Codex 团队前几天发了一篇博客,讲怎么把它用到极致。
读完之后我感触颇多,不是因为里面讲的功能多炫——8 个模块,持久对话流、语音输入、干预排队、工具触达、自动化、目标设定、侧边栏、共享记忆——而是这些功能合起来,已经不是一个"编程助手"了。
我每天用 Claude Code 的时长远高于 Codex。说实话,我对 Codex 的兴趣,主要是想看看 OpenAI 这家在通用智能上最激进的公司,会把"代码编辑器"这个产品做成什么样。
现在他们给了答案。
写代码只是入口。真正的产品形态是:你买了一个能在你电脑上替你干活的 AI 同事。
这件事我去年写 Agent Teams 那篇的时候提过一句——Scott White 在 Anthropic 的会上说 "We are now transitioning almost into vibe working"。Vibe coding 是让 AI 帮你写代码,vibe working 是让 AI 帮你干活。
Codex 这篇分享,就是 vibe working 的官方说明书。
我把它读完之后,把里面 8 个模块分别对应到我自己的工作流里走了一遍。有些是我已经在用别的工具实现的,有些是我应该做但还没做的,还有些是 Claude Code 目前还没有但 Codex 已经做出来了的。
下面一个一个聊。
Codex 把对话窗口分成两种:聊完就忘的,和长期挂着的。
长期挂着的那种叫持久对话流。你给它起个名字——幕僚长、产品发布、文档审查——按 Cmd-1 到 Cmd-9 随时切回去。它记得你们之前聊到哪、定下了什么、你的偏好是什么。
这件事 Claude Code 里其实也有——每个项目目录就是一个对话上下文,CLAUDE.md 是这个上下文的记忆文件。但 Codex 做了一件更细的事:对话流不依附于代码仓库。
我马上想到一个场景。
我有一个长期跑的"公众号选题"对话流。每天我刷推、看公众号、和朋友聊天的时候,但凡冒出来"这事可以写一篇"的想法,我就丢进去。它累积着所有的待写选题、每个选题的角度、为什么我当时觉得它值得写、后来又为什么放弃了。
现在大多数人的方案是这样:一个笔记软件里的临时清单,加上一个不定期开起来整理的 Claude Code 会话。两个地方,状态不同步,每次切回来都得花几分钟"上下文回灌"。
如果换成 Codex 的持久对话流——它自己记住所有上下文,我直接说"昨天刷到那条 Karpathy 的推,我觉得可以写",它就接着上次的讨论继续。
Cmd-1 是选题流。Cmd-2 是长文写作流。Cmd-3 是工具迭代流。
这不再是聊天窗口了,是工作空间。
语音输入:在想法变形之前先抓住它
我一直觉得自己说话比写字更接近真实想法。
打字的时候,大脑会自动修整句子——把模糊的想法掐头去尾,变成一个看起来通顺的表达。修整过的东西就丢失了那些没想清楚的部分。但很多时候,正是没想清楚的部分里藏着真东西。
Codex 内置了语音输入。它的核心场景不是替代键盘,是在你还没想清楚的时候,先让你把脑子里的混乱倒出来。
举个例子。
我经常在散步的时候冒出来一些念头,但具体怎么做,第一秒钟我自己也讲不清。如果让我回家坐到电脑前再把它打出来,95% 的概率我会把那个没成型的念头写得看起来很合理——然后就没下文了。
如果当场对着手机说三分钟:
那个让 AI 自己改 prompt 的事,我觉得不能让它自己跑。 得有一个验证器,但验证器自己也会跑偏。 所以验证器得有验证器的验证器吗? 这就死循环了。 但也许不需要无限套娃,只要人在某个层级上有一票否决权就行。
这段东西打出来我自己都不愿意打。但说出来之后,AI Agent 拿着它就能接着往下想——你刚才提到的"人在某个层级上有一票否决权",这件事在 Mitchell Hashimoto 的 Harness Engineering 那篇里有过类似的说法。
录音转写也是同一个意思。一份未经修剪的会议记录,比一份漂亮的会议总结有用得多。粗糙里有信息,整齐里只有结论。
干预和排队:拿回对正在跑的任务的控制权
这两个词翻译完容易混。我自己习惯这么记:
干预是踩刹车,排队是排下一站。
干预——AI 正在做一件事,你看到它跑偏了,你要它立刻停下来换方向。在 Claude Code 里我经常按 Esc 然后补一句"等等,往左转一点"。这就是干预。
排队——AI 还在做当前这件事,你不想打断它,但你想好了下一步该让它做什么,提前告诉它。它做完手头的就接着做下一件。
Claude Code 现在也有了排队(我用的是 1.x 之后的版本)。但 Codex 把这两个动作做得更直观——侧边栏里你能看到它在做什么、你可以一边在网页上标注一边喊停、做完之后队列里的下一个任务自动接上。
这件事对什么人有用?
对编排者有用。
举个例子。让一个 Agent 帮我调研某个人物,我在旁边刷它的研究结果。我看到它搜的方向不对,得能立刻拽它回来;同时我心里已经想好下一步该让它查什么了,得能提前告诉它"这个查完接着查 X"。
如果只能等它干完一件事我再说一句,整个流程就会卡在我身上。我变成了瓶颈。
干预和排队这两个动作合起来,本质是把"控制权"从"任务结束的那一刻"这个唯一时间点,扩展到了任务执行的全过程。
人的判断什么时候介入?任何时候都能介入。
工具越强,人的判断越重要。我说过太多次了。但这句话有一个前提:人的判断必须能在任何时候介入到正在运行的 AI 任务里,不能只在任务完成后做事后审查。
干预 + 排队就是这个前提的产品化。
工具触达范围:让 AI 的手伸出代码库
Codex 列了三个工具入口:
- •
$browser:侧边栏里的浏览器,AI 可以看渲染好的网页、做标注 - •
@chrome:复用你 Chrome 的登录状态,处理需要登录的网页流程 - •
@computer:操作整个电脑桌面,包括那些只有 GUI 才能完成的任务
再加上 MCP 服务器和各种连接器,AI 的手就从代码仓库伸出去了——伸到 Slack、邮箱、日历、Figma、Notion,伸到任何能用接口或者能被点击的地方。
我做内容创作这条线最深的感受是:真正耗时的不是写作本身,是写作前的准备和写作后的发布。
写作本身可能就一两个小时。
但准备阶段我得:刷推抓信息、读对方原文做笔记、找几个竞品看一眼、看看以前自己写过没。
发布阶段我得:导出 markdown、配封面图、配正文图、压缩图片、转 HTML、贴到公众号后台、改…