Codex 从编程助手到全能打工人 · AI HOT
宝玉@dotey74
2026-05-21 08:01·43天前
AI 摘要Codex已从单纯的代码生成工具，进化为能处理各类电脑任务的“全能打工人”。其核心在于利用持久对话流实现长期记忆，并能调用浏览器、电脑操控等工具，打破工作流限制。通过自动化与目标设定，Codex可离线持续工作，大幅提升生产力。
宝玉@dotey · X 2026-05-21 08:01·43天前
在 X 看原推· x.comAI 摘要Codex已从单纯的代码生成工具，进化为能处理各类电脑任务的“全能打工人”。其核心在于利用持久对话流实现长期记忆，并能调用浏览器、电脑操控等工具，打破工作流限制。通过自动化与目标设定，Codex可离线持续工作，大幅提升生产力。
"等这活儿干完之后，把预览链接发到 Slack 给审核人看看。"
简单来说，"干预"是改变 Codex 眼下正在做的事，而"排队"是安排它接下来要做的事。这两个功能都能让你在任务执行的过程中，始终保持一种"人机合一"的掌控感。
工具与触达范围 （Tools and reach）
当一个对话流有了连续的记忆后，下一个问题就是：它能触碰到什么？Codex 的触角可以向外一层层延伸：
- $browser 在侧边栏中运行的应用内浏览器，Codex 可以在这里审查网页并在上面做标记。
- @chrome 可以获取你浏览器的登录状态，用来处理那些基于 Chrome 的工作流。
- @computer 专治那些只能通过桌面图形界面 （GUI） 来完成的任务。
$browser 适合在侧边栏做网页审查；@chrome 适合那些需要你账号登录状态的浏览器内工作；而 @computer 则用来搞定那些只能在电脑桌面上点来点去的任务。
MCP 服务器和各类连接器把这种能力进一步延伸到了你的整个工作流中。Slack 集成、以及各种 MCP 工具连接器 和 MCP 指南 之所以重要，是因为很多关键任务在变成代码之前，最初往往只是一条聊天消息、一封收件箱里的邮件，或者一个日程安排问题。
技能 （Skills） 让那些重复的工作流可以被反复利用。一旦某个工作流被证明好用，你可以将它固化为技能，这样 Codex 下次就能直接跑通，而不需要从头开始重新学习这个流程。
随时随地工作 （Work from anywhere）
随时随地与 Codex 协同工作 的理念，彻底打破了我们"必须坐在电脑前才能干活"的传统限制。一个任务可以在你装满文件、权限和本地环境的 Mac 电脑上启动，然后当你离开工位用手机查看时，它依然在默默推进。
这在很多碎片时间里非常有用。你可以让 Codex 在电脑上跑一个耗时很长的任务，然后自己离开工位去喝杯咖啡。如果在外面时它有问题问你，你可以直接用手机回复、批准它的下一步行动，或者在回座位前就给它指派新的方向。你的本地环境安安静静地待在那里干活，而你的人却可以自由移动。
自动化 （Automations）
自动化功能 能让 Codex 按照你设定的时间表自动干活。如果是需要每天从零开始的任务，比如生成日报或者例行检查代码库，那就用"定时自动化 （scheduled automation）"。但如果需要在一个带有历史记忆的对话中继续推进工作，那就用"对话流自动化 （thread automation）"。
对话流自动化：就像一种定时唤醒的"心跳"机制，它会按照设定的时间表，定期回到同一个 Codex 对话流中继续工作。
把对话流置顶固然好用，但它毕竟还得等你主动回去找它。而"对话流自动化"则可以每隔几分钟或几小时自己去查岗，一直跑到满足某个条件为止，甚至还能根据情况自己调整查岗的频率。
比如，你的"幕僚长"对话流可以每 30 分钟跑一次：
> 每 30 分钟，去查一下我的 Slack 和 Gmail 里有没有需要处理但还没回的消息。 帮我排个优先级。 如果有人向我提问，尽可能深入地去查资料，然后帮我起草一份回复，但不要直接发送。
当你回到电脑前时，那些最耗时耗力的"收集背景资料"的工作往往已经做完了。作为人类，你只需要做最后拍板发出去的决定。
对话流自动化也非常适合用来处理"反馈循环"。它可以默默盯着你在代码合并请求、Google 文档或是 Slack 里的评论，趁你不在的时候自动推进后续的修改工作。
