让 Codex 修 Bug别只说“修好”。这篇用满 99 元免运费的边界错误演示先让测试失败再限定可改文件用同一测试与相邻回归验收并记录回滚范围。附可复制的四栏任务卡让 Codex 修一个小 Bug最怕的不是它没改对那一行而是它顺手重构公共函数、改配置、更新依赖眼前的用例绿了别处却坏了。这种场景下“帮我修好这个 Bug”不是足够清楚的任务。更稳妥的做法是在动手前写一张任务卡先明确怎样复现再划定可修改范围约定验收证据并保留回滚路径。下面给出日常修 Bug 能直接复制的形式。一张卡先把“修好”说清楚四项不需要写成长文但最好都能被检查项目要写清的事没写清时容易发生什么复现输入、预期结果、当前结果、运行命令没看到失败就把“看起来合理”的改动当修复范围哪些文件可改哪些只可读超范围怎么办顺手重构、改锁文件或覆盖已有改动验收修复前后的同一测试、相邻场景、差异检查单个测试绿了却不知道回归风险回滚变更清单、未验证项、由谁决定撤销出问题后找不到本次究竟动了哪里注意“范围”限制的是写入不是调查。可以让 Codex 只读检查调用链和测试如果查出根因不在允许修改的文件里就先说明证据并停下来不要为了遵守文件名单硬改错误位置。如果还在决定该用编辑器内工具还是 Codex 这类终端 Agent可以先看 GPT108 的AI 编程工具选择指南用同一缺陷检查改动范围与测试结果。选定工具之后再用下面这张任务卡约束具体的一次修复。GPT108 是独立第三方 AI 会员服务平台不是 OpenAI 官方网站或授权合作方这条链接是补充阅读不代表工具官方背书。用一个边界 Bug 走一遍下面是虚构的小例子用于说明流程不代表任何真实订单系统。规则为“满 99 元免运费”金额统一用分表示。现有代码把刚好 9900 分排除在免运费之外# src/shipping.pydefshipping_fee(amount_cents:int)-int:return0ifamount_cents9900else800要覆盖的边界至少有三点9899 分运费 800 分9900 分运费 0 分9901 分运费 0 分。先写或找到能在旧代码上失败的测试再动生产代码# tests/test_shipping.pyimportpytestfromsrc.shippingimportshipping_feepytest.mark.parametrize((amount_cents,expected_fee),[(9899,800),(9900,0),(9901,0)],)deftest_free_shipping_boundary(amount_cents,expected_fee):assertshipping_fee(amount_cents)expected_fee示例命令是python -m pytest -q tests/test_shipping.py。在旧代码下9900 分那一项应失败改成 9900后再运行同一组测试应通过。真实项目要用自己的目录、测试框架和业务规则不能直接把示例阈值复制进生产代码。这里最重要的证据不是“Codex 说已经修复”而是同一条可执行用例修复前失败、修复后通过。如果环境跑不起来就如实写“未验证”先排查依赖或请人协助不能把代码审阅等同于实测。可直接复制给 Codex 的修 Bug 任务卡把方括号内容替换成你项目的真实情况任务修复[具体故障]不要顺带重构。 1. 复现 - 现象[输入/操作]时实际结果是[实际]预期是[预期]。 - 先只读检查相关代码、现有测试和工作区改动。 - 给出最小复现测试或复现命令先运行并记录失败结果。 - 如果无法复现说明缺少的环境或数据不要宣称已修复。 2. 范围 - 允许修改[目标代码文件]、[对应测试文件]。 - 其他文件可只读排查不改配置、依赖、锁文件或公共接口。 - 保留工作区原有改动不要覆盖、重置或清理它们。 - 若证据表明必须超出范围先列出文件、原因和影响停下等我确认。 3. 验收 - 修改尽量小并说明根因与所改代码的对应关系。 - 改后运行同一复现测试再运行[相邻模块回归测试命令]。 - 检查变更差异和 git diff --check不要把测试通过当成全部验收。 - 汇报实际执行的命令、结果、未执行项和剩余风险。 4. 回滚 - 不主动提交、推送、部署也不执行 git reset/checkout 等覆盖操作。 - 列出本次新增或修改的文件区分原有改动与本次改动。 - 如验证失败停止扩大修改说明如何安全撤销“本次改动”由我决定是否回退。这一卡的价值是减少猜测模型知道什么叫完成也知道遇到新根因何时停。审查、针对性修复与验证应连成一个循环关键是每一轮都依靠实际结果而非让代理无限“再试一次”。验收时我会额外看这 5 件事失败是否真实存在。修复前的测试是否确实命中报告的故障而非一个与问题无关的新断言如果旧代码也通过测试没有证明这次修复。边界是否够近。不只测出错值也测它两侧及一个正常场景像免运费阈值就要覆盖 9899、9900、9901 分。差异是否聚焦。看git diff确认没有无关格式化、依赖升级或 API 变化已有未提交改动要单独标记不能一股脑算成 Codex 的工作。回归是否有证据。跑相关测试或构建命令。若耗时或权限使其没跑要列成“未验证”而不是写“应该没问题”。撤销是否可定位。记录本次触及的文件与改动点。回滚通常应针对本次变更由人审查后执行避免误删同一工作区里别人的修改。尤其要防一种“绿色假象”为了让测试通过直接改了测试预期、跳过失败用例或刷新快照却没有解释业务规则为什么要变。验收需要把需求、旧失败、代码改动和新结果连成一条线。什么时候不要让它继续改如果出现以下任一情况先暂停无法稳定复现根因指向允许范围外的公共模块变更需要数据库迁移或线上配置测试环境和生产行为不一致工作区已有改动与待修改位置重叠。这些不是“Codex 不行”而是任务边界已经变化需要人重新确认方案和风险。一句话总结修 Bug 不是让代理尽可能多改而是让每一次改动都有可复现的起点、有限的范围、可核查的结果和可定位的退路。下一次提任务先把这四栏填上通常比多说一句“仔细一点”更有用。