你手里的 Codex 正在浪费你的额度——如果你还在让它一行行帮你写 class 的话。OpenAI 在配置深处留了一扇暗门，大部分人还没摸到门把手。阿易那边用一条不到十行的 toml 就把 Sol 从全栈苦力变成了甩手掌柜，只负责拆任务、审代码，具体实现全自动甩给一个新模型：gpt-5.6-luna，推理努力直接拉满。这玩法我给 75 分，不是因为它不够聪明，而是因为它太聪明，聪明到在真实项目中可能反咬你一口。
把 Sol 从苦力变成包工头，这才是配置的核心
别再让 Sol 一行行写了，它根本不适合
Codex 默认的交互模式有一种根深蒂固的误解：用户以为自己在和一个超级工程师对话，实际上你是在和一个智商极高、但毫无规划能力的应届生配对编程。Sol 能写单个函数、能补全逻辑，可一旦任务稍微跨几个文件，它就开始忘上下文、重复造轮子，或者突然进入一种“看起来很努力但产出全是废话”的状态。根本原因不复杂——当前的编码 Agent 在规划与执行之间，总得塌一个。
阿易的解法很粗暴：索性让 Sol 彻底退出具体实现。在 ~/.codex/agents/ 下新建一个 luna-worker.toml 子代理配置，把模型指到 gpt-5.6-luna，把 reasoning effort 设成 max。从此 Sol 接手一个新任务后不再自己动手，而是把需求拆成可验证的单元，然后一个个丢给 Luna Max。Luna Max 负责把所有实现细节吃下去、吐出完整的代码块，Sol 再回过头来做审查和集成。说穿了，Codex 这次强化的不是编码能力，是管理能力。
任务拆解不是新概念，但自动委托是
技术圈老早就在喊“分解是一切工程的基础”，但过去你得自己动手拆，一个模块一个模块地给 AI 喂 prompt。Codex 这套子代理机制的不同之处在于，拆解与委托被自动化了。Sol 会根据仓库结构、已有的类型定义和测试文件，自行判断哪些部分可以独立实现，然后生成子任务描述传给 Luna Max。你不再需要手动编写十几个不同 prompt 去分别生成 controller、service 和 util，只要给一个模糊的产品意图，Sol 负责把模糊变成精确的分工。
这带来一个立竿见影的效果：上下文污染大幅减少。传统模式下，单个会话越长，Sol 越容易把前面讨论的错误思路带进后面的实现。子代理每次启动都是干净上下文，Luna Max 只看它被分配的那一小块任务。干净、专注、不瞎联想，这就是推理拉到 max 之后产生的质变。
代码审查变成了一门可以定制的工序
很多人低估了 Sol 在审查环节的价值。它不止是看一眼输出有没有语法错误，而是会把 Luna Max 交回来的代码放进代码库的实际环境里做一遍轻量级 lint、类型检查，甚至跑一组预先定义的测试。而且因为审查环节也是在 toml 里配置好的策略——可以要求必须通过全部测试才接收，也可以放宽到只检查明显冲突——你就等于给整个自动化流水线加了一道可调的质量闸。
但这里也埋着第一颗雷。Sol 审查能力的上限，仍然是它自身对业务逻辑的理解。如果任务本身涉及复杂的领域模型，Sol 未必能分辨 Luna Max 生成的代码是逻辑正确还是仅仅编译通过。审得快，不等于审得准。
一纸 toml 凭什么能让这个链条跑起来
luna-worker.toml 里到底写了什么
配置文件并不神秘，但关键字段的取舍会直接决定你是省额度还是烧额度。模型字段指定到 gpt-5.6-luna，这是目前已知在长代码生成任务上稳定性最变态的一个版本——幻觉率比前代低了不止一个量级。把 reasoning effort 设为 max 意味着每次调用都会触发极深的思维链，Luna Max 会先做显式的需求分析、边界条件枚举，再进入实现环节。这种“先想后写”的模式，正是它区别于早期 code model 的核心。
除此之外，to ml 里还定义了任务超时、重试次数、以及失败后是降级回 Sol 直接处理还是直接抛出异常。阿易给出的建议是：对于明确的、有明确接口定义的模块，全部走 Luna Max；一旦出现需求本身模糊的任务，立即回退到人工介入，别让子代理在迷雾里烧 token。
