失败时很难还原。
我给重要脚本统一了输入参数、退出码、超时、输出摘要和失败分类。脚本不应该只打印一句“成功”,而要让上层知道是通过、失败、超时、被阻断还是结果未知。
第21项:按场景路由,而不是按文件类型路由
场景路由(Scenario Routing,根据任务风险和用户目标选择流程)比“看到 Java 就跑编译、看到 Markdown 就直接保存”更可靠。一个 Markdown 可能包含部署命令,一个配置文件可能影响共享状态,一个浏览器动作可能涉及不可逆发布。
我在路由判断中加入了副作用、数据敏感度、是否跨进程、是否需要用户确认和是否可能改变远端状态等信号。任务类型只是起点,风险才决定验证深度。
第22项:建立冲突仲裁层
冲突仲裁(Conflict Arbitration,多个规则或执行单元发生冲突时的裁决机制)解决的是“谁拥有最终解释权”。控制面负责范围、状态和门禁,具体规则内容仍由对应领域维护,不能让一个万能规则文件同时管理所有细节。
例如,浏览器策略负责会话和焦点安全,Git 策略负责分支和清场,接口契约负责前后端字段,工作流控制器负责状态和证据。明确 owner(责任归属)后,规则冲突才有地方解决。
第23项:管理 Goal 的后续变更
前面提到消息分类,这里把它落到运行时:缺陷修复要重放原失败,追加需求要登记范围增量,事实更新只刷新证据,验收变化需要重新冻结标准,目标变化则结束旧 Goal 并建立新的父子关系。
这样做可以避免一个常见误区:用户说“顺便再加一个功能”,执行器就把它直接塞进当前任务,最后既没有验证原问题,也没有清楚的新验收标准。
第24项:让 Workflow Controller 成为验收权威
Workflow Controller(工作流控制器,负责执行契约、保存证据和驱动状态迁移)不接受调用方传入的“PASS”文本,它只认实际退出码、超时状态、范围摘要和脱敏输出摘要。
控制器还要区分 acceptance(验收,确认结果满足要求)、delivery(交付,把已验收结果送达目标环境)和 close(关闭,完成状态与清场)。这三个状态不能用一个“完成”替代。
五、第四类问题:并行为什么会从提速变成事故
并行执行很有价值,但必须把搜索、分析、写入和集成分开。真正高效的并行不是让所有人同时改文件,而是让互不冲突的工作流同时前进。
第25项:为子智能体编排定义槽位
子智能体编排(Subagent Orchestration,拆分和调度多个执行单元)至少可以分成证据与根因、主产出、验证与集成三个槽位。每个槽位必须有自己的输入、输出和范围,不能让三个执行单元重复做同一遍搜索。
如果任务强耦合、会争用同一个文件或外部资源,并行反而会增加合并成本,这时降级为单执行单元是正确选择。并行不是目标,缩短总完成时间才是目标。
第26项:为每一波任务建立共享证据索引
共享证据索引(Evidence Index,记录已读事实、证据来源和新鲜度的索引)让子任务复用同一份事实基础。它应该记录已确认事实、开放问题、每个文件的责任归属和证据时间。
这样做能减少重复扫描,也能避免一个执行单元基于旧文件、另一个执行单元基于新文件得出互相矛盾的结论。证据索引过期时要重新建立,不能把历史摘要当成当前事实。
第27项:同一个文件只保留一个写入者
文件写入协调(File Write Coordination,保证同文件写入按顺序发生)是并行工作流的底线。多个任务可以同时搜索和准备补丁,但同一个文件在同一波次只能有一个实际写入者。
这项规则看起来保守,却能消灭大量“最后一次写入覆盖前一次写入”的问题。其他任务如果需要基于新内容继续,必须重新读取文件,而不是继续使用旧上下文。
