Giao Codex tác vụ đầu tiên có thể duyệt trọn vẹn
Chuẩn bị lỗi parser có thể tái hiện, giữ cùng kiểm thử trước và sau rồi duyệt đầy đủ bản sửa cùng bằng chứng thực thi.

Một tác vụ Codex đầu tiên nên đủ nhỏ để bạn hiểu đầu vào, đọc toàn bộ diff và xác minh kết quả. Với lập trình viên bắt đầu đưa agent vào repository, lỗi có thể tái hiện thường là điểm xuất phát dễ đánh giá hơn một cuộc viết lại mở. Mục tiêu là thiết lập cách duyệt đáng tin trước khi mở rộng phạm vi nhiệm vụ.
Tài liệu Codex CLI, được đọc ngày 20 tháng 9 năm 2026, mô tả việc đọc repository cục bộ, sửa tệp và chạy lệnh. Phiên bản cài đặt và chính sách máy có thể khác nhau. Ghi codex --version và xem cấu hình đang áp dụng trước khi giả định một lệnh hay chế độ quyền hoạt động giống tài liệu hiện hành.
Chọn lỗi có ranh giới nhìn thấy được
Giả sử một hàm JavaScript trong ứng dụng Node coi biến môi trường rỗng là số cổng hợp lệ. Ứng dụng cần dùng mặc định khi biến vắng hoặc rỗng, nhận số nguyên trong miền quy định và từ chối giá trị sai. Đây là ví dụ giảng giải giả định, không phải báo cáo lỗi trong dự án của Minh.
Hợp đồng nhiệm vụ có thể mô tả đầu vào và kết quả mà chưa chỉ định cách triển khai:
| Đầu vào | Kết quả cần có | Lý do |
|---|---|---|
| Không có biến | Cổng mặc định | Không gửi giá trị rõ ràng |
| Chuỗi rỗng | Cổng mặc định | Cấu hình rỗng được coi như vắng |
8080 | 8080 | Số nguyên rõ ràng hợp lệ |
8080abc | Lỗi kiểm tra | Không nhận phần chữ phía sau |
0 | Lỗi kiểm tra | Ngoài miền ứng dụng đã chọn |
Miền đó là quyết định của ứng dụng. Cổng số 0 có ý nghĩa hợp lệ trong một số ngữ cảnh khác, nên không được biến việc từ chối nó thành quy tắc mạng phổ quát. Mô tả chính xác tránh việc agent sửa theo một hợp đồng khác.
Ghi nhận trạng thái lỗi trước khi giao việc
Xem working tree và tìm lệnh kiểm thử đã có. Nếu repository chứa thay đổi không liên quan, ghi lại để agent không ghi đè hoặc nhận chúng là phần việc của mình. Chạy kiểm thử liên quan nhỏ nhất hoặc lệnh tái hiện rồi lưu lỗi thực sự quan sát được.
Prompt có thể cung cấp bằng chứng trực tiếp:
Sửa hàm đọc cổng để đáp ứng năm trường hợp trong bảng nhiệm vụ.
Lỗi hiện tại: chuỗi rỗng trở thành số không.
Đọc hàm và các nơi gọi trước khi thay đổi hành vi.
Dùng trình kiểm thử hiện có, giữ các chỉnh sửa không liên quan.
Khi kết thúc, nêu hành vi đã đổi, tệp đã sửa và kết quả kiểm thử thực tế.
Yêu cầu này nêu kết quả và bằng chứng cần để đánh giá. Nó không bắt agent chọn một hàm trợ giúp nhất định hay viết lại cả hệ thống cấu hình. Nếu bộ kiểm thử đã có một phần hợp đồng, giữ chúng và bổ sung phần tái hiện lỗi còn thiếu.
Lỗi ban đầu và kết quả cuối phải cùng nói về một hành vi. Kiểm thử qua cả trước lẫn sau không chứng minh bản sửa đã giải quyết chuỗi rỗng. Nó vẫn có thể bảo vệ hành vi cũ, nhưng không phải bằng chứng cho tuyên bố sửa lỗi cụ thể này.
Tái hiện hợp đồng trong thư mục thử riêng
Đây là port.mjs cố ý có lỗi. Mặc định là 3000; giá trị gửi rõ phải là số nguyên thập phân ASCII từ 1 tới 65535, không có số không đầu, dấu, khoảng trắng, phần lẻ hoặc số mũ. Chỉ giá trị vắng hoặc đúng chuỗi rỗng chọn mặc định. Quy định này làm rõ bảng ban đầu để bản sửa không âm thầm chọn cú pháp khác.
export function parsePort(raw) {
return Number(raw ?? "3000");
}
Đặt mã sau vào port.test.mjs cùng thư mục. Kết quả mong đợi xuất phát từ hợp đồng, không phải bản sao biểu thức phân tích. Những đầu vào không phải chuỗi kiểm tra nơi gọi trực tiếp hàm; biến môi trường hệ điều hành thông thường đến dưới dạng chuỗi hoặc không có giá trị.
import test from "node:test";
import assert from "node:assert/strict";
import { parsePort } from "./port.mjs";
for (const [raw, expected] of [
[undefined, 3000], ["", 3000], ["1", 1],
["8080", 8080], ["65535", 65535]
]) {
test("accept " + String(raw), () => {
assert.equal(parsePort(raw), expected);
});
}
for (const raw of ["0", "65536", "8080abc", "1.5", " 8080",
"+8080", "08080", "8e3", null, true, 8080]) {
test("reject " + String(raw), () => {
assert.throws(() => parsePort(raw), /invalid port/);
});
}
Chạy node --test port.test.mjs trong thư mục thử này. Lần chạy Node 22.23.2 cục bộ ngày 21 tháng 9 năm 2026 có bốn kiểm thử qua và mười hai thất bại ở phiên bản ban đầu. Riêng đầu vào rỗng trả 0 thay vì 3000. Trình kiểm thử thoát khác không là điều mong đợi lúc này: bộ tái hiện thật sự báo lỗi, không chỉ được mô tả bằng lời là đang hỏng.
