新闻资讯
聚焦全球 IPv4 代理资源、跨境业务实践、网络安全与产品动态，持续分享可落地的行业观察。
OpenAI 新员工，把 Codex 用成了一个“全天候员工”
新晋员工，往往最没有包袱。Jason Liu，13k Star 开源库 Instructor 的作者，刚加入 OpenAI Codex 团队没多久，就已经开始在社交平台上大方分享自己的使用方法。先是晒 API 额度。接着又写了一篇Codex-maxxing，几乎把自己怎么榨干 Codex 的流程全公开了。这不是普通的“让 AI 写点代码”。而是让 Codex 自动盯亚马逊退款、定时扫 Slack 和 Gmail、根据同事反馈重渲染视频、甚至在你洗澡的时候继续推进任务。再结合最近 Codex 的一波更新：Appshots 截图直喂、Goal 模式正式上线、电脑锁屏后也能远程继续工作。你会发现，A
新晋员工，往往最没有包袱。
Jason Liu，13k Star 开源库 Instructor 的作者，刚加入 OpenAI Codex 团队没多久，就已经开始在社交平台上大方分享自己的使用方法。
先是晒 API 额度。
接着又写了一篇Codex-maxxing，几乎把自己怎么榨干 Codex 的流程全公开了。
这不是普通的“让 AI 写点代码”。
而是让 Codex 自动盯亚马逊退款、定时扫 Slack 和 Gmail、根据同事反馈重渲染视频、甚至在你洗澡的时候继续推进任务。
再结合最近 Codex 的一波更新：Appshots 截图直喂、Goal 模式正式上线、电脑锁屏后也能远程继续工作。
你会发现，AI Agent 的竞争重点已经变了。
以前比的是谁回答得更聪明。
现在比的是：谁能持续工作更久，谁能真正接住任务，谁能自己跑起来。
把 Codex 变成长期运行的工作系统
Jason 的核心思路很简单：
不要把 Codex 当成一次性问答工具，而是把它改造成长期运行的工作系统。
大多数人用 AI，是开一个会话，问完就关。
但 Jason 会维护一批长期存在的线程，而且很多线程会跨月存活。
日程管理一个线程，开源项目一个线程，社交监控一个线程，个人事务一个线程。
这些线程会被置顶，并通过 Command-1 到 Command-9 快速切换。
时间久了，线程里会沉淀大量上下文：项目历史、个人偏好、沟通习惯、决策依据、之前踩过的坑。
下次再用时，不需要从头解释背景。
Codex 可以直接接着上次的状态继续干活。
当线程生命周期被拉长，Agent 就不再只是“临时助手”，而开始具备某种连续性。
更有意思的是，Jason 下任务主要靠说。
在他看来，口述比打字更适合把原始想法完整交给 Agent。
很多时候，人脑里的想法本来就是跳跃的、模糊的、夹杂背景和溯源需求的。
如果非要整理成精致 Prompt，反而会损失信息。
所以他的做法是：想到什么就直接说给 Codex。
再配合 Steering 功能，Agent 正在执行时，也能中途插入新指令。
你补充完，就可以离开，不用一直盯着屏幕等结果。
Heartbeats + @computer：让它自己跟进任务
真正让 Codex 从工具变成“员工”的，是 Jason 经常提到的组合：
Heartbeats + @computer。
Heartbeats 可以理解成给 Agent 加了一层定时调度。
比如 Jason 有一个 Chief of Staff 线程，每 30 分钟自动运行一次。
它会检查 Slack 和 Gmail，判断有没有需要处理的消息。
如果需要回复，Codex 会先起草草稿，但不会直接发送，最终仍然由人来确认。
这就很像一个谨慎版的执行助理。
他还举过一个动画项目的例子。
视频做好后，他会把版本发到 Slack 审阅线程，然后让 Codex 每 15 分钟检查一次反馈。
如果同事提出修改意见，Codex 就自动重新渲染新版本，并回复到线程里。
更细的是，由于 Slack MCP 服务器暂时还不支持文件上传，Agent 会自己调用 @computer，模拟人去点 “Add file” 按钮，把渲染好的文件传上去。
还有一次，Jason 洗澡前让 Codex 盯着亚马逊客服退款排队。
等他洗完出来，退款已经到账了。
这类流程还可以迁移到很多场景：