第28项:写入前保存基线并拒绝陈旧补丁
基线(Base Snapshot,写入前记录的文件版本)可以用 SHA-256(安全哈希算法)等内容摘要表示。等待写入的任务拿到锁时,如果文件已经发生变化,就必须重新读取并重新生成补丁。
我不再允许“旧补丁自动套到新文件上”。这会让某些任务多花一次读取时间,但它把隐蔽的数据覆盖变成了明确的失败,排错成本反而更低。
第29项:隔离执行环境
执行环境(Execution Environment,任务运行时使用的目录、进程、账号和工具链组合)必须可识别。不同任务不能默认共享临时文件、缓存、环境变量和浏览器焦点。
如果任务必须共享资源,就要显式声明共享对象和并发规则;如果不需要共享,就使用隔离目录、独立临时标识和最小环境。隔离不是为了增加仪式感,而是为了让失败能归因到正确的任务。
六、第五类问题:验证为什么会失效
我以前把“跑过测试”当成终点,后来发现验证本身也需要身份、缓存和恢复机制。
第30项:区分执行路径
执行路径(Execution Path,一项任务从输入到结果经过的完整步骤)要明确是只读分析、候选实现、当前树验证、远端交付还是生产动作。不同路径的风险完全不同,不能只看最后都输出了一段文字。
特别是“准备补丁”和“应用补丁”必须分开;“检查是否可以发布”和“真正发布”也必须分开。路径清晰,用户确认才能落在正确的位置。
第31项:建立命令策略
命令策略(Command Policy,规定命令来源、参数、超时和重试边界的规则)让我解决了大量不稳定问题。每条重要命令都需要有工作目录、允许的参数、超时上限、进程复用策略、失败分类和是否允许重试。
尤其要注意:超时不等于功能失败。命令超时后应该先看输出、进程是否仍然存活、产物是否生成,再进行一次有界的更长重试。不能因为一次 shell(命令解释器)预算结束就修改代码。
第32项:批量读取,但不扩大上下文噪声
批量读取(Batch Reading,一次读取多个相关文件或片段)可以显著减少启动开销,但前提是读取范围已经明确。最有效的方式不是把整个目录塞给模型,而是先建立文件清单,再按证据索引读取相关片段。
批量读取还要保留文件来源和时间,避免把多个相似配置混在一起。速度优化来自减少重复初始化,而不是降低事实精度。
第33项:把记忆同步做成可恢复机制
记忆机制(Memory Mechanism,保存和检索历史上下文的运行机制)如果一次性读取超大历史文件,既慢又容易占满内存。我采用单 Worker(后台工作进程)、固定块流式解析和 Checkpoint(断点记录)同步。
同步失败、锁被占用或进程超时,都应该返回已有缓存并记录回退状态,不能阻塞主任务,也不能用一个不完整摘要覆盖原始历史。历史记忆是辅助上下文,不能替代当前工作流控制器的状态。
第34项:把验证策略分为正向、负向和回归
验证策略(Verification Strategy,定义如何证明结果正确的规则)至少包含三类:正向路径确认正常输入能成功,负向路径确认错误输入和越权动作被阻断,回归路径确认受影响的旧能力仍然正常。
涉及共享状态时,还要覆盖旧读者读取旧数据、新读者读取旧数据、新读者读取新数据、旧读者读取新数据、混合实例、当前写入后的回滚和损坏数据隔离。只测“没有抛异常”远远不够,还要验证业务语义仍然正确。
第35项:给证据建立身份
证据身份(Evidence Identity,证明一条验证结果属于哪棵代码树、哪组范围和哪套工具链)是缓存可信的前提。至少要绑定代码树摘要、任务范围、契约版本、命令集、工具链、环境、验证模式和时间。
