作者建议用codex exec创建隔离、可脚本化的模型运行环境，适合评测和批处理。
推荐理由：亮点在于把交互式Agent转成可复现实验单元：固定模型、隔离目录、禁用网络和MCP，可降低评测与CI中本地状态污染。
阅读原文