codex-as-a-persistent-personal-work-os.txt

# Mobile Capture 20260518T125858Z-331582185

Captured: 2026-05-18T12:58:58.000Z
Source: telegram
From: @fatfat_pig

## Content

「強烈推薦閱讀，OpenAI 工程師最近公開了一套 Codex 的頂級工作流打造方式」

這篇是來自OpenAI 內部工程師 Jason 把頂級開發者用 Codex 的使用法公開出來

過去我們使用 coding agent，大多是為了改 repo、產生 diff、修 bug、開 PR，都是很程式工程師的角度

但現在更有趣的變化是，這些工具開始進入知識工作：做簡報、整理筆記、產出 PDF、建立試算表、生成網頁，甚至協助管理 Slack、Gmail、Calendar 裡的待辦事項，Agent 直接回訊息、回信

意思是coding agent 不只能夠寫Code，還可以作為自動化流程的工具，我覺得這裡最關鍵的概念，不是模型能力有多強，而是工作開始有地方可以延續，也就是建立工作流

大多人使用 AI，很多時候是一次性的互動：你問一個問題，它給一個答案。下一次再來，很多上下文又要重講一次。但如果一個 Agent 有長期 thread (對話流)、有 memory、有工具權限、有可以 review artifact (檢視產出)  的介面，那它就不只是聊天機器人，而比較像是一個可以持續運作的工作迴圈

這篇文章裡提到幾個很重要的方向：

1. 是 durable threads (可持久的對話流)

也就是為不同工作流保留長期 thread，例如 Chief of Staff、開源專案、特定 SDK、社群監控等。這些 thread 會累積歷史、偏好與決策，讓你不用每次都從零開始

2. 是 memory as files (記憶檔案化)

我覺得這點特別重要。真正有用的記憶，不應該只存在聊天紀錄裡，而應該被整理成可以檢查、修改、diff、版本控制的檔案

像是用 Obsidian vault 或 GitHub repo 保存人物、專案、決策、待辦與 open loops，這會讓 Agent 的記憶變得可管理，而不是一團模糊的上下文

3. 是工具與工作場景的整合

當 Agent 可以操作 browser、Chrome、桌面 GUI，並串接 Slack、Gmail、Calendar，以及各種辦公需要的工具，它就開始能處理很多原本散落在不同工具裡的工作。這也是 Agent 從「回答問題」走向「完成流程」的關鍵

4. 是 Heartbeats (定時處理任務)

這有點像對話流程的定期自動化。你可以讓 Agent 每 30 分鐘檢查 Slack 和 Gmail，有沒有需要你回覆的訊息；也可以讓它定期看 PR comment、Google Docs comment，甚至根據回饋重新產出版本

工作的單位不再是一個 prompt，一個答案，而是一個會持續運作的小型 loop，進而成為一個可持續運作的個人作業系統 (OS)

作者舉了一個很生活化的例子是退貨或退款：

「假設你在電商平台上申請退款，但客服需要等 20 分鐘才會接進來。過去你只能一直開著頁面等待，或不斷回來檢查。但如果 Agent 具備 computer use 和 automation loop，它就可以每幾分鐘檢查客服是否進線；一旦客服回覆，再切換成更高頻率檢查，根據你提供的目標與限制協助處理退款流程。這不是因為 AI 比人更會爭取退款，而是它可以幫你守住那些瑣碎、等待、重複檢查的流程。」

5. 是 artifact review (產出物檢視)

像 Markdown、CSV、PDF、slides、index.html、Storybook、Remotion、Streamlit 這些東西，如果都能在同一個介面裡被產生、檢查、註解與修改，那 AI 就不只是輸出文字，而是開始進入真正的工作現場，因為很多對話產出物，都散落在各個對話裡面，很不好找，更不要說累積與進化

這代表一個很大的轉變：AI Agent 的價值，不只在於它能不能寫程式，而在於它能不能讓工作不中斷

一個好的 Agent 系統，應該把這幾個能力組合起來：

-Memory：記住工作脈絡
讓 AI 不只是記得聊天紀錄，而是能保存專案狀態、人物偏好、決策紀錄與待辦事項

-Tool Use：使用外部工具
讓 AI 可以呼叫不同工具完成任務，而不是只停留在文字回答，例如查資料、改檔案、開 PR、整理文件

-Browser Use：操作網頁環境
讓 AI 可以檢查網頁、操作系統後台、review UI、測試互動流程，進入更多真實的工作場景

-Computer Use：操作桌面軟體
當任務只能透過 GUI 完成時，AI 可以像人一樣點擊、輸入、切換畫面，處理更複雜的跨工具流程

-Artifact Surface：檢查與修改產出物
讓 AI 產出的簡報、PDF、表格、網頁、程式介面，都能被直接檢視、註解與修改，而不是只停在文字輸出

-Automation Loop：持續運作的自動化迴圈
讓 AI 可以定期檢查訊息、追蹤回饋、更新進度，並在條件出現時繼續推進工作

-Goal：明確的成功條件
讓 AI 不只是「照著計畫做」，而是有一個可以驗證的目標。例如不是單純叫它「重構這個專案」，而是要求它「重構完成後，必須通過原本的測試、保持 API 行為一致，並產出可 review 的 PR」。好的 Goal 會讓 Agent 有方向，也有判斷任務是否完成的標準

這些東西組合起來，才會讓 AI 從聊天工具變成工作作業系統

所以接下來真正值得關注的，不只是模型本身，而是 Agent 的工作環境：記憶如何保存、工具如何串接、瀏覽器如何操作、桌面任務如何完成、產出物如何被 review、自動化 loop 如何持續運作，以及目標如何被清楚定義與驗證

這也很像我們現在看到的趨勢：未來的 AI 工具，不只是幫你產生答案，而是幫你的工作保留上下文、持續推進，並且在你離開之後，仍然能把事情往前移動一點

#codex
#automation
#workflow