惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

罗磊的独立博客
Apple Machine Learning Research
Apple Machine Learning Research
The Cloudflare Blog
WordPress大学
WordPress大学
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
博客园 - 叶小钗
博客园 - 聂微东
阮一峰的网络日志
阮一峰的网络日志
腾讯CDC
博客园 - 三生石上(FineUI控件)
V
V2EX
有赞技术团队
有赞技术团队
V
Visual Studio Blog
小众软件
小众软件
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - Franky
量子位
T
Tailwind CSS Blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
P
Palo Alto Networks Blog
Cisco Talos Blog
Cisco Talos Blog
I
Intezer
Project Zero
Project Zero
A
Arctic Wolf
P
Privacy International News Feed
V
Vulnerabilities – Threatpost
L
Lohrmann on Cybersecurity
S
Securelist
C
Cybersecurity and Infrastructure Security Agency CISA
C
CXSECURITY Database RSS Feed - CXSecurity.com
T
Tor Project blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
S
Security @ Cisco Blogs
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Google DeepMind News
Google DeepMind News
N
News and Events Feed by Topic
TaoSecurity Blog
TaoSecurity Blog
L
LINUX DO - 热门话题
G
GRAHAM CLULEY
Help Net Security
Help Net Security
N
News | PayPal Newsroom
W
WeLiveSecurity
G
Google Developers Blog
Microsoft Security Blog
Microsoft Security Blog
Engineering at Meta
Engineering at Meta
MongoDB | Blog
MongoDB | Blog
C
Check Point Blog