Bản sửa tham chiếu do người viết soạn thủ công thay hàm ban đầu như sau:
export function parsePort(raw) {
if (raw === undefined || raw === "") return 3000;
if (typeof raw !== "string" || !/^[1-9]\d{0,4}$/.test(raw)) {
throw new Error("invalid port");
}
const value = Number(raw);
if (value > 65535) throw new Error("invalid port");
return value;
}
Giữ nguyên tệp kiểm thử, bản tham chiếu qua cả mười sáu trường hợp và tiến trình thoát không lỗi. Quan sát này xác nhận hành vi bộ thử; nó không nói Codex đã sinh bản sửa, hoàn thành một phép đo thời gian hoặc chọn cùng cách triển khai. Lệnh codex --version cục bộ trả 0.155.1 và nội dung trợ giúp đã được xem, nhưng ví dụ này không chạy phiên mô hình.
Khi thực sự giao tác vụ đầu tiên cho Codex, cung cấp trường hợp lỗi và các lệnh của repository rồi so bản sửa với hợp đồng, không buộc nó chép mã tham chiếu. Giữ bằng chứng kiểm thử ban đầu và đọc mọi thay đổi giá trị kỳ vọng. Sửa kỳ vọng chuỗi rỗng thành 0 chỉ làm mất một lỗi bằng cách đổi yêu cầu, không sửa parser.
Bài viết ngày 11 tháng 3 năm 2025 của Simon Willison về dùng LLM để viết mã nhấn mạnh trách nhiệm của lập trình viên phải thấy hệ thống tạo ra thực sự chạy. First run the tests, được đọc ngày 21 tháng 9 năm 2026, cũng xem lần chạy ban đầu là ngữ cảnh giúp agent hiểu repository. Bộ thử áp dụng thực hành hẹp đó, không biến khuyến nghị thành số liệu về độ tin cậy của agent. Qua kiểm thử hàm cũng chưa cho biết server thật có bind được cổng đã chọn hay không.
Cấp quyền phù hợp công việc
Tài liệu phê duyệt và bảo mật Codex giải thích kiểm soát thực thi và hành vi yêu cầu phê duyệt. Với tác vụ cục bộ nhỏ này, xác định tệp cần sửa và lệnh cần chạy. Thiết lập quyền là chính sách thực thi; câu trong prompt là hướng dẫn hành vi. Chúng có vai trò khác nhau.
Nếu lệnh kiểm thử phải cài phụ thuộc, công việc có thêm truy cập mạng và khả năng chạy lifecycle script của gói. Xem cách thiết lập bình thường của repository thay vì coi mọi lệnh lỗi là lý do mở rộng quyền. Môi trường cần đủ để tái hiện và xác minh, với hành vi đã được hiểu.
Không cần yêu cầu agent tiết lộ suy luận nội bộ riêng tư. Yêu cầu bằng chứng quan sát được: tham chiếu tệp, lệnh đã chạy, đầu ra liên quan và phần chưa chắc chắn. Những artifact đó hữu ích cho việc duyệt hơn câu chuyện tự tin về sự cẩn thận của agent.
Đọc hành vi đã thay đổi
Bắt đầu từ đường vào parser. Kiểm tra khoảng trắng, dấu, dấu thập phân và ký tự thừa theo hợp đồng hoặc phần mở rộng được xác định rõ. Nếu sửa hàm dùng chung, xem nơi gọi có phụ thuộc hành vi trước hay không.
Tiếp theo đọc kiểm thử. Nó phải khẳng định giá trị hoặc lỗi mong đợi, không chỉ rằng hàm trả thứ gì đó. Tránh tính kỳ vọng bằng cùng biểu thức phân tích như mã cần kiểm tra vì có thể lặp cùng sai sót. Bảng hành vi bên ngoài là nguồn tốt hơn cho assertion.
Đọc toàn bộ diff để tìm thay đổi ngoài lỗi. Định dạng hoặc nâng phụ thuộc có thể khiến bản sửa nhỏ khó đánh giá. Chỉ giữ khi cần cho hành vi yêu cầu hoặc có lý do độc lập rõ ràng. Tóm tắt của agent giúp định hướng, không thay việc đọc bản sửa.
Cuối cùng, chạy lại kiểm tra liên quan trong môi trường bạn sẽ chấp nhận thay đổi. Ghi đúng giới hạn: kiểm thử đơn vị xác nhận parser; kiểm tra khởi động ứng dụng cho thấy cấu hình còn nạp được. Không phép nào tự chứng minh mọi cấu hình triển khai đều hợp lệ. Chấp nhận tác vụ đầu khi toàn bộ hợp đồng đạt và bằng chứng tái hiện được, rồi giữ tiêu chuẩn đó cho tác vụ lớn hơn.