OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！

以 OpenClaw 为编排层，Codex/Claude Code 为编码执行层的双层架构。编排助手 Zoe 负责分配任务、生成提示、跟踪进度、Telegram 通知。核心思想是上下文专业化：编码 Agent 拿代码上下文，编排层掌握业务上下文。94 次提交/日峰值，30 分钟 7 个 PR。流程包含隔离 worktree、tmux 控制、JSON 任务注册、周期巡检、三模型审查（Codex/Gemini/Claude）。

acpx（openclaw 出品的 agent 控制工具）发布 0.6.0 版本，带来多项实用更新：Claude system prompt 直接控制、session pruning（自动削减上下文）、embeddable turn handles（嵌入到自定义 UI）、--no-terminal 模式、persistent session 修复、WSL cwd 路径转换、queue 稳定性提升及更清晰的报错提示。对于日常使用 Claude/Codex 进行自动化任务的同学，session pruning 和 system prompt 控制是本次最值得关注的两个功能——前者避免上下文溢出，后者让你更精细地约束模型行为。已在 GitHub 开源，有需求的开发者值得关注。

Note: this post is about building your own agents (agentic software engineering), not about using coding agents. 注意：本文讨论的是构建自己的代理（代理软件工程），而不是使用编码代理。 By now you've probably used a few agents, or at least heard of Claude Code, Codex, or OpenClaw. Ever wondered what it takes to build your own? 到目前为止，你可能已经使用过几个代理，或者至少听说过Claude Code、Codex或OpenClaw。

OpenAI 内部有个团队，5 个月，3 个工程师，几乎不靠手写代码，做出了一个内部产品。 约 100 万行代码，约 1500 个 PR，人均每天 3.5 个 PR。 这是什么概念？ 正常工程师一天能稳定交付一个 PR，已经算高效。3.5 个 PR，意味着产出被直接拉高到了另一个数量级。更夸张的是，这些代码大部分都不是工程师亲手敲出来的。 这篇文章是 OpenAI 工程师写的，讲他们怎么用 Codex 从零构建一个叫 Harness 的内部工具。读完之后，我沉默了挺久。 因为它把一件正在发生的事，讲得非常清楚： 工程师的核心工作，正在从写代码，转向设计让 Agent 持续工作的环境。 这句话很重要。 这不是一句夸张的口号，也不是某种抽象比喻。它描述的是一个已经开始发生的角色迁移。...