大规模代码库优化策略
针对代码库规模带来的挑战，可采取以下措施：
- 模块化加载::
- 通过.gitmodules拆分子模块
- 在指令中限定操作范围（如–scope=src/auth）
- 使用稀疏检出（sparse checkout）加载必要文件
- Cache Optimization::
- 预先构建持久化沙盒环境
- 保留常驻依赖项（如虚拟环境）
- 配置依赖镜像加速下载
- task segmentation：将大型任务拆解为：
- 阶段式处理（先分析→后修复）
- 按功能模块并行执行
- 通过checkpoint机制保存中间状态
技术层面建议：
- 在AGENTS.md中添加索引文件说明，帮助Codex快速定位
- 对超10万行代码的项目启用–shallow-clone参数
- 监控沙盒的CPU/内存使用情况，必要时升级容器规格
This answer comes from the articleChatGPT Codex: Intelligence for Automating Software Engineering TasksThe
May not be reproduced without permission:AI productivity tools " 怎样克服Codex在处理大型代码库时的性能瓶颈？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil