只需把一张Slack讨论串的截图交给OpenAI的Codex，再问一句“你能直接把这个做出来吗？”，就在4分2秒内得到了一款可以运行的macOS实时翻译应用。同一个编程智能体在云服务器上独自运行一整夜，花了15个多小时为400人规模的现场观众搭建了一个实时问答网站。OpenAI开发者体验团队的成员认为，这类成果与令人失望的结果之间的差别，与其说在于巧妙的提示词，不如说在于三件事：交给智能体的上下文、它可以调用的插件，以及人工介入的检查点。
先给上下文，而不是提示词
这款翻译应用起源于Slack上的一次头脑风暴。一位同事提议做一个实时翻译器，另一位同事建议用OpenAI Agents SDK和GPT Realtime API来构建。工程师没有复制粘贴这段对话，而是使用了appshot：在Mac上同时按下左右两个Command键，即可截取当前窗口，连同其中的文字和元数据一起直接发送给Codex。
Codex随即开始搭建原生macOS应用的框架。从编写代码、构建、验证到打包，总共用时4分2秒。这款名为StageTranslate的应用基于Swift、SwiftUI和AppKit开发，集成了麦克风采集、WebSocket客户端、音频播放和OpenAI Realtime API。用户用英语说话，它会实时转写，给出德语译文，并把译文朗读出来。
它并非一次就完美运行。在macOS的声音设置中手动调整麦克风输入和音频输出之前，音频权限和设备路由一直不匹配。这个细节值得记住：智能体能在几分钟内做出应用，但确认它能否在真实硬件和真实环境中运行，似乎仍是人的工作。
开发这款应用的工程师是数据科学家出身，几乎没有Swift、AppKit或WebSocket的经验。填补这一空白的是“Build macOS Apps”插件，它集成了11项技能，涵盖AppKit互操作、构建与调试、Liquid Glass样式以及签名和公证等内容。
该团队把语音输入和appshot称为AI开发工具中最被低估的两项效率功能。人说话比打字快得多，而当前的语言模型能把零散的口语整理成清晰的指令。据该团队介绍，Codex仅凭一张appshot就能正确理解用户意图的比例超过90%。
让上下文持续保留的四种机制
有几项功能可以把上下文从一个任务延续到下一个任务。
| 功能 | 作用 | 值得了解的要点 |
|---|---|---|
| 插件 | 打包技能（可复用的指令和团队工作方法）、外部应用连接以及MCP服务器（把外部工具接入AI的标准方式） | 内置目录中列有Gmail、Slack、GitHub、Figma、Google Drive等插件 |
| Memories | 跨不同会话线程记住用户的选择，例如管理Python包时用uv而不用pip | 默认关闭；“Skip tool-assisted chats”设置可以让外部工具和网络搜索的结果不进入记忆 |
| Chronicle | 捕捉短时的屏幕上下文，推断用户正在做什么，例如诊断失败的GitHub Actions运行 | 面向Pro订阅用户、需主动开启的研究预览功能 |
| 个性化设置 | 为所有对话应用自定义指令 | 作用与在主目录放置AGENTS.md文件基本相同 |
Memories和Chronicle会消耗更多token（模型处理文本的单位），但该团队认为，能换来一个记得项目来龙去脉的智能体，这笔额外成本是值得的。如果经常处理来自工具或网络搜索的敏感数据，开启“Skip tool-assisted chats”更为稳妥。
借助OpenAI Developers插件，Codex无需让用户跳转到浏览器控制台，就能创建和配置OpenAI API密钥，从而避免密钥丢失和工作被打断。此外，在某个线程中解决了棘手问题后，可以让Codex把相关步骤保存为新的技能或插件，下次无需指导就能完成同样的工作。
Codex操作电脑的三种方式
在大型企业中，有价值的数据可能被困在没有API的老旧内部仪表盘里。在一个为说明这一问题而制作的模拟示例中，要从代码仓库分析仪表盘导出报告，就得逐一点击日历日期选择器，并按类别逐个点击下载按钮。
