一点点使用codex的体感
最近我经常要重复做一件事情(也是在电脑上做的)，从开始到最后出东西，可能要花一天的时间，而且要时刻待在电脑前面。虽说是重复，但是又不太一样，只是说流程一样，但是内容并不一样。
以前我尝试做过skill，但是最后跑下来，发现还是要自己返工，来来回 回的时间，和手动弄也差不多。所以，一直也没去深究那个skill为啥不行。
但是，有一天在做完事情以后，真的觉得好烦。
所以，就又尝试了一遍。
以前做skill的时候，是让codex一个模块一个模块地去完成，把一件事情从头做到尾，然后觉得结果达到预期了，就和codex说，根据刚才的过程，帮我创建一个skill。
这个方法听起来很好用，因为流程已经真实跑过一遍，过程中遇到的问题也都解决了，按理说总结出来的 skill 应该能复用，但实际效果运行下来并没有那么好，可能是因为流程太长的缘故。
很多时候，skill 看起来写得很完整，阶段也列出来了，注意事项也写了。可是下一次真正执行时，Codex 还是会漏细节，或者某个阶段没做完就往下走。最后结果虽然“差不多”，但总是和我手动盯着做出来的效果有差距。
这次我换了个方式，没有采用原来的那个流程，而直接和大模型说，我要做一个skill，第一步要干啥，第二步要干啥，......，把我想到的细节都告诉他，让他帮我总结到skill里面去。
因为整个做的流程，我已经很熟悉了；同时也知道codex在做这件事情上是有能力的，虽然有人工干预，但是做事情的都是codex，我只是动动嘴皮子，告诉它我想这样，我不想那样，类似的。
这次的skill能运行良好，最关键的一点，可能是我问了codex一个问题：
“那后续，我怕你执行过程中忘记 skills 中的要求了，应该怎么避免呢？”
然后大模型说，可以用hard-gated skill + checklist。
接着，skill的执行结果，就发生了质的变化。
当然，它说它加了hard gate，它也可能会在有的地方忘记加，所以在有能力的情况下，还是可以去看一下它写的skill，看看有没有真的如它所说。
不过，我大部分时候，都不去看了，因为AI写东西实在是太快太多了，要是它写个什么东西，都要去认真看的话，估计什么事也干不了。
所以，有时候不放心的话，就反问它一句，比如说，“现在每个步骤都需要满足某些硬性条件，才能往下执行么?“ 它就又会去检查一遍。
接着，就是按照这个skill多跑几遍，看看出来的结果稳不稳定。
然后我想，我是不是也可以把这套流程放到ADS里面？
为了测试这个，我把电脑中的2023版本换成了2026版本，然后大模型用的是codex 5.5 high。
使用codex最难的地方，其实就是怎么使用上，等想法设法用上以后，很多时候，只要向他提出问题就可以了。
因为我的系统的版本是Windows 10 IoT 企业版 LTSC，那个codex出的桌面版也装不上，所以一直用的就是terminal。
虽说是terminal，但是唯一的命令，就是打开codex，其他的都是直接用自然语言对的话。
同样的，在做skill之前，我是知道LNA的设计细节的，但是我不知道codex的能力边界在哪里，是不是可以控制ADS来进行仿真，也不知道能不能在人工干预的情况下，把LNA设计出来。
所以，我第一步做的事情，就是和codex配合，让codex能够把流程自动走下来。
不出所料，codex一路就做下来了。
不过，在做skill的过程中，并不是很顺利，花了大概2天时间，也没有让codex跑下来。我在想，是不是我 干预的太多了，设了太多边界，没让大模型自由探索。
光让codex画GUI的原理图，就费了很长时间。刚开始，codex想的方法，是先摆器件，然后根据坐标连线，然后再和网表对比，但是总是不成功。
后来，和他说了一句，你去看一下安装软件下面的例子，看看有没有参考。
参考回来后，瞬间就解决了，用snap_point的方式。
有时候大模型不知道它知道，你提醒一下，它就知道它知道了。
后来搞烦了，索性用来codex的/goal命令，试一下，要是我啥也不说，它能不能做出来。
于是我重新建立一个文件夹，重新开始。
在它运行的过程中，我发现codex在思考的过程中，知道我在设计skill的时候的一些信息，我的认知里面，既然不在一个文件夹，也没有给上下文，我也没有给读其他项目的权限，那这些信息，是不应该带过来的。
所以，我就有点小吃惊，问了一下大模型，它的回答是。
于是，我又问：
它的回答是：
关掉，我是不想关掉的，因为这个memory功能，确实能省不少事啊。
所以，我就去我网站的后台，看CHATGPT的数据控制方式。
现在是打开的状态。我印象中，我没有动过这个开关。不记得，是不是我安装的时候，是不是没有设置，还是说，这就是默认设置。
当大家在不断使用大模型的时候，大模型也接收到了海量的信息。
话说，在执行了大约1h时候，LNA的原理图出来了，真实器件参数也代入进去了，带内性能满足设置的目标，带外稳定性也没有问题。
虽然，电路上还有一点工程上的问题，稍稍需要加点器件，还有偏置没有加上。但是，我想，在目标上，把这些提醒一下，也许就没问题了。不过，我不想费token去验证这个事情了。
说回token这件事，刚开始用的是20美元的套餐，天天抠抠索索的，但是也能凑合用，后来GPT免费给2倍token量，突然觉得好像token自由了，而且体感上不止2倍，于是就大方了。
但是大手惯了以后，发现回不去了，于是又搞了一个号，两个切着来，心想，我2倍的token量用着差不多，两个号应该就能hold住吧。没想到，还是不够，又搞了一个号，发现还是不够。
然后我狠狠心，充了100美元的套餐。
现在GPT又在放量了，可以多几次重置的机会，相当于又在变相地送token，不过这次我坚决不会再往上升套餐了，还没赚到钱，所以还是省着点花吧，精打细算一点，应该还是可以的。
