Codex 近期升级后，我开始将其从纯编程工具扩展到更广泛的知识工作中。核心转变在于把 AI 变成一个可持久运行、有记忆、能执行多步骤任务的「工作操作系统」。
持久线程
为每个重要工作流创建长期线程（如「研究助手」「项目管理」），通过压缩（compaction）技术保持上下文同时控制成本。这些线程会积累偏好、历史决策和上下文，无需每次重新输入背景。
语音输入
用语音而非打字把「未润色」的想法直接传入 Codex。系统级录音（如 Wispr Flow）让模糊描述也能被理解——比如「找个提过这件事的姓 Ben 的人」，口头表达比打字更自然。
Steering
在 AI 执行过程中实时注入下一步指令，而非等待当前步骤完成。例如让 Codex 改网站样式时，可以说「这里改小一点」「这段文字错了」「完成后开 PR 并通知 xxx」。这形成了一个「交代完就离开」的工作循环。
外部记忆系统
把 Obsidian 库设为 Codex 的共享记忆层。在 AGENTS.md 中写明「学到新信息时更新对应笔记」，让跨项目的上下文持久化。库本身托管在 GitHub，diff 即是「记忆审查」——能看到 AI 认为什么值得记录。
Codex 自带的 Memories 功能适合存稳定偏好，但显式写入文件更适合需要长期复用、可审计的知识。
编注：原文为英文技术博客，介绍 Codex 工具的使用方法论，可操作性强。材料完整，观点清晰；无时效性敏感信息。