Codex 并进 ChatGPT：旧项目原样保留#

7 月 9 日更新

后，macOS 和 Windows 都从 ChatGPT 桌面应用进入 Codex。旧项目、设置和工作流继续保留，不需要重新导入；常用 Codex 的人可以把它设成默认视图，macOS 也能继续保留 Codex 图标。

更新后先看到 Chat、项目侧栏位置变了，都不代表旧任务消失。需要核对的是当前账号、工作区和默认视图。

桌面端六项变化，更新后直接能用#

• 直接编辑 Markdown 和代码：选中内容就能让 Codex 修改，小改动不用在聊天框和编辑器之间复制。
• 行内批注：反馈可以钉在具体行和具体位置，审稿、审代码时不用再说“上面第三段那里”。
• 侧栏审查 PR：修改对比和 reviewer 反馈放在一起，不离开应用也能判断改了什么、风险留在哪里。
• 一个项目跨多个仓库：前端、后端、文档分散在不同仓库时，可以放进同一个项目组织。
• Computer Use 更快：网页和桌面操作的等待缩短；权限边界没有随速度一起放宽，发布、支付、删除仍要单独确认。
• 任务过程更容易跟踪：活动和进度显示更清楚；手机连接可靠性、SSH 项目的视频渲染也一起修过。

这几项带来的实际变化很直接：材料、文件、修改、审查和网页验收更容易留在同一项任务里，人少搬几次内容。

模型层四个变化#

第一，GPT-5.6 变成三个长期档位。 Sol 是旗舰，Terra 平衡能力与成本，Luna 追求速度和吞吐。数字 5.6 代表这一代模型；Sol、Terra、Luna 是以后会各自继续更新的能力层级。

第二，Max 和 Ultra 走的是两条路线。 Max 给一个代理更多时间探索、检查和修正；Ultra 默认协调多个代理并行处理可拆开的子任务。难题不等于适合 Ultra：研究、实现、测试能分开时它才有价值。

第三，模型更会判断“你到底要做到哪一层”。

GPT-5.6 发布说明

重点强调了意图理解、工具使用、Computer Use 和设计判断。做前端时，它不仅生成代码，还能检查渲染结果再修；做知识工作时，也更擅长把零散材料整理成可交付文档。它更容易区分“先做演示版”和“做到可以上线”，但目标、硬约束、审批边界和完成标准仍要写清。

第四，长提示词不再天然占便宜。

官方 5.6 提示指南

披露的一组内部 coding-agent 评测里，精简重复指令和示例后，得分提高约 10%—15%，总 token 减少 41%—66%，成本减少 33%—67%。这组数字不能直接套到所有任务，但足够说明一件事：同一条规则写一遍，工具只留当前任务需要的。

API 端六项新能力，Codex 里没有同名开关#

这些能力主要给通过 Responses API 搭建 Agent 的开发者。普通桌面用户会间接受益，但不会在 Codex 设置里逐项看到同名按钮。

• 程序化工具调用（Programmatic Tool Calling）：模型可以在托管运行时里写 JavaScript，连续调用获准的工具、传递结果并压缩中间数据。比如从 1000 条记录中筛选、去重、排名，只把最后 20 条交回模型。它适合可预测的数据处理；涉及审批或每一步都需要重新判断时，仍应使用直接工具调用。
• 多代理 API（Multi-agent beta）：一次请求里并行运行子代理，再由主模型汇总。研究、技术核对、风险审查能彼此独立时才划算。
• 显式提示缓存：开发者可以指定哪段可复用前缀进入缓存，适合每次都要带上的系统提示、产品说明和长文档。缓存写入按普通输入的 1.25 倍计费，命中读取继续享受 90% 折扣，GPT-5.6 的最短缓存寿命为 30 分钟。
• 跨轮保留推理（Persisted reasoning）：多轮报告、迁移方案或调试任务可以复用前面仍然有效的推理项，减少每一轮从头建立工作状态；目标已经变化时则应切回只看当前轮。
• Pro mode：同一颗 GPT-5.6 模型投入更多模型工作，换取数据库迁移审查、复杂优化等难题上的可靠性；延迟和 token 会一起上升。API 里用 reasoning.mode: “pro”，它不是另一个模型 slug。
• 原始图像细节：original 或 auto 可以保留图片原始尺寸，适合小字、长截图和精细界面检查；大图也会带来更多输入 token 和延迟。

这里还有一个容易混淆的同名项：Chat 的 Pro、Enterprise 套餐可能看到 GPT-5.6 Sol Pro；Codex 里选择的是 Max 或 Ultra；API 的 Pro mode 又是请求参数。三者不能互相画等号。

