Peter分享OpenClaw项目中大量应用Codex AI进行自动化开发流程

人们对我在AI上的支出感到震惊。但没人看到的是：让我如此兴奋地参与OpenClaw的部分原因在于，我正在尝试回答这个问题：

如果令牌不重要，未来我们将如何构建软件？

我们持续在云端运行约100个Codex实例，审查每个PR、每个issue。如果主分支上的修复落地，@clawsweeper最终会找到那个6个月前的issue，并附上精确引用将其关闭。

我们在每次提交时运行Codex以审查安全问题（因为太容易遗漏）。

我们运行Codex以去重issue、发现聚类，并为最紧迫的问题发送报告。

我们有可以重建复杂设置的agent，启动临时https://t.co/Q1NRXLemEy机器，登录Telegram等，制作视频并在PR上发布修复前后的对比。

有Codex监控新issue——如果符合我们文档化的愿景，会自动为其创建PR（然后由另一个Codex审查）。

我们有运行中的Codex扫描评论中的垃圾信息并屏蔽用户。

我们有运行中的Codex实例验证性能基准测试，并在Discord中报告回归。

我们有监听会议的agent，主动开始工作，比如在我们讨论新功能时创建PR。

我们构建了https://t.co/bmA1XnoB7P，将我们的所有项目拆分为功能单元进行审查，发现bug和回归。

我们针对安全做了同样的拆分，使用Vercel的deepsec和Codex Security来发现回归和漏洞。

所有这些自动化使我们能够极其精简地运营这个项目。