❌

阅读视图

发现新文章，点击刷新页面。

OpenAI 收購 Astral 深度整合 Python 工具鏈 打造全能 AI 軟體工程師

✇癮科技 Cool3c
Mash Yang

OpenAI 宣布收購 Python 開發工具商 Astral，將整合其極速工具至 Codex，推動 AI 從程式碼生成器演進為完整軟體工程師，且開源承諾不變。

OpenAI宣布已與專為Python開發者提供極速工具鏈的新創公司Astral達成收購協議，但具體收購金額與交易細節並未公開。這起收購案凸顯OpenAI計畫大幅加速其程式語言模型「Codex」的進化，讓AI不再僅僅是一個「程式碼生成器」，而是能全面參與程式碼變更規劃、工具執行與結果驗證等完整開發工作流程的「AI軟體工程師」。

關於Astral：改變Python生態系的「效能怪物」

創立於2022年、總部位於紐約布魯克林的Astral，雖然是一家尚未公開上市的新創公司，但在Python開發者社群中卻擁有極高的聲望。

過去幾年，Astral憑藉著以Rust語言底層重寫的強大技術力，推出多款主打「極致效能」的Python開發者工具。其中最著名的便是極速程式碼檢查與格式化工具「Ruff」，以及整合了環境建置與套件管理的「uv」。這兩款工具解決傳統Python開發中長久以來的速度瓶頸，目前每月下載量高達數億次，早已成為數百萬現代Python開發工作流程中不可或缺的核心基礎設施。

超越單純生成：Codex將深度參與完整工作流程

Astral創辦人暨執行長Charlie Marsh在官方部落格中證實這項消息，表示當初創立Astral的初衷就是為了提升程式設計的生產力。如今，AI正在以驚人的速度顛覆軟體的建構方式，而OpenAI開發的Codex正處於這場變革的最前線，而把Astral的極速工具與領域專業知識帶入OpenAI，將能進一步推動軟體開發的未來。

收購完成後，Astral的核心團隊將全數加入OpenAI的Codex開發團隊，雙方將開始積極摸索現有開發者工具與Codex之間更深度的整合方式。OpenAI的願景是讓未來的Codex系統不僅能聽懂自然語言寫出程式碼，還能自動呼叫Astral的工具進行效能檢查、依賴套件安裝與測試驗證，實現真正的端到端開發自動化。

開源承諾不變，社群吃下定心丸

對於廣大依賴Ruff與uv的開發者來說，最擔心的莫過於這些神級工具是否會被OpenAI「閉源」或轉為付費服務。

對此，OpenAI與Astral在聲明中明確表示：收購完成後，Astral旗下的開源工具群將繼續獲得OpenAI的全力支援。團隊將維持一貫的作風，繼續在開源環境中與龐大的開發者社群攜手合作，確保這些工具能持續為全球Python生態系服務。，最後打包上線。這對整個軟體工程界來說，將是一次破壞性的效率革命。

OpenAI 推桌面端超級應用整合 ChatGPT、Codex 與 Atlas 瀏覽器迎戰 Anthropic

✇癮科技 Cool3c
Mash Yang

OpenAI 正開發桌面端超級應用，將 ChatGPT、Codex 程式開發工具與全新 Atlas AI 瀏覽器深度整合，以解決產品碎片化問題，並聚焦核心營收業務。

根據華爾街日報取得消息，OpenAI正在著手開發一款桌面端的「超級應用程式」 (Super App)，計畫將旗下的ChatGPT、Codex程式開發輔助工具，以及全新打造的Atlas AI瀏覽器進行「三合一」深度整合，預期解決產品過度碎片化情形，並且將資源重新聚焦於能帶來實質營收的核心業務上。

終結碎片化：三大核心產品「三合一」

這項內部被視為重大轉型的「超級應用」計畫，據傳是由OpenAI應用部門執行長Fidji Simo親自操刀主導。

Fidji Simo認為，OpenAI過去一段時間的產品線過於碎片化，不僅拖慢整體的開發節奏，更讓各項產品難以達到公司預期的最高品質標準。為了解決這個困境，這款開發中的桌面端超級應用將提供一站式的整合服務，其核心架構包含三大支柱：