安全审核更主动，合法任务也可能暂停#

GPT-5.6 会在生成过程中运行网络安全和生物滥用分类器。高风险输出可能中途暂停几秒交给更强的推理模型复核，合法的漏洞研究、补丁开发和防御测试也可能偶发被挡。

把本地权限改成完全访问解决不了这类暂停。任务里应写清授权范围、合法背景和防御目标；如果仍被误判，ChatGPT 和 Codex 也提供改用较低能力模型重试的路径。换词、拆句绕过审核，只会让意图更难判断。

先看套餐：你能选到什么#

当前公开规则

里，ChatGPT Work 和 Codex 的 Free、Go 用户使用 Terra；Plus、Pro、Business、Enterprise 可以选择 Sol、Terra、Luna 并调整推理档位。Max 面向有 GPT-5.6 使用权的用户，但需要在设置中开启；Ultra 在 Codex 面向 Plus 及以上套餐，在 Work 则面向 Pro 和 Enterprise。Chat 里的 Sol Pro 目前面向 Pro 和 Enterprise。

按钮没有出现时，先查套餐、工作区和分批开放，不要先重装应用或删除配置。

Sol、Terra、Luna 怎么配#

GPT-5.6 把这一代模型拆成了三颗“星”。

官方模型页

给的定位其实很直白：

把三个模型放进日常工作里：

Sol 处理“我还没完全想清楚，但结果很重要”。

Terra 处理“事情不简单，但我知道大概要什么”。

Luna 处理“标准很清楚，照着做很多遍”。

提示词别写成长说明书：用一张任务单#

GPT-5.6 更会自己补过程，不需要你把每一步都写死。重要任务仍要给四样东西：

• Goal｜目标：最后要得到什么结果。
• Context｜上下文：哪些文件、资料、截图或现状会改变结果。
• Output｜输出：交付给谁，格式、长度和重点是什么。
• Boundaries｜边界：不能改什么，哪些动作要先问，哪些信息缺失时不能猜。

最后再加一句可验证的完成条件。比如：

text

1
目标：把这篇文章补成可发布版本。
2
上下文：以 article.md 和已有调研包为准，新增事实要有官方来源。
3
输出：直接修改原文，保留旧图，再新增 4 张低负担教学图。
4
边界：不重写插件章节，不发布到外部平台。
5
完成前：检查图片数量、远程链接、标题层级和未核实说法。

做前端时同样如此。参考图片负责告诉 Sol “视觉目标长什么样”，框架、路由、组件约束和验收方式仍要写出来；改完再让 Browser 检查实际渲染。只丢一张截图，不等于模型自动知道工程边界。

先算输出成本#

Codex rate card

现在按 token 计算 credits：

比例大约是 5：2.5：1。

更容易被忽略的是输出。三个模型的输出 credits 都是输入的 6 倍。让它写几万字、打印大段日志、反复解释完整思路，常常比“读了几个文件”更贵。

所以省额度先砍无效输出，别急着把所有任务都塞给 Luna：

• 让它直接改文件，不要把完整正文再复制到聊天里。
• 日志只看错误附近，不要整段回显。
• 先写验收标准，少走三轮“不是我要的”。
• 一个任务只解决一个结果，减少无关上下文。

Max 和 Ultra 怎么选#

5.6 的推理控制可以这样理解：

• Light / Low：快、范围窄，适合明确小任务。
• Medium：默认平衡档，大部分日常任务从这里开始。
• High / Extra High：多步骤、多来源、多约束，需要更多规划和核查。
• Max：给一个代理更多时间深挖同一件最难的事。
• Ultra：它会调用子代理，把不同子问题并行出去再汇总。

官方默认是 Sol + Medium，并且明确提醒：大多数任务不需要 Max 或 Ultra。

子代理会各自做模型推理和工具调用，因此 Ultra 通常比单代理消耗更多 token。官方更建议先把它用在探索、测试、问题分诊、资料摘要等读密集任务；多个代理同时修改同一批关键文件，往往会把省下的等待时间换成冲突和合并成本。

需要自定义轻量 worker 时，官方文档给出的效率型选择是 Terra。把 Luna 固定成“默认子代理模型”、每次机械启动三到五个代理，都没有必要；先看任务能不能真正拆开，再决定人数和模型。