同一个测试命令在不同代码树上通过,不能互相复用;同一个代码树在不同验证范围上通过,也不能把窄范围结果升级成全量结论。证据越具体,结论越可信。
第36项:让验证缓存只在完全等价时命中
验证缓存(Verification Cache,保存已通过验证结果以避免重复执行的缓存)能提速,但也最容易制造假安全感。缓存命中必须要求代码树、范围、契约版本、命令集、工具链和验证模式全部一致。
如果上一次失败后只是机械重跑同样的命令,不能把它当成恢复进展;必须有新的诊断证据、不同的路径或更小的根因范围。缓存是性能优化,不是跳过验证的理由。
第37项:把失败恢复变成明确的诊断流程
失败恢复(Failure Recovery,失败后分类、诊断、修复并重放的流程)不能只有“重试”。我把它固定为:发现、分类、诊断、最小修复、原失败重放、受影响回归。
第一次失败可以在当前执行器上做局部修复;如果第二次仍然是相同输入、相同命令和相同失败摘要,就必须更换诊断路径,而不是无限重试。修复是否有效,要看证据摘要是否发生有意义变化,而不是看模型说“已修复”。
七、第六类问题:Git 和浏览器的最后一步最危险
代码交付和浏览器操作有一个共同点:它们都可能改变外部状态。因此必须优先保证边界和可恢复性。
第38项:把 Git 和工作树隔离机制落到运行时
Git(分布式版本控制系统)和 Worktree(Git 工作树,用于在同一仓库维护多个独立工作目录)不仅是开发便利工具,也是任务隔离工具。当前目录有其他任务改动时,不能用 stash(暂存改动)、reset(重置改动)或覆盖文件来换取“干净”。
需要交付的任务应该在能独立清场的工作树中完成。推送前验证当前代码树与已通过验证的代码树完全一致;远端前进后重新获取基线、重建候选并重新验证。
第39项:浏览器执行默认后台优先
浏览器会话(Browser Session,包含登录态、Cookie、标签页和浏览器配置的运行上下文)是高风险资源。普通读取、导航、页面内输入和幂等操作优先使用后台通道,不抢用户鼠标、键盘和前台窗口。
只有登录、多因素认证、原生文件对话框、下载或必须发生在真实窗口里的动作,才进入前台兜底。前台操作要有独占锁、有界等待和明确的授权标记,不能因为脚本方便就直接模拟鼠标。
第40项:发布与回滚必须验证双向兼容
发布与回滚(Release and Rollback,发布制品并在失败时恢复到可用状态)不能只准备一个旧版本镜像。需要确认制品、配置版本、数据库变更顺序、失败发布回滚、运行时异常回滚和恢复后的健康状态。
特别是 Redis(远程键值存储)、Session(会话状态)、消息和持久业务状态,不能简单清空来假装兼容。共享状态必须设计稳定的 Wire Contract(跨进程传输契约),避免把 Java 类名、对象序列化信息或业务对象直接写到跨版本边界。
八、第七类问题:观测不到,就无法判断是否真的变好了
第41项:让运行时可观测性独立且可降级
运行时可观测性(Runtime Observability,运行中对事件、指标和失败的记录能力)要覆盖事件、耗时、失败指纹、脱敏状态和验证身份。性能指标至少要在同一机器、同一入口和同一版本下记录 P50(中位数)、P95(95 分位)和 P99(99 分位),同时记录样本数与预热策略。
观测链路不能反过来拖垮业务链路。指标写入失败时,应该隔离、降级或丢弃非关键观测,而不是让主流程一起失败。只有这样,观测数据才是辅助决策,而不是新的单点故障。
九、第八类问题:为什么最后还要专门做“汇报与关闭”
第42项:用结构化报告完成最终关闭
