AI 编程与项目交付
核心观点
PAISHU 分享了多电脑、多 Codex 并行的实操思路:主电脑跑主任务,其他电脑拆子任务,再通过远程控制或共享文档汇总。
围绕中转站迁移丢记录和长会话失忆,群友给出较完整的结论:Codex 项目文件在本地文件夹里,会话和 ID 绑定但线程仍在,卸载重装也不会丢只要项目文件夹不放在根目录一起删。
群友对 Codex 接入 v4-flash、千问和 DP 的成本做了实测反馈:日常小任务可用,但跑代码时性价比未必理想。
可执行建议
排查 Codex 或 opencode 消耗异常时,先让模型列出开局加载内容和 token,再检查 MCP、agent.md 与 harness 约束。
Codex 执行慢时优先尝试 CLI,并把可拆任务用 10-20 个线程并行推进。
AI 探店视频方案继续用 seedance 2.5 多轮测试,确认稳定后再批量化和 IP 化。
展开知识正文
把 Codex、Claude Code、工程协作和老项目改造里的经验沉淀成可复用的交付方法。