Max 适合“这道题很难，但最好由一个主脑把上下文吃透”。Ultra 适合“这件事天然能拆成研究、实现、审查、测试几条相对独立的线”。

一个小 bug、一次文案润色、一个只有顺序依赖的数据库迁移，开 Ultra 只会多出分工、汇总和审查成本。人也要同时理解几个代理在干什么，认知切换并不免费。

Fast 什么时候值#

Fast mode 让支持的模型更快返回，但会按更高倍率消耗 credits。它最适合两类任务：

• 你正在盯着它做，等待时间会直接打断工作。
• 任务短、可验收、失败后能快速重来。

长时间后台研究、本来就要跑十几分钟的测试、夜间无人盯的任务，Fast 往往买不到同等价值。

官方 Speed 页把 Fast 的速度提升写成约 1.5 倍，但当前明确列出的 credit 倍率仍是 GPT-5.5 和 GPT-5.4。GPT-5.6 是否支持、实际按什么倍率扣费，以你当时界面和计费页显示为准，不要把旧模型数字直接套过来。

我的默认模型路由是：

• 普通新任务：Terra + Medium。
• 复杂研究、重要成稿、陌生代码库、Computer Use 长链路：Sol + Medium。
• 明确批处理：Luna + Low 或 Medium。
• 真卡住时，再把同一代表性任务升一档对比，不要先把所有任务全设成最高。

常规：先解决误发、睡眠和插话#

常规页管的是每天都会碰到的基础行为。经常写长提示词，建议打开“多行输入确认”，改用 Cmd+Enter 发送，避免回车误触；会跑测试、浏览器、图片或长文任务，建议打开“运行时防睡眠”，但笔记本离电时要留意耗电。

最值得检查的是后续消息行为。任务运行中再发一句话，可以立即进入当前运行做中途纠偏，也可以排到下一轮。开放研究、调试和网页操作适合立即纠偏；标准明确的批处理更适合排队。语言和默认文件打开方式按习惯选，它们影响手感，不影响模型能力。

宽屏可以把终端固定在右侧，普通笔记本放在底部更省空间；审查结果优先内联显示，方便边看修改边批注。长任务建议打开上下文使用量提示，快接近上限时能提前拆任务，不必等压缩后才发现前文被挤掉。

个人资料：每周复盘耗时和用量#

这页不只有头像、显示名和用户名，还能看累计 token、峰值 token、连续使用、最长任务和近期活动。它更像一张使用复盘表。

不用每天盯，但建议每周看一次：最长任务为何拖这么久，token 峰值来自大文件、长输出还是多代理，最近额度上升是 Sol、Fast、Computer Use 还是并行线程造成的。个人资料页不能提升能力，却能告诉你哪种任务最费时间和额度。

这里显示使用趋势。剩余 credits、购买和自动充值要去“使用情况和计费”看，两页不要混。

外观：先调字号和对比度#

新版可以改基础主题、强调色、背景与前景色、界面字体和代码字体，还能分享主题。每天审查修改对比、日志和 Markdown 的人，字体、字号和对比度会直接影响漏错率。

先把正文和代码看清，再调颜色。低对比度主题、过小的代码字号、花哨的背景都会增加长时间审查的疲劳；它们不会让 Sol 更聪明，也不值得占用第一次配置的大部分时间。

经常看修改对比的人，可以把增删标记从纯颜色改成颜色加符号，降低色弱和暗色主题下的误判；容易晕动效的人把 Reduced motion 设为跟随系统或开启。Dock 图标选 ChatGPT 还是 Codex，只影响辨认入口。

语音：背景可以说，精确信息要打字#

语音提高的是输入速度，适合一次说完背景、目标和限制，也适合在 Chat 里快速讨论。它不会自动把含糊需求变清楚。

口述任务时按“结果—材料—限制—验收”四步说，专有名词、路径、命令和精确数字再用文字补一遍。如果语音不可用，先查系统麦克风权限、当前输入设备和应用权限，不要去折腾模型或项目配置。

长期反复识别错的人名、产品名和缩写，可以放进听写词典；全局语音快捷键要避开输入法和系统快捷键。语音历史适合找回刚才的口述，不应当被当作项目文档。

配置：稳定规则才写进文件#

配置页只是进入 Codex 配置系统的入口，无法覆盖所有位置。用户级设置通常在 ~/.codex/config.toml，项目级设置在仓库的 .codex/config.toml；项目只有被信任后，项目配置才会加载。团队还可能用组织策略继续限制模型、权限和功能。

第一次使用先留在 GUI：确认项目已信任、当前选中的是本机还是远程主机，其余保持默认。等模型、权限、Hooks 或网络规则需要跨任务固定，才值得进入配置文件；团队稳定规则放项目级，个人默认放用户级，不要两边同时随手改。