• ChatGPT：作為最核心的自然語言對話與指令中樞。

• Codex：OpenAI目前正全力發展的AI程式碼生成與開發輔助工具。

• Atlas瀏覽器：一款基於Chromium架構全新開發的網頁瀏覽器，主打深度的「AI輔助瀏覽與資料擷取」功能。

Anthropic的千億營收震撼彈，迫使OpenAI重新聚焦

之所以會在此刻急於整合桌面端戰力，背後最大的推力莫過於來自OpenAI主要競爭對手Anthropic的巨大壓力。

過去一年，OpenAI雖然憑藉著Sora影片生成模型，以及收購前蘋果設計長Jony Ive的AI硬體公司等極具話題性的專案，成功佔據各個媒體版面；但這些華麗的「Side Quests」 (支線探索)，並未立刻轉化為穩定的現金流。

與此同時，Anthropic卻展現驚人的變現能力。其針對開發者推出的Claude Code程式編輯輔助工具，在上線短短6個月內，年營收就逼近10億美元大關，在開發者社群中的熱度與採用率直線飆升。這顆震撼彈迫使OpenAI 須重新審視資源分配，開始梳理並暫緩低優先級的邊緣專案，將研發火力全數集中回「寫程式」與「企業生產力」這兩個最能賺錢的核心戰場。

目前，OpenAI發言人並未對此超級應用計畫發表任何評論，但目前ChatGPT的行動裝置版本似乎將維持現狀，不受此次桌面端大規模整合的影響。

CodexBar 能即時獲得各 AI 服務剩餘額度的免費工具，支援 Claude、Codex、Gemini、Antigravity、Ollama 等

✇電腦王阿達
Rocky

對於 AI 用戶來說，使用過程中經常都會查目前還剩多少額度，來更有效率的分配當前工作用量，尤其是 Claude，即便是 Claude Pro 用戶使用 Opus 4.6 模型，額度也很快就滿了，這時會需要等待冷卻時間。而每次查詢都要進到桌面版設定或網頁版，操作其實有一點繁瑣，這篇就要推薦一個超好用的 CodexBar 免費開源工具，讓你直接在 Mac 的 Menu Bar 上查詢各大 AI 服務的剩餘額度，Claude、Codex、Gemini、Antigravity、Ollama、甚至是中國的 z.ai、MiniMax、Kimi 等都支援。

The post CodexBar 能即時獲得各 AI 服務剩餘額度的免費工具，支援 Claude、Codex、Gemini、Antigravity、Ollama 等 appeared first on 電腦王阿達.

不同 AI 工具如何分工、接力完成專案，分享我做一個象棋教學遊戲的流程

✇電腦玩物
Esor Huang

有一次週末時間，跟孩子一起下象棋，孩子提議如果有一個象棋遊戲兼教練，可以讓我們透過跟電腦對戰來提升棋力，或者我們兩人一起討論策略去贏過電腦，這樣也是另外一種有趣的玩法。當然，市面上一定有這樣的象棋 App 可以直接滿足上面需求，但我想說，有沒有機會利用半天時間，試試看自己用 AI 做出一個象棋軟體呢？

但是，今天這篇文章，主軸不是要說怎麼開發，不是要教怎麼 Vibe Coding ，更不是要提倡 AI 寫程式有多厲害，因為我不是真正的開發者，所以不會在這一塊班門弄斧。

我是想從非工程師的角度，分享怎麼運用多種 AI 工具去完成一個專案的流程，讓不同的 AI 模型各司其職，但又能彼此接手工作的方法。

從經驗談的角度出發，這個流程我也會套用在其他不同工作的專案上，或許你也可以舉一反三應用在其他地方（只是做的成果不同，搭配的 AI 工具不同）。




為什麼一個任務成果，需要多個 AI 工具接手？（非工程師角度）

其實，一開始小孩說想要有一個象棋遊戲可以玩，我的第一個想法是：直接用 Google Gemini 的 Canvas 做一個線上可玩的象棋小遊戲就好了吧？

下一個簡單的指令，確實 Gemini 在兩三分鐘後就給我一個可玩的原型版本。




但是，實際跟小孩一起玩玩看之後，小孩說電腦不夠聰明、有些規則有問題、想要加上一些特效、音效或特殊功能，又更進一步的希望能夠記錄棋譜、能夠紀錄成績、能夠有「電腦的指導教學」。

