用 Codex 实现《Riftkeeper》第一波战斗时，正常流程很快搭了起来，真正耗费时间的却是输入边界、ECS 对象池复用、异步流程回滚和 MVVM 初始化顺序。本文记录这四类问题的定位与修复，并如实区分自动化测试通过和 Cocos 真实运行尚未验证的边界。

在用 Codex 开发《Riftkeeper》时，我发现让同一个代理包办分析、实现和验证并不总是合理。本文记录我如何按任务阶段与风险，将工作分配给 Luna、Terra 和 Sol，并总结升级、降级、并行边界，以及“配置存在不等于路由可用”的真实踩坑。

用 Codex 搭建《Riftkeeper》战斗入口时，我遇到了范围扩张、动态加载理解偏差、旧测试误导和 Git 清理风险。本文记录如何通过明确边界、补全生命周期、先诊断再修复，让 AI 编程变得可控、可验证。

《AI编程实验：一个人如何用AI工具开发完整游戏》这是一次真实的独立开发记录，作者将全程公开借助Codex等AI工具开发小型游戏的过程。实验核心不是渲染AI的神奇能力，而是探索普通人如何有效利用AI工具：从需求拆解、问题描述到代码验证的全流程方法论。重点记录可复用的实践经验：如何与AI高效沟通、判断生成代码的可用性、验证功能可靠性等关键环节。作者强调从小型可运行原型起步，通过持续迭代验证AI对独立

《AI编程实验：一个人如何用AI工具开发完整游戏》这是一次真实的独立开发记录，作者将全程公开借助Codex等AI工具开发小型游戏的过程。实验核心不是渲染AI的神奇能力，而是探索普通人如何有效利用AI工具：从需求拆解、问题描述到代码验证的全流程方法论。重点记录可复用的实践经验：如何与AI高效沟通、判断生成代码的可用性、验证功能可靠性等关键环节。作者强调从小型可运行原型起步，通过持续迭代验证AI对独立