配置改了却没生效，常见原因有四个：当前任务用了另一套预设、项目配置覆盖用户默认、旧 sandbox_mode 与新权限方案并存、任务实际运行在另一台主机。先确认配置作用在哪个范围，再动文件。

GPT-5.6 更适合精简规则：每条要求只写一次，删掉同义句和无效例子。精简不等于删约束，目标、硬限制、成功标准和审批边界仍要保留。

个性化：只放长期稳定偏好#

官方提供 Friendly、Pragmatic、None 三种默认人格。做长文、项目和代理任务，我会先选 Pragmatic：少寒暄，先给结果，必要时说明风险；已经有成熟个人规则的人，也可以选 None，避免两套风格互相打架。

自定义指令只放跨任务都稳定的偏好，例如默认语言、汇报节奏、写作口吻、修改后如何验证、哪些高风险动作必须先问。“这次只改第三章”“今天不要联网”都属于当前任务。把临时要求写进个性化，过几天就会污染另一个项目。

个性化会进入个人长期规则层，可能与个人或项目 AGENTS.md 叠加。它保存你主动写下的稳定要求；Memories 则从过去任务里辅助召回信息。

Memories 能记什么#

本地 Codex Memories

与 ChatGPT 网页记忆是两套存储。桌面和 CLI 的本地记忆默认关闭，开启后通常存到 ~/.codex/memories/。

它不会给每段聊天都生成记忆：活跃或太短的任务可能跳过，后台生成可能延迟，额度接近限制时也可能暂缓。任务里的 /memories 可以控制这次是否读取旧记忆，以及这次是否贡献给未来记忆。

所以“记住我喜欢短句”可以交给 Memories；“公司客户资料绝不能发到外部网站”必须写进项目规则、权限方案和自动关卡。前者忘一次只是烦，后者漏一次可能出事。

六类信息各放哪里#

我会准备六个抽屉：

1. 这次任务的提示：只放这次要什么、材料在哪、不能做什么、怎么验收。比如“今天不要联网”“只改第三章”。
2. 项目事实与决定：README、资料索引、规范、重大决定、任务状态。它回答“项目现在是什么样，为什么这样做”。
3. 项目 AGENTS.md：这个项目长期怎么开工、怎么验证、哪些文件不能碰。它跟项目走，不污染别的项目。
4. 个人个性化 / 个人 AGENTS.md：跨项目都稳定的语言、沟通方式和交付偏好。比如“默认中文”“先给结论”。
5. 本地记忆（Memories）：帮你召回过去的上下文和偏好，适合“我通常喜欢什么”，不适合承担硬规则。
6. 配置、权限和 Hooks：负责模型、网络、文件边界与自动执行。凡是“必须拦住”“必须运行”的东西，最后都要落到这一层。

判断放哪儿，可以用一句话：这条信息多久会失效，失效后会不会出事？

• 今天就失效的，放当前任务。
• 只对这个项目长期有效的，放项目文档或项目 AGENTS.md。
• 所有项目都稳定的，才放个人个性化。
• 只是帮助想起来的，交给 Memories。
• 漏一次就可能出事故的，交给权限和 Hook，不能只靠记忆。

宠物：多任务开，单任务随意#

宠物主要用来提醒任务状态。Running、Needs input、Ready、Blocked 会提示任务正在运行、等待回复、已经完成或受阻；多任务时点一下即可回到对应任务。

只跑单线程的人关掉也没有损失。自定义宠物保存在本地，不会自动同步到网页端；系统开启“减少动态效果”后，它还可能只显示静态帧。别把宠物状态当成完整监控，它只适合帮你发现“哪项任务该看一眼”。

键盘快捷键：先固定三个动作#

快捷键页可以按命令搜索，也能直接按下一组键，反查它目前绑定了什么。最值得先固定的是新任务或 Quick Chat、搜索或切换任务、应用快照。

不要第一天重绑十几个动作。先用一周，找出自己重复最多的三次切换，再修改；如果快捷键没反应，先查系统快捷键、输入法和其他应用是否抢占，不要直接判断是 Codex 出错。

使用情况和计费：先定预算，再开自动充值#

这里能看使用限制、剩余 credits、购买 credits 和自动充值能力，具体项目取决于套餐与团队工作区权限。普通 Chat 和 Work / Codex 的代理额度口径也不要混在一起；官方说明多个代理产品在可用时会共享 agentic usage / credit pool。我的默认是先关闭自动充值；确有连续后台任务时，再设清楚预算和上限。

余额异常下降时，按三个变量回查：用了 Sol、Terra 还是 Luna；是否叠加 Fast、High、Max、Ultra；任务是否包含长上下文、长输出、Computer Use、多代理或多个并行线程。自动充值只适合额度预算明确的人，否则一次跑偏的后台任务会把“没额度”变成“继续花钱”。

