AI编程助手正在迎来一个全新阶段：从问答工具演变为能够7×24小时持续“上岗”的数字员工。近期，13k星开源项目Instructor的作者Jason Liu，在被OpenAI招入Codex团队后，毫不吝啬地分享了他的深度使用心得，立刻在开发者社区引发热议。
从“问答”到“打工”：Codex的进化之路
Jason Liu，这位在开源圈颇具影响力的开发者，刚加入OpenAI的Codex团队不久。他不仅大方地发放API额度，还写下了一篇名为Codex-maxxing的玩法指南，彻底颠覆了人们对AI编码助手的传统认知。
在传统用法中，Codex或许只是一个单次对话的编程助手。但在Jason的体系里，它被改造成了一个能自动跟进亚马逊退款、定时扫描Slack需求、甚至在开发者洗澡时持续工作的可靠“员工”。
根据公开数据，Codex周活跃用户已在4月底突破400万。在此背景下，Jason的这份“官方使用指南”显得尤为珍贵。恰逢Codex近期迎来一波重要更新：Appshots截图直喂、Goal模式正式转正、以及锁屏后也能远程执行任务。这些新功能与Jason的深度玩法叠加，揭示了一个趋势：现在的竞争焦点，不再是简单的代码生成，而是谁能驱动AI持续、稳定、自主地完成复杂工作流。
核心逻辑：让代理“自己跑起来”
Jason整套方法论的核心，在于将Codex从被动响应工具，转变为能长期运行、持续接管任务的自主工作系统。
多数用户习惯在单次问答后关闭会话，但Jason的做法截然相反：他开着数十个跨月存活的巨型线程，绝不随意终止。他为每个关键工作流设立一个置顶线程：管理日程的、跟踪开源项目的、监控社交互动的……通过Command-1到Command-9即可一键跳转。
这些线程里积累了几个月的对话历史、偏好设置和过往决策。当再次调用时，Agent无需重复交代背景，就能自动衔接进度。当线程生命周期被拉长，项目背景、沟通习惯和历史决策自然沉淀其中，Agent便具备了惊人的工作连续性。
更值得关注的是，Jason下任务几乎不依赖键盘。他推崇口述指令，认为这样能完整保留原始思路，无需刻意优化Prompt。直接将模糊、跳跃甚至带有溯源需求的想法自然地交给Agent。配合Codex的Steering功能，他还能在Agent执行任务时插队追加指令，说完就走，无需等待。
然而，真正让Codex从工具转变为“职员”的关键，是Heartbeats与@computer的组合运用。Heartbeats本质上是一种定时任务调度机制。Jason有一个“Chief of Staff”线程，每30分钟自动运行一次：扫描Slack和Gmail，判断消息优先级，重要回复则先起草草稿，最终由人决定是否发送。他还举了一个更复杂的例子：做动画项目时，将视频发到Slack审阅线程，让Codex每15分钟检查一次。一旦同事提出反馈，Agent便自动重新渲染新版本并回复。由于Slack MCP服务器暂不支持文件上传，Agent甚至会主动调用@computer去点击“Add file”按钮。
一次有趣的经历是，Jason在洗澡前让Codex盯着亚马逊客服排队状态。等他洗完澡出来，退款已经自动到账。类似的自动化流程，现已扩展到Google Docs评论、GitHub PR Review等场景。而Jason最强调的，是验证机制——这是判断任务何时终止的关键。他曾让Codex将Python的Rich库完整迁移至Rust，硬性要求是通过原库所有单元测试。测试通过与否，决定了任务是否完成；失败，Agent就继续修改。用他的话说：“没有验证机制的野心，顶多算个愿望。” 最新的Codex更新中，OpenAI已将Goal模式从实验版本转正，用户只需明确最终目标和验收标准，Codex便会自主持续推进，短则数小时，长则数天。
主权优先：将记忆掌握在自己手中
Jason这套玩法的另一核心思路，是个人工作记忆不应该托管在平台内部。他的所有长期线程都从一个Obsidian vault起步，目录划分为TODO、people、projects、agent、notes等板块。在顶层的AGENTS.md文件里，他写明了规则：人员信息更新、项目推进、待办办结等变动，都必须同步更新知识库的对应内容。
这意味着，他几乎放弃了Codex的内置记忆系统，将核心记忆数据存放在本地可控文件中。这样既能随时查阅手动修改，也能通过版本对比查看变动，出现问题还能一键回滚。他给出的理由很充分：AI承载的记忆体量越大，就越不该把数据锁死在单一平台。文件是完全属于用户自己的，后续想换工具、迁平台，拎着知识库就能走。虽然Codex自带记忆功能Chronicle（通过截屏构建上下文），但作为实验性功能，在权限、速率和隐私方面仍有短板。因此，文件系统依旧是当前最可靠的记忆基础设施。
与此同时，Codex工作台本身也在升级。侧边栏已不再局限于聊天交互，可直接渲染Markdown、筛选表格、阅览PDF与PPT。Agent还能通过内置浏览器用JavaScript控制网页，用户可边看边标注，无需切屏。Jason经常在侧边面板中同时打开Storybook审阅UI组件、用Remotion Studio做动画、用Slidev做演示文稿。他最喜欢的交付形式，是一个包含JS和CSS的单文件index.html，无需部署，无需服务器。
他还会将成功的流程打包成“Connectors”和“Skills”模版，下次Codex不用重新学习，直接调用即可。最新的远程能力补全，使得电脑锁屏后Codex能继续工作，手机端也可实时查看、审批甚至接管任务。
客观来看，Jason Liu的这些实践展示了一个AI工作流的新范式：机器不再是简单的问答机，而是处理多步骤、跨平台、长周期任务的可靠节点。当AI可以持续接管工作时，人类的角色将从“执行者”转变为“监督者”和“策略制定者”。这种转变不仅提升了个人效率，更可能从根本上重构软件开发与协同工作的流程。
当然，这种深度依赖也带来了新的挑战。如何保证Agent在复杂验证闭环外的决策安全性？当个人将所有工作流数据托管于本地文件系统时，数据同步与备份将变得更为重要。此外，对于普通开发者而言，复现这种高度定制化的玩法仍存在一定门槛。但无论如何，Codex的这次进化，无疑为AI从业者和开发者指明了前行的方向：未来的竞争，将是关于如何构建更智能、更持久、更具自主性的AI工作流。
