来自 Codex 官方团队的分享:如何把 Codex 用到极致


大多数开发者刚接触代码编辑类的 AI 智能体 (AI Agent) 时,通常只让它们干一件事:写代码。比如让它检查一下代码库,生成个差异对比 (diff),跑跑测试,然后再提个合并请求 (pull request)。

写代码确实依然是 Codex 的核心强项。但仔细想想,我们在电脑上做的大部分工作,本质上其实都和代码息息相关:执行终端命令、浏览网页、调用应用程序接口、导出文档、响应各种事件,或者是触发自动化流程。当 Codex 开始延伸到这些领域时,它给人的感觉就不再只是一个狭义上的“编程助手”了,而是进化成了一个能帮你搞定各种电脑工作的“全能打工人”。

Codex 的新特性[2] 让这种转变变得触手可及。现在的对话流 (thread) 可以记住你们的上下文、调用各种工具、展示生成的文件 (artifacts),还能在不同的提示词之间无缝衔接,再也不用每次聊完都“重新认识”一遍了。

想要彻底榨干 Codex 的潜能,你需要把下面这些绝招组合起来用:

  • • 能够长期保存记忆的“持久对话流 (durable threads)”
  • • 在你掌控全局时,灵活使用语音输入、任务干预 (steering) 和任务排队 (queuing)
  • • 借助浏览器、电脑操控 (computer-use)、模型上下文协议服务器 (MCP servers, 一种让 AI 安全连接本地数据和工具的通用标准) 以及各类连接器,让 Codex 的手伸向代码库之外的地方
  • • 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:

  • • 一个专属的“幕僚长”对话流(帮你处理日常杂务)
  • • 一个专门负责产品发布的对话流
  • • 一个负责审查文档的对话流
  • • 一个专门盯着外部数据的监控对话流

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。

当一个任务正在执行时,如果你想

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:

  • • “把这个调小一点”
  • • “这两个元素之间的间距看着不太对劲”
  • • “这句文案写错了”

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[3] 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[4] 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[5] 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[6]、以及各种 MCP 工具连接器[7] 和 MCP 指南[7] 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…

— 以上为试看内容(约 40%),开通会员后阅读全文 —