承担这项工作的是Codex的computer use功能，即像人一样查看屏幕并操作鼠标和键盘的能力。工程师通过语音要求以CSV文件导出最近7天的提交记录，并以JSON导出从6月初至今的拉取请求数据。Codex检查了界面布局和无障碍标识符，然后用自己的软件光标操作日期选择器。当多个正在运行的应用共用同一个bundle标识符时，它没有猜测，而是按窗口名称锁定目标。在macOS上，computer use不会占用用户的光标，因此人可以继续在其他窗口中工作。
网页任务同样如此。Codex读取Google Docs文档中起草的问卷题目，把它们在Google Forms中做成单选题、线性量表题和开放式问题，并把每道题都设为必答。这类工作重复点击多，开关也容易漏设。
| 方式 | 调用方法 | 适用场景 |
|---|---|---|
| 原生computer use | @computer 或 @应用名 | 没有API的桌面应用和老旧软件 |
| Chrome扩展 | @chrome | 在已登录的浏览器中完成网页任务 |
| 应用内浏览器 | @browser | 本地网页开发、布局与DOM检查、交互测试 |
用headless Chromium（不显示窗口运行的浏览器）做自动化，常常会陷入无休止的CAPTCHA和登录拦截。Chrome扩展在用户已经登录的会话中运行，因此适合Gmail这类服务以及启用了多因素认证的应用。
▲ 与用户光标并行运行的computer use
长时间任务需要目标与监督
大型工程任务可能持续5到20小时。前一天晚上在云服务器上启动的三项任务，可以说明其规模。
| 任务 | 运行时间 | Codex完成的成果 |
|---|---|---|
| 实时问答网站 | 15小时30分55秒 | 为400人规模现场观众全新搭建的网站，用Convex做实时同步，用Vercel托管，并使用OpenAI Moderation API |
| 内部表单构建工具 | 5小时57秒 | 把一款开源表单构建工具改造成需ChatGPT登录的内部工具 |
| 最优决策树软件包 | 7小时1分40秒 | 一个带Rust后端的Python软件包，实现了原本用Julia和R编写的研究算法 |
没有人能一直盯着一次15小时的运行，因此监督机制必须从一开始就内置：
- 目标文件：让Codex把计划和里程碑写入GOALS.md文件。
- 进度仪表盘：让它生成并持续更新progress-dashboard.html文件，显示里程碑状态（已完成、进行中、待处理）、测试通过率和尚未解决的阻碍。
- 审查线程：不要只用一条长线程，而是让Codex另开专门负责代码审查和目标审查的线程。到达里程碑时，审查线程会把工作内容与GOALS.md对照，一旦偏离就把主线程拉回正轨。
- Slack通报：让Codex把已完成的里程碑、进行中的工作以及缺少API密钥之类的阻碍发到Slack频道。周末可以用手机查看该线程，在需要时为智能体解除阻碍。
- 旁支线程：用
/side命令在主线程旁开一个临时对话，询问过去一小时发生了什么、下一步做什么、什么在阻碍进展。旁支线程会消失，因此需要长期保留的决定要移回主线程。
当部署因缺少凭据而停滞时，被阻碍的事项被发送到旁支线程，并要求给出分步解决办法。Codex给出了一条shell命令，把Convex部署密钥直接写入远程环境文件，这样密钥就不会出现在聊天记录中。
云端线程无法访问开发者自己电脑上的Chrome浏览器。取而代之的是，远程线程请本地工作线程运行浏览器测试并回报结果。在一个案例中，本地工作线程在开发者熟睡的凌晨3点打开Chrome，从头到尾验证了完整的表单创建流程。
让“完成”变成程序可以检验的标准
/goal 命令用于设定一个持续存在的目标，Codex在每一轮推理中都会对照成功标准检查工作，再决定某个里程碑是否完成。模糊的目标容易招致“猴爪”式的结果，即智能体满足了字面要求却违背了本意，因此标准应当可以由程序检验，例如测试套件或精确的字符串匹配。一位开发者用这种方法让Codex连续运行40小时，用Swift重新实现了Doom。典型用途包括大规模代码库迁移、重构、部署重试循环和自动化实验。
让这些长时间运行成为可能的是压缩机制：随着线程变长，它保留项目的关键状态，丢弃无关信息。这一机制于2025年11月19日随GPT-5.1-Codex-Max推出，该模型经过训练，可以跨越多个上下文窗口（模型一次能考虑的文本量上限）工作。该团队表示，这能让智能体不忘记先前的要求，并节省token。