原本想說就繼續讓 Gemini 在一個網頁原型上「硬改」看看，結果發現因為缺乏前期有效規劃，愈改愈亂， 30 分鐘後還達到 Gemini AI Pro 問答生成程式碼的區間額度限制。

於是才想說，那不如讓不同 AI 工具來分工完成看看？於是我又花了大約兩個小時的時間，讓不同 AI 工具接力，完成了目前常常拿出來跟孩子一起練習象棋的工具。

我先把這個「有點認真的象棋遊戲＋教學教練」的專案，切分成幾個階段，然後根據我對幾種 AI 工具的判斷，將每個階段交付給適合的 AI 工具去處理：

  • ChatGPT 做前期研究與規劃
  • Gemini 做快速原型測試
  • Google AI Studio 生成整個專案骨架
  • Antigravity 做進階功能延伸
  • Codex 做最佳化、多檔案重構、長期維護

但是怎麼讓不同 AI 工具接手同一個專案，而且還能維持邏輯一致，可以立即上工，並且可以根據不同 AI 工具的特性，解決這個專案的不同層面問題呢？這篇文章就來分享自己的經驗談。

專案階段
我選擇的工具
核心任務
為什麼適合
0→1 構思
ChatGPT
研究資料、概念發想、規則梳理
探索力強
1→10 原型
Gemini
快速做出可玩介面
做出視覺與互動原型快
10→40 骨架
Google AI Studio
生成專案檔案骨架
一次性產出基本架構
40→70 工程
Antigravity
精準改檔、測試、重構
細部修改與強化功能
70→∞ 維護
Codex
最佳化、補功能
長期穩定修改與維護





ChatGPT 階段：資料研究、概念發想、專案規劃、技術選擇、遊戲邏輯分析

我意識到自己前面第一次直接在 Gemini 讓 AI 做一個象棋遊戲時：

沒有先做好研究與規劃，所以之後愈改愈亂。

而這一次，我先在 ChatGPT 中建立一個討論串，讓 ChatGPT 先去搜尋研究象棋規則，調查目前象棋遊戲的設計邏輯，進一步分析小孩的喜好與想法。讓 ChatGPT 透過調查研究，先掌握要設計象棋遊戲的基本知識與技巧。

然後我還用錄音訪談的方式，透過聊天，錄下小孩想要什麼樣的象棋遊戲，希望有哪些功能，甚至鼓勵他天馬行攻的想一些特殊玩法。然後把這段訪談錄音轉成逐字稿。

最後，我把逐字稿也上傳到 ChatGPT ，請他用前面研究過的知識、技術，幫我重新整合成一個我的小孩真正需要且會喜歡的象棋遊戲專案計畫。

你是孩子的遊戲設計助理，我要幫孩子設計一個線上象棋遊戲，先幫我擬定一個遊戲專案規劃。請一步一步分析，上網搜尋中國象棋的基本規則、玩法，然後搜尋類似遊戲設計案例，思考必備的線上網頁遊戲基本規劃。 接著根據前面你對我和小孩一起玩遊戲的喜好理解，解讀下面我訪談小孩想要的遊戲機制，根據前面你的基本中國象棋遊戲設計架構，根據你的遊戲設計專家角度重新思考，規劃出最適合我和小孩玩的中國象棋遊戲設計專案規劃企劃案。 訪談內容：###




最重要的是在 ChatGPT 充分研究後，先寫出一份包含要用什麼技術、象棋規則怎麼導入的專案規劃書。

之後換到不同的 AI 工具接手，就可以先「交接」這份規劃書，讓接手的 AI 立刻掌舵狀況。




Gemini 階段：快速產出可玩的原型介面，確認可行

我很習慣任何專案一開始（不只是做一個小工具或遊戲，也包含一個知識產品、活動企劃等等），都先像前面一樣，讓 ChatGPT 去調查、研究、分析，經過學習後，擬出一份符合我需求的專案規劃書，然後再開始工作。