账户：先认准账号和工作区#

账户页决定当前登录身份、套餐、团队工作区和部分分享能力。模型、Sites、远程连接、Computer Use、额度和可见按钮，都可能受套餐、地区、管理员策略与分批开放影响。

同一个按钮别人有、你没有，先核对账号和团队工作区，再看应用版本与开放范围。个人账号和公司工作区之间切错，是“设置明明一样，能力却不同”的高频原因；不要照着别人的截图删本地配置。

工作区切错还会改变组织策略、可访问项目和数据边界。处理公司仓库、客户资料或公开发布前，先看一眼右上角身份，比做完后再查权限省事得多。

应用快照：发送前先看任务名#

应用快照（Appshots）

目前是 macOS 桌面能力。按两次 Command 键或自定义快捷键，可以把当前最前面的窗口送进任务。它可能同时包含可见截图和应用通过辅助功能提供的文字，后者甚至可能含屏幕外内容。

应用快照只把那一刻的窗口信息送进任务，不会替你点击，也不会持续同步后续变化。它默认可能新建任务；如果大约 60 秒内刚操作过某项任务，快照可能追加到该任务，连续快照也可能进入同一任务，所以发送敏感窗口前先核对任务名。Google Docs、Gmail、Sheets、Slides 等应用有时只能提供截图；需要完整内容时，优先使用文件、连接来源或明确上传。

浏览器：开着，只放行工作域名#

浏览器设置管的是内置 Browser：公开网页、localhost、本地文件预览，以及前端修改后的页面、控制台、网络请求和 DOM 验收。它与日常 Chrome 用户资料隔离，默认不带登录态、历史、扩展和已有标签页。

我的默认配置是打开 Browser，把常用工作域名加入允许名单，敏感后台放进禁止名单，陌生网站按次确认。Developer mode 的 full CDP 能做更深的调试和性能检查，也会暴露更多浏览器内部信息；只有明确做前端诊断时再开。

Chrome：借登录态，不搬 Cookie#

用户实测里常把新版概括成“导入 Chrome Cookie 和登录信息”。

官方文档

的表述更准确：ChatGPT 通过 Chrome 扩展使用当前 Chrome 用户资料里的已登录浏览器状态，并没有把所有 Cookie 复制进内置 Browser。

Chrome 扩展可能接触网页调试接口、网站数据、浏览历史、书签、下载、原生应用和标签组。常用工作域名可以加入允许名单；私人站点、敏感后台放进禁止名单；陌生站点每次询问。浏览历史可能暴露内部网址、搜索词和跨设备活动，按任务临时批准即可。

电脑操控：默认关闭，按任务授权#

电脑操控（Computer Use）可以看屏幕、点击按钮、操作桌面应用和系统窗口，适合没有 API、没有连接器、也走不了普通网页的流程。能直接读文件、调接口或用 Browser 完成时，都不应该先走 Computer Use。

Computer Use 同时受 Codex 当前任务权限、应用允许名单，以及 macOS 的屏幕录制与辅助功能权限或 Windows 的前台会话与应用审批约束；完全访问不等于获得系统权限。按任务开启，并只允许必要应用。它可能看到屏幕通知和私人窗口，网页中的诱导文字也可能影响操作判断，因此不要让它在私人桌面、支付页面、生产后台或最终发布环节长期无人值守；长任务还要控制额度。

四种工具的升级顺序#

1. 能读文件就直接读：正文、代码、图片和表格已经在项目里时，不截图。
2. 只有窗口状态才用应用快照：弹窗、选区、临时界面无法从文件取得时，再补当前画面。
3. 网页先 Browser，登录态再 Chrome：公开资料、本地预览和前端调试留在隔离浏览器；需要账号状态才进入用户 Chrome。
4. 网页走不通才用 Computer Use：必须点击桌面软件或系统窗口时，再开放屏幕和辅助功能权限。

这个顺序优先使用信息暴露最少、结果最可复现的工具。

这一组工具共用三道权限门#

权限方案、越权审批、网站与系统授权是三把不同的锁。打开完全访问只影响第一把，不会自动获得 Chrome 登录态、桌面应用权限或系统辅助功能授权。

第一道门是能力边界。

权限方案（Permission profiles）

把文件和网络规则组合成一套可复用设置，内置 、、 三档。我的默认推荐是 ；只缺一个目录或少数域名时，新建窄权限方案，不要因此开放全盘。

第二道门是越界时由谁判断。

自动审核（Auto-review）

不会扩大权限，只会把本来弹给你的越界请求先交给审查代理。第三道门是 Chrome 网站确认、Computer Use 应用名单和系统屏幕录制、辅助功能等真实授权。