▲ 主线程与审查线程的分工
拆分工作：子智能体、线程交接与钩子
子智能体在自己的上下文窗口中承担任务的一部分，因此不会让主对话变得杂乱。subagents.toml 文件用于定义每个子智能体的描述、工具权限、沙箱策略和推理强度。可以设立前端、后端、测试、文档调研或代码审查等角色，让常规检查使用小而快的模型，把推理能力更强的模型留给细致的审查。虽然这并不是推荐做法，但只发送一张早期版本的截图并配上“not very good”就已足够：Codex认同聊天区域过于局促，主线程把修复工作交给负责界面的子智能体，后者调整了布局并在浏览器中验证了结果。
线程间交接让委派过程对人保持可见。经验法则是：如果需要亲眼看到委派过程，就用交接；如果只需要主模型知道，就用子智能体。在一个周末游戏项目中，“创意总监”线程统筹美术、音乐、动画和游戏机制等线程，并通过AGENTS.md要求每个线程在宣布完成前获得总监的认可。
钩子在Codex生命周期的固定节点运行固定脚本，在 config.toml 中配置。常见用途包括：
在OpenAI Agents SDK的代码仓库中，每当Codex结束一轮工作，钩子就会运行一个Python清理脚本。该团队强调，智能体获得的自主权越大，越需要这类不依赖模型判断的护栏。
按计划运行的自动化
Codex支持两类自动化。
| 类型 | 工作方式 | 示例 |
|---|---|---|
| 线程内心跳 | 在现有线程中按定时器唤醒并检查某项状态 | 持续检查新服务器直至就绪；每天把Slack、邮件和Linear中的变化汇总到Obsidian笔记 |
| 新线程定时任务 | 在设定时间新开线程执行批处理任务，审阅后归档 | 每周团队总结和分析汇总 |
通过DigitalOcean插件开通云服务器需要几分钟，因此Codex自行设置了每5分钟检查一次的心跳。服务器就绪后，它删除了心跳任务，并配置好SSH密钥。
把Slack、定时任务和git worktree（同一代码仓库的独立工作副本）结合起来，维护工作就能变成后台任务。有一个自动化每30分钟读取一次翻译应用的Slack反馈频道，把消息分为表扬、缺陷报告和功能需求。对于缺陷和需求，它会创建分支和worktree，实现修改，提交拉取请求并指派审阅人，如果24小时内没有审阅还会跟进提醒。
个人自动化同样适用。每周五运行的任务可以回顾本周对话，在AGENTS.md中添加、完善或删除技能。另一项自动化先起草邮件回复，之后再把草稿与用户实际发出的邮件对比，把差异记录为下次使用的偏好。
这一切的底层是开源的app-server协议。它是一座基于JSON-RPC的桥梁，把桌面应用、终端CLI和Visual Studio Code扩展连接到同一个智能体运行框架。JetBrains IDE和Xcode等工具也能以同样方式接入，开发者还可以构建运行在现有ChatGPT套餐上的自有客户端。作为这一思路的演示，一次4小时的后台运行做出了一个复古风格的自定义Codex客户端，其会话可与常规桌面应用同步。
把工作交给Codex之前要做好的准备
这些例子的共同点似乎在于，智能体周围的结构比任何一条提示词的措辞都更重要。该团队认为，现代推理模型不需要提示词技巧，需要的是充分、清晰的上下文和毫不含糊的目标。团队还建议反复追问以下几个问题：
- 在自己动手之前，是否真的试过把任务交给Codex？
- 阻碍它完成任务的是权限、上下文还是工具？
- 一次性的提示能否变成反复运行的循环？
- 此时真的需要人来介入吗？
现在就可以采取的实用步骤：
- 用appshot和语音输入传递上下文，而不是复制粘贴。
- 对于需要数小时的工作，事先要求准备目标文件、进度仪表盘和审查线程。
- 用测试等程序可检验的条件来定义完成。
- 让Codex给出把密钥写入文件的命令，避免机密信息出现在聊天中。
- 用钩子自动运行测试和代码检查工具，作为自主工作的护栏。
即便智能体能在几分钟内做出应用，仍需要人来确认它能否在真实设备上运行、是否真正达成目标。事先决定在哪里进行这些检查，是放心把更长时间的工作交给Codex的第一步。