Google Docs 评论、GitHub PR Review、Slack 审阅、客户反馈、内部文档修改。
只要任务有反馈，Agent 就能继续推进下一步。
没有验证机制，就只是愿望
Jason 特别强调一点：
Agent 能不能持续工作，关键不在于任务有多大，而在于有没有清晰的验证机制。
他曾经让 Codex 尝试把 Python 的 Rich 库迁移到 Rust。
这个目标听起来很夸张，但他给了一个非常明确的验收标准：
必须通过原 Python 库的全部单元测试。
测试通过，任务完成。
测试失败，继续修。
这就是 Agent 最适合的任务类型：目标明确，反馈闭环清楚，失败原因可以被不断定位。
他说得很直接：
没有验证机制的野心，最多只是愿望。
这也解释了为什么 OpenAI 现在把 Goal 模式正式转正。
你给 Codex 一个最终目标和验收标准，它就可以自主持续推进。
短则几小时，长则几天。
中途你可以查看进度、调整方向，也可以暂停任务。
但前提仍然是：任务本身必须能被验证。
否则 Agent 跑得再久，也可能只是在原地打转。
个人记忆，最好握在自己手里
Jason 这套玩法还有一个很重要的底层判断：
个人工作记忆，不应该完全托管在某个平台内部。
他的长期线程，基本都从一个 Obsidian vault 起步。
里面分了 TODO、people、projects、agent、notes 等目录。
在顶层 AGENTS.md 里，他会写清楚规则：
人员信息有更新，要同步到 people。
项目状态有推进，要更新 projects。
待办完成了，要修改 TODO。
关键决策和背景，要沉淀到 notes。
也就是说，他几乎把 Codex 的“记忆”外置到了本地文件系统里。
好处很明显：
自己随时能看，随时能改。
出了问题，可以看版本差异。
不满意，还能回滚。
更重要的是，数据不被锁死在某一个平台里。
以后就算换工具、换模型、换工作流，带着这套知识库就能走。
Jason 也提到过 Codex 自带的记忆能力 Chronicle。
它可以通过截取屏幕内容来构建上下文。
但目前仍然是需要手动开启的实验功能，在权限、速率和隐私方面还不算完全成熟。
所以在他看来，文件系统依然是最可靠的个人记忆基础设施。
Codex 工作台也在变重
除了 Agent 本身，Codex 的工作台也在升级。
它的侧边栏已经不只是聊天窗口。
现在可以直接渲染 Markdown、筛选表格、阅读 PDF 和 PPT。
Agent 还能通过内置浏览器，用 JavaScript 控制网页。
用户可以一边看，一边标注，一边让 Agent 继续操作。
Jason 说，他经常在侧边面板里打开 Storybook 审阅 UI 组件，用 Remotion Studio 做动画，用 Slidev 做演示文稿。
而他最喜欢的交付形式，是一个带 JS 和 CSS 的单文件 index.html。
不用部署，不用服务器，打开就能跑。
此外，他还会把 Connectors 和 Skills 当成可复用工作流模板。
只要某个流程成功跑通一次，就把它打包起来。
下次遇到类似任务，Codex 不需要重新学习，直接调用。
AI 真正开始“上岗”了
最近 Codex 还补上了远程能力。
电脑锁屏后，任务可以继续运行。
手机端也能查看进度、审批结果，甚至接管任务。
这意味着什么？
你下班，它还在跑。
你锁屏，它还在干。
你洗澡，它可能已经把退款申请处理完了。
听起来有点离谱，但方向已经很清楚了：
AI Agent 不再只是回答问题的聊天框，而是在变成一个可以长期驻场、持续跟进、有记忆、有验收标准的工作系统。
未来真正拉开差距的，可能不是谁会写更漂亮的 Prompt。
而是谁能把自己的工作拆成可验证、可持续、可复用的流程。
会用的人，已经开始让 AI 接管重复劳动。
不会用的人，还在手动刷新消息列表。
新手第一次开通 ChatGPT Plus，建议先把规则弄清楚。
开通方式、套餐区别、支付风险、续费规则，这些别嫌麻烦。
最怕的是工具还没真正用上，账号先出了问题。
AI 工具本来是帮你提效的，不是让你在开通环节踩坑的。
会用工具的人，已经开始提效了。还在原地硬扛的人，可能真的比较热爱加班。
Related
