一项对照实验用 Codex CLI 0.157 和 gpt-5.6-luna 在 shopizer 上跑六个功能任务，planner-coder-reviewer 团队只通过 25.7% 的隐藏验收测试，单 agent 通过 56.8% 且花费更低。
能拿走的是对照实验设计本身，同一批任务下把单 agent 与 planner-coder-reviewer 团队按成本对齐比较，并给出把 TASK.md 放进仓库让每个 agent 自读的修法；代价是只测了一个模型、一个 Java 代码库和六个功能，结论外推有限。
Microsoft Research 联合 GitHub Next 发布研究原型 PDD Kit，把用户意图转成 Verus 形式规约，证明智能体写的代码对每个输入都满足规约，证明覆盖不到的部分退回测试。
能拿走的是把意图先写成 Verus 形式规约、再让 agent 写证明并用变异检查防弱规约的流程，可接到软件工厂的代码审查环节，代价是只支持 Rust 且证明本身仍要投入。
作者分享用 Codex 通过 Figma 官方远程 MCP 读取设计节点、再分四步还原页面的流程，在自己项目里目测还原度能到 95% 以上。流程是先读设计和项目并复述需求待确认，再按编号列出样式与文字差异清单，确认后动手改，最后用浏览器工具或 Playwright 实际操作页面对照复验。
能拿走的是 Codex 装 Figma 官方插件走远程 MCP 读节点，配四段提示词按读设计、列差异清单、确认后改、浏览器复验推进，代价是受支持名单和每月 20 次读取额度限制。
这篇 Codex 源码剖析（commit d58d0e5841）拆解了执行引擎与沙箱层，指出 Codex 不用 Docker 或虚拟机，而是直接调用 macOS sandbox-exec、Linux Seccomp-BPF 加 Landlock、Windows CreateRestrictedToken 做内核级隔离。
能拿走双端截断的 response_clipped 标签、AST 锚点补丁语法和四级模糊寻址，替换现在全文件重写和行号 diff 的改码流程；代价是要自己实现补丁解析与 tree-sitter 拦截，沙箱部分还得逐平台适配内核机制。
Ricursive AI 发布 Ripple-65B Preview，这是一个 65B 稠密开源权重模型，从零预训练用于智能体编码，在 Terminal-Bench 2.1 上自报 80.52 分。
能拿走的是稠密 65B 做智能体编码的配方，含 ladder 实验筛选、长上下文 SFT 与截断重要性采样加长度惩罚的 RL，代价是知识类与 MCP 调用明显偏弱。
nickprotop 在 Show HN 发布 CXAgent，一个用 .NET 写的终端多智能体编码工作台，MIT 许可，可在 Linux、macOS、Windows 上运行，模型可选 Ollama、OpenAI 兼容端点或 Anthropic。
能拿走的是多智能体分工加固定顺序系统提示词的做法，每个 worker 独立上下文和 token 账本，可换掉单 agent 串行派活；代价是每轮重发历史、子智能体等于第二次完整跑，费用翻倍且无撤销。
Maki 发布一款主打极省上下文 token 的编码 Agent，用 tree-sitter 解析代码生成文件骨架并标注每项起止行，作者称索引每轮多花 59 tok、读文件省 224 tok，净省 165 tok/turn。
可借鉴其上下文省 token 的三件套，tree-sitter 索引先探骨架再读文件、code_execution 在沙箱里过滤数据不进上下文、子任务按需选强弱模型；代价是要自己接 tree-sitter 和沙箱，省下的主要是读文件那 65% 的 token。
Nariman Abdukarimov 开源 agent-roast，用确定性离线规则对比改动前后，抓出放宽断言、跳过或删除测试、下调覆盖率阈值、让 CI 步骤允许失败这类让红构建变绿的改动。
能拿走一套确定性离线检测规则，把断言放宽、跳过测试、降覆盖率阈值、CI 步骤允许失败这几类改动在 agent hook 和 PR 检查里拦下，接到软件工厂的提交前环节；代价是只读文本不读语义，约五分之一告警是误报，agent hook 还没在长时间真实会话里跑过。
老金带你玩AI 复盘 Codex 反复改代码、反复跑测试导致 Token 大量消耗的问题，给出两段可直接粘贴的提示词。第一段让 Codex 先暂停并只读已有记录，分清已知与未知，只提一个有理由的下一步动作；第二段限定只改本次相关问题、先找同一根因、每轮复查受影响部分，同一问题两次没修好就停下汇报。
两段可直接粘进对话和 AGENTS.md 的提示词，把 Codex 反复改测的循环压成先查记录、最小改动、两次不成就停，代价是要自己补材料和连接。
作者梳理 Claude Code 和 Codex 共有的六种能力，即 AGENTS.md/CLAUDE.md、Skill、Subagent、Hook、MCP、权限与沙箱，并说明各自作用在上下文窗口的哪个位置。
能拿走一套中立源加 sync 投影的双宿主配置法，把角色和 skill 只写一份再生成 Claude Code 与 Codex 的配置，落到软件工厂的流程编排上；代价是 sync 跑在会话启动路径上要够快，且 Codex 每条 hook 改配置就要重新审核。
