摘要
本文不是功能盘点,而是一次工程实验复盘。我们把变量限制在一个函数、一条失败测试和一个独立 worktree 中,让 Codex 生成最小补丁,再用同一测试和 Git diff 验证结果。
问题:首次体验为什么经常无法评价
“让 Codex 做一个网站”看似有发挥空间,却很难归因:需求不完整、文件很多、正确结果也不唯一。最后得到的只是一个产物,无法判断问题来自模型、输入、环境还是验收标准。
因此,这次实验反过来设计:只给 Codex 一个已经失败的测试,限制它只能修复对应行为。
环境与约束
演示是自建 Python 项目,不是客户案例。起始提交为 7b56a02,运行环境为 macOS、Python 3.9.6、codex-cli 0.149.0-alpha.4.1。任务放在 detached HEAD 的独立 worktree 中,main 工作目录不参与修改。
这种隔离不是为了证明 worktree 比分支“更高级”,而是减少并发修改和未提交状态对实验的干扰。没有 Git 时,完整副本也能达到类似的风险控制目的。
复现:给出可观察的错误
函数目标是把标题转换为小写 slug。原实现:
return title.strip().lower().replace(" ", "-")输入包含制表符和连续空格:
" Codex\tFirst Task "期望为 codex-first-task。执行 python3 -m unittest -v 后,断言得到 codex\tfirst---task,测试退出状态为 1。
到这一步,问题已经从“空白处理不对”变成了可以重复观察的行为差异。
方案:任务文本也是工程接口
提交给 Codex 的内容包含四组信息:
- 目标:连续空白统一为一个连字符;
- 复现:运行既有测试;
- 约束:不删测试、不加依赖、不提交或推送;
- 验收:重跑测试、执行
git diff --check、报告不确定性。
这样写的意义不是追求一段“万能提示词”,而是把输入契约显式化。OpenAI 官方 Codex 提示指南同样强调复现步骤、约束和修复后的验证。官方提示指南
补丁:为什么接受这个实现
Codex 把实现改为:
return "-".join(title.lower().split())接受它的理由有三点:改动只有一行;使用标准库行为,不增加依赖;没有触碰测试。需要保留的疑问也很明确:真实业务是否希望所有空白字符都按同一规则折叠?如果不希望,就需要增加业务样例和测试,而不是默认这个实现适用于所有 slug 规则。
验证:同一个观察点闭环
修改后重新运行原测试,结果通过;git diff --check 也正常退出。
这次验证没有声称“函数已被全面证明正确”。它只确认本次失败行为被修复,补丁格式检查通过。真实仓库还需要根据影响面运行回归测试、lint、类型检查或构建。
可复用结论
首次 Codex 任务的重点不是规模,而是可归因性:
- 输入有稳定复现;
- 修改范围能够限定;
- 环境可以恢复;
- 输出有机器检查;
- 人能审阅 diff 并决定是否保留。
如果首次结果不好,先查复现、范围、环境和验收,再判断工具是否适合任务。不要通过不断扩写提示词掩盖需求本身的不确定性。
结尾
把你的一个真实 Bug 缩到“一个失败测试 + 一个修改目标 + 一组验收命令”,再交给 Codex。这一次闭环比一次生成大量代码更有助于建立工程判断。
我是罗东青,长期关注 Codex 的中文入门、真实工作流和使用边界。我会尽量通过可复现的任务、操作过程和检查结果,说明工具如何工作。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。