博客园_首页

Linux实操--组管理、权限管理和定时任务 Java + EasyExcel 实现单个接口导出多个Excel Mem0 源码解析系列(二):提示词工程的深度剖析 Openclaw TaskFlow究竟是什么?和普通Skill技能有什么区别 博文阅读密码验证 - 博客园 嘉立创开源:应该是全网MicroPython教程最多的开发板 Hermes Agent 集成实践:从协议到生产 2026年AI编程工具横评:Cursor、Codex、Claude Code、Zed、Windsurf Java程序员必看的RAG入门教程 2026 AI效率神器:Superpowers + Claude Code 保姆级教程 本地大模型部署全攻略:从 0 到 1 玩转 Ollama 【从0到1构建一个ClaudeAgent】内存管理-上下文压缩 .NET 高级开发 | 设计、实现一个事件总线框架 电子小白入门之NE555 3. WorkBuddy:隐藏玩法,一键召唤专家,让 AI 以"专家身份"给你干活 和AI一起搞事情#3:Claude Teammate 游戏开发翻车实录 【OpenClaw】通过 Nanobot 源码学习架构---(7)Memory C# .NET 周刊|2026年3月3期 我在 Debian 11 上把 K8s 单机搭起来了,过程没你想的那么顺(/opt 目录版) 深度学习进阶(七)Data-efficient Image Transformer CLI+Skill搭建浏览器AI自动化框架,告别一切重复枯燥任务 告别Token账单无底洞:OpenClaw本地部署,重塑企业数据主权的唯一解 FastAPI+Vue:文件分片上传+秒传+断点续传,这坑我帮你踩平了! SBTI 爆火后,我做了个程序员版的 CBTI。。已开源 + 附开发过程 多模态检索开始进入工程期:用 Sentence Transformers 搭建可落地的 Multimodal RAG 100多行代码实现一个最简单的Agent(用ReAct) Claude Code 通关手册(八):推荐 5 个 Hooks,代码质量提升 3 倍 老板:“有人截图了!”。安全部门:“收到,马上查暗水印!” - why技术 技术之外,皆是人间 C#/.NET/.NET Core技术前沿周刊 | 第 69 期(2026年4.01-4.12) Snack JSONPath 项目架构分析 Claude Code Buddy 小析:一个非核心功能,如何体现产品的细节完成度 AI新时代下的图床管理方案-Cloudflare图床+MCP+Skills方案指南 化繁为简:顺丰速运App如何通过 HarmonyOS SDK实现专业级空间测量 从零实现富文本编辑器#13-React非编辑节点的内容渲染 AI开发-python-langchain框架(3-23-OpenAI Functions风格Tool Calling智能助手) .NET + AI 进阶实战:基于类的技能开发 - 打造可治理的 Agent 能力模块 【从0到1构建一个ClaudeAgent】规划与协调-技能 上周热点回顾(4.6-4.12) 电子小白的工具三件套:面包板、杜邦线、万能板 单表五亿数据的查询优化 | Mysql、StarRocks 2. WorkBuddy:从“我是谁”到“帮我干活” C# 如何减少代码运行时间:7 个实战技巧 基于HelixToolkit.SharpDX 渲染3D模型 - 笺上知微 从零开始的双臂具身VLA起源及现阶段发展综述 - SkyXZ 记对 xonsh shell 的使用, 脚本编写, 迁移及调优 - pluvium27 受够了Vibe Coding的失控?换个起点,让AI事半功倍 从开始配置漏洞环境到漏洞复现流程 - 難しい 关于10年工作经验的程序员对OpenClaw的实战经验分享以及看法 - 虚无境 Any metadata 的内存布局 C# .NET 周刊|2026年3月2期 - InCerry 我帮你测过了,测试圈排名第二的 Skill 依然很牛逼 Skill Discovery | 无监督技能发现的经典工作总结 - MoonOut PbootCMS 网站内容数量多导致访问慢?这些实用优化方案帮你提速! - 家兴网络技术工作室 上下文工程是什么?过时了么?一文讲明白! - 一枫说码 网站漏洞怎么发现并修复?一篇实用指南(附完整流程) - 家兴网络技术工作室 开了 TUN 模式还是直连?90% 的人都踩过这个坑 Github日报|2026年04月12日 - AI一族 AScript扩展多种脚本语言 - rockey627 AI 学习笔记:Agent 的记忆机制 你能被装进一个文件里吗?——7 万人把同事"蒸馏"成了 AI - 我没有三颗心脏 Claude Code 通关手册(七):给 AI 装上技能包——Skills 完全指南 - 暮色之狐 在浏览器中快速编辑代码:VSCode Web 集成实践 - Newbe36524 蒸馏自己 skill?基于 Deepseek 的蒸馏器,丐版蒸馏方式,简单便捷 - To_Carpe_Diem Spring AI Aliababa和AgentScope,哪个更好? - 苏三说技术 Etsy 把 1000 个 MySQL 分片迁进 Vitess:425TB 数据背后的真正问题不是性能,而是运维规模 MicroPython LVGL基础知识和概念:底层渲染与性能优化 - FreakStudio 数据库草图算法 Python 潮流周刊#146:CPython 引入 Rust 的进展 - 豌豆花下猫 最小生成树 - mofei1116 红日靶场七:从外网入口、容器逃逸到 AD 接管的完整利用链复盘 - YouDiscovered1t 分享四款开源且实用的 Kafka 管理工具 - 追逐时光者 vLLM 权重加载机制全解析:从挑战到理想架构 LCT 学习笔记 - ACehomoxue Avalonia UI 12.0.0 正式发布:架构演进和性能飞跃 - 张善友 当 AI Agent 把调用链拉长,延迟开始成为一门生意 conhost.exe 无法显示 U+2717 - 145a 太秀了,我把自己蒸馏成了 Skill!已开源 - 程序员鱼皮 ASP.NET Core 内存缓存实战:一篇搞懂该怎么配、怎么避坑 基于 Ghostty 带有分割标签页和为 Claude 编程设计的通知终端 - BugShare AI 焊死入口:教育的“操作系统级”重塑 - 郝hai 初级Java开发工程师使用sql脚本编写代码的过程是简单而且不糊涂 - CoderOilStation Claude Code通关手册(六):MCP协议完全指南 - 暮色之狐 边框灯光环绕动画特效实现指南 - Newbe36524 开源:子木蒸馏版的 SEO 审计工具 seo-audit-skill v1.0 我所理解的Python元模型 【从0到1构建一个ClaudeAgent】规划与协调-TodoWrite - 程序员Seven Claude 和 Codex 在审计 Skill 上性能差异探究 - ACai_sec AScript如何实现中文脚本引擎 - rockey627 【渗透测试】HTB Season10 Garfield 全过程wp - dynasty_chenzi Android 开发者为什么必须掌握 AI 能力?端侧视角下的技术变革 树状数组正确性证明 - AC-wyr 你的 AI 焦虑,可能比 AI 本身更危险——ATM 机没有消灭银行柜员,但恐慌消灭了你的判断力 - 我没有三颗心脏 一个拉胯的分库分表方案有多绝望?整个部门都在救火! - 冰河团队 动态规划入门必学之走方格问题 - Ofnoname PostgREST 与 PostgreSQL 角色权限配置全解析(生产级实践) - SheepDog1998 使用 UEFI 图形输出协议 GOP 在屏幕上显示图像的方法 - 阿源- Claude Code通关手册(五):组建你的AI专家团队,子代理系统 - 暮色之狐 一个程序员到架构师的催婚路之感悟(整整10年后的催婚相亲感悟) - MisterLip 用 Agent Skill 自动生成工作周报 - 赵康
我用 Codex 做周报自动化,第一件事是防止它胡写
Jackeyzhe · 2026-06-17 · via 博客园_首页

