
OpenAI 开发者体验团队的 Codex 工作坊:六步用法,长任务靠可验证的目标、目标审计线程、侧线程和钩子,远程会话还能派本地线程去开浏览器做测试
一句话结论
两位 OpenAI 开发者体验工程师在 AI Engineer 大会的工作坊(视频 10 月 5 日上传,从演示内容看录制于 6 月底)里把 Codex 的用法归成六步:给上下文、直接构建、操作电脑、协作长任务、随时间自动运行、嵌入自家产品;最有料的是长任务部分:他们前一晚启动的任务分别跑了 5 小时、7 小时和 15 小时以上,做法是把目标拆成一组写进 goals 文件、生成进度看板、在里程碑处派线程做代码审查和「目标审计」,用侧线程问进度、用钩子在关键节点跑确定性检查,远程会话还会派一个本地线程用 Chrome 扩展做端到端测试;Charlie 的忠告是给 /goal 的完成标准一定要尽量可验证,否则它会像「猴爪」一样技术上完成、方式却完全不对。
背景与理念
工作坊以「烹饪节目」为主题,开场先展示用户用 Codex 做出的东西:一个会话里用了近 300 个子智能体、Ableton 合成器插件、用 Codex 驱动 Premiere 剪视频,甚至自动驾驶高尔夫球车。两人把 Codex 的用法归纳成六步:一是给 Codex 上下文,二是直接构建,三是让它操作电脑,四是协作完成复杂长任务,五是让工作随时间自动运行,六是把 Codex 嵌入自己的产品。
Charlie 收尾时说,办公室里现在最常听到的一句话是「你问过 Codex 了吗?」。他建议的思考顺序是:先试着让 Codex 做;再从单轮请求升级到循环;然后追问是什么卡住了它,缺上下文还是缺权限,能不能做成技能或插件;再考虑从一个智能体扩展到多个;最后问这个流程为什么还需要人,「造一台造机器的机器」。
具体做法
第一、二步:给上下文,然后直接构建
他们现场演示:把 Slack 里关于「做个实时翻译器」的讨论用 App Shot 截给 Codex,再配合 macOS 开发插件,Gabriel 说自己是数据科学出身、从没做过 macOS 应用,Codex 约 4 分钟就做出了一个能用的实时翻译应用。App Shot 的截图里嵌着全部文本;插件则把技能(最佳实践)、应用配置和 MCP 工具打包在一起,OpenAI 开发者插件甚至能直接替你创建 API 密钥。Charlie 的习惯是,解决完一个难题后让 Codex「把这个做成技能,最好做成插件」,下次直接调用。
个性化方面,记忆功能默认关闭,开启后它会记住比如「用 uv 管 Python 包」这样的偏好;出于安全考虑,可以选择不在调用工具的对话里生成记忆,因为工具返回的信息未必适合长期保存。Pro 用户还能试用研究预览版 Chronicle,它能结合你屏幕上正在看的东西,比如失败的 CI 流水线,回答「为什么失败」。Charlie 说他几乎不再从 Slack 复制粘贴,直接截应用窗口发给 Codex,「九成以上的时候它能弄明白该做什么」;他也认为听写被严重低估,现在不用逐字准确,随口说一大段它也能理解。
第三步:操作电脑的三种方式
电脑操作适合没有程序接口的桌面和老旧企业软件。Gabriel 演示让它从一个仪表盘里按两个不同日期范围导出提交数据的 CSV 和 PR 数据的 JSON,屏幕上出现第二个光标自己点按钮,而 macOS 上它不会抢走用户的光标,人可以同时做别的事。
Chrome 扩展适合需要登录状态的场景:它用你已登录的浏览器、借用你的凭据,避免无头浏览器卡在登录和验证码上。演示里它根据 Google 文档里的问题建了一份所有题目都设为必填的反馈表。应用内浏览器则对页面渲染有更深的接入,适合本地网页应用的交互和布局测试。
第四步:协作复杂长任务
Gabriel 前一晚启动了几个任务:一个从零做 400 人现场问答网站(管理端、参与者端、舞台端,接审核 API)的 /goal 已跑了 15 小时 30 分;一个把开源表单构建器改成内部工具的任务跑了 5 小时;一个把研究生时期用 Julia 和 R 写的论文算法重写成带 Rust 后端的 Python 包、并要求不用动态规划而用启发式的任务跑了 7 小时。他说提示词工程在「把要求说清楚」的意义上仍然重要,但已经不是找什么魔法咒语,关键还是上下文;他那段很工整的提示词,其实是对着手机随口说完再让 Codex 润色的。
他的具体做法是:用技能库里的 define goal 技能,让 Codex 不只建一个目标,而是建一系列目标写进 goals.md,再生成一个 progress dashboard.html 看板。主线程不包办所有工作,而是在不同里程碑派出新线程做代码审查和「目标审计」,检查是否偏离了 goals.md,偏了就提醒主线程回到计划或重新规划。看板上能看到各里程碑的完成情况,以及主编排、沟通、视觉、协议等各线程在做什么。
远程会话没法用他本机的 Chrome,于是他让远程线程在他的电脑上派一个本地线程,用 Chrome 扩展做点击测试,再把结果发回远程线程。他夜里睡觉时,Codex 在他的笔记本上打开 Chrome,把建表流程端到端跑了一遍。他还让它通过 Slack 插件在一个线程里定期汇报做完了什么、还差什么、有没有阻塞,周末和朋友出门时只需偶尔看一眼。
