文章作者、来源：0x9999in1，ME News

TL;DR

• Codex 已经不只是一个编程助手。 2026 年 5 月，它的周活跃用户突破 400 万，其中 50% 的使用场景已经不是写代码。它正在变成一个可以承载长期任务、沉淀记忆、周期执行并跨工具协作的工作平台。
• 「置顶线程 + 上下文压缩」是核心范式转变。 工作不再是「一问一答」，而是一个可以运行数月的持久对话空间，积累历史、偏好和决策记录。
• Heartbeats（心跳自动化）让 Agent 学会了「不等人」。 它可以每 30 分钟检查一次 Slack 和 Gmail，可以每 15 分钟监控一个反馈线程，甚至可以帮你排队等客服、拿退款。
• 记忆系统的关键不是「记住」，而是「写下来」。 用 Obsidian vault + Git diff 把线程中有价值的信息序列化成文件，才是长期可复用的知识资产。
• 远程控制 + 手机审阅让工作真正脱离桌面。 5 月 14 日起，iOS 和 Android 均可通过 ChatGPT 移动端操控 Codex 会话，审阅产物、批准命令、改变方向。
• Goals（目标模式）是从「prompting」到「assigning」的跃迁。 给出明确验证标准，Agent 可以自主循环运行数小时甚至 14 小时不间断。
• 侧边面板是 Codex 成为「工作发生之处」的关键界面。 它不只预览产物，更是检查、标注、交互和审阅变更的统一空间。

一个数字先摆在这里

400 万。

这是 OpenAI 在 2026 年 4 月底公布的 Codex 周活跃开发者数量。两周前还是 300 万。再往前推，2026 年 1 月到 4 月之间，ChatGPT Business 和 Enterprise 里的 Codex 用户量增长了 6 倍。

速度快到什么程度？Codex 桌面应用上线第一周，下载量就突破了 100 万。到了 5 月中旬的 Codex App 发布时刻，OpenAI 甚至对所有 ChatGPT Free 和 Go 用户限时开放了访问权限，Plus 和 Pro 用户的速率限制直接翻倍。

这不是一个「程序员圈子里的小工具」的增长曲线。这是一个正在吞噬工作本身的产品的增长曲线。

问题来了：400 万人涌进来，他们到底在用 Codex 做什么？

答案可能出乎很多人意料——50% 的用户使用场景已经不是写代码。

谁在用，怎么用

Jason Liu 是 OpenAI Codex 团队的工程师。5 月 17 日，他在个人博客发布了一篇名为「Codex-maxxing」的使用手记，记录了他如何将 Codex 从编程工具推向全面的知识工作平台。

这篇文章在 X 上发布 24 小时内获得 8800 次浏览、225 次收藏，评论区情绪 100% 正面。这不是一篇营销稿，而是一个深度用户的真实工作日志。

他的用法让我意识到一件事：大多数人还在用 Codex「问问题」，而真正从中获得杠杆的人，已经在用它「运行工作」。

区别在哪？

问问题是：我给你一个 prompt，你给我一个答案，对话结束，任务中断。

运行工作是：我给你一个空间，你在里面持续推进，我随时可以回来检查、引导、修正，任务永远不需要从零开始。

这才是 Codex 2026 年真正在卖的东西。不是更好的代码生成能力，而是工作的连续性。

持久线程：不是聊天记录，是工作站

第一个改变一切的功能，叫上下文压缩。

传统的 AI 对话有一个致命弱点：上下文窗口是有限的。对话越长，信息丢失越多，最终变成一个失忆的助手。Codex 的解法是上下文压缩——允许线程在保留核心信息的前提下无限延伸。

Jason Liu 的做法是：为每一个重要工作流保留一个置顶线程。

他有一个「Chief of Staff」线程，专门负责收件箱和 Slack 的分拣。有一个「Agents SDK」线程，跟踪开源项目进展。有一个「Open Source」线程，管理社区贡献。还有一个专门监控 Twitter 的线程。

