OpenAI Codex 團隊成員分享:11 個技巧,教你把 Codex 用到極致
電腦王阿達(Rocky)轉譯 OpenAI Codex 團隊成員 jxnlco 在 X 上發表的「Getting the most out of Codex」:11 條技巧把 Codex 從「寫程式工具」升格為持續運轉的工作助理——長期對話串接管脈絡、語音輸入降低啟動門檻、Steering/Queuing 讓任務不中斷、Goals 要求可驗證的完成條件、Shared Memory 把關鍵背景搬出聊天紀錄。全文的核心斷言只有一句:真正耗時的不是下指令,而是每次重新交代背景。
基本信息
- 来源类型:网页文章(電腦王阿達,作者 Rocky;原文為 OpenAI Codex 團隊成員 jxnlco 在 X 上發表的 “Getting the most out of Codex”)
- 原文位置:
raw/articles/2026-05-28-183820-tg-6d9e0e-fetched.md - 原文 URL:https://www.koc.com.tw/archives/643417
- 原始出處:https://x.com/jxnlco/status/2057153744630890620
- 发布日期:2026-05-21
- 消化日期:2026-05-28(2026-09-22 重跑时对齐 raw 身份并补全 source_url)
- 原文规模:约 2127 字(zh-TW)
- 背景:随着 GPT-5.5 推出,Codex 的用户大多停留在「写程式、检查代码、改文件、跑测试、开 PR」;团队这篇文章给出的是超出写代码范围的系统化用法
核心观点
-
Durable Threads(长期保存的对话串)解决的是「重新交代背景」这个真正的成本项 — 把对话串当成固定工作区而不是一次性聊天视窗:固定一条串处理发版流程、文件审查、外部监控,甚至当作工作总管的助理。原文的判断很明确:「很多工作真正花時間的地方,不是單一指令本身,而是重新交代背景。長期保存的對話串的價值,就是讓背景不必每次從零開始。」Codex 回到同一串时,不必重新理解先前的决策、偏好和进度。
-
语音输入的价值不在效率而在启动门槛 — 原文特别强调语音:多数时候你心里只有一个大概,还没想好完整指令,而这种「粗略的想法」恰恰适合先讲出来。不必先写出漂亮 prompt,“我記得 Slack 裡好像有人提過某件事,但我不記得細節,幫我去找一下”这类口语化需求也能成为 Codex 搜索与整理脉络的起点。
-
Steering 与 Queuing 是一对互补的「不中断」机制 — Steering 是任务进行中实时修正方向:检查网页画面时发现某区块太大、两个元素间距不对、文案不符需求,就直接补指令让 Codex 当下调整,而不是等它整包做完再重做。Queuing 则是不打断当前任务地排入下一步,例如 Codex 正在做网站审查时补一句「等这件事完成后,把预览链接传给负责审查的人」。两者组合让 Codex 从「一次只能回答一个问题」变成「能连续处理工作的助理」。
-
工具边界按「任务需要什么状态」分四层,而不是按能力强弱 — in-app browser:与 Codex 在同一对话串共同查看已渲染网页,适合开发/除错时预览与视觉批注,但不支援登入流程、已登入页面、一般浏览器文件、cookies、扩充功能或既有分页;Chrome extension:需要已登入浏览器状态时用它(LinkedIn、Salesforce、Gmail、内部工具);Computer Use:让 Codex 在 macOS 上观看并操作 GUI(检查桌面 App、用浏览器、改 App 设定、重现只在 GUI 发生的 bug);MCP servers 与 connectors 负责连接外部系统。
-
Goals 的关键词是「可验证」,不是「继续做」 — 官方 Cookbook 把 Goals 定位为对话串里的「长期任务目标」,让同一串持续朝指定结果前进。设定时必须讲清三件事:做到什么程度才算完成、怎么确认成功、哪些限制不能被破坏。原文的收束句是:「不要只說『把這份計畫完成』,而是要定義完成條件,例如測試要通過、benchmark 要達標、bug 要能重現並修正,或最後產出要能被明確檢查。」