而以這個象棋遊戲為例，接下來我需要快速試試看這個專案規劃的一些基本功能，例如電腦對戰、創意技能等等，是否可行？

於是我又回到 Gemini （超過限制時間後，額度又回來了），把 ChatGPT 的專案規劃丟上去，請她盡可能做出專案上她可以做得到的功能。

初期要測試看看專案概念是否可行，產出可執行的原型（或是網頁、圖像、簡報等等產出）， Gemini 確實很快就能做出有外觀介面、有基本互動的成果。

我先用這個方法，確定 ChatGPT 做出的專案規劃基本可行，後面才有機會一步一步加上更多功能。（例如如果需要更進一步的後台資料庫、棋譜、電腦思考棋步的運算邏輯、電腦可以推演棋步做教學等，就無法只是在 Gemini 上就做出來。）





Google AI Studio 階段：生成整個專案骨架

如果要一個認真、可玩、長期練習的象棋遊戲，需要一個完整的程式架構，所以在 Gemini 先用幾分鐘確認可行，有機會做到後，我就轉換到 Google AI Studio 來生成這個專案的基本骨架。

我一樣把前面 ChatGPT 寫出來的專案規劃書貼上 Google AI Studio ，請內建的 Gemini 3.1 Pro 根據規劃書，開發一個象棋遊戲。




Google AI Studio 會「一口氣」生成專案需要的介面、功能、前端、後台等各種程式與檔案。例如在我的這個例子中，除了完成前端的介面互動與棋盤設計外，他也幫我寫了一個新的xiangqi.ts（象棋規則引擎，其實有既有的引擎，不過 AI 這邊自己寫出一個），思考了小孩想要的「特殊功能」如何跟正規象棋規則分開。

對比來看， Gemini 做出有畫面的基本功能，但專案規劃書有很多特殊能力他無法做到。而 Google AI Studio 因為可以架構更完整的程式碼，所以像是電腦下棋難易度的分析等等都可以一口氣做完。




不過因為 Google AI Studio 有一個問題，生出架構後，當然還需要修改，例如有些程式擠了太多規則變得肥大，或是高難度的電腦因為運算太久導致卡住，面對象棋特殊局面的規則還無法有效處理，因為純演算導致電腦開局反而比較笨等等。

這些問題本來我也想要在 Google AI Studio 改，但 Google AI Studio 畢竟是測試用環境，他的「記憶能力」不太好，幾次對話就會忘了前面的專案目標與規則，不適合長期迭代修改。

所以我把它完成的基本象棋遊戲程式碼「下載」到本機電腦，改用 Google 的 Antigravity 來進一步修改更細節的功能。




Antigravity：完整的開發代理，接手骨架，做進階功能添加

我是使用 Google AI Pro 的帳戶，所以在 Antigravity 上有一定的 Gemini 3.1 Pro、 Claude Opus 額度，但這個額度也沒有很高，我的經驗是如果幾個小時連續運作複雜程式修改，往往就要隔幾天才能再使用。




Google Antigravity 能夠處理本機上指定資料夾內的檔案、文件（當然還有程式碼），簡單好用，他可以做到（後面的 Codex 也可以）：

  • 直接操作指定資料夾內的：讀、寫、建立、刪除檔案
  • 執行終端命令
  • 瀏覽器自動化測試：可以打開 localhost、點按鈕、截圖驗證
  • 記憶能力很好，可以維持專案改進過程的上下文
  • 精確的編輯：可以只改第 157 行而不動其他地方
  • 多檔案協同重構：同時修改多檔案並保持專案一致性
  • 也可以用現在最流行的方式做專案管理：維護各種專案規則的 md 文件

我讓 Google 的 Antigravity 先接手處理剛剛 Google AI Studio 完成的象棋遊戲基本骨架，然後先加上幾個主要的功能。



第一步，我讓 Google Antigravity 先閱讀目前專案程式碼，然後再看一次前面 ChatGPT 規劃出來的計畫書，比較一下兩者異同，掌握專案現況，思考接下來專案應該怎麼開發。