时间都去哪儿了?

我每周最烦的时间点,基本就是写周报。

前阵子我粗略算了一下,过去 3 个月我光是手写 prompt、翻记录、拼周报,差不多花了 12 个小时。平均下来,每周 50 分钟左右。这里面写字的时间其实不多,大头都花在找材料上:翻 GitHub,看这周提交了什么;翻 Jira,看哪些 ticket 还在自己手里;最后再把这些碎片凑成一段还算体面的文字。

有一次快写完的时候,同事突然问我:"你这周 GitHub 上那个 PR 进度怎么样了?"

我才发现,那个 PR 被我漏掉了。

不是没做,也不是故意不写。就是翻到一半已经快到 deadline 了,脑子开始只想赶紧交差,于是漏了。结果周报看起来像是我这周只做了一个小需求。

这件事挺小,但让我开始认真想:周报最累的地方,可能不是"写",而是每周都要重新把自己做过的事捞一遍。

什么是 loop?

简单说,loop 就是让 AI 不只回答一次,而是按一套流程反复跑,直到条件满足才停。

以前的做法是:我写 prompt,AI 给结果,然后结束。Loop Engineering 更像是:我先设计一套流程,让它定时拉数据、生成草稿、检查结果;如果没过检查,就停下来留下原因。

所以它和 cron 不太一样。

cron 只是到点执行脚本。它不关心脚本结果好不好,也不会自己判断下一步该做什么。loop 里面多了一层判断:现在拿到了什么数据,够不够写,哪里缺了,能不能继续。

这层判断很麻烦。也正是这层判断,让它不只是"定时跑一下 AI"。

你的任务适合做成 loop 吗?

不是所有重复任务都值得上 loop。我现在会先看四件事:

  1. 这件事是不是每周都会发生?
  2. 跑完之后,能不能看出来成功还是失败?
  3. 中途失败后,能不能从失败点接着来?
  4. 省下来的时间,值不值得维护这套流程?

如果这四条里有两三条都说不清,先别急着自动化。写个一次性脚本,或者继续手动做,可能更省心。

周报这个场景比较适合。它每周发生,输入数据也比较清楚:GitHub、Jira、日历、文档。问题是这些数据分散在好几个地方,人每周手动捞一遍,很容易漏。

5 个组件怎么落到周报场景

Addy 的文章里提到 5 个组件,再加一个贯穿全程的 Memory:Automations、Worktrees、Skills、Plugins、Sub-agents,以及 Memory。

我第一次看这套东西时也有点头大。名词很多,但放到周报里,其实可以拆得很朴素:什么时候跑、按什么模板写、从哪里拿数据、在哪里隔离运行、谁来检查、怎么记录上次失败。

1 Automations:每周五 18:00 跑一次

Automation 就是闹钟。不过这里别手写一个看起来像配置文件的 YAML,然后期待 Codex 自动识别。

更稳的做法是在 Codex 桌面 App 里打开 Settings -> Automations -> New automation,填这几项:

  • Name:weekly-report-loop
  • Schedule:每周五 18:00
  • Workspace / CWD:周报工作区,比如 ~/weekly-report-loop
  • Execution environment:第一版先选 local
  • Prompt:让 Codex 读取 company-weekly-report skill,按 data-fetcher、drafter、reviewer 三步生成草稿

如果你更习惯直接对 Codex 说话,也可以在当前项目里发这一句:

请创建一个本地 automation:每周五 18:00 在 ~/weekly-report-loop 运行。任务是读取 company-weekly-report skill,汇总本周 GitHub 和 Jira 进展,生成 raw/week-{W}.json、draft/week-{W}.md、review/verdict-{W}.json 和 state/progress.md。review 不通过时不要发布,只把失败原因写进 state/progress.md。

创建之后,可以在 ~/.codex/automations/ 下面看到对应的 automation.toml。这个文件是 Codex App 生成的,我一般不手改。要改时间、工作区或 prompt,回到 Settings 里改。

2 Skills:把周报要求写清楚

Skill 是这套流程的说明书。路径可以放在 ~/.codex/skills/company-weekly-report/SKILL.md

一个最小版本大概长这样:

---
name: company-weekly-report
description: Generate a weekly company report draft from GitHub/Jira evidence, with source citations and a reviewer gate.
---

# 目的
按公司周报模板,把本周工作汇总成文档,标注完成度与风险。

# 模板位置
- references/template.md # 公司模板(10 段固定结构)

# 数据源(用 MCP,不要让 Agent 自己爬网页)
- GitHub connector / MCP:本周 commits、PR、review、issue
- Jira connector / MCP:本周更新过、由我负责或参与的 tickets
- 如果 Jira 没接好,不要猜;写入 `[数据缺失,需补充:Jira]`

# 产物路径
- raw/week-{W}.json:原始证据,只放结构化数据和来源链接
- draft/week-{W}.md:周报草稿
- review/verdict-{W}.json:reviewer 的结论,必须包含 pass 和 reasons
- state/progress.md:每次运行追加一段状态

# 写作约束
- 每条 bullet 必须有数据源引用 [src:github:abc123]
- 数字必须从 connector / MCP 返回,禁止 Agent 编造
- 不要写"下周计划"超过 5 条

# Gate
- reviewer 必须检查全文每一段是否有来源
- review/verdict-{W}.json 里的 pass 不是 true,就不要发布

这里最值得花时间写的是两块:数据源和写作约束。周报最怕的不是写得不漂亮,而是 AI 很自然地补一句看似合理的话。尤其是数字,没来源就别写。

3 Plugins:先把数据接上

Plugins 或 MCP 连接器,负责让 Codex 读到外部数据。周报里至少要接 GitHub。如果你们公司有 Jira/Atlassian connector,或者内部 MCP,再把 Jira 接上。

# 先看当前 Codex 里有哪些插件
codex plugin list

# 当前 Codex CLI 的安装命令是 add,不是 install
codex plugin add github@openai-curated

如果 Jira 不是插件市场里的现成 connector,而是公司内部 MCP,可以用这种方式接:

codex mcp add company-jira --url https://your-company.example.com/mcp

装完先确认一下:

codex plugin list
codex mcp list

只读周报,不应该给写权限。能读就够了。repo:write 这种权限,除非你真的要让它开 PR,否则别给。

4 Worktrees:第一版不用急

Worktrees 是隔离运行环境。要是这个 loop 会改代码、开 PR、跑测试,那最好给每个 agent 单独的 worktree。

但周报第一版只是读数据、写草稿,用 local 就够了。等它稳定跑两三周,再考虑改成 worktree 环境。先跑通,比一上来把架构搭满更重要。

5 Sub-agents:把三步写进 prompt

这里不用急着发明一套流水线配置。第一版最容易跑通的办法,是在 automation prompt 里把三步写清楚:

请按三步执行:

1. data-fetcher:读取本周 GitHub commits / PR / review;如果 Jira connector 可用,也读取本周相关 tickets。把原始结果写入 raw/week-{W}.json。任何 connector 报错都必须写入 state/fetch-error-{W}.md,并停止后续步骤。
2. drafter:只根据 raw/week-{W}.json 和 references/template.md 写 draft/week-{W}.md。没有数据的地方写 "[数据缺失,需补充]",不要补编。
3. reviewer:检查 draft/week-{W}.md 是否每段都有来源、是否出现无来源数字、是否把空数据写成了"无进展"。把结果写入 review/verdict-{W}.json,格式为 {"pass": true/false, "reasons": [...]}。