这些不是短对话。它们是运行了几个月的巨型线程，积累了大量历史、偏好和过去的决策。

快捷键 Command-1 到 Command-9，直接跳转。

你可能会问：这不就是把聊天记录变长了吗？

不。长度不是重点。重点是这些线程开始像「工位」一样运作——每一个线程都有自己的领域、自己的记忆、自己的运行节奏。你不再是在「和 AI 聊天」，你是在「回到某个正在进行中的工作」。

当然，代价是存在的。长线程脱离缓存后，再次加载的成本更高。但对于真正重要的工作流来说，连续性的价值远远超过成本。

语音输入 + Steering：让 Agent 拿到你的真实想法

语音输入在 Codex 中不是一个「方便打字」的功能。它的真正价值是让 Agent 拿到你未经编辑的思考原貌。

Jason Liu 举了一个例子。如果他在规划工作时说：「我记得 Slack 里有个叫 Ben 的人提过这事，我不太记得具体是什么，你去找一下。」这句话如果打出来，会显得模糊又烦人。但说出来却非常自然。而 Agent 完全能处理这种模糊指令。

更有意思的是 Steering 功能。它允许你在 Agent 工作时持续追加意图。比如你在审阅一个网站，一边看一边说：

• 把这个调小一点
• 这句文案不对
• 间距不舒服
• 完成后开个 PR
• 等部署完成
• 把预览链接发到 Slack

你不需要等每一步完成后再决定下一步。你可以在 Agent 还在执行时，把接下来要做的事全部排好队，然后离开。

这改变了什么？改变了人与 Agent 之间的关系。你不再是一个「每次只能发一条消息然后等回复」的用户。你变成了一个可以持续输入意图、然后让系统自己排队执行的指挥者。

记忆：不是记住对话，是写成文件

一旦线程开始长期存在，一个新问题浮出水面：跨线程的知识怎么共享？

Codex 有第一方记忆功能（Settings > Personalization > Memories），但 Jason Liu 的做法更进一步。他用一个 Obsidian vault 作为 Agent 的「居住地」：

vault/ ├── TODO.md ├── people/ ├── projects/ ├── agent/ └── notes/

在最上层的 AGENTS.md 指令里写明：当你对某个人有更多了解、推进了某个项目，或者关闭了一个待办循环时，请更新 vault 里对应的页面。

然后把这个 vault 作为 GitHub 仓库维护。

为什么？两个理由。

第一，它可以在云端运行，不绑定本地环境。

第二——这是关键——diff 成为审阅记忆的界面。

当 Agent 更新 vault 时，你可以阅读 Git diff，看看它认为哪些信息重要到值得被记住。这个审阅步骤至关重要。你不希望一个长期线程悄悄在对话历史里积累一种模糊的「感觉」。你希望它把真正发生变化的事情写下来：某人的偏好、某个项目在等什么、某个决定已经做出、某个循环已经关闭。

记忆系统的意义不在于「记住更多」。在于把经验压缩成一种能够脱离线程继续存在的形式。如果线程消失了、压缩得很糟糕，有用的知识仍然在文件里。

Chronicle 是 OpenAI 在 4 月 20 日推出的另一种记忆方案——通过后台截取屏幕内容来构建上下文记忆。Sam Altman 说使用体验「像心灵感应」。但它也有真实取舍：截图经过 OpenAI 服务器处理后本地存储为未加密的 Markdown 文件，增加了提示注入攻击面。目前是需要主动开启的研究预览功能。

方向是对的，但还不够成熟。文件系统仍然是最可靠的记忆基础设施。

Heartbeats：让 Agent 学会主动工作

这可能是 Codex 最有颠覆性的功能。

Heartbeat 是一种线程本地的定时自动化。你可以对一个线程说：「每隔几个小时帮我看一下这个。」然后它就会按照这个节奏自动运行。

Jason Liu 的 Chief of Staff 线程每 30 分钟运行一次：

当他回到 Slack 时，很多回复已经在草稿里了。最费力的上下文收集已经完成。他只需要决定哪些要发送。

另一个例子更生动。他在做一个动画项目，把视频发到 Slack 让同事审阅，然后让 Codex 每 15 分钟检查一次线程。如果有评论，就重新渲染新版本并回复。因为 Slack MCP 服务器不支持文件上传，Agent 就用 @computer 能力去点击「Add file」按钮，把文件传了上去。

