今天尝试了 OpenAI 的 Coderx，发现非常好用。由于本身购买了 chatPlus，顺道升级了下 IDE工具。收获主要有以下几点：
codex
- 之前使用AI-IDE时，往往难以覆盖整个项目，通常是基于问题本身或者当前文档进行进行解答，由于缺少更全面的上下文环境，难以得到更深度的回答。增加了
codex-cli的支持后，可以使用/init指令在项目根目录生成一个AGENTS.MD的描述文档，方便AI理解整个项目，这样就可以针对项目进行提问和代码修复了。 /approvals可以设置权限，来允许直接更改项目文件或是询问。/model可以切换使用的模型，对于不需要深度思考的问题，可以快速切换到更简单的模型，来提供生成速度。
MCP
之前对 MCP 有过粗略的了解，之前使用AI的局限在于难以做到更精细的执行，例如：想要GPT直接生成一个 10W 条记录的cvs数据还是不行的，因为这涉及到另外工具专业领域的调用，MCP提供了统一的调用协议，只要工具支持，就可以提供出来供AI调用。相当于让AI具备了更强劲的执行能力。
本次尝试配置了 excel 相关的 MCP，非常惊艳，以刚才提到的例子来看，生成 10W条 随机测试数据非常简单，搭配 codex 使用的优势在于：
- 使用自然语言就可以调用之前需要使用命令行控制的软件，减少了学习、记忆、维护的成本。
- 有工作目录的上下文环境，生成的文件放哪可以直接说。
RAG
扩展来说，RAG可以增加 AI的思考能力，可以提供更多的私有数据供AI参考。
AI-Agent
这次的 codex 本质来看就是一个 编程的Agent，提供的是控制和调配的作用。MCP提供了更强的执行力，RAG武装了大脑，三者搭配使用大有可为。