OpenAI Codex 官方团队揭秘：如何把 AI 编程助手用到极致

核心看点速览：

• 🔥 OpenAI Codex 已从”代码助手”进化为”全能打工人”，覆盖浏览器、桌面、API、文档等全场景
• 📌 持久对话流 + 置顶快捷键，让 Codex 成为你的长期”幕僚长”
• 🎙️ 语音输入捕捉原始灵感，任务干预/排队实现人机合一的掌控感
• 🤖 自动化 + 目标驱动，让 Codex 在你喝咖啡时自动推进工作
• 🧠 侧边栏审查 + 共享记忆，打造真正的团队协作闭环

大多数开发者刚接触 AI 编程智能体时，通常只让它们干一件事：写代码。检查一下代码库，生成个差异对比，跑跑测试，然后提个合并请求。写代码确实是 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 API、导出文档、响应事件、触发自动化流程。当 Codex 延伸到这些领域时，它给人的感觉就不再只是一个”编程助手”，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”。

这篇文章来自 OpenAI Codex 官方团队的深度分享，系统性地讲解了如何把 Codex 用到极致。下面是核心干货整理。

一、持久对话流：把 Codex 变成你的长期幕僚长

Codex 现在支持持久对话流（Durable Threads），可以长时间运行并在多次使用过程中始终保留工作上下文。这意味着它不是一个”聊完即焚”的闲聊框，而是一个持久的工作空间。

你可以把常用的对话流置顶（Pinned Threads），比如：

• 一个专属的”幕僚长”对话流（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
• 一个盯着外部数据的监控对话流

按下 Command-1 到 Command-9 就能瞬间穿越回这些对话继续工作，省时省力。

二、语音输入：捕捉最原始的想法

语音输入的精髓在于：在你把想法字斟句酌地敲成文字之前，先把脑子里最原始、最粗糙的念头原汁原味地捕捉下来。

比如你可以直接说：

“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、收集上下文的 AI 智能体来说，这几句话就足够它干活了。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。

三、任务干预与排队：人机合一的掌控感

这是真正拉开与普通 AI 助手差距的功能：

任务干预（Steering）：当任务正在执行时，中途打断 Codex 并给它指引新方向。比如让它审查网站时：

“把这个调小一点”
“这两个元素之间的间距不太对”
“这句文案写错了”

任务排队（Queuing）：不打断当前任务，而是把新任务排在后面：

“等这活儿干完之后，把预览链接发到 Slack 给审核人看看。”

“干预”是改变 Codex 眼下正在做的事，”排队”是安排它接下来要做的事。两者配合，让你始终保持掌控感。

四、工具与触达范围：让 Codex 的手伸向代码库之外

Codex 的触角可以向外一层层延伸：

• $browser：侧边栏内的应用浏览器，审查网页并做标记
• @chrome：获取浏览器登录状态，处理基于 Chrome 的工作流
• @computer：通过桌面 GUI 完成图形界面任务

配合 MCP 服务器（Model Context Protocol） 和各种连接器，Codex 的能力可以延伸到 Slack、邮件、日程等整个工作流中。

五、随时随地工作：打破”必须坐在电脑前”的束缚

一个任务可以在你的 Mac 电脑上启动，当你离开工位用手机查看时，它依然在默默推进。如果在外面时它有问题问你，你可以直接用手机回复、批准下一步行动，或者指派新方向。

你的本地环境安安静静地干活，你的人却可以自由移动。这在很多碎片时间里非常有用。

六、自动化与目标设定：让 Codex 在你不在时自动搬砖

对话流自动化（Thread Automations）：按照设定的时间表，定期回到同一个 Codex 对话流中继续工作。比如你的”幕僚长”可以每 30 分钟跑一次：

每 30 分钟，查一下 Slack 和 Gmail 里有没有需要处理但没回的消息。帮我排优先级。如果有人向我提问，深入查资料，然后帮我起草回复，但不要直接发送。

目标设定（Goals）：运行时间更长的任务，有一个明确的终点线，AI 会持续向它冲刺。

一个糟糕的目标：”把这个 Markdown 文件里的计划实现一下。”
一个优秀的目标：”直到所有单元测试全部通过，这个迁移才算完成。”

目标设定就是把”持续执行”和”验证器”结合在一起。好用的验证器包括：完整的测试用例、基准性能测试、能稳定复现的 Bug、验证矩阵、端到端工作流。

七、侧边栏：审查与迭代的终极工作台

侧边栏让你生成的工作成果始终和聊天窗口并排在一起。直接在原地就能审查，不用再痛苦地在不同软件之间切来切去。

它特别擅长四种工作：

1. 检查生成文件（artifacts）
2. 标注需要修改的地方
3. 操作网页界面
4. 审查代码或文件的变更

应用内浏览器让 Codex 能够直接检查渲染好的网页，控制它，响应你在网页上做的标注。一个简简单单的 index.html 就能变成好玩的交互式应用，连服务器都不用搭。

八、共享记忆：打破单次聊天的界限

当持久对话流能把记忆共享出去时，它们的作用将发生质的飞跃。一个稳妥的做法是把对话流”锚定”在一个 Obsidian 知识库里，建一个存放纯文本文件的文件夹，放在 Git、Dropbox 或 Google Drive 里同步。

你可以放一个 AGENTS.md 文件，告诉 Codex：当它了解到关于人员、项目、决策及待办事项的新情况时，应该如何更新知识库。

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。

总结：从代码助手到全能工作流的进化

Codex 虽然还是以写代码为本行起家，但现在围绕代码的周边工作——MCP 服务器、网页界面、桌面控制、对话流自动化、侧边栏审查——都能在同一套系统里搞定。

“任务干预”可以在中途打断动作；”任务排队”可以安排好下一步；”对话流自动化”让人不在场时系统依然运转；”目标设定”画了一条清晰的终点线。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。

本文内容整理自宝玉（@dotey）对 OpenAI Codex 官方团队分享的翻译与解读。原文作者：jason（@jxnlcio）