注意这里发生了什么：一个反馈循环横跨了 Slack（收集反馈）、Remotion（渲染动画）和 @computer（上传文件）三个工具边界。Agent 在人离开后自己维持了这个循环。

还有一个更极端的例子。他的包裹被偷了，Amazon 说要等 25 分钟才能接通人工客服。他创建了一个带 @computer 的线程：每 5 分钟检查客服是否加入，如果加入就争取退款，并把频率提高到每分钟一次。然后他去洗澡了。洗完澡出来，退款处理完毕。

这不是科幻。这是 2026 年 5 月正在发生的真实使用场景。

远程控制：工作不再绑定桌面

5 月 14 日，OpenAI 正式将 Codex 推送到 ChatGPT 移动应用。iOS 和 Android 均可用。所有 ChatGPT 计划都支持，包括 Free 和 Go。

TechCrunch 的报道引用了 OpenAI 的声明：「这不只是远程控制单个任务或分派新任务。从手机端，你可以跨所有线程工作、审阅产物、批准命令、切换模型或启动新任务。」

执行和凭据留在桌面机器上。手机端只负责审阅、批准和引导。

这和 Heartbeats、置顶线程形成了一套完整的链路：

1. 你在桌面启动一个长期任务
2. Heartbeat 让它按节奏自动运行
3. 你离开桌面，用手机查看进展
4. 在关键决策点介入引导
5. 工作继续推进

工作不再因为你换了地点而暂停。这是真正的异步工作流。

Goals：从 prompting 到 assigning

Goals 是 Codex CLI 0.128.0 引入的 /goal 命令。它让 Agent 进入一个自主循环：plan → act → test → review，直到满足你定义的成功条件或额度耗尽。

一个弱目标是：「执行这个 Markdown 文件里的计划。」

一个强目标是：「把 Python Rich 库迁移到 Rust，必须通过原 Python 库的所有单元测试。」

后者有真正的验证标准。Agent 可以自己判断是否完成、哪里失败、需要怎么修复。

有人用 /goal 让 Codex 在一个设备驱动项目上连续运行了 14 小时。还有人用它在一小时内完成了一个完整游戏的构建。

关键区别在哪？

如果你只给 Agent 一个模糊的计划，它最多是一个努力的实习生。如果你给它一个带有清晰验证标准的目标，它就变成了一个可以自我修正的执行者。

没有验证的野心，只是愿望。这句话适用于 Agent，也适用于人。

侧边面板：工作发生的地方

很多人把侧边面板理解为「预览窗口」。这大大低估了它。

侧边面板做三件事：

检查产物。 Markdown 可评论，电子表格可渲染公式并支持单元格编辑，CSV 显示为表格，PDF 直接渲染（LaTeX 用户的福音），幻灯片可在应用内审阅。关键不只是 Codex 能生成这些东西，而是你可以在不打断循环的情况下检查和标注它们。

操作网页界面。 Agent 可以通过 $browser 用 JavaScript 控制应用内浏览器，你可以直接在浏览器渲染的内容上留标注。最小且最持久的版本是一个带 JS 和 CSS 的单文件 index.html——不需要服务器，打开即用。Storybook 审阅组件，Remotion Studio 做动画，Slidev 做演示文稿，Streamlit 做数据应用，都可以在这个空间内完成。