更重要的，先建立一份未來可以依循的「專案規則文件」。（延伸閱讀：養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好）




接著我讓 Google Antigravity（或者說它內建的 Gemini、 Claude ）找出目前專案根據規畫還可改進之處，然後我把改進變成一個一個任務，貼上去讓 Antigravity 接力修改。




不過因為知道 Antigravity 的額度有限，加上我其實更喜歡使用 Codex （ OpenAI 的程式開發工具），未來一定會再交給 Codex 接手。

為了讓之後接手更順暢，當 Antigravity 這邊做了什麼大改動，就請他在專案相關規則文件中做更新、對齊進度、修改最新規則等。





Codex：系統的最佳化，長期的維護、修改

現在這個象棋遊戲的專案，則已經轉移到了 OpenAI 的 Codex 繼續接手。

既然如此，為什麼不乾脆一開始就會 Codex 做呢？

我的想法是，在 ChatGPT 上做搜尋、研究、調查（Deep Research），先進行資料的統整分析，然後做專案規劃的討論，是比較適合的。所以我把想出專案規劃書這一步，交給 ChatGPT。

既然要做認真的 App ，確實就不會只是用 Gemini 的 Canvas 製作，但可以先用 Gemini 測試看看外觀做出來是什麼樣子，基本的規劃邏輯跑得動嗎？

倒是不一定需要用 Google AI Studio 製作出遊戲骨架，這一步也可以直接就交給 Antigravity 或 Codex，所以後面三個 AI 程式開發工具互相接手，考量的其實是「額度」的問題。

雖然我有 Google AI Pro 和 ChatGPT Plus 帳號，但畢竟本職不是工程師，沒有真的採用買 Token 額度的方案，而這時候這兩者在用 Antigravity 或 Codex 做工具時的額度也都是有一定限制，如果用得勤快一點，在循環時間內的額度常常是不夠我用的。

所以我就採用了讓三種 AI 程式工具互相接手的方式。




下面是我這次經驗，不同工具分別開發了哪些功能：

  • ChatGPT：做了許多搜尋、研究、分析，寫出專案規畫出。
  • Gemini：只是測試看看做得出來嗎？
  • Google AI Studio ：完成基本的程式骨架。可玩的電腦對戰象棋遊戲。
  • Google Antigravity：
    • 製作本機可以啟動的執行檔。
    • 完成程式碼版本控管與同步規劃。
    • 改進電腦運算規則，讓電腦棋步有難度、但也不會導致卡頓。
    • 加上開局棋譜等資料庫，強化電腦的下棋能力。
    • 進一步改進特殊情況的規則。
  • Codex
    • 最佳化整個程式碼，讓每一個程式不擁腫，執行更快。
    • 導入可個人非商業使用的象棋引擎，做為大師級的挑戰。
    • 加上 AI 教練功能，讓電腦可以當下引導玩家做出更好的棋步選擇，並說明原因。

Codex 要接手時，第一步我一樣讓他先去讀程式碼，以及前面我有持續維護更新的專案規則文件，掌握專案現況，接下來就可以更順利地推進工作。




使用 Codex 開發功能的時候，我會使用規劃模式，讓 AI 先做出規劃，我確認後再執行，面對複雜改動時往往更有效。




目前這個象棋遊戲，變成我和孩子週末練習時的一個有效輔助和遊戲。

我們還是會拿出真的象棋來玩，但當想要挑戰一下，或是練習的時候，就打開這個象棋遊戲，用他的困難模式來訓練自己，或是父子一起挑戰大師模式，適時用電腦教學來看看什麼可能是更好的策略。

在這次的經驗中，不只是開發程式，完成企劃、內容專案也一樣， AI 工具有不同特色，而不同 AI 之間能順利接手，關鍵在於「先把研究與規劃做紮實，再進入產出。」然後在不同 AI 工具切換時「把這個專案目前怎麼做才算好的規劃」一起交出去。


 

大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：不同 AI 工具如何分工、接力完成專案，分享我做一個象棋教學遊戲的流程）

❌