最近用 Codex 做稍微复杂一点的需求时，我一直遇到几个问题： 一个很小的需求，做着做着就开始顺手重构旁边的模块； 原本只需要跑几个定向测试，最后不断补边界用例、全量测试，验证范围越来越大； 会话变长、压缩或者重新开一个会话后，之前做到哪、哪些已经确认过，又要重新从代码和聊天记录里推断。 一开始我的解决办法也是在 Prompt 里反复强调： 不要扩大范围 不要做无关重构 只运行必要的定向测试 完成需求后就停止 确实有用，但这些约束本质上还是存在聊天上下文里。 所以后来做了一个开源项目： Dev Flow GitHub： https://github.com/Innocent-children/dev-flow 它的思路比较简单： 把开发任务本身的状态从聊天记录里拿出来，单独持久化。 一个 Task 会保存： 原始需求和明确不做的内容； 当前处于需求、设计、实现、测试还是交付阶段； 本次允许做多少验证； 已经完成了哪些证据； 当前允许进入哪些下一步； 会话中断或者一次写操作结果不确定时...