审阅变更。 diff、PR 评论、代码修改——全部可以在同一个界面内完成。

当侧边面板上的内容和 Agent 操作的对象是同一个东西时，你们之间的协作效率会质变。你不再需要在聊天窗口和实际产物之间来回切换。产物本身就是对话的一部分。

定位与定价：它在卖什么

2026 年 4 月 2 日，OpenAI 将 Codex 的定价从按消息计费改为按 API token 用量计费。

目前的结构是：

• Codex 包含在所有 ChatGPT 计划中（Free、Go、Plus、Pro、Business、Enterprise）
• 企业用户可以添加「Codex-only 席位」，按用量付费，无固定席位费
• OpenAI 估计平均每个开发者每月花费 100–200 美元

新用户团队注册时还能获得最高 500 美元的信用额度。

这个定价策略很清晰：先让人用起来，再通过用量收费。一旦你的工作流跑在 Codex 上——线程积累了记忆，Heartbeats 在后台运行，vault 里沉淀了上下文——迁移成本就变得极高。

这不是 SaaS 的逻辑。这是基础设施的逻辑。

和竞品比什么

2026 年 AI 编程工具市场已经分裂成三个范式：

• Claude Code：终端原生，上下文窗口最大（200K tokens 标准，1M beta），深度代码推理
• Cursor：IDE 原生，实时内联编辑，日常写码最快
• Codex：云端异步，fire-and-forget 模式，长时任务 + 多工具编排

它们不是在同一个维度上竞争。

Cursor 赢在手感。你写一行代码，它立刻给你补全，速度快到让人上瘾。360K+ 付费用户证明了这一点。

Claude Code 赢在深度。一个需要跨 50 个文件重构的大型任务，它的上下文理解可能是最好的。

Codex 赢在什么？赢在连续性。

它不是「此刻帮你写代码最快的工具」。它是「你离开之后工作仍然在推进的工具」。Heartbeats、远程控制、Goals、记忆系统、Connectors——这些功能加在一起，构成的不是一个更好的编辑器，而是一个可以持续运行的工作操作系统。

这是一个完全不同的产品定位。

真正的转变

让我把这些碎片拼起来。

过去的 AI 使用模式是这样的：

用户提需求 → 模型给结果 → 对话结束 → 任务中断 → 下次重新开始。

Codex 正在构建的模式是这样的：

用户设定目标 → 线程持续运行 → 记忆沉淀为文件 → Heartbeats 周期执行 → 用户随时介入审阅 → 工作永不归零。

从「一问一答」到「运行循环」。从「能力」到「连续性」。从「聊天窗口」到「工作操作系统」。

这个转变的意义不在于 Agent 变得多聪明。而在于工作本身的组织方式变了。

过去，一个想法死在 prompt 之后是常态。你有了灵感，打开 ChatGPT，问了一个问题，拿到一个答案，然后关掉窗口。三天后你已经忘了这件事。

现在，一个想法可以被放进一个线程、配上记忆、设定心跳、挂上验证标准，然后持续推进。你不需要一直盯着它。你只需要偶尔回来看一眼 diff，确认方向没有跑偏。

这不是替代人的工作。这是让更多工作不再死在中途。

对于知识工作者来说，这可能是 AI 工具真正进入日常生产流程的关键一步。不是因为它变得更强了，而是因为它终于学会了「不下班」。

参考来源

1. OpenAI, "Scaling Codex to enterprises worldwide," openai.com, April 2026.
2. OpenAI, "Codex for (almost) everything," openai.com, May 2026.
3. OpenAI, "Introducing the Codex app," openai.com, May 2026.
4. Jason Liu (@jxnlco), "Codex-maxxing," jxnl.github.io/blog, May 10, 2026.
5. TechCrunch, "OpenAI says Codex is coming to your phone," techcrunch.com, May 14, 2026.
6. OpenAI, "Codex now offers pay-as-you-go pricing for teams," openai.com, May 2026.
7. OpenAI, "Top 10 uses for Codex at work," openai.com/academy, May 2026.
8. 9to5Mac, "Codex for Mac gains Chronicle for enhancing context using recent screen content," 9to5mac.com, April 20, 2026.