汇报与关闭(Reporting and Close,把复杂执行过程收敛成可读结论并正式结束)不是行政动作,而是工程质量的一部分。报告应该说明当前阶段、已经完成的内容、验证过的范围、剩余风险和用户下一步动作。
我最终采用三层结论:
- 已证实:有当前范围、当前环境和实际验证器支持的事实。
- 可能原因:根据现有证据排序的假设,需要后续实验确认。
- 未验证:当前任务没有覆盖,不能用推断补齐。
关闭前还要区分验收、交付和清场。文件写完不等于验收完成,验收通过不等于已经交付,交付完成也不等于临时分支、临时工作树和临时资源已经清理。只有这些状态都闭合,任务才真正结束。
十、42 项优化之间如何协同
把 42 项列出来并不难,难的是让它们不互相打架。我后来把它们理解成四条相互连接的链。
1. 目标链:从任务契约到最终关闭
任务契约定义目标和边界,任务画像选择执行策略,状态机记录阶段,控制器保存证据,最终报告负责关闭。任何一个环节缺失,后面的结论都会变得模糊。
2. 安全链:从权限到外部副作用
沙箱限制能力,功能开关决定是否启用,Hook 拦截高置信违规,Gate 决定能否继续,浏览器和 Git 策略保护外部会话与代码交付。安全不是某一个脚本的职责,而是多层边界共同作用。
3. 证据链:从读取事实到验证缓存
事实源提供当前信息,共享证据索引减少重复读取,验证策略产生证据身份,缓存只复用完全等价的证据,失败恢复负责在证据不足时继续诊断。没有证据身份的缓存,速度越快,误判越快。
4. 性能链:从批量读取到有收益的并行
批量读取减少重复初始化,子智能体编排利用独立工作流,文件写入协调避免并发覆盖,进程复用和缓存减少等待。但所有提速都不能删除原失败重放、受影响回归、用户确认或最终清场。
十一、我现在如何使用这套方法
对于一个普通的小任务,我不会启动完整的长期目标流程,而是至少做四件事:确认事实源,冻结改动范围,执行最小验证,说明未验证内容。
对于一个跨多模块、持续多天或涉及外部系统的任务,我会按下面的顺序推进:
- 先写清目标、非目标、风险和成功标准。
- 把任务分成证据、实现和验证三个可以独立推进的工作流。
- 在写入前确认文件范围和当前基线。
- 先做最小可行实现,再跑原失败重放和受影响回归。
- 对代码树、命令集和工具链绑定验证证据。
- 交付前重新检查远端、浏览器会话、共享状态和清场结果。
- 最后用“已证实、可能原因、未验证”三类语言写结论。
这个流程看起来比“一句话让 AI 全部完成”更慢,但它减少了返工和误操作。实际工程里,返工一次的成本通常远高于前置几分钟的范围确认。
十二、三个可以直接迁移的实战案例
上面讲的是方法,下面用三个脱敏后的场景说明这些优化是怎样联动起来的。它们不依赖某个具体项目,换成 Java、Go、Python 或前端工程都成立。
案例一:接口改完了,为什么前端还是不敢接
一次接口调整中,模型很快把数据库字段映射成了响应对象,编译也通过了。问题在于前端页面需要的是“按钮是否可用、列表如何分页、时间怎么展示、空值如何处理”,而不是一份数据库表的镜像。
如果直接把实体对象暴露出去,短期看起来省事,长期会出现三个风险:一是数据库字段变化会直接影响页面;二是前端要自己猜状态和文案;三是时间、布尔值和空数组的语义不稳定。这里真正需要的是 Frontend API Contract(前端接口契约,冻结页面可见请求和响应字段的契约)。
我的处理顺序是:先列出页面状态和用户动作,再冻结请求字段、响应字段、判断字段和展示字段;列表接口只返回列表需要的信息,详情接口再返回长文本和大数组;所有前端可见时间统一成固定格式的字符串;最后用真实请求参数和真实 JSON(JavaScript 对象表示法)回放接口,而不是只看编译结果。