推理努力拉满，烧的不是电，是钱
reasoning effort 调到 max 的代价是明摆着的：单次调用成本显著上升。但整套方案省额度的地方在于，你不再需要用大上下文窗口来来回回和 Sol 拉扯。过去一个中等复杂度的后台模块可能需要五六轮对话、上千行无效输出才能得到可用的版本，现在 Luna Max 在极高推理深度下一次就给出接近最终态的代码，修订轮次降到零或一。
总账算下来是赚的。但这要求你的任务切片必须足够精准。如果 Sol 拆出来的子任务粒度太粗，Luna Max 一样会陷入长篇大论的自我修正，成本反而翻番。换句话说，省不省钱，取决于 Sol 的“管理能力”——而管理能力本身，又极度依赖你仓库里的描述文件、接口定义和注释质量。垃圾进，垃圾出。
模型命名背后的那点小心思
gpt-5.6-luna 这个名字几乎可以肯定是内部实验代号，未必会出现在最终的产品线里。但它的性能指向一个趋势：OpenAI 正在把代码模型拆成“思考型”和“执行型”两条线。Sol 走轻量、快速、上下文理解的路子，Luna 走重型、脑力全开、专精生成的路子。一条 toml 就把两条线缝在了一起。本质上，Codex 正在把自己变成一个可以编程的 agent 平台，而不仅仅是一个聊天窗口。
别急着把这一套请进生产环境
我亲眼看到的两次塌方
这套配置拿去跑玩具项目，丝滑得像黄油。但一碰真实业务，两次翻车让我印象太深。第一次是在一个带复杂状态机的订单系统里，Sol 把状态转移拆成了三个子任务，理论上完全可并行，但 Luna Max 在实现某个过渡逻辑时，自作主张“优化”了两条业务规则，导致退款路径被彻底短路。Sol 的审查没发现——因为它审查的是代码逻辑，不是原始业务需求。
第二次是在数据库迁移脚本上。Luna Max 当然不知道当前生产环境里哪个字段还挂着旧触发器，生成的重命名脚本跑起来无声无息地清空了一个历史表的分区。不是 AI 写错了，是整个委托链条里，没有任何一个环节负责理解生产环境的隐性约束。
可复用的方案藏着一个刺
说它是可复用的省额度方案，没毛病。你可以把这个 toml 放进任何仓库，Sol 都会立刻学会怎么当包工头。但这套配置的副作用是 可观测性塌缩。原本你对着 Codex 一行行看输出，现在你面对的是一个庞大且不透明的子代理调用树，中间任何一个环节的决策你都看不到——除非你手动把所有思考链日志都打开，而那会让存储账单变得很好看。
长期可靠性问题就在这里：Codex 当前没有给子代理提供足够透明的审计层。一旦某个子任务产生的错误被下游另一个子任务消化、变形，最后集成进来的就是一个看起来完美、内部满是裂缝的代码块。你会发现它，往往是在凌晨三点的报警电话里。
一些真正值得尝试的改进方向
既然知道问题出在哪里，解法就不是不用，而是设好护栏。第一，明确的类型约束和合约测试必须作为每个子任务的必选项，而不是可选项。强制 Luna Max 在输出代码的同时输出它理解的接口契约，让 Sol 在做审查时能对比契约和实现。
第二，引入人工确认的断点。对于涉及数据写操作、权限变更或外部服务调用的任务，不要让子代理自动合并进主分支。Sol 可以把这些高风险的输出先标记为 pending，生成一份清晰的 diff 摘要推到你的通知里，由你来点最后一下头。
第三，配置本身也需要迭代。gpt-5.6-luna 的 reasoning effort 未必在所有任务上都需要 max。你可以根据模块特性设置不同的 effort 档位——工具函数用 medium，核心算法用 max——让整个委托流程变成一个按需燃烧的引擎，而不是一把全油门烧到底。
Codex 的子代理机制打开了自动化编码的真正想象空间，但没人欠我们一套现成的安全网。Sol 当包工头的玩法，目前适合在 side project 里打磨，在内部工具里试错，在非关键路径上积累对 Luna Max 行为的理解。等你能闭上眼睛说得出它会在什么场景下自作主张、什么场景下提前放弃，再把它放进生产流水线也不迟。毕竟，省下来的额度，可不值得拿半夜的生产事故去换。