日常写作和单项目改代码用 ；陌生仓库审查用 ；账号发布、支付、生产环境和批量删除保留人工确认。自动审核连续拒绝同类越权时，不要继续教主代理绕路，官方断路器就是用来阻止策略规避的。

钩子（Hooks）：没通过检查就不能收工#

**钩子（Hook）**就是“某个事件发生时，自动运行一段提前写好的脚本”。新手先理解三个时刻：

• PreToolUse｜动手前检查：大范围删除、密钥文件、生产命令出现时，先拦下来。
• PostToolUse｜执行后回报：测试失败时，只把错误摘要和关键日志送回任务，不要倾倒整份日志。
• Stop｜收工前验收：任务准备结束时检查测试、链接、构建或文章密度，没过就把原因送回任务。

Hook 是自动关卡，覆盖范围取决于你拦住了哪些事件。同一个结果可能通过另一条工具路径实现；来自不同文件的 Hooks 还会一起运行。部分命令可能在 sandbox 外运行，陌生脚本和内容变化后的脚本都要重新审查。

不要第一天抄十个 Hook。先找一个反复出现的问题，比如“每次都忘了跑测试”，只把这一项做稳。

连接（Connections）：决定在哪台机器跑#

连接（Connections）

把手机、另一台电脑、SSH 主机和任务运行位置接起来。手机端遥控的是一台已经登录、在线、保持唤醒的 Mac 或 Windows 主机；项目、文件、凭据、浏览器、Computer Use 和权限都来自那台主机。

没有手机遥控、远程算力或 SSH 需求，可以关闭 Connections。需要 SSH 时，先确认命令行能登录且远端 shell 能找到 Codex；远程主机使用低权限账号，通过可信 VPN 或 mesh network 访问，不要把 app-server 端口暴露到公网。Connections 只负责远程执行，不会同步或备份；本机和远端各自读取自己的配置。

Git：先说清交付到哪一步#

Git 设置页可以设新分支前缀、commit message 指令、PR 标题与描述指令、是否默认创建 Draft PR、是否总用 —force-with-lease 推送、PR 合并方式、是否关闭 Git-Based Review，以及托管 Worktree 的根目录。

我的默认是：分支统一使用 codex/ 前缀，Draft PR 打开，强制推送关闭；commit 和 PR 指令要求写清改了什么、跑了什么验证。合并方式跟团队仓库规则走。

每次开工仍要确认当前分支、用户已有修改，以及任务最终停在修改对比、提交、推送还是 PR。默认停在可审查的修改；“帮我改好”不等于允许它改变远程仓库状态。

环境（Environment）：新工位自动备好依赖#

Environment 用来准备开工环境。新 Worktree 创建后，开工脚本可以检查运行时、安装依赖并准备非敏感配置，缺少版本或变量时尽早报错；顶部可配置“启动、测试、构建、格式化”等常用命令。

Environment 只提供环境和命令，不保证代理一定执行测试；密钥仍应放在环境变量或密钥管理中。未知仓库的开工脚本是真实可执行代码，运行前要先审查；跨系统项目需要分别配置 macOS、Windows、Linux 的脚本覆盖和清理脚本。必须执行的检查交给 Hooks。

工作树（Worktree）：后台任务不碰你的文件#

Worktree 会为同一个 Git 仓库创建隔离的工作目录。你可以继续在主目录编辑，Codex 在另一个目录修改，彼此不会直接覆盖文件。它隔离的是工作文件，不是 Git 历史、权限、密钥或外部服务；主目录未提交的修改也不会自动出现在新 Worktree。两个任务会改同一批关键文件时，仍不要并行。

Worktree 只适用于 Git 仓库，同一分支不能同时被两个 Worktree 使用；长期保留的任务应尽早建分支。Codex 默认保留最近 15 个托管 Worktree，根目录和清理节奏可以调整。.worktreeinclude 能复制被忽略但必需的文件，包括 .env，但这不会降低密钥泄露风险。

所谓 heartbeat 并不是长任务的官方必需项。官方给出的做法更具体：/goal 固定完成标准，Worktree 隔离工作目录，防睡眠保证本机不断线，通知或宠物提示何时需要接管。并行任务仍要避开同一批文件。

设置之外：AGENTS.md 与 /plan、/goal#

左栏五项设置讲完，再补三个不在设置页、但会直接影响成败的东西。

项目根目录里的 AGENTS.md 是给代理看的长期说明书，写清项目怎么启动、哪些文件不能碰、改完跑什么检查、任务停在本地修改还是 PR。它负责说清规则；必须自动执行的检查仍交给 Environment 和 Hooks。