这个案例同时用到了第7项事实源、第14项任务契约、第19项质量门禁、第30项执行路径和第34项验证策略。它说明一个很重要的事实:接口“能返回数据”只是实现完成,不等于前端“可以直接使用”。
案例二:两个任务修改同一个文件,为什么最后谁都不满意
另一次任务中,一个执行单元负责补功能,另一个执行单元负责补测试。两边开始时都读取了同一个版本,随后分别生成修改。功能补丁先落盘,测试补丁后落盘,结果后者覆盖了前者的一部分内容。
如果只看最后文件,问题很难判断;如果只看补丁,两个补丁单独都没有明显错误。真正缺失的是写入协调和版本基线。
我的处理方式是:搜索和分析可以并行,但同一文件只能有一个写入者;写入前记录内容基线;等待者获得写入机会时重新计算当前内容摘要;基线变化就拒绝旧补丁,要求重新读取、重新生成和重新验证;只有基线仍然一致时,才允许继续。
这套方式会把“静默覆盖”变成“明确阻断”。对开发者来说,阻断看起来更麻烦,但它保留了冲突现场,避免把一个很小的并发问题变成上线后才发现的逻辑缺失。这里对应第25至第29项,尤其是单文件单写入者、陈旧补丁拒绝和执行环境隔离。
案例三:命令超时了,为什么不能立即改代码
我还遇到过一次典型的 Windows 自动化问题:验证命令在外层 shell 的时间预算内没有返回,执行器于是把它归类为失败,准备修改实现。重新检查后发现,子进程仍然存活,输出文件也在持续增长,第一次只是外层等待时间不够。
如果这时直接修改代码,后续即使验证失败,也无法判断失败来自代码、环境还是错误的重试方式。正确顺序应该是:区分命令超时和业务失败;读取最近的标准输出和错误摘要;检查进程是否仍在推进;确认是否生成了预期产物;在不改变输入的情况下进行一次更长但有界的重试;只有出现明确的编译错误、断言失败或产物损坏,才能把它定性为功能问题。
这就是第31项命令策略、第32项批量读取、第36项验证缓存和第37项失败恢复的组合。速度优化不是把超时调得无限长,也不是重复执行同一条命令,而是让每一次重试都能提供新的证据。
案例四:浏览器已经登录,为什么仍然不能直接替用户点发布
浏览器自动化还有一个容易被忽视的边界:登录态只能证明“当前浏览器保存了会话”,不能证明用户授权了本次发布。即使页面上能看到编辑器,也要再次确认当前文章、当前账号、编辑权限和发布控件。登录、MFA、权限确认和最终发布仍然应该由用户完成。
在只需要保存草稿的场景,我会把写入范围限制在当前文章,复用现有标签页,不启动第二个浏览器,不复制 Profile(浏览器配置目录),不导出 Cookie。输入完成后重新读取标题、正文标记和发布控件;如果无法确认结果,就保留窗口并报告 UNKNOWN(结果未知),而不是刷新、重启或盲目重复点击。
这对应第11项隐私边界、第15项桌面交互、第20项脚本入口和第39项浏览器后台优先。浏览器自动化最重要的指标不是点击速度,而是不会破坏用户正在使用的会话。
十三、结语:AI Coding 的上限,取决于工程控制力
这 42 项优化的本质,不是给 Codex 增加更多规则,也不是把所有事情都自动化,而是建立一套可恢复、可验证、可停止、可交付的协作方式。
我现在更关注的已经不是“模型能不能生成一段代码”,而是下面这些问题:
- 它是否理解当前任务真正的目标和非目标?
- 它引用的事实是不是当前且可追溯?
- 它的写入是否在明确范围内?
- 它的验证结果是否仍然属于当前代码树?
- 失败后是否真的改变了诊断路径?
- 交付之后能不能证明远端和本地都处于正确状态?