-
Shared Memory 把重要脉络从聊天记录里搬出来 — 概念不是把所有东西塞进聊天纪录,而是把重要信息放到更稳定、可检查、可持续维护的位置:用 Obsidian vault、Git、Dropbox、Google Drive 或其他同步资料夹保存 TODO、专案纪录、人物资料、决策、阻塞点、负责人与重要连结,让未来新的对话串也能接续使用。官方 Codex Memories 可把先前对话中有用的脉络(稳定偏好、重复工作流程、技术栈、专案惯例、已知问题)带到未来工作,但团队必要规则仍应放在 AGENTS.md 或版本控制文件中,Memories 只是辅助性的本地回忆层,不是唯一规则来源。
-
周边三件套把「任务不中断」补完 — 技巧六(把重复流程整理成 Skills,下次不必重新学整套流程)、技巧七(ChatGPT 行动版的 Codex 让离开桌面后仍能查看进度、回答问题、核准下一步,且档案/凭证/权限/本机设定都保留在执行机器上)、技巧八(自动化按排程执行,如每天产生报告、定期检查 repository、持续追踪外部来源回馈)、技巧十(Side Panel 在同一界面预览 PDF、试算表、文件与简报,不必反复汇出切换工具,任务执行期间也可追踪计划、来源、产出物与摘要)。
实操内容保留
代码/配置
(本文无实操代码/配置)
Prompt 模板
(本文无直接 Prompt 模板;技巧九给出的是可当作 Goals 检查清单的三问模板:① 做到什么程度才算完成 ② 怎么确认成功 ③ 哪些限制不能被破坏。示例完成条件为「测试要通过、benchmark 要达标、bug 要能重现并修正、最后产出要能被明确检查」。)
操作步骤
11 条技巧清单(原文顺序):
- Durable Threads:为发版流程 / 文件审查 / 外部监控建立固定的长期对话串,当作工作区而非一次性聊天
- 语音输入:先用口语讲出粗略想法,不必等 prompt 写漂亮
- Steering:任务进行中直接补指令修正方向(如画面区块大小、元素间距、文案不符需求)
- Queuing:不打斷当前任务,先把下一步排进队列(如「完成后把预览链接传给负责人」)
- 按任务选工具:共同预览网页用 in-app browser;需要登入状态用 Chrome extension;GUI 操作用 Computer Use;连接外部系统用 MCP servers + connectors
- 把重复流程整理成 Skills:下次遇到类似任务不必重新学整套流程
- 手机接管:用 ChatGPT 行动版的 Codex 查看进度、回答问题、核准下一步、必要时改变方向
- 自动化:按排程执行固定工作(每日报告、定期检查 repository、追踪外部来源)
- Goals:给明确终点与可验证的完成条件,并写明不可破坏的限制
- Side Panel:在同一界面检查代码、文件、简报、PDF、表格或网页,任务执行期间追踪计划/来源/产出物/摘要
- Shared Memory:用 Obsidian vault、Git、Dropbox、Google Drive 等保存长期工作脉络,让新对话串能接续
关键概念
- Codex — OpenAI 的任务执行型 AI 工具,本文的核心对象;11 条技巧的目标是把它从「写程式工具」升格为「可持续运转的工作助理」
- Claude Code — 与 Codex 同属 Coding Agent 品类;本文的 Durable Threads / Shared Memory 与本库中 Claude Code 的 CLAUDE.md、Memory 机制可直接对照
- 共享记忆 — 技巧十一的 Shared Memory 与本库既有的「共享记忆」实体是同一层问题:把长期稳定、跨专案有价值的信息放进外部可检查的存储,而不是留在聊天纪录里
- AGENTS.md 规范文件 — 原文明确区分:团队必要规则放 AGENTS.md 或版本控制文件,Codex Memories 只是辅助性的本地回忆层
- Skill — 技巧六「把重复流程整理成 Skills」;本库既有 Skill 实体与本素材的 Skill 定义(可复用工作流包)一致
- Computer Use — 技巧五的第三层:macOS 上观看并操作 GUI,可重现只在 GUI 发生的 bug