任务还很模糊时先输入 /plan，让 Codex 读现场、追问缺口并列出约束；方案清楚后再用 /goal 启动长任务。Goal 至少写清三件事：

• Outcome｜结果：最后留下什么产物或行为变化。
• Constraints｜约束：哪些范围、兼容要求、禁改项和权限边界不能破。
• Verification｜验证：用测试、测量、来源核对或人工审查证明它完成了。

没有验证条件的 /goal，只是让代理更持久地猜。Goal mode 也不会扩大权限，发布、支付、删除和生产部署仍受原有审批边界限制。

以“改完一篇文章并停在可审查状态”为例：AGENTS.md 写清口吻、来源标准和禁改范围；Git 规则限定只保留本地修改；需要并行时用 Worktree 隔离；Environment 提供链接和 Markdown 检查命令；Stop Hook 在结束前执行检查。最终交付列出正文路径、修改摘要和检查结果。

一条任务可以连续跑到“待发布”#

1. 研究材料｜机器搜，人定来源边界：Codex 先读本地资料，Browser 补公开信息；资料量大且子问题独立时，Ultra 可以并行核对来源、数据和反例。引用能不能支撑结论，仍要在成稿前抽查。
2. 写稿与改稿｜机器做版本，人定判断：Sol 处理开放选题和重要成稿，Terra 处理结构明确的日常修改，Luna 批量拆摘要、改格式。核心观点、事实口径和不能写的内容由人先定。
3. 建页与预览｜机器执行，检查必须留证据：Codex 可以生成页面和本地构建；Browser 检查链接、布局、控制台与移动端。交付里要保留测试结果、预览地址或截图，不能只说“已经完成”。
4. 登录后台｜机器填到确认页：需要现成登录态时调用 Chrome，填正文、传图片、设置分类并生成预览。账号、可见范围、最终正文和图片由人核对。
5. 正式上线｜人签字，机器回读：发布、生产部署、群发、支付和批量删除都停在确认前。人点击最终动作后，再让 Browser 回读线上结果，检查链接、版本和可见范围。

这条链减少了材料复制和目标复述；事实判断、验收证据和最终责任仍由人承担。

三个签字点不能删#

长链路最危险的情况，是第一步理解错，后面每一步都执行得很顺。比如代理把退款条件理解错了，同一个错误可能继续进入文章、FAQ、表单和线上页面。

• 开工签字：确认目标、关键假设、资料范围、权限和不可接受的结果。
• 中途签字：研究结论、数据口径或页面方向发生关键变化时，先看阶段预览，再决定是否继续。
• 出门签字：发布、支付、删除、生产部署和对外发送由人确认；测试、链接、构建和事实检查由机器给证据。

中途发现偏差，可以直接 steering 改方向；关键决定同时写进项目文件，避免下一轮只剩聊天里的口头约定。

用“确定性 × 后果”决定自动化程度#

判断一项工作该交给脚本、RPA、Agent 还是人，看两个变量：输入和步骤有多确定，做错以后能不能轻松撤回。

• 确定、可撤回：API、脚本和传统 RPA 通常更便宜、更稳定，也更容易审计。批量改名、定时同步、固定表单搬运都在这里。
• 不确定、可撤回：适合 Agent。材料不规整、页面会变化、中途要读内容和处理例外，但结果可以预览、重跑或丢弃。
• 确定、难撤回：机器做到确认前一步，最后一击留给人。支付、群发、生产部署、批量删除都属于这一格。
• 不确定、难撤回：人负责目标、判断和批准，Agent 只做研究、草案、模拟和风险提示。

Sites

正好能验证这套判断。它目前是 public beta，可以从提示词或兼容的本地项目创建、修改、托管和分享网站、Web App 或游戏；D1 能存结构化数据，R2 能存上传文件，还能接团队工作区身份或外部登录。本地项目用 .openai/hosting.json 记录托管项目和存储绑定，环境变量与密钥应放在 Sites 设置里管理。

Sites 可以把空项目搭建、低复杂度页面首稿、托管配置和分享链接放进同一项任务；产品约束、数据迁移、权限安全、性能、无障碍、监控和长期维护仍由团队负责。每个 Sites deployment URL 都属于生产部署；只想审查时，应明确写“只保存版本，不部署”。