英国金融科技公司 Revolut 称在不到一年内把 AI 编码推理成本削减约 90%，做法是把自托管模型设为默认，替代此前主要依赖的 Claude 等商业服务。
自托管 GLM 替代商业 API 的完整成本账，含 56 张 B200、NVFP4 量化、prefill/decode 分离和 256k 上下文取舍，可对照本地模型部署线估算自己的 token 单价与首字延迟门槛。
deepsense.ai 团队基于 Codex 与 Claude Code 的实测和 HyperCode 项目经验，给出 9 个可套用到真实仓库的编码智能体 harness 模式，覆盖 AGENTS.md 知识库、按任务即时组装上下文、验证命令菜单、有界反馈循环和把错误沉淀为护栏。
能拿走 AGENTS.md 骨架、Makefile 验证菜单、review-looper 三段式子智能体 JSON 契约和重试上限，落到软件工厂的编码智能体流程；代价是要持续维护文档与技能库，且被动式自我记录不可靠，得靠 stop-hook 或 PR 关卡强制。
Trim 发布本地 OpenAI 兼容代理，把 Cursor、Continue、VS Code Chat、Claude Code 等客户端的 Base URL 指向 http://127.0.0.1:8888/v1，在请求发往上游模型前压缩提示词。
可把 Cursor、Claude Code 等客户端的 Base URL 指向本地 8888 端口的 OpenAI 兼容代理，用 AST 启发式压缩或本地 LLMLingua 的 Deep 模式缩短提示词；代价是 Deep 模式需先 bootstrap 装依赖，且压缩会改写用户正文。
作者拆解了 30k star 的开源终端编码 Agent DeepSeek-Reasonix，它不做上下文压缩，而是用缓存优先、只追加的会话循环把长会话 Token 成本降下来。
能拿走三层上下文分区加只追加日志的会话设计，把长会话前缀缓存命中率拉高，落到本地编码 Agent 和长文档 Agent 的降本上；代价是强绑 DeepSeek 前缀缓存，换模型优势即失效，且上下文只增不减会撞窗口上限。
作者把 6 岁小朋友的一句「想玩水浒、能选好汉、打高俅」原样交给 DSH（DeepSeek Harness）智能体，配合 DeepSeek V4.1 在不到 3 小时内从空目录生成可玩的 Unity 游戏《水泊梁山 · 一百单八将》，代码已开源。
可借鉴的是把 Unity 的 -batchmode、-runTests、-autotest、-shots 等命令行开关做成 Agent 自检回路，让它自己构建、截图、改错；代价是初始化顺序和材质缓存得自己管，且绑死 macOS 系统字体。
Paul Bakaus 的 Impeccable 把编码 Agent 的界面同质化问题从提示词里拆出来，用 1 个技能、24 条命令和 61 条确定性检测规则在保存文件时做检查，命令行和浏览器扩展跑这些规则时不调用模型也不要 API key。
可照搬它的分层做法，把产品事实写进 PRODUCT.md、视觉方向写进 DESIGN.md，再用 61 条不调模型的规则在保存时拦截模板化痕迹；代价是要按各家工具分别配置钩子落点，装错层会静默失效。
作者整理并实测了 8 个 GitHub 上的 Agent Skill 仓库，覆盖约束 AI 写代码、设计审美、读懂老代码和 Obsidian 笔记库四类需求，逐一给出仓库地址、Skill 清单和安装命令。
能直接抄走 8 个 Skill 仓库的安装命令和触发方式，落到软件工厂的编码约束与评审环节；代价是 star 数与 ponytail 的 53% 代码量、45% token 节省均为作者自述口径，无法复核。
Codedict 是一个不调用 AI 的本地代码索引工具，用 tree-sitter 解析项目并写入 SQLite，通过 Claude Code hook 把函数位置、调用方和调用链随问题一起交给模型。
用 tree-sitter 建本地 SQLite 索引，靠 Claude Code hook 把函数位置和调用链随问题一起喂进去，把 5 到 20 轮 grep 压到 1 到 2 轮；代价是每轮约 37k token 的固定开销砍不掉，模糊问题没有名字可搜。
Devloops 开源一套可复用的编码 Agent 循环技能，把维护工作拆成 producer、worker、gatekeeper 三个循环，worker 与独立评审的 gatekeeper 反复往返直到通过，人只负责批准 issue 范围和最终合并。
能拿走 producer/worker/gatekeeper 三循环加 tick_gate 指纹去重的完整 SKILL.md 与脚本，落到软件工厂的日常维护流水线，代价是要配 GitHub CLI 权限和 devloops.config.yaml，且 agent 永不合并、遇安全敏感改动仍要人审。
Context Mode 是一个开源 MCP 服务器，通过沙箱工具把 Playwright 快照、GitHub issue、日志等原始数据挡在上下文窗口外，官方称 315 KB 可压缩到 5.4 KB、降幅 98%。
沙箱执行加 FTS5 索引能把工具原始输出挡在上下文外，官方给出 315KB 降到 5.4KB 和 17 个客户端的配置；代价是各平台 hook 能力不一，无 hook 的 IDE 只能靠规则文件约 60% 遵从率。