Codex Cli
PulseAugur coverage of Codex Cli — every cluster mentioning Codex Cli across labs, papers, and developer communities, ranked by signal.
- 2026-07-02 controversy OpenAI's Codex CLI was found to cause excessive SSD wear due to high log generation. 来源
26 天有情绪数据
-
Claude Code 和 Codex CLI 设置指南解决 API 端点配置问题
两篇 dev.to 文章详细介绍了如何配置 Claude Code 和 Codex CLI 等 AI 工具与自定义 API 端点进行交互,特别是与 Anthropic 或 OpenAI 兼容的端点。第一篇文章重点介绍了因 URL 路径不正确而导致的常见 404 错误,解释说 Claude Code 通常只需要基础 URL,而 Codex CLI 需要在基础 URL 后附加 '/v1'。第二篇文章介绍了 CC Switch,这是一个开源…
-
新的MCP标准允许AI助手访问个人时间跟踪数据
一项名为模型上下文协议(MCP)的新开放标准允许Claude和ChatGPT等AI助手访问外部工具和数据,例如个人时间跟踪信息。TimeUno应用程序适用于macOS和Windows,可作为MCP服务器,让用户通过自然语言提示查询他们跟踪的时间和活动。这种集成绕过了手动导出数据或复杂API集成的需求,为AI模型提供了一种更无缝的方式来使您的查询上下文化。
-
编码代理安装易受攻击的已存档MCP服务器
在编码代理中发现了一个安全漏洞,这些代理经常安装过时的模型上下文协议(MCP)服务器版本。Glow Security发现,在98%的研究案例中,这些代理会自动选择npm上的已弃用软件包,导致安装了无人维护的服务器。这些已存档的服务器已被下载超过1730万次,包含高危错误,包括远程代码执行漏洞,并且不会得到修补。
-
Claude Code 与 Codex CLI:AI 编码代理对比
Anthropic 的 Claude Code 和 OpenAI 的 Codex CLI 是两款 AI 编码代理,它们在基于终端的操作方面有相似之处,包括读取项目指导文件和在执行风险操作前请求权限。然而,它们在可扩展性和处理技能方面有所不同,Claude Code 提供了更高级的前置信息字段和变量替换,而 Codex CLI 则侧重于快速、非交互式运行,并使用单独的配置文件进行额外设置。一种常见的做法是同时使用这两个代理进行代码审查,…
-
研究发现 AI Agent 的性能取决于 Harness,而非仅仅是模型
一项涉及 27,280 次 Agent 运行和 830 亿个 token 的近期实验表明,周围的 Harness 配置,而非底层的语言模型,对性能和成本有显著影响。在 22 种不同的 Harness 设置和 5 种模型中,当模型改变时,中位数 Harness 在每任务成本排名中移动了 11 位,这表明提示工程、工具使用和停止条件比模型本身更关键。研究发现,昂贵的 Harness 往往比便宜的 Harness 成功率更低,并且很大一部分…
-
AI 编码工具:分离模型、框架和记录器
文章区分了 AI 模型、编码框架和记录器,认为当前的 AI 代理工具经常混淆这些不同的功能。模型生成响应,框架在环境中执行操作,记录器则在不改变其活动的情况下观察和检查框架的活动。这种分离对于准确评估任务完成情况和正确性至关重要,通过比较 Claude Code 的事件驱动钩子与 Codex CLI 的基于文件的回滚记录即可证明。作者强调,虽然记录器提供了活动证据,但它们不能独立证明正确性,正确性仍然需要访问代码、测试和人工判断。
-
MatOS开源以提高材料科学研究效率
研究人员已开源MatOS,这是一个旨在增强材料科学研究的智能体系统。MatOS将数据、工具和工作流组织成一个分层结构,使研究人员和系统本身都能构建和发展新能力。在基准测试中,与其他智能体系统相比,MatOS在成功率和效率方面表现出显著提升,尤其是在涉及大规模筛选和配方设计任务时。
-
AI系统Turing Agent验证复杂数学证明,引发争议
研究人员开发了Turing Agent系统,旨在形式化验证大型语言模型生成的数学证明。该代理利用双尺度架构,拥有专门的定理和证明形式化代理,在具有挑战性的理论计算机科学问题上取得了显著的成功率。虽然大型语言模型已被证明能够处理复杂的数学研究,但人们也开始担忧AI的发展目标与数学界关注的重点(即洞察力和理解力,而非仅仅解决问题)是否一致。
-
新工具 Pentest Anything 限制 AI 代理自主进行安全扫描
一款名为 Pentest Anything (PTA) 的新开源工具已被开发出来,允许 AI 编码代理运行安全扫描程序,而不会有其自主选择目标的风险。该工具基于 Node.js 构建,可以协调 Semgrep、Trivy、Nuclei 和 SQLMap 等现有扫描程序,并通过代码强制执行严格的防护措施。这些防护措施可防止未经授权的扫描,保护内部网络,并确保 AI 代理将扫描内容视为数据而非授权,从而保持对安全运营的人工控制。
-
用户通过 ChatGPT 路由任务绕过 Codex 限制