- MCP 模型上下文协议 — 技巧五提到 Codex 通过 MCP servers 与 connectors 连接外部系统
- ChatGPT — 技巧七依托 ChatGPT 行动版中的 Codex 实现手机端接管
- Durable Threads — 长期保存的对话串机制,保留决策历史、偏好与进度(纯文本标注:本库暂无独立实体页)
- Steering — 任务进行中的实时方向修正能力(纯文本标注)
- Queuing — 不打断当前任务的任务队列机制(纯文本标注)
- Goals — 对话串的长期任务目标设定,核心是可验证的完成条件(纯文本标注)
- Side Panel — 同一界面内预览 PDF / 表格 / 文件 / 简报等非代码产出物的侧边栏(纯文本标注)
- Codex Memories — OpenAI 官方记忆功能,把先前对话的有用脉络带到未来工作(纯文本标注)
与其他素材的关联
- 与 2026-05-27-woshipm-codex-product-dev-lessons 的关系:该篇聚焦 Codex 在产品级代码开发中的实战心得(PRD + 设计稿一起给、AI 卡壳时换模型查资料),本篇则从官方团队视角给出系统性的高阶使用框架——一个是「怎么用 Codex 做一个产品」,一个是「怎么把 Codex 用到极致」
- 与 2026-05-27-通过codex解析Agent工作流程 的关系:该篇把 Codex 定位为集成完整 Agent 基础设施的工作台(专案隔离 + MCP + RAG + 多 Agent);本篇的 Durable Threads / Goals / Shared Memory 正是这个工作台的操作层——如何管理长期上下文、如何设定任务终点、如何跨对话串保持知识
- 与 2026-05-28-woshipm-ai-workshop-multi-agent-collaboration 及 共享记忆 的关系:AI Workshop 的 USER.md + WORKFLOW.md + CURRENT.md 共享工作区与本篇的 Shared Memory 是同一思路的两种粒度——AI Workshop 聚焦多 Agent 之间的上下文共享,本篇聚焦单 Agent 跨对话串的上下文持久化,且都强调「不是把所有东西塞进记录」
- 与 2026-05-27-woshipm-yunshu-skill-practical-guide 的关系:该篇提供 Skill 实操教程(文件结构、description 触发、渐进式披露),本篇技巧六则说明连 Codex 官方团队也推荐把重复工作流打包成 Skills——两篇互相印证 Skill 的定位
- 与 2026-07-23-woshipm-tutti-multi-ai-workspace 的关系:Tutti 的「交接税 > 额度税」与本篇的「重新交代背景才是真正的成本」是同一个论断在两种工具语境下的表述——前者是跨工具交接,后者是跨对话串重启
- 与 2026-07-25-bnext-karpathy-voice-prompting-method 的关系:卡帕西的「10 分钟碎念法」(反完美 prompt、语音过量输入再让模型整理回述)与本篇技巧二的语音输入价值判断同源——都主张「先说出来」比「先写好」更符合真实心智状态
原文精彩摘录
很多工作真正花時間的地方,不是單一指令本身,而是重新交代背景。長期保存的對話串的價值,就是讓背景不必每次從零開始。
不要只說「把這份計畫完成」,而是要定義完成條件,例如測試要通過、benchmark 要達標、bug 要能重現並修正,或最後產出要能被明確檢查。
Shared Memory 的概念不是讓所有東西都塞進聊天紀錄,而是把重要資訊放在更穩定、可檢查、可持續維護的位置。
官方也強調,團隊必要規則仍應放在 AGENTS.md 或版本控制文件中,Memories 比較像輔助性的本地回憶層,而不是唯一規則來源。
Codex 的 in-app browser 可以讓你和 Codex 在同一個對話串共同查看已渲染的網頁,適合用在開發或除錯網頁時預覽頁面、附上視覺註解。不過它不支援登入流程、已登入頁面、一般瀏覽器檔案、cookies、擴充功能或既有分頁。