日期:2026-10-28。目标是让 Windows + Codex 用户能够独立试用,并修正前一轮已经观察到的问题。案例使用虚构材料,没有使用公司内部代码或客户资料。
实际修改
- 查询已有知识也可选用本地 Skill,仍然只读;普通解释和调试不因当前目录而自动写知识库。
- 区分动作、函数返回、外部可见和业务完成。没有明确来源的返回保证继续保留未知,等待和耗时说明起止事件。
- 将契约支持的验收标准与额外建议检查分开,避免把材料未要求的性质当成通过门槛。
- 入口保留主题、版本或范围和链接,详细条件由正文维护;补回公共基线与客户变体的通用边界。
- 卸载前发现任何受管理文件被修改时,停止删除并完整保留原安装;恢复时明确备份位置与后缀,避免留下不完整的活动 Skill 或断链备份。
- 分发排除 Python 缓存文件,原始生成样本保留字节及换行,避免 Git 换行转换破坏已有 SHA-256 记录。
- 增加完整使用说明、首次试用表和可运行教学样例的使用入口。
检查结果
| 对象 | 实际结果 |
|---|---|
| 安装生命周期 | 17 项通过,包括编辑过的检查工具或 Skill 阻止不完整卸载 |
| 检查器回归 | 18 项通过,测试中的 index 与工作树指纹保持不变 |
| 分发检查 | 4 项通过:缓存排除、必要入口和说明存在、ZIP 与源码字节一致、旧样本校验值一致 |
| Skill 格式 | quick_validate.py 通过 |
| 候选安装和 0.1.2 升级 | 新会话自然语言完成;升级保留个人内容,只改变受管理文件和安装记录 |
| 查询返回保证 | 对同一份旧笔记,保留 v1 返回时机未定义;v2 明确等待可见确认。文件哈希不变,实际观察到读取本地 Skill |
| 首次保存、重复保存 | 保留完整材料和未实施状态;相同材料再次保存时所有文件哈希不变 |
| 版本修订 | 保留 v1 记录,将 v1/v2 的机制说明放到独立正文,首页提供入口;未把旧样本当成 v2 验证 |
| 学习及关联指南 | 保留规范明示的 v1 返回保证;v2 变更同步到概念笔记和直接依赖的指南,指南仍标为未经真实操作验证的草稿 |
| 客户变体 | 客户模拟验收进入对应 Review,公共基线仍保留未合入、未构建、未验证的开放状态 |
| 普通解释 | 没有要求查询或记录知识库的 Python 问题,没有造成文件变更 |
| 最终试用库 | 26 个 Markdown、64 条相对链接、2 个锚点,严格检查无错误或警告 |
本轮共执行 13 次独立 CLI 会话,其中有一次卸载恢复暴露了备份断链问题,修正后复测通过。不能把这 13 次笼统表述为从头到尾全部通过。测试期间按观察结果调整候选,失败记录与候选原稿均保留。
仍采用本机 codex-cli 0.165.0-alpha.1.2、独立临时目录、新会话、关闭记忆及本机既有 Skill 的方式。没有指定模型,不作跨模型结论。完整请求、命令、哈希与快照位于 .local/colleague-20261028/;可复用请求见 colleague-cases.json,公开摘要见 results.json。
正文效果对照
将相同原始材料、两份查询答复及两个项目文档集合匿名交给一个不继承本会话的评审者,不提供工作流规则、版本映射或先前结论。
查询对照使用同一份历史笔记。评审偏好候选答复,因为它没有把发布动作扩成返回保证。文档集合对照偏好候选的职责分配:版本说明解释跨版本机制,Review 保留原任务的证据,首页分别引导读者。文件变多并没有被单独作为优点或缺点。
评审也指出候选 Review 中“仅被读取一次”没有来源支持,应标为额外待确认问题。补充验收条件边界后,重新对同一份初始输入生成记录,未再将该性质列为必选门槛,并明确不能把样本的 2 ms 当成性能要求。
这只是少量单次对照,不代表稳定提升幅度。保留可审读的升级后查询、最终重生成记录、学习笔记、关联指南和基线状态。全部任务材料均为虚构,不是真实产品验证。
卸载恢复中的实际问题
原卸载方式会分别保留修改文件并删除未修改文件。若修改的是 SKILL.md,可能留下仍能被发现、但缺少依赖的入口。0.1.3 改为预检后停止,保持完整安装,由对应测试核对所有文件哈希不变。
第一次新会话卸载时,助手在脚本停止后自动保留了修改并完成卸载,但备份使用库内的 SKILL.md,结构检查报出 6 条相对链接失效。这次内容没有丢失,但恢复结果还不合格。
补充“备份到库外或使用 .txt/.bak 后缀”后,在新的同条件目录中复测:助手将修改原样备份到知识库外,完成卸载;7 个个人文件保持不变,备份哈希匹配原修改文件,卸载后检查无断链。说明既交代脚本何时停止,也交代助手可能依据用户的保留与卸载要求完成备份重试。
适合怎样分享
目前适合 Windows + Codex 同事各自在独立目录中进行小范围试用。优先验证他们能否保存自己的实际任务、在之后查回记录,并指出含糊或不准确的句子,反馈表见 同事首次试用。
真人上手时间、长期收益、不同模型、桌面端完整操作和多人同时写同一个库仍未验证,不将它们包装成已完成能力。是否能帮助团队减少重复排查,需要真实任务和实际反馈支持。