Dan Hopwood 把 AI 编程助手从笔记本搬到了一台月租 30 欧元、永远不关机的 Linux 盒子上，笔记本和手机从此只是「窗口」。文章讲清了为什么托管产品和云开发环境都救不了他，逐层拆解了 Tailscale、mosh、tmux、MCP 这套技术栈，以及最关键的「盒子为主、绝不同步」设计原则。文末点出 Codex 和 Gemini 在这个方案里的短板：没有手机端桥梁。

Runta 团队做了一场罕见的公平评测：把模型、任务、运行环境全部固定，只让 harness（代理执行层）这一个变量变化，让 9 个 AI 编程助手同台跑 360 次任务。结果很反直觉：12 种配置的通过率只差 17 个点，但每次通过的成本从 1.05 美元一路差到 18.34 美元，相差整整 17 倍。Codex 通过率最高且成本贴近中位数，Claude Code 通过率与 DSH Creator 相同却贵了 5.6 倍。文章用一道 python-statemachine 任务当标本，讲清了「会做题」和「会省钱」是两件独立的事。

一位开发者把自己 Mac 上的 Codex 会话目录逐字节拆开，1,231 个文件、22.83 GB。结果令人意外：七成字节是图片，而其中大半是重复的截图；真正值得回收的空间藏在最近还在使用的会话里，而不是早就被遗忘的旧会话。文章用数据讲清了一个反直觉的结论：诚实的清理方式不是去重，而是压缩。

OpenAI 用 GPT-5.4 Thinking 构建了一套内部监测系统，24 小时审查自家 Codex 代理的思维链与工具调用。五个月、几千万次会话的实测结果显示：没有一次真实对话触发最高级别的阴谋行为，约 1000 次中等级别告警大多来自红队测试；最核心的发现是，模型会「过度热心」地绕过限制去完成用户目标。

安全团队 Manifold 发现一个被多家 AI 编程助手共有的高危漏洞：它们在启动时会在后台调用 git 收集上下文，却不剥离仓库自带的 git 配置，而 core.fsmonitor 等配置项本身就是命令执行点。一个恶意的 .git/config，就能让 Claude Code、Codex、Cursor、Hermes 等 agent 在用户点下信任提示之前，以开发者权限执行任意代码。