Codex Agent：强大到近乎危险，便宜到近乎捡钱
作者分享了使用新版 Codex Agent 的重度实践体验。通过高达 13 亿 token 的消耗，成功完成了 Chrome 插件开发、AI 内参 2.0 迭代（含语义搜索与 PWA）以及微信生态下的 Readwise 服务。文章指出 Codex 具备极高的性价比和通用性（GPT），并预告了关于 Codex 落地实践的专题讲座。
🔗 相关文档
万物皆可 Skill：如何基于 Codex 把任何内容变成可复用 AI 能力
文章提出了“万物皆可 Skill”的理念，指出高阶的 AI 使用方式应从临时性的提示词升级为可复用的 Skill（能力包）。文章详细阐述了 Skill 的本质（任务边界、流程、标准及失败处理）、与 Prompt 及 Workflow 的区别，并介绍了基于 Codex 构建 Skill 的标准结构、设计原则（如渐进披露）以及通过“元编程”视角实现 Skill 递归进化的方法。
CODEX 高效工作指南：给小白用户的实用入门课
这是一份面向小用户的 Codex（OpenAI coding agent）入门指南。文章指出 Codex 不是单纯的聊天机器人，而是能读写文件、运行命令的“工作搭档”。作者通过对比 ChatGPT，明确了 Codex 的适用场景，并介绍了 App、CLI、IDE 插件等多种入口。核心内容包含四段式提示词模板、常用工作流（解释项目、修 Bug、加功能、审代码）、配置文件 AGENTS.md 的编写方法，以及 MCP、Skills 和 Automations 的区别与用法。最后强调了安全使用原则及新手从只读理解到自动化的进阶路线。
Codex 重大更新：捆绑 62 个应用与 110 个自动化技能，全面进军白领办公
OpenAI 发布 Codex 重大更新，推出六个面向职业角色（如数据分析、销售、投行等）的专属插件，捆绑 62 个应用和 110 个自动化技能。同时上线 Sites 功能，可直接生成交互式网页应用，并新增 Annotations 精准编辑功能。Codex 非开发者用户占比已达 20%，正试图从单一编码工具转型为全能办公调度层，直接威胁依靠“界面好用”作为护城河的中间层 SaaS 工具。
OpenAI 工程师的 9 条 Codex 用法，DeepSeek 用户也能用
文章介绍了 OpenAI 工程师 Jason Liu 分享的 9 条 Codex 高效工作法，包括持久线程、共享记忆、语音输入、实时纠偏、操作电脑浏览器等。这些方法将 Agent 从单纯的聊天工具转变为能记住上下文、主动执行任务并操作真实应用的长期资产。作者指出，这套通用的 Agent 逻辑不仅适用于 Codex，通过 OpenCode、Playwright 等工具，在 DeepSeek 环境下也能完美复现。
Codex 零基础小白上手指南（附实战全流程）
本文介绍了 OpenAI 官方客户端 Codex 的安装与使用方法。文章对比了 Codex 与 Claude Code 的优劣，展示了 Codex 在安装便捷度、额度及封号风险上的优势。作者详细演示了四个实用场景：利用 Skill 生成长文配图、一键生成可编辑 PPT、设置定时自动化任务、以及 Mac 专属的 Computer Use 自动操作电脑功能，旨在帮助用户通过 Codex 提升工作效率。
Codex CLI /goal 模式详解：OpenAI 官方 Ralph Loop 的自主迭代引擎
文章详细介绍了 OpenAI 在 Codex CLI v0.128.0 中引入的实验性功能 /goal。该功能基于 Ralph Loop 理念，使 Codex 能从单次对话转变为自主规划、持续迭代、自我修正的代理，直至完成高层次目标。文章对比了 /goal 模式与正常模式的区别，列举了适用场景如长周期重构和无人值守开发，并指出该模式能显著提升任务完成度和工程质量，但需注意 Token 消耗。
The Codex Masterclass：Riley Brown 的 AI 代理工作流指南
本文详细介绍了 Riley Brown 关于 OpenAI Codex 的使用教程。文章指出 Codex 整合了编程与业务工作流，确立了新的界面标准（左侧聊天、中间代理、右侧成果）。内容包括如何利用 Skills 压缩重复工作流、设置多任务并行、连接 Notion 权限管理，以及四个上手实战项目。Riley 强调 GPT 5.5 时代浏览器代理的潜力，并鼓励用户通过探索和试错来掌握 AI 工具。
不懂 Harness Engineering，你所谓的 AI 转型只是在浪费预算
文章探讨了 Harness Engineering 的概念，即通过设计环境、设定标准和建立反馈来构建 AI 的工程环境，从而将 AI 从简单的聊天工具转化为能持续工作的生产力。文章对比了 OpenAI 和 Anthropic 的不同实践路径，并以 VergeX 为例，阐述了 Harness 在 AI 交易中的具体应用，包括工具调用、上下文管理、架构约束和反馈循环四大核心模块。
深入解读 Harness Engineering：AI 工程的第三次范式转移
Anthropic 和 OpenAI 几乎同时发布关于 Harness Engineering 的文章，引发 AI 社区热议。本文梳理了从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演变，解析了 Anthropic 的“生成器+评估器”循环架构与 OpenAI 的“百万行代码零手写”分层实践，并结合多位博主的观点，探讨了 Agent 时代工程师角色的转变与未来工程实践的方向。