想象一个制作动画的场景：审核人在 Slack 里发了一个视频。对话流自动化可以定时检查讨论进度，一旦有修改意见进来，它就自动渲染一版新的，然后在原贴里艾特审核人并回复新视频。如果某个软件的集成接口没法自动完成最终的上传，它甚至能调动"电脑桌面自动化"通过图形界面把最后一步走完。
这个完整的闭环跨越了接收反馈的 Slack、负责渲染的代码库，以及负责最终上传的桌面自动化工具。
目标设定 （Goals）
当一个任务有一个清晰的终点线，并且 AI 智能体可以不断朝着那个终点努力时，目标 （Goals） 的威力就彻底爆发了。
目标：运行时间更长的 Codex 任务，有一个明确的终点线，AI 会在一段时间内持续向它冲刺。
比如，一位工程师想把一个内部工具从 Python 语言迁移到 Rust 语言，他可以建好新目录，设定好目标，并画一条明确的终点线：
直到所有单元测试全部通过，这个新版本的开发才算完成。
目标设定，其实就是把"持续执行"和"验证器 （verifier）"结合在了一起。你作为人类来定义想要的结果、何时停止的条件，以及用来判断 Codex 有没有离终点更近的信号。
有野心固然重要，但没有验证机制的野心，就只是在许愿而已。
侧边栏 （The side panel）
侧边栏功能 让你生成的工作成果始终和你们的聊天窗口并排在一起。你再也不用把文件导出来，然后痛苦地在不同软件之间切来切去了，直接在原位就能审查。生成的成果可能是代码，但也可能是幻灯片、PDF 文件、网页、表格，或者任何其他生成的东西。
侧边栏允许用户直接原地查看 Markdown 文档、电子表格、数据表、普通文档和幻灯片。你可以不打断现有的工作流，直接检查、做标记、修改文件。
你的幻灯片或 PDF 就乖乖敞开在对话框旁边，随时等你检阅和修改。
应用内浏览器 让 Codex 能够直接检查渲染好的网页，控制它，甚至直接响应你在网页上做的标注。对网页或文件的评论全部留在这个工作闭环里，再也不用像以前那样把它拆分成一个个单独的交接任务了。
网页既变成了它的输出结果，也变成了你可以操控的控制面板。Codex 可以建好一个页面，在侧边栏打开它，自己检查它，修 Bug，然后原地不断迭代优化同一个东西。
- 用单个 index.html 来做轻量级的静态展示
- 跑 Storybook 来审查用户界面 （UI） 组件
- 用 Remotion Studio 搞代码生成的动画
一个简简单单的 index.html 文件就能变成一个好玩的交互式小应用，连服务器都不用搭。而且，对话流自动化还能随着时间推移悄悄更新这些静态文件，这样等你回来时，总能看到最新的进展等着你。
共享记忆 （Shared memory）
当那些长时间运行的对话流能够打破单次聊天的界限，把记忆共享出去时，它们的作用将发生质的飞跃。
共享记忆 （Shared memory）：存储在单一对话之外的持久上下文，它可以让未来的工作能够基于一些明确的、可追溯的信息继续推进。
一个相对稳妥的做法是，把这些持久的对话流"锚定"在一个 Obsidian 知识库 （vault） 里。说白了，就是建一个存放纯文本文件的文件夹。它简单直白，方便你随时查看、修改、移动，而且能保存很久。团队可以把这个文件夹放在任何你们喜欢的云盘里，比如 Git、Dropbox、Google Drive 或是其他的同步工具中。
> 【text】 vault/ ├── TODO.md ├── people/ ├── projects/ ├── agent/ └── notes/
在最外层目录下，你可以放一个 AGENTS.md 文件。在这里，你可以给 Codex 定规矩：当它了解到关于人员、项目、决策以及待办事项的新情况时，应该如何更新这个知识库。
别死板地照抄某一种知识库结构。你需要做的是"教"你的 AI 智能体：那些持久的上下文该放在哪，哪些上下文需要保留，以及什么时候不要瞎折腾去改文件。
一份实用的 AGENTS.md 指南里可以这么写：
- 准确地把待办事项、人员、项目、每日总结和草稿分类放好。
- 把做过的决定、遇到的卡点、负责人、日期和有用的链接好好保存下来。
- 如果没有什么实质性的新进展，不要随意修改知识库里的文件。
代码库是用来存代码的。而这个知识库，是用来存不断滚动的上下文的：牵涉到哪些人、改了什么、卡在哪里、接下来谁跟进，以及那些如果在两次聊天中间断掉就会彻底消失的细节。
