# ai-engineering

OpenAI 官方指南把 Codex Goals 講成對話串範圍內的完成契約：目標會持續存在，但完成必須靠測試、基準測試、報告或研究證據判定。這篇補上 GP-192、GP-197、GP-207 缺的官方規格角度。

Jarrod Watts 拆開 Codex Goals 後發現，它解決的是 Agent 太早停下來，不是長跑任務一路跑偏。真正撐起長跑工作流的，不是更長的 Ralph 迴圈，而是事前釐清、多 Agent 審查，以及寫在 context 外面的交接記憶。

有人把 Claude Code 的完整架構拆開了——55 個目錄、331 個模組。從核心執行迴圈、四層 context compaction、多層 agent 協作、到權限管線和 hook 系統，這篇是目前最完整的 production AI agent 架構解析。重點不是模型多強，而是「環境決定結果」。

Claude Code 原始碼洩漏，社群盯著 KAIROS 和 model codenames 看。但裡面還有另一面：5 個讓 $2.5B ARR 產品顯得很尷尬的設計決策。這些不是 Anthropic 獨有的問題——它們是 AI 生成 code 的系統性陷阱，你的 codebase 裡很可能也有。

Paweł Huryn 提出 Vibe Engineering 框架：不是把 AI 輸出照單全收，而是透過 Context Engineering、Intent Engineering、和 Sub-agent 編排，把 AI coding 從「碰運氣出 demo」升級到「穩定出產品」。