GPT Codex 鹈鹕测试

在相同的账号、模型与思考强度下，鹈鹕测试在 Codex 内执行每次结果完全一致，而在 Cockpit Tools 中测试则每次结果完全不同且效果欠佳。该讨论主要就两款工具在相同配置下为何出现输出一致性与效果差异提出疑问。