本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

Introduction

最近在和 Codex 高频交互的时候发现一个问题：有时候设计一个算法需要用到 Web 端的 GPT Pro头脑风暴和深入讨论，然后将 Codex 本地一些已经实现的内容转译（ai summary），再发到网页版的 GPT Pro 上面，这个过程会有一些信息上的损失（主要还是我经常猪脑过载，很难在有限的prompt里面表达出整个codebase想要做什么，我想改什么），而且来回复制粘贴也很麻烦。然后很多比较复杂的算法研究问题或者是方案 review（例如重构建议），不是问一次就能够解决的。涉及到多轮交互之后，维护 Codex 本地仓库还有 Web 端的 Session，就取决于人脑的上下文负担上限。有时候多线程工作，不同任务之间很容易串线张冠李戴，随着轮次增加，前面积累的证据、决策和推理过程也常常因人脑的上下文无法持续保留而逐渐丢失。

Motivation

所以我做了这个 codex-pro-bridge GitHub - WILLOSCAR/codex-pro-bridge · GitHub ，让 Codex 和 GPT Pro 针对同一个任务进行多轮接力。每一轮都基本沿着同一条任务的时间线，积累一些证据、完整的评审以及本地的验证，再把新的实验结果与问题带入下一轮，最后直到真正的ending，从过程中看可以减少注意力，上下文，结构和状态损失，从结果看可以帮助重建自己的memory。

Method

每一轮主要留下三个事件：codex-snapshot → gpt-exchange → codex-verdict，所有轮次都绑定在同一个 bridge-thread-id 上，形成一条任务时间线，第一轮通常使用 auto让模型脱敏自动选择上传相关代码。后续轮次可以使用：explicit（只重新发送发生变化、需要重新检查的文件）none（如果只是继续讨论推理，不再重复发送源码）这样第二轮不是重新从零解释背景，而是继承前面的证据、评审、本地验证和实现结果，只补充真正变化的部分。

具体详见codex-pro-bridge/README.md at main · WILLOSCAR/codex-pro-bridge · GitHub （readme是ai generate，已截图发出）

Discussion

期待各位佬们的反馈和建议！如果这个项目对大家有所帮助，也欢迎顺手点个 Star，不胜感激