其实主要问题在 gpt5.6 比 5.5 更喜欢阅读整个文件导致上下文膨胀严重。而且高 reasoning 又忒喜欢反复思考原地踏步。其实主要问题都是 codex 本身的问题。我自己弄了个 harness 。 这个想法其实非常简单。假设 Codex 需要修改文件并运行测试，通常需要经历以下流程： 第 1 轮——应用补丁（修改 package 文件） 第 2 轮——应用补丁（修复 Bug ） 第 3 轮——应用补丁（修改测试脚本） 第 4 轮——执行构建 第 5 轮——运行测试和代码检查 第 6 轮——如果使用 Playwright ，Codex 还需要额外一轮读取截图等媒体文件 我们的思路是使用宏命令，将整个流程放入一个 RAG 中，从而在单轮内完成。例如： 步骤 1：检查运行环境 步骤 2：应用补丁（修改 package 文件） 步骤 2：应用补丁（修复 Bug ） 步骤 2：应用补丁（修改测试脚本） 步骤 3：执行构建 步骤 4：运行测试和代码检查 步骤 5：读取媒体文件 我使用 Codex 和 GPT-5.6-Sol High 对这种方式进行了测试。结果显示，它可以减少约 40%...