重要的上下文绝不应该仅仅锁死在某一次聊天的文字记录里。把它们写下来，放在下一个对话流能够立刻接手的地方。
Codex 自己也在 设置 > 个性化 > 记忆 中提供官方的 记忆功能。它们就像是系统自带的本地记事本，用来记住你的个人偏好、常用的工作流以及一些经常踩的坑。不过，这个功能是用来辅助你清晰写下来的上下文的，而不是取代它。Chronicle 记忆组件 也是同样的思路，它能帮 Codex 从你最近屏幕上发生的事情中提取并构建记忆。
从代码向外延伸 （From code outward）
Codex 虽然还是以写代码为本行起家，但现在，围绕代码的诸多周边工作，都能在这个同一套系统里搞定了：无论是 MCP 服务器、网页界面、电脑桌面控制、对话流自动化，还是那些可以在侧边栏直接审查的文件。
这彻底改变了我们控制它的方式。"任务干预"可以在中途打断它的动作；"任务排队"可以帮它安排好下一步；"对话流自动化"能让你人不在场时系统依然运转；而"目标设定"则给它画了一条清晰的终点线，让 Codex 知道要一直往哪里冲。
如今的 Codex 已经可以扛起一个完整的工作流：从听取指令、执行任务，一直到最终文件的审查。哪怕这些工作早已经超出了代码库的范畴，它也依然游刃有余。
- 当你离开电脑时，利用对话流自动化 （thread automations） 和目标驱动 （Goals） 让它继续搬砖
- 熟练使用侧边栏 （side panel），随时审查它生成的代码、文档、幻灯片和其他文件
持久对话流 （Durable threads）
持久对话流：可以长时间运行的 Codex 对话流，能在你多次使用的过程中，始终为你保留工作上下文。
把对话流"置顶 （Pinned threads）"是让这些持久对话随叫随到的好办法。这对于那些需要反复推进的工作流来说简直是神器，比如：
它们不是那种聊完即焚的闲聊框，而是持久的工作空间。随着时间的推移，Codex 可以随时回到这些对话中，它会记得你之前做过的决定、你的个人偏好以及当前的进度。如果没有这个功能，你每次都得从零开始把这些背景信息重新喂给它。
置顶快捷键让这个操作变得极为实用。只要按下 Command-1 到 Command-9，你就能瞬间穿越回这些保存好的专属对话流里继续工作。
语音输入 （Voice input）
语音输入之所以好用，是因为它能在你把想法字斟句酌地敲成文字之前，先把你脑子里最原始、最粗糙的念头捕捉下来。
Codex 内置了语音输入功能。这对于那些"嘴上说得清，打字嫌麻烦"的模糊想法特别管用。比如：
> "我记得有个叫 Ben 的人在 Slack 上提过这事儿。 细节我忘了。 你去帮我找找看。"
对于一个会自己搜索、收集上下文并向你汇报的 AI 智能体来说，这几句话就足够它干活了。
当你脑子里有一个大概的想法，但还没完全成型时，花两三分钟对着它"碎碎念"，把思绪一股脑倒出来，效果也出奇的好。
录音转写也是同样的道理。一份未经修饰的会议记录，或者一段口述的计划草案，往往比一份简短的总结更有价值。因为那些粗糙的记录里，保留了你犹豫的语气、强调的重点，以及那些还没讲完的灵光一现。
任务干预与排队 （Steering and queuing）
当你把语音输入和对运行中任务的直接控制结合起来时，它的威力才真正显现出来。
任务干预 （Steering）：在当前任务还没完成时，中途打断 Codex 并给它指引新的方向。
当你发现 AI 跑偏了，需要在它撞南墙之前纠正它时，这个功能就派上用场了。比如，在让它审查网站时，你可以一边在侧边栏上指指点点，一边直接开口打断它的工作：
任务排队 （Queuing）：在 Codex 完成当前步骤后，给它安排接下来的活儿。
任务排队就不太一样了。它不会打断正在进行的任务，而是把新任务排在队伍后面。你可以这么跟它说：
"等这活儿干完之后，把预览链接发到 Slack 给审核人看看。"
简单来说，"干预"是改变 Codex 眼下正在做的事，而"排队"是安排它接下来要做的事。这两个功能都能让你在任务执行的过程中，始终保持一种"人机合一"的掌控感。
工具与触达范围 （Tools and reach）
当一个对话流有了连续的记忆后，下一个问题就是：它能触碰到什么？Codex 的触角可以向外一层层延伸：