侧线程用来插话:在主线程运行时输入 /side,问「过去一小时做了什么、接下来打算做什么、有什么需要我帮你解锁」,再让侧线程把纠正意见转达给主线程。Charlie 提醒侧线程是临时的,需要长期保留的上下文一定要传回主线程。遇到阻塞时,比如部署需要 Vercel 和 Convex 的权限,Codex 会把任务标为受阻但先把能做的都做完;Gabriel 不愿把部署密钥贴进聊天,就让它给出一段安全设置密钥的 shell 命令。
Charlie 说,给 /goal 的成功标准一定要具体、尽量可验证;它好用时像神灯精灵,不好用时像「猴爪」,技术上完成了你说的事,方式却完全不是你想的。他提到有人用 /goal 跑了 40 小时,用原生 Swift 重写了《毁灭战士》,适合的场景还有代码迁移、大规模重构、重试循环、实验和带详细规格的整应用生成。
子智能体和线程交接的区别在于工作要对谁可见。子智能体适合「我不关心他们怎么聊,只要结果好」的分包工作,上下文彼此隔离,可以在 toml 文件里给它们单独的指令和模型,比如轻量模型做快速代码审查;线程交接适合人还想全程看着的情形。Charlie 周末做游戏时开了一个「创意总监」线程,再分出美术、音乐、动画、玩法几个线程,并在 agents.md 里写明「做完先找创意总监线程签字确认」,各线程之间就不断互发消息。
钩子用于在关键节点引入确定性行为。例如把对话发到日志系统、检查输入输出里有没有误贴的 API 密钥、在调用不在白名单上的工具前拦一下,或在每一轮结束时跑自定义校验;他们的 Agents SDK 仓库就配了一个每轮结束运行的整理脚本。他们说,智能体自主运行得越久,钩子作为护栏就越有用。
第五步:随时间自动运行
心跳自动化在单个线程里定时运行,直到任务完成。演示里让 Codex 通过插件开一台 DigitalOcean 服务器,它设了一个每 5 分钟检查一次的心跳,服务器就绪后给出一个深链接,点一下就自动配置好 SSH。Charlie 自己用一个自动化定时汇总 Slack、邮件和 Linear 里需要他关注的消息,持续更新本地 Obsidian 库里的每日笔记和各项工作的笔记。
定时自动化可以每次新开线程。Gabriel 现场让它每半小时读一次翻译应用反馈频道,按表扬、缺陷、功能需求分类回复,缺陷和需求再开一个 worktree 线程修复并提 PR、请同事 24 小时内审,不批就一直提醒;他还在开场前设了一个每 5 分钟截一次演示文稿、估算会不会超时的自动化。他们推荐的两个自动化是:每周五让 Codex 回看所有对话,看哪些技能该改进、哪些该删、agents.md 该补什么;起草邮件回复的自动化再配一个对照你最终实际发出版本的自动化,把差异总结成最佳实践,让起草越来越准。
第六步:把 Codex 嵌进自己的产品
Codex 应用、CLI 和 VS Code 扩展底下都是开源的 app server 协议,它整合了工具调用、插件和上下文压缩。用它嵌入自己的产品,用户可以用自己的 ChatGPT 订阅和额度来驱动;需要本机的能力比如电脑操作不包含在内。Gabriel 用前一晚启动的第四个长任务做了一个名叫 Retrodex 的自定义界面,切换推理强度时会有不同的特效,同一个会话也能在官方 Codex 应用里看到。
关键数据/例子
长任务时长:问答网站的 /goal 已跑 15 小时 30 分以上;表单构建器 5 小时;Rust 后端 Python 包约 7 小时;有用户用 /goal 跑 40 小时重写《毁灭战士》。
快速构建:实时翻译 macOS 应用约 4 分钟做出。
App Shot:Charlie 说九成以上的时候 Codex 能从截图里弄明白该做什么。
压缩:他们说 2025 年 11 月 19 日发布的 GPT-5.1 Codex Max 起,模型就在多个上下文窗口上原生训练过压缩。
心跳示例:每 5 分钟检查一次服务器是否就绪;反馈处理自动化每 30 分钟运行一次。
创新点
第一,给长任务配「目标审计」线程。由独立线程在里程碑处对照 goals.md 检查偏差,比单靠主线程自我评估更可靠。
第二,远程会话和本地线程互相派活。云端负责长时间构建,本地负责需要登录状态和真实浏览器的测试,两者通过线程消息协作。
第三,用自动化改进自动化。每周回看对话来修技能、用实际发出的邮件校准起草质量,让工作流自己变好。
第四,用侧线程实现不打断的「查岗」。人可以随时问进度、纠偏,而不污染主线程的上下文。
可否复用
- 长任务先写 goals 文件和进度看板:把大目标拆成可验证的里程碑,完成标准写到能自动检查的程度。
- 在里程碑处安排独立的审查和审计:一个检查代码质量,一个检查是否偏离最初目标。
- 把密钥检查、日志上报、工具白名单做成钩子:不要只靠提示词要求智能体自觉遵守。
- 用「做完先找总监线程签字」组织多线程项目:在 agents.md 里写清楚谁有最终确认权。
- 给起草类自动化配一个校准自动化:把你最终的实际版本和草稿对比,持续更新写作规则。
- 每周让智能体回看自己的对话:清理用不到的技能、补充 agents.md。