当这些问题都有明确答案时,Codex 才不再只是一个会生成代码的聊天工具,而更像一个有工程纪律的协作执行器。
如果你也在使用 Codex 做持续性开发,建议不要一开始就照搬 42 项。先记录自己遇到的第一个真实问题,再把它拆成“问题、原因、机制、验证、收益”五个部分。优化应该从事故和返工中长出来,而不是从一张看起来完整的清单中凭空制造出来。
附:42 项优化速查表
| 编号 | 优化主题 | 主要解决的问题 |
|---|---|---|
| 1 | 模型与推理分档 | 简单任务过慢、复杂任务验证不足 |
| 2 | 上下文与记忆预算 | 历史噪声淹没关键约束 |
| 3 | 工作流状态机 | 不清楚任务当前阶段 |
| 4 | 阶段锚点 | 上下文压缩后恢复错误 |
| 5 | 后续消息分类 | 目标逐渐漂移 |
| 6 | 长期目标生命周期 | 多日任务缺少统一状态 |
| 7 | 事实源优先 | 猜接口、权限和枚举 |
| 8 | 权限与沙箱 | 能执行但不该执行 |
| 9 | 功能开关 | 能力存在但场景不应启用 |
| 10 | 插件、MCP、连接器管理 | 工具重复或权限混乱 |
| 11 | 隐私与存储边界 | 凭证进入日志和记忆 |
| 12 | 任务画像 | 执行策略不可预测 |
| 13 | 全局规则与项目规则分层 | 通用约束和项目细节互相污染 |
| 14 | 任务契约 | 范围、非目标和验收不清晰 |
| 15 | 桌面交互 | 通知过多或关键决策不可见 |
| 16 | 画像驱动执行 | 配置存在但运行时不生效 |
| 17 | Skill 路由 | 所有领域都用同一套方法 |
| 18 | Hook 拦截 | 高置信违规进入后续阶段 |
| 19 | 分层 Gate | 所有任务都执行同样的重流程 |
| 20 | 统一脚本入口 | 命令不可复现、失败不可分类 |
| 21 | 场景路由 | 只按文件类型判断风险 |
| 22 | 冲突仲裁 | 多套规则互相覆盖 |
| 23 | Goal 后续变更 | 追加需求吞掉原验收 |
| 24 | Workflow Controller | 调用方自报通过 |
| 25 | 子智能体槽位 | 并行任务重复劳动 |
| 26 | 共享证据索引 | 不同执行单元使用不同事实 |
| 27 | 单文件单写入者 | 并行覆盖同一文件 |
| 28 | 基线与陈旧补丁拒绝 | 旧补丁覆盖新内容 |
| 29 | 执行环境隔离 | 临时资源和环境相互污染 |
| 30 | 执行路径分离 | 准备、验证、交付边界混淆 |
| 31 | 命令策略 | 超时被误判为功能失败 |
| 32 | 批量读取 | 重复启动导致速度下降 |
| 33 | 可恢复记忆同步 | 历史同步阻塞主任务 |
| 34 | 正向、负向、回归验证 | 只验证成功路径 |
| 35 | 证据身份 | 旧结果被错误复用 |
| 36 | 严格验证缓存 | 缓存掩盖代码树变化 |
| 37 | 失败恢复流程 | 机械重试没有进展 |
| 38 | Git 和工作树隔离 | 脏工作树污染交付 |
| 39 | 浏览器后台优先 | 抢焦点和会话破坏 |
| 40 | 发布与回滚兼容 | 回滚依赖清空状态 |
| 41 | 运行时可观测性 | 无法判断性能和失败原因 |
| 42 | 汇报与关闭 | 做完动作却无法证明完成 |
如果这篇文章对你有帮助,欢迎在评论区分享你在 AI Coding 中遇到的真实坑:是上下文丢失、验证失效、Git 冲突,还是浏览器会话和权限问题?真实问题,往往比“万能提示词”更值得总结。

希望各位读者大大多多支持用心写文章的博主,现在时代变了,信息爆炸,酒香也怕巷子深,博主真的需要大家的帮助才能在这片海洋中继续发光发热,所以,赶紧动动你的小手,点波关注❤️,点波赞👍,点波收藏⭐,甚至点波评论✍️,都是对博主最好的支持和鼓励!
- 💂 博客主页: Java程序员廖志伟
- 👉 开源项目:Java程序员廖志伟
- 🌥 哔哩哔哩:Java程序员廖志伟
- 🎏 个人社区:Java程序员廖志伟

🔔如果您需要转载或者搬运这篇文章的话,非常欢迎您私信我哦~
471



被折叠的 条评论
为什么被折叠?