- $browser 在侧边栏中运行的应用内浏览器，Codex 可以在这里审查网页并在上面做标记。
- @chrome 可以获取你浏览器的登录状态，用来处理那些基于 Chrome 的工作流。
- @computer 专治那些只能通过桌面图形界面 （GUI） 来完成的任务。
$browser 适合在侧边栏做网页审查；@chrome 适合那些需要你账号登录状态的浏览器内工作；而 @computer 则用来搞定那些只能在电脑桌面上点来点去的任务。
MCP 服务器和各类连接器把这种能力进一步延伸到了你的整个工作流中。Slack 集成、以及各种 MCP 工具连接器 和 MCP 指南 之所以重要，是因为很多关键任务在变成代码之前，最初往往只是一条聊天消息、一封收件箱里的邮件，或者一个日程安排问题。
技能 （Skills） 让那些重复的工作流可以被反复利用。一旦某个工作流被证明好用，你可以将它固化为技能，这样 Codex 下次就能直接跑通，而不需要从头开始重新学习这个流程。
随时随地工作 （Work from anywhere）
随时随地与 Codex 协同工作 的理念，彻底打破了我们"必须坐在电脑前才能干活"的传统限制。一个任务可以在你装满文件、权限和本地环境的 Mac 电脑上启动，然后当你离开工位用手机查看时，它依然在默默推进。
这在很多碎片时间里非常有用。你可以让 Codex 在电脑上跑一个耗时很长的任务，然后自己离开工位去喝杯咖啡。如果在外面时它有问题问你，你可以直接用手机回复、批准它的下一步行动，或者在回座位前就给它指派新的方向。你的本地环境安安静静地待在那里干活，而你的人却可以自由移动。
自动化 （Automations）
自动化功能 能让 Codex 按照你设定的时间表自动干活。如果是需要每天从零开始的任务，比如生成日报或者例行检查代码库，那就用"定时自动化 （scheduled automation）"。但如果需要在一个带有历史记忆的对话中继续推进工作，那就用"对话流自动化 （thread automation）"。
对话流自动化：就像一种定时唤醒的"心跳"机制，它会按照设定的时间表，定期回到同一个 Codex 对话流中继续工作。
把对话流置顶固然好用，但它毕竟还得等你主动回去找它。而"对话流自动化"则可以每隔几分钟或几小时自己去查岗，一直跑到满足某个条件为止，甚至还能根据情况自己调整查岗的频率。
比如，你的"幕僚长"对话流可以每 30 分钟跑一次：
> 每 30 分钟，去查一下我的 Slack 和 Gmail 里有没有需要处理但还没回的消息。 帮我排个优先级。 如果有人向我提问，尽可能深入地去查资料，然后帮我起草一份回复，但不要直接发送。
当你回到电脑前时，那些最耗时耗力的"收集背景资料"的工作往往已经做完了。作为人类，你只需要做最后拍板发出去的决定。
对话流自动化也非常适合用来处理"反馈循环"。它可以默默盯着你在代码合并请求、Google 文档或是 Slack 里的评论，趁你不在的时候自动推进后续的修改工作。
想象一个制作动画的场景：审核人在 Slack 里发了一个视频。对话流自动化可以定时检查讨论进度，一旦有修改意见进来，它就自动渲染一版新的，然后在原贴里艾特审核人并回复新视频。如果某个软件的集成接口没法自动完成最终的上传，它甚至能调动"电脑桌面自动化"通过图形界面把最后一步走完。
这个完整的闭环跨越了接收反馈的 Slack、负责渲染的代码库，以及负责最终上传的桌面自动化工具。
目标设定 （Goals）
当一个任务有一个清晰的终点线，并且 AI 智能体可以不断朝着那个终点努力时，目标 （Goals） 的威力就彻底爆发了。
目标：运行时间更长的 Codex 任务，有一个明确的终点线，AI 会在一段时间内持续向它冲刺。
比如，一位工程师想把一个内部工具从 Python 语言迁移到 Rust 语言，他可以建好新目录，设定好目标，并画一条明确的终点线：
直到所有单元测试全部通过，这个新版本的开发才算完成。
目标设定，其实就是把"持续执行"和"验证器 （verifier）"结合在了一起。你作为人类来定义想要的结果、何时停止的条件，以及用来判断 Codex 有没有离终点更近的信号。
有野心固然重要，但没有验证机制的野心，就只是在许愿而已。
侧边栏 （The side panel）