普通用户：稳妥默认#

• 默认入口：Chat；需要成品进 Work；碰本地文件再进 Codex。
• 模型：Terra + Medium。
• 权限：，只写当前本地工作目录；自动审核可以开；完全访问默认关。
• Browser：可开，用于公开网页和本地预览。
• Chrome / Computer Use：按任务调用，不设成无确认。
• 本地记忆：只有愿意让旧任务参与未来上下文时才开。
• 常规：Cmd+Enter、防睡眠、后续消息设为中途纠偏。
• 升级条件：材料多、目标模糊、结果很重要时，临时换 Sol，不要把 Sol 设成长驻税。

内容创作者：研究到发布#

• 研究与成稿：Sol Medium 或 Terra High，先做一组代表任务对比。
• 批量摘要、改格式、拆平台文案：Luna。
• 应用快照：只补编辑器、网页或素材窗口的当前状态；能直接读文件就不截图。
• Browser：查公开资料、验链接、检查页面。
• Chrome：登录态平台；发布前必须停下确认。
• 个性化 / AGENTS.md：放风格、禁用词、来源要求和图片流程。
• Hooks：交稿前自动跑链接、事实和密度审查。
• 完成证据：来源清单、图片清单、最终预览和线上回读，不能只有一句“文章写完了”。

独立开发者：改动到 PR#

• 日常：Terra Medium；陌生架构或难 bug 用 Sol High。
• 默认权限：；陌生仓库先用只读。
• 自动审核：长时间后台任务可以开；连续拒绝同一越权时先查配置，不要教主代理绕路。
• 项目环境：安装、构建、测试、开发服务器都写成固定动作。
• 独立工作目录：只给可独立交付的并行任务；同一核心模块不要乱并行。
• Browser：每次前端改动后验收。
• Git：任务开始就说清停在修改对比、提交、推送，还是 PR。
• 收工 Hook：没有最小测试结果，就不能把任务报成完成。

重度自动化：人工兜底#

• 模型按任务分流，别长期 Sol + Ultra + Fast。
• 远程主机用低权限账号，保持系统更新和密钥隔离。
• Chrome 允许名单只放工作域名，浏览历史按次批准。
• Computer Use 不在私人桌面和生产后台长期无人值守。
• Sites 默认先保存版本，不直接部署。
• 外部发布、支付、删除、权限变更保留人工确认。
• 每条链路记录输入、输出、关键决策、失败原因和可回滚点。
• 先拿一条真实流程做代表性试跑，记录成功率、耗时、额度和人工接管点，再决定是否扩大并发。

六层排查顺序#

按这个顺序：

1. 使用入口：Chat、Work、Codex、命令行、IDE、Chrome、远程主机，是不是你正在排查的同一个客户端和同一项任务？
2. 当前任务：模型、推理档位、权限方案、运行地点，以及后续消息是中途纠偏还是排队，分别是什么？新任务不会自动继承你脑子里的旧选择。
3. 桌面设置：Browser、Computer Use、Connections、Memories 是否真的启用？网站、桌面应用和浏览历史有没有各自的批准？
4. 项目文件：.codex/config.toml、AGENTS.md、Hooks、Environment 是否存在并加载？项目没被信任时，项目配置可能根本不会生效。
5. 用户与系统：~/.codex/config.toml 有没有覆盖项目设置？旧的 sandbox_mode 是否还在和新权限方案打架？macOS / Windows 系统权限、Chrome 用户资料、远程主机上的实际配置是否正确？
6. 账号与团队：套餐、地区、团队工作区、管理员策略和分批开放范围，是否允许这项能力？

最后才是重启、重装、清配置。

几个常见症状，可以直接缩小范围：

• 别人有按钮、你没有：先查第六层，不要先改本地文件。
• 能读当前项目，不能写旁边的素材目录：先查权限方案的可写路径。
• Computer Use 已打开，却点不了某个应用：查应用允许名单和系统辅助功能权限。
• Chrome 能看到页面，却一直问能不能进：查网站允许名单；这不是文件权限问题。
• 新 Worktree 没有依赖或启动按钮：查项目环境有没有加载，别怪模型。
• “它怎么不记得”：先确认你说的是 ChatGPT 网页记忆，还是本地 Codex Memories；两套存储彼此独立。

开工前七项检查#

• 入口：Chat / Work / Codex 选对了吗？
• 模型：Sol / Terra / Luna 与任务形状匹配吗？
• 档位：Fast、High、Max、Ultra 真的必要吗？
• 权限：只读 / 当前工作目录 / 完全访问，开到哪一层？
• 环境：本地目录、独立工作目录、远程主机、SSH，到底在哪里跑？
• 状态：当前分支、旧变更、未提交文件是否干净？
• 验收：测试、预览、来源、截图、人工确认由谁完成？