只有 reviewer pass 为 true,才在 state/progress.md 里记录 "ready_to_publish"。

这不够精致,但能跑。第一版 loop 要的不是漂亮,而是能看见它在哪一步失败。

6 Memory:把上次失败记下来

Memory 先别想复杂。第一版就放一个 state/progress.md

# Weekly Report Loop State

## Last Run
- week: 2026-W23
- raw_path: raw/week-2026-W23.json
- draft_path: draft/week-2026-W23.md
- verdict_path: review/verdict-2026-W23.json
- gate_passed: true

## Backoff
- consecutive_failures: 0
- next_attempt_at: 2026-06-12T18:00:00+08:00

## Failures Log
- 2026-W19: gate_failed(reviewer caught hallucinated ticket count)

不要默认 App 会帮你维护这个文件。把"每次运行必须追加 state/progress.md"写进 automation prompt 和 SKILL.md。下一次运行时,先读上一次为什么失败,再决定要不要继续。

我踩过的 3 个坑

跑起来之后,我遇到过几个很烦的问题。不是大事故,但足够让人不敢直接全自动发布。

踩坑①:安静失败(Quiet Failure)

有一次周五 18:00 触发后,Jira token 过期了。data-fetcher 没有明确报错,只返回了空数据。

drafter 看见空 raw,就写了一句"本周无 Jira 进展"。reviewer 只检查引用是否一致,所以也过了。周报发出去以后,周一才发现少了一大块。

后来我加了三条规则:

  1. data-fetcher 失败时必须写 state/fetch-error.md,不写就当整个 loop 失败。
  2. connector 报错或返回结构异常时,直接停止,不进入 drafter。
  3. 如果本周 commits 和 tickets 都是 0,reviewer 要直接 fail,除非 raw 里有明确的休假或停工证据。

踩坑②:周报幻觉(Weekly Report Hallucination)

另一次,模板里有"用户增长"段落,但 GitHub 返回的只是后端 commits。drafter 顺手写了一句"本周 DAU 上升 12%"。

这数字完全没来源。

reviewer 当时没拦住,因为它只检查了有引用的段落。没有引用的段落,反而被跳过去了。

后来我把规则改成:

  1. 没有原始数据的段落,写 [数据缺失,需补充]
  2. reviewer 扫全文,不是只扫有引用的行。
  3. DAU、MAU、转化率这类业务指标,只能来自数据看板 MCP,不能从 commit 或 PR 里推断。

踩坑③:Token 失控(Token Runaway)

还有一次,reviewer fail 了。automation 重试时,drafter 把上周 draft 当作上下文示例塞了进去。重试几次后,token 消耗开始变得离谱。

这类问题不一定马上炸,但它会让你越来越不敢开自动化。

我现在的做法是:

  1. prompt 里写清楚,只读取本周 raw、模板和最近一次 progress。
  2. drafter 不带历史 draft 作为示例。
  3. reviewer 失败后,先看规则哪里有问题,不要马上重跑整条链路。

动手试试

如果你想做一个自己的周报 loop,可以先按这个顺序来。别一上来追求无人值守。

Step 1:先做一次 4 条件测试

把你每周都要做的任务,放进前面的 4 个问题里过一遍。答不上来,就先别做 loop。

Step 2:准备周报工作区

建一个专门目录,比如 ~/weekly-report-loop,里面放这几个子目录:

references/
raw/
draft/
review/
state/

公司周报模板放进 references/template.md

Step 3:写 SKILL.md

照着上面的骨架写。别急着写得很完整,先把数据源、产物路径和禁止编造写清楚。

Step 4:安装并确认连接器

在 Codex 桌面 App 的 Settings -> Plugins 里安装 GitHub。如果公司有 Jira/Atlassian connector,也一起装。

然后用 CLI 确认一下:

codex plugin list
codex mcp list

看到 GitHub/Jira 是 enabled,再做下一步。

Step 5:创建 automation,第一周盯着跑

在 Settings -> Automations 创建每周五 18:00 的本地 automation。

第一周不要完全放手。手动触发一次,看这三个文件:

  • raw/week-{W}.json 不是空的
  • draft/week-{W}.md 没有无来源数字
  • review/verdict-{W}.json 的 pass 是 true

这些都没问题,第二周再让它自己跑。

我现在对周报自动化的看法很简单:别急着让 AI 替你发布。先让它学会留下证据,学会承认自己没拿到数据。它能做到这一步,已经省很多事了。