codex

Leute, die letzten Tage schwankt der Preis immer wieder—viele fragen sich, ob die Institutionen gerade kaufen oder verkaufen.
Statt zu raten: Bau dir lieber selbst ein Tool und schau dir die Daten an.
Ich habe direkt mit Codex selbst einen 【Institutional Flow Terminal】 gebaut—ein Tool, das speziell Coinbase Prime Custody, OTC-Überweisungen und Börsenreserven überwacht.
IFT
📊 Die eben ausgeführten Echtzeitdaten sehen so aus:
1️⃣ Verwahrtes Vermögen steigt in 7 Tagen um 3,1% (ca. 128 Mrd. $)
Auf Codex wird angezeigt, dass das Prime-Treuhandvolumen (Custody) kontinuierlich ansteigt—das zeigt, dass die Institutionen insgesamt Geld hineinpumpen, statt abzuziehen.

Ich denke, die meisten haben das falsch eingeschätzt.
Wenn man Codex als ein KI-Programmierwerkzeug versteht, dann ist der Unterschied zu Cursor, Claude Code und GitHub Copilot in der Tat nicht groß.
Aber wenn man aus der strategischen Perspektive von OpenAI darauf blickt, war das Ziel von Codex nie, „Programmierern dabei zu helfen, Code zu schreiben“.
… sondern um etwas Größeres zu verifizieren:
Hat die KI bereits die Fähigkeit, komplexe Aufgaben eigenständig zu erledigen?
Warum hat sich OpenAI dafür entschieden, Coding als erstes Agent-Szenario zu wählen?
Denn beim gesamten Wissenserwerb hat das Programmieren das optimalste Trainingsumfeld.
Die Anforderungen lassen sich eindeutig beschreiben.

最近，我把自己开发的一款 Mac 客户端正式开源了，名字叫 DevFlow。
做这个工具，主要是因为我自己在用 Codex、Claude Code 开发项目的时候，遇到过太多次类似的问题。
明明只是提了一个简单的需求，AI 忙了半天，最后告诉我：
「已经完成，测试全部通过。」
结果打开程序一看，功能跟我想的有偏差。有时候 Bug 还在，有时候修好了一个问题，又冒出来两个新问题。
最头疼的是，我根本不知道它中间干了什么。
改了哪些文件？执行过哪些命令？测试到底有没有跑？失败过几次？为什么选择这种实现方式？
项目小的时候，还能翻聊天记录。等代码越来越多、开发周期越来越长，光靠聊天记录已经很难把这些事情搞清楚了。
于是，我就想做一个工具，让我随时能看到 AI 的开发过程，发现问题还能及时让它处理。
这就是 DevFlow 的由来。
──── ✦ ────
一、DevFlow 到底能干什么？
简单说，它是一个专门用来查看和监督 AI 开发过程的 Mac 客户端。
目前主要围绕五件事情：
① 需求有没有理解对？
你最初提出了什么要求，AI 把需求拆成了哪些任务，有没有遗漏，有没有擅自增加功能，都可以回头检查。
② 开发过程中做了什么？
在已经接入的记录里，可以查看智能体执行过的命令、文件修改、工具调用、执行结果，以及对应的来源。
③ 测试到底有没有通过？
这是我特别看重的地方。
AI 告诉你测试通过了，但究竟测试了哪些功能？有没有真正执行？测试完成后代码是不是又改过？
DevFlow 会把测试设计、实际执行结果和验收证据关联起来，缺少证据的地方也会标出来。
④ Bug 修好了没有？
发现问题、修改代码、重新测试，这些过程都可以留下记录。
比如 AI 说 Bug 修好了，但没有找到对应的复验结果，那这个问题就还需要继续核对。
⑤ 历史开发过程能不能复盘？
一个项目开发了几个月，之前为什么这么设计？哪个需求修改过？曾经遇到什么问题？
只要相关资料有记录，就可以回查。
我希望以后再打开一个项目时，不用从几千条聊天记录里找答案。
──── ✦ ────
二、它怎么跟 Codex、Claude Code 配合？
我给 DevFlow 配了两套独立的 Agent Skills。
devflow-record
负责在 AI 开发过程中记录需求、任务拆解、执行动作、测试结果和相关证据。
devflow-resolve
负责处理开发者发现的问题。它会根据反馈重新核对事实，需要修复的修复，需要补充测试的补充测试，然后把处理结果写回记录。
整个流程大概是：
提出需求 → AI 开发并记录 → DevFlow 检查 → 发现问题 → 复制反馈给 AI → 修复、复验、更新记录。
举个简单的例子。
我让 Codex 增加一个功能，它告诉我已经完成了。
打开 DevFlow 一看，代码确实修改过，但对应的测试没有执行记录。
那我就可以把这个问题直接反馈给 Codex，让它补充验证。
等它处理完，再回到 DevFlow 看看新增了哪些记录、问题有没有真正解决。
这样一来，我就不用每次都凭感觉判断 AI 有没有把事情做好。
当然，DevFlow 目前还不能自动知道 AI 做过的所有事情。能看到多少，取决于实际接入了哪些会话和记录。没有证据的部分，会明确保留为未知。
──── ✦ ────
三、我更看重的，是它能反过来帮助 AI 改进研发过程
这是 DevFlow 设计时，我一直想实现的一个思路。
平时用 Codex 开发项目，很多问题其实会反复出现。
比如需求拆解得不够细，某个功能遗漏了测试，Bug 修复后没有重新验证，或者改动了一个模块，却没有检查会不会影响其他功能。
这些问题如果每次都靠开发者自己发现、自己提醒，时间长了确实很累。
所以我希望 DevFlow 能和 Codex 配合起来。
Codex 负责开发，DevFlow 帮我检查研发过程，再把发现的问题反馈给 Codex，让它继续完善。
比如某次开发中，DevFlow 发现一项需求缺少验收证据，我就可以把具体问题和相关记录交给 Codex。
Codex 通过 devflow-resolve 重新核对，补充测试或修复代码，完成复验后更新记录。
下一次打开 DevFlow，我还能继续检查处理结果。
AI 开发 → DevFlow 检查 → 发现不足 → 反馈 Codex → 修复与复验 → 再次检查。
这套流程可以反复进行。
更重要的是，随着项目开发不断推进，我们还可以从这些记录里总结出经常出现的问题。
哪些需求容易遗漏？哪些测试经常缺失？哪些开发步骤需要增加约束？
这些经验都可以逐步沉淀下来，帮助我们完善后续的研发流程。
我希望 DevFlow 最终能够做到的，就是让每一次开发都有记录，每一次问题都有反馈，每一次改进都能找到依据。
──── ✦ ────
四、为什么我选择做成 Mac 客户端？
主要还是因为我自己平时就在 Mac 上开发。
我希望它能直接管理本地项目资料，不需要注册账号，也不用把代码和开发记录上传到其他平台。
DevFlow 本身不调用外部 AI 模型，也不会自动向 Codex、Claude Code 发送指令。
你可以自己检查、整理反馈，再决定要不要让 AI 继续处理。
目前支持手动接入本地 Codex 会话，其他智能体可以通过配套技能生成统一格式的记录。
另外，我还做了一件事：
用 DevFlow 来监督 DevFlow 自己的开发。
开发这个工具时遇到的需求变化、测试问题、修复过程，也尽可能按照同样的方式留下证据。
自己做的工具，先拿自己的项目试试效果。
──── ✦ ────
五、现在已经开源，欢迎大家体验
DevFlow 目前发布的是 macOS 预览版。
支持 Apple Silicon / macOS 14+提供 DMG 安装包内置 devflow-record、devflow-resolve 双技能MIT 开源许可证本地处理项目资料，无需账号
目前还没有完成 Apple 公证，首次安装需要按照 README 中的说明操作。
安装和接入也比较简单。
你甚至可以直接把 GitHub 仓库地址交给 Codex，让它阅读项目文档，按照说明帮助你完成接入。
GitHub 开源地址：
https://github.com/damobianyuan0325/DevFlow-Mac
如果你也经常用 AI 写代码，欢迎下载试试。
有问题可以直接提 Issue，觉得有用也欢迎给个 Star。
──── ✦ ────
六、最后，预告一下我的第二个开源项目：Harness Engineering
其实在开发 DevFlow 的过程中，我一直在考虑另一件事情。
既然我们已经可以检查 AI 的研发过程，发现需求遗漏、测试不足、修复不完整等问题，那能不能进一步让 AI 在开发时就尽量避免这些问题？
这也是我准备开源第二个项目的原因。
Harness Engineering（研发技能与 Harness 工程）。
我准备把自己平时使用 Codex 开发项目积累的经验，包括需求拆解、执行规范、测试验收、失败复盘、交付检查等，整理成一套可以重复使用的研发技能和工程流程。
未来它可以和 DevFlow 配合起来：
Harness Engineering 负责规范 AI 怎么开发。
DevFlow 负责检查 AI 实际做得怎么样。
检查出来的问题，再通过技能反馈给 Codex，补充验证、修复缺陷，并逐步完善我们的研发规范。
两个项目结合起来，就能形成一套从需求、开发、检查、反馈到持续改进的研发闭环。
当然，这套更完整的协同体系还在继续建设中，后续我会把第二个项目的开发过程和开源地址分享出来。
──── ✦ ────
这段时间用 AI 开发项目，我最大的感受就是，AI 写代码的速度已经很快了，很多以前需要几天才能完成的工作，现在可能几个小时就能做出来。
但随着项目越来越复杂，我也越来越在意另外一件事：
AI 每次说完成了，我希望自己能清楚地知道，它究竟做了什么，哪些地方有证据证明已经完成，还有哪些事情需要继续处理。
DevFlow 是我在这个方向上的第一次尝试。
后面还会继续完善，也会陆续分享更多自己开发和开源的项目。
希望这些工具能帮助更多像我一样使用 AI 开发的人，把项目做得更踏实一些。
#币安已处理46.5亿美元提款 #codex