一位用户开发了一种变通方法,可以使用聊天模型来处理通常由 Codex 处理的任务,尤其是在用完 Codex 配额之后。这涉及到一种桥接工具,该工具将来自 Codex CLI 的命令转发到聊天界面(如 ChatGPT),然后将响应中继回 Codex CLI 以进行执行。用户指出,在 GPT-5.6 Sol 或 GPT-6 Sol 等模型的更高设置下,聊天配额几乎是无限的,从而有效地为 Codex 提供了持续增强的功能。
-
新的 CLI 工具 jdx 为 Java/Kotlin 的 AI 编码代理提供 IDE 功能
一个名为 jdx 的新的开源命令行界面工具已被开发出来,旨在为 AI 编码代理提供 Java 和 Kotlin 代码的集成开发环境(IDE)体验。该工具旨在通过提供类似于人类 IDE 的功能(例如提供方法签名、源代码和依赖项信息)来改进 AI 代理理解和交互 JVM 代码的方式。JDX 支持各种 AI 编码代理,包括 Claude Code、Cursor+ 和 GitHub Copilot CLI,并且可以从 Maven Centra…
-
Dotcker 支持在无头服务器上部署 Codex CLI 以用于 AI 代理
Dotcker 是一个新项目,允许用户在无头服务器的容器化环境中运行官方 Codex CLI。此设置为主 AI 代理提供了一个专用工作空间,使它们能够访问存储库和工具,而不会暴露敏感的用户数据。该项目支持 Docker Compose 以方便设置,并包含一个本地 HTTP 桥接器,用于聊天交互、流式传输和持久对话。
-
新工具 Pentest Anything 限制 AI 代理进行未经授权的安全扫描
一款名为 Pentest Anything (PTA) 的新开源工具已被开发出来,允许 AI 编码代理执行安全扫描,而不会有其自主扫描未经批准系统的风险。PTA 使用 Node.js 编写,可以协调 Semgrep、Trivy、Nuclei 和 SQLMap 等现有安全扫描程序,通过代码强制执行人类定义的范围和护栏。这确保了 AI 代理可以协助进行安全检查,同时扫描什么的关键决策仍由人类控制,从而防止意外或恶意的未经授权访问。
-
Llamport 通过兼容 API 提供 Codex 模型,折扣高达 90%
Llamport 推出了新的 LLM API 服务,以比官方 API 价格低 90% 的折扣提供对五个 Codex 模型的访问。该服务与 OpenAI 和 Anthropic SDK 兼容,允许用户通过简单地更改其基础 URL 和 API 密钥来将其集成到现有工具中。Llamport 采用按需付费模式,仅收取使用的 token 费用,并接受信用卡或 USDT 付款。该公司强调定价透明,并承诺仅使用真实模型,不进行替换。
-
Codex CLI 增加第三方模型支持,提供四步验证
Codex CLI 已更新以支持第三方模型,重点在于确保其可用性,而不仅仅是保存配置文件。该过程涉及四个关键检查:验证模型 ID 是否已公开,确认 API 返回可见文本,确保 Codex 加载了正确的模型和提供商,以及检查本地命令策略以执行工具操作。在 Windows PowerShell 上使用 DeepSeek-V4.1-Flash 进行测试,证明了成功的 API 响应和模型加载,而 GLM-5.3-Flash 尽管通过了身份验证…
-
新的开源工具支持协作式AI编码代理
一款名为Multiharness的开源工具已被开发出来,支持AI编码代理协同规划和执行任务。该系统允许一个规划代理监督整个过程,而一个独立的执行代理编写代码,并具备委托、状态跟踪和上下文感知修复等功能。它支持Claude Code和Codex CLI等多种代理,并能将简单请求路由以绕过规划阶段,方便在Windows、macOS和Linux上安装。
-
osFoundry MCP uses polling for updates, Codex CLI pushes dedicated branches
osFoundry MCP 服务器采用轮询机制进行资源更新,而不是推送机制,如第一篇文章所述。这种方法涉及客户端定期查询更改,这归因于 Codex CLI 不是持久守护进程的性质。第二篇文章深入探讨了 `propose_gitnest_provider_publication` 工具,该工具允许 Codex CLI 通过创建专用分支并启动草稿拉取请求来将更改推送到 Git 存储库。该工具以及 `propose_gitnest_file…
-
Coding agent 工作流在 Claude 和 Codex 模型上进行测试
一位开发者进行了一项实验,以测试 Scrum 工作流在七种不同 AI 模型上的编码代理的有效性,其中包括 Anthropic 的 Claude(Haiku、Sonnet、Opus 5.5)以及来自 Codex CLI 的模型(GPT-6 Luna、GPT-6.1 Sol、GPT-5.6 Sol、GPT-6 Astra)。该工作流提高了某些模型的流程完成度和降低了成本,但并未持续提高代码的正确性,也并非对所有模型都带来均等的好处。开发者…
-
OpenAI Codex CLI的/goal命令支持自主游戏构建
一位用户通过使用新的“/goal”命令来创建猫咪赛车游戏,探索了OpenAI的Codex CLI。此功能允许通过指定目标来实现自主游戏构建。
-
Codex CLI 自动执行 osFoundry 项目中的 bug 跟踪分类
本指南介绍了如何使用 Codex CLI 自动对 osFoundry 项目中的 bug 报告进行分类。该工具读取频道的模式,处理新项目,并自动填充状态、所有者和严重性等字段。对于不符合模式的值,它会将其留给手动人工干预。该过程包括设置 Codex 连接、定义模式、将连接添加到项目以及配置 Codex 可用于列出和编辑记录等任务的特定工具。