所以在玩这个大部分时间后，两个都没能做到（预期中），但通过 Codex 的 GPT5 放弃了很多，结果只是崩溃（下面是例子）。也就是说，最终有效的是让 GPT5 根据 arxiv 论文创建详细规格，然后审查 opus 代码。

你必须知道自己在做什么才能引导流量，我不得不自己创建测试工具和通过标准，但它们的结合产生了一个与我现有版本相媲美的东西。如果我诚实地说，这初步测试相当令人印象深刻...