新闻详情

新闻详情

首页 / 资讯中心 / 详情

codex-app-mirror如何15分钟发现Codex新版?“探测→比对→发布“镜像管道全拆解

发布时间:2026/11/18 16:52:41来源:尧图网络
codex-app-mirror如何15分钟发现Codex新版?“探测→比对→发布“镜像管道全拆解
codex-app-mirror如何15分钟发现Codex新版探测→比对→发布镜像管道全拆解【免费下载链接】codex-app-mirror原样镜像官方 Codex 桌面应用:每 15 分钟探测、SHA256 可校验、国内直连下载、 Mac 可增量更新 | Verbatim, verifiable mirror of the official Codex desktop app — probed every 15 min, with a Sparkle delta-update feed.项目地址: https://gitcode.com/gh_mirrors/co/codex-app-mirrorcodex-app-mirror是官方 Codex 桌面应用的原样镜像项目每 15 分钟探测一次上游SHA256 可校验、国内直连下载、macOS 支持 Sparkle 增量自动更新。它只镜像、不构建、不重打包上游一变就能发版。这篇文章带你完整拆解它的探测 → 比对 → 发布镜像管道。为什么需要15分钟镜像探测官方 Codex 桌面应用发布在 Microsoft Store 和 OpenAI 静态地址上存在两个痛点下载不便国内直连慢、临时 CDN 地址随时失效更新感知慢手动检查版本费时费力codex-app-mirror的答案是一套全自动管道定时探测上游指纹没变化就不下载、不发重复 Release一旦上游真的变了自动完成下载 → 校验 → 发版 → 同步双镜像全流程。第一步探测——只取指纹不搬大文件每次运行的入口是探测脚本 probe-release.sh它对四个平台包做轻量探测全程不下载安装包本体Windows走 Microsoft Store 元数据查询 DisplayCatalogProductId9PLM9XGG6VKS拿到 x64 / ARM64 包元数据用 FE3 metadata 解析可下载的 MSIX moniker 和临时下载 URL只发 HEAD 请求记录Content-Length/ETag/Last-ModifiedARM64 包如果暂时解析不到下载 URL会以catalog-only状态记录在 manifest等下一轮补齐——不会因为一个架构缺失而阻塞其他平台发版。macOSappcast ETag 指纹对官方 DMG 与 Sparkle appcast 发请求读取ETag、Last-Modified、Content-Length以及 appcast 里的版本字段见 probe-release.sh。所有指纹汇总写进一份probe-manifest.json这是后续比对的现场快照。第二步比对——稳定指纹决定是否发版这是管道里最省钱的一步指纹没变就直接结束。manifest_key() 从探测结果中抽取一组稳定字段版本号、包名、大小、ETag、appcast 版本与最新 Release 附带的release-manifest.json做逐字段比较。除此之外还有一层公开镜像自检自检项目的manifest 键值比对确认上游指纹与线上一致appcast 内容比对防止自动更新源过期SHA256 校验和比对防篡改、防丢文件各短链对象大小比对确认 latest 短链指向正确文件任何一项不通过都会触发一次修复性重发布。这种设计保证管道即使跑空转 100 次用户看到的 latest 链接也永远有效。第三步发布——下载、校验、生成 Release确认上游变化后管道进入重活阶段下载全部安装包download-macos.sh 下载 DMG 与 Sparkle 归档并逐字节核对Content-Length大小不符直接失败生成指纹文件prepare-release-metadata.sh 为每个产物计算SHA256SUMS.txt并合并出完整的release-manifest.json上游指纹创建 GitHub ReleaseRelease tag 采用 Codex 内部版本聚合命名如codex-app-26.623.41415。四个架构未集齐时先发 prerelease补齐后自动提升为 latest——缺失平台会在 body 表格中标注待官方发布构建 Sparkle appcast 时镜像逐字节复制官方归档和 EdDSA 签名只改写下载地址。因为签名针对的是归档字节本身字节一致签名就依然有效镜像从不伪造签名。发布之后双层镜像 按地域自动分流发版不是终点。资产会同步到两套存储由一个 Cloudflare Worker 按CF-IPCountry自动路由全球Cloudflare R2中国大陆S3 副镜像secondary-sync 从 Cloudflare 网络内直接搬运核心逻辑见 core.js对用户透明同一条latest/*短链国内访问自动走 S3 副镜像海外走 R2。调度层15分钟心跳是怎么实现的双保险调度缺一不可调度器频率角色Cloudflare Cron Trigger7,22,37,52 * * * *UTC主调度每 15 分钟触发一次mirror.ymlGitHub Actions schedule11 */6 * * *UTC每 6 小时兜底防 GitHub 计划任务延迟漏检主调度配置就一行 cron 表达式定义在 wrangler.jsonc 中Worker 通过 GitHub API 触发工作流实例化配置见 github-dispatcher。 为什么选 15 分钟足够快的新版本感知又不会给上游和 CDN 造成压力——因为探测阶段只传几 KB 的元数据。macOS 增量更新只下载差量对 Mac 用户管道还沉淀了一份 Sparkle appcast 更新源。下游客户端订阅后新版发布时只下载版本间的 delta 差量包而不是每次重拉完整 DMG没有匹配差量时自动回退完整归档保证任何情况下都能更新成功。快速索引管道关键文件环节文件上游探测与指纹比对scripts/probe-release.sh安装包下载与大小校验scripts/download-macos.sh校验和与 Release 元数据scripts/prepare-release-metadata.sh15 分钟 Cron 调度实例cloudflare/github-dispatcher/wrangler.jsonc国内 S3 副镜像同步cloudflare/secondary-sync/README.md总结codex-app-mirror用一条极简原则驱动整条管道没变化就安静变了就快速、可校验地发版。⏱️ 15 分钟探测 6 小时兜底双层调度不漏检 探测只取 ETag/版本指纹稳定字段比对杜绝无效发版✅ 每个 Release 附 SHA256 校验和与 manifest 上游指纹 R2 S3 双镜像一条短链按地域自动选路这就是探测 → 比对 → 发布三段式管道的全部秘密把检查更新这件重复的事交给机器把放心下载这件事留给用户。【免费下载链接】codex-app-mirror原样镜像官方 Codex 桌面应用:每 15 分钟探测、SHA256 可校验、国内直连下载、 Mac 可增量更新 | Verbatim, verifiable mirror of the official Codex desktop app — probed every 15 min, with a Sparkle delta-update feed.项目地址: https://gitcode.com/gh_mirrors/co/codex-app-mirror创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