OpenAI 分享用 GPT-6 系列模型维护代码库的实践
OpenAI Core Experimentation 团队撰文介绍用 Codex 配合 GPT-6 Astra 与 GPT-6.1 Sol 维护代码库的做法，团队已合并 1400 多个由模型提议的维护 PR，删除超过 80 万行死代码。
推荐理由：文中给出 GPT-6 Astra 与 GPT-6.1 Sol 在清理死代码和过期实验上的成本与产出对比，可作为选择模型档位的参考。
#编码
OpenAI Developers Blog精选AI 评分6464
Anthropic Engineering精选AI 评分7474 Anthropic 用五个月把 monorepo 从 git 迁到自研版本控制系统 Scion
Anthropic 公开其自研版本控制系统 Scion，并在五个月内把 monorepo 从 git 完整迁移过去。2026 年 5 月其日均合并约 2,500 次代码变更，9 月已超过 30,000 次；Scion 的 CPU 与内存占用比此前的 git 镜像方案小 200 倍，CI 检出代码从分钟级降到秒级，CI 单独获得 25% 的 CPU 容量收益。
推荐理由：Anthropic 公开自研版本控制系统 Scion 的架构取舍，为智能体大规模写代码之后的工程基础设施提供了一份可对照的样本。
OpenAI Developers Blog精选AI 评分6161 如何在 Codex 中用 Astra 构建游戏：从 Void Explorer 到 Sunwake
作者在 Codex 中使用 Astra 构建了太空探索游戏 Void Explorer，包含 2,048 个恒星系和超过 10,000 个程序化生成的行星，并分享了构建过程中的提示词。
推荐理由：作者以三款自研游戏为例，展示如何用提示词、测试场景和性能计数让 Astra 在 Codex 中完成从架构到渲染的迭代。
Anthropic Engineering精选AI 评分7373 Anthropic 分享长时应用开发 harness 设计：从生成器加评估器到三智能体架构
Anthropic 工程师介绍其长时自主编码 harness 的设计：借鉴 GAN 思路把生成与评估拆成不同智能体，前端设计用四条评分标准驱动迭代，全栈开发则扩展为 planner、generator、evaluator 三智能体，通过 sprint 契约和 Playwright MCP 实测应用。
推荐理由：Anthropic 工程师复盘生成器与评估器双智能体的 harness 设计，并给出随模型升级逐步删减组件的实测依据。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Codex skills 加速 Agents SDK 仓库维护
OpenAI 介绍其在 Agents SDK 的 Python 和 TypeScript 仓库中用 Codex skills、AGENTS.md 和 GitHub Actions 把验证、发布准备、示例集成测试和 PR 审查变成可复用工作流。
推荐理由：OpenAI 公开自家 Agents SDK 仓库用 skills 加 AGENTS.md 维护代码的完整配置，可迁移到其他开源项目。
OpenAI Developers Blog精选AI 评分6767 OpenAI 用 Codex 跑 25 小时长任务：从零构建设计工具的实测
OpenAI 让 GPT-5.3-Codex 在空白仓库中以 Extra High 推理连续运行约 25 小时，消耗约 13M tokens、生成约 3 万行代码，从零构建一个设计工具。
推荐理由：作者用一次约25小时、13M tokens的实测，展示了用四份 markdown 文件约束 Codex 长任务的具体做法。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Evals 系统检验 Codex 智能体技能
OpenAI Developers Blog 发布教程，介绍用 evals 系统检验 Codex 智能体技能的方法：先定义可测量的成功标准，再用 codex exec --json 捕获运行轨迹做确定性检查，最后用 --output-schema 约束的评分量表评估风格与约定。
推荐理由：OpenAI 官方给出用 evals 系统检验 Codex 技能的方法，从定义成功标准到确定性检查与评分量表，可迁移到自己的技能迭代。
已经到底了