榨干 Codex：八个核心方法
来源：OpenAI Codex 团队 Jason《Getting the most out of Codex》整理
核心观点：把 Codex 放进工作流，而不只是当编程助手用
一、养长期线程，不要总开新对话
关键词：持续上下文 / 工作台思维
普通聊天是一次性问答；长期线程是一个持续工作的办公室。
• 一个线程专门跟进发版，一个处理文档，一个盯产品反馈
• 线程里保留此前的决策、偏好、约束、踩过的坑
• 不用每次重新解释「这个项目怎么跑」「上次为什么这么改」
把重复发生的工作沉淀成固定线程，是榨干 Codex 的第一步。
二、粗糙语音输入比打磨 Prompt 更高效
关键词：降低启动成本 / 保留不确定性
需求在脑子里还是一团模糊信息时，语音两三分钟就能把背景、疑问、猜测、优先级全部倒出来。
• 粗糙信息保留了不确定性，也保留了线索
• 让 Codex 先去搜索、整理、验证，再推进
• 不要总想着给 Codex 写「完美 prompt」，先把脑子里的东西倒出来
三、学会中途纠偏，而不是等结果再批改
关键词：Steering / Queuing
Steering：打断并纠偏
任务进行中发现方向不对，直接插一句话实时调整，不必等它跑完。
• 「这里方向错了，先别改后端」
• 「先别提交，先给我看 diff」
Queuing：排入下一任务
不打断当前任务，把下一步提前排上队。
• 「测试通过后，顺便更新 changelog」
• 「PR 创建后，帮我写一段 reviewer note」
掌握这两种控制方式后，你和 AI 的关系从「提问—等待答案」变成「边执行、边监督、边追加任务」。
四、不要把 Codex 关在代码仓库里
关键词：打通工具链 / 完整工作链路
真正的软件工作很少只发生在仓库里。需求在 Slack，决策在邮件，反馈在 Google Docs，界面要去浏览器看。
一旦 Codex 能进入浏览器、连接 Slack、Gmail、Calendar，它处理的就不再是「一段代码」，而是「一件事」的完整链路：
• 读懂 Slack 里的反馈 → 找到对应代码 → 修改实现 → 重新生成预览 → 带回反馈线程等确认
Codex 的边界不应该停在 repo。
五、让 Codex 在你离开后继续跑
关键词：自动化 / 异步推进
如果 Codex 只在你发消息时才工作，它还是一个被动工具。
给长期线程加上定时自动化，让它在你离开时继续工作：
• 每 30 分钟检查 Slack 和 Gmail 有没有需要回复的消息
• 判断优先级，起草回复，但不发送——等你回来做最后决策
• PR 评论、文档反馈、测试结果、日报周报，都可以让它先盯着
自动化的价值不是替你拍板，而是把信息收集、初步整理、重复检查这些耗时间的部分先做掉。
六、给任务一个明确的验收标准
关键词：可验证目标 / 自主推进
「按计划实现一下」和「所有测试通过、现有行为保持一致才算完成」是完全不同的指令。
• 没有验收标准 → AI 做到「差不多」就停了
• 有验收标准 → AI 自己循环直到达标
测试是否通过、benchmark 是否达标、端到端流程是否跑通，都可以成为它判断进度的信号。给的标准越明确，AI 能自主推进的空间越大。
七、把 side panel 当工作台，不是展示区
关键词：生成—预览—修改 一体化
代码、文档、表格、PDF、网页、数据看板都可以放在 side panel 里实时预览。
这把「生成、预览、审查、修改」放进了同一个循环，省去在聊天窗口、IDE、浏览器、文档工具之间来回切换的成本。
对前端页面、文档、数据分析、演示材料这类需要反复看效果的工作，效率提升最明显。
八、给 Codex 留一个外部记忆库
关键词：上下文不断裂 / 知识沉淀
重要上下文不要只留在聊天记录里。建一个外部记忆库，可以是 Obsidian，也可以是普通文件夹：
• TODO.md — 待办和优先级
• people/ — 人物信息
• projects/ — 项目笔记
• agent/ — 决策记录、阻塞事项
• notes/ — 关键链接、踩过的坑
真正容易丢的不是代码，而是：为什么当时这么决策、谁负责哪个模块、上次卡在哪里、哪些坑下次不要再踩。
这些内容被写进文件、能被审查和同步，Codex 以后就能继续使用。时间长了，它就不只是临时助手，而是一个熟悉你项目和工作习惯的系统。
一句话总结
榨干 Codex 的关键，是你有没有把它放进自己的工作流里——不只是让它写代码，而是让它持续参与一件事从头到尾的推进。
附：与前两篇内容的关系
三篇文章合在一起，构成一个完整的 AI 协作框架：
• Prompt → 单次对话说清楚
• Skill → 方法沉淀可复用
• CLAUDE.md → 规范约束 AI 行为
• 长期线程 + 记忆库 → 上下文不断裂、工作持续推进
前两层解决「单次对话质量」，后两层解决「跨对话连续性」。大多数人只做了前两层。