侧边栏功能 让你生成的工作成果始终和你们的聊天窗口并排在一起。你再也不用把文件导出来，然后痛苦地在不同软件之间切来切去了，直接在原位就能审查。生成的成果可能是代码，但也可能是幻灯片、PDF 文件、网页、表格，或者任何其他生成的东西。
侧边栏允许用户直接原地查看 Markdown 文档、电子表格、数据表、普通文档和幻灯片。你可以不打断现有的工作流，直接检查、做标记、修改文件。
你的幻灯片或 PDF 就乖乖敞开在对话框旁边，随时等你检阅和修改。
应用内浏览器 让 Codex 能够直接检查渲染好的网页，控制它，甚至直接响应你在网页上做的标注。对网页或文件的评论全部留在这个工作闭环里，再也不用像以前那样把它拆分成一个个单独的交接任务了。
网页既变成了它的输出结果，也变成了你可以操控的控制面板。Codex 可以建好一个页面，在侧边栏打开它，自己检查它，修 Bug，然后原地不断迭代优化同一个东西。
- 用单个 index.html 来做轻量级的静态展示
- 跑 Storybook 来审查用户界面 （UI） 组件
- 用 Remotion Studio 搞代码生成的动画
一个简简单单的 index.html 文件就能变成一个好玩的交互式小应用，连服务器都不用搭。而且，对话流自动化还能随着时间推移悄悄更新这些静态文件，这样等你回来时，总能看到最新的进展等着你。
共享记忆 （Shared memory）
当那些长时间运行的对话流能够打破单次聊天的界限，把记忆共享出去时，它们的作用将发生质的飞跃。
共享记忆 （Shared memory）：存储在单一对话之外的持久上下文，它可以让未来的工作能够基于一些明确的、可追溯的信息继续推进。
一个相对稳妥的做法是，把这些持久的对话流"锚定"在一个 Obsidian 知识库 （vault） 里。说白了，就是建一个存放纯文本文件的文件夹。它简单直白，方便你随时查看、修改、移动，而且能保存很久。团队可以把这个文件夹放在任何你们喜欢的云盘里，比如 Git、Dropbox、Google Drive 或是其他的同步工具中。
> 【text】 vault/ ├── TODO.md ├── people/ ├── projects/ ├── agent/ └── notes/
在最外层目录下，你可以放一个 AGENTS.md 文件。在这里，你可以给 Codex 定规矩：当它了解到关于人员、项目、决策以及待办事项的新情况时，应该如何更新这个知识库。
别死板地照抄某一种知识库结构。你需要做的是"教"你的 AI 智能体：那些持久的上下文该放在哪，哪些上下文需要保留，以及什么时候不要瞎折腾去改文件。
一份实用的 AGENTS.md 指南里可以这么写：
- 准确地把待办事项、人员、项目、每日总结和草稿分类放好。
- 把做过的决定、遇到的卡点、负责人、日期和有用的链接好好保存下来。
- 如果没有什么实质性的新进展，不要随意修改知识库里的文件。
代码库是用来存代码的。而这个知识库，是用来存不断滚动的上下文的：牵涉到哪些人、改了什么、卡在哪里、接下来谁跟进，以及那些如果在两次聊天中间断掉就会彻底消失的细节。
重要的上下文绝不应该仅仅锁死在某一次聊天的文字记录里。把它们写下来，放在下一个对话流能够立刻接手的地方。
Codex 自己也在 设置 > 个性化 > 记忆 中提供官方的 记忆功能。它们就像是系统自带的本地记事本，用来记住你的个人偏好、常用的工作流以及一些经常踩的坑。不过，这个功能是用来辅助你清晰写下来的上下文的，而不是取代它。Chronicle 记忆组件 也是同样的思路，它能帮 Codex 从你最近屏幕上发生的事情中提取并构建记忆。
从代码向外延伸 （From code outward）
Codex 虽然还是以写代码为本行起家，但现在，围绕代码的诸多周边工作，都能在这个同一套系统里搞定了：无论是 MCP 服务器、网页界面、电脑桌面控制、对话流自动化，还是那些可以在侧边栏直接审查的文件。
这彻底改变了我们控制它的方式。"任务干预"可以在中途打断它的动作；"任务排队"可以帮它安排好下一步；"对话流自动化"能让你人不在场时系统依然运转；而"目标设定"则给它画了一条清晰的终点线，让 Codex 知道要一直往哪里冲。
如今的 Codex 已经可以扛起一个完整的工作流：从听取指令、执行任务，一直到最终文件的审查。哪怕这些工作早已经超出了代码库的范畴，它也依然游刃有余。