如何让 Codex 像牛马一样不停工作！新手教程端上来了 ✍ Russell🕐 2026-05-25📦 8.3 KB 🟢 已读 𝕏 文章列表 文章介绍了 Codex 新上线的 Goal 模式，通过明确目标、验收标准和边界条件，使 AI 能像“牛马”一样持续执行复杂任务，解决了传统模式下需人工频繁干预的痛点，并提供了 Prompt 编写技巧与原理解析。 CodexGoal 模式AI 编程自动化教程AgentPrompt 技巧工作流LLM # 如何让 Codex 像牛马一样不停工作！新手教程端上来了 **作者**: Russell **日期**: 2026-05-24T07:09:35.000Z **来源**: [https://x.com/Russell3402/status/2058445288503906713](https://x.com/Russell3402/status/2058445288503906713) ---  最近 Codex 悄悄上线了一个很棒的新功能：Goal 模式。 很多朋友都在问我这个到底有什么用，这篇文章给大家系统性讲解。前半部分是使用方法，后面有一些原理分析，所以如果你只想看看怎么用，不用浪费时间，看完自己上手试试！ # 使用 以前你给 Codex 发 prompt，它更像一次性响应：你说“修这个 bug”，它修一轮，汇报结果，然后等下一句。Goal 模式不一样，你给它的内容不再只是一句“去做什么”，还包括“做到哪里算完”“拿什么证明”“中间别碰什么”“卡住了怎么说”。 所以我说让 Codex 像牛马一样不停工作，说的是一种可控的执行状态：目标挂着，活继续干，证据要回来，不能靠“我感觉差不多了”收工。 普通 prompt 解决的是“你现在做什么”，Goal 解决的是“你做到什么程度才算收工”。这个差别很要命，因为很多复杂任务麻烦的地方，从来不在第一步，而在第二步、第三步会随着现场变化。 你让 Codex 修一个测试，它可能先发现测试挂了，再发现依赖版本有问题，再发现 mock 写歪了，再发现修完以后另一个模块爆了。普通 prompt 到这里会变成你推一下它走一步，Goal 则让它沿着同一条完成线继续找路。 ## 基本功能 用法很简单。如果你的 Codex Desktop 版本支持 Goal，你的右下角加号就应该有：  在 Goal 运行的过程中，还有如下便捷的功能： - 编辑目标  在实现目标过程中，可以随时编辑目标  - 暂停  - /side  /side能打开一个侧边栏实时让你监控 Goal 实现的进度，你可以问它比如“目前目标完成到什么程度了？”，然后根据实际情况进行调整等 ## 如何写Prompt 一个烂 Goal 长这样： ``` /goal 把这个项目优化好 ``` 强一点的 Goal，要钉住六件事：结果是什么，用什么验收，哪些东西不能退化，它能动哪些文件、命令、资料和工具，每次尝试以后怎么选下一步，什么时候应该停下来报阻塞  一个好的 Goal： ``` /goal 写一篇中文 X Article，主题是“我怎么用 Codex 清掉一个烂尾测试套件”。 读者是已经会用 AI 写代码、但经常被半成品气到的人。 开头从一次失败测试越修越多讲起，后面写清楚怎么拆目标、怎么验收、怎么处理跑不通的命令。 不要写成官方教程，不要夸 AI 神奇，要像一个人刚踩完坑回来记账。 完稿前自己挑出三处最像套话的地方改掉，并给出两张配图建议。 ``` 这里还有一个小技巧：如果你一开始不知道怎么写 Goal，先让 Codex 帮你把人话翻成工单。别让它直接开干，先让它反问缺口，比如最终状态够不够具体、验收能不能跑、边界有没有危险、阻塞时该找你要什么。 然后别急着启动，先审它的草稿：验收有没有写清，边界有没有太大，有没有把“感觉变好”这种玄学留在里面，阻塞时会不会老实停下来 # 原理 Goal 是当前线程的持久状态，它不会变成全局记忆，也不会自动污染整个项目，只跟这条线程里已经发生过的东西绑定：读过哪些文件，跑过哪些命令，改过哪些 diff，看过哪些日志，积累了哪些证据。Codex 能继续，也并没有获得无边界自主权。线程里只是多了一张长期可见的工单，工单上写着目标、生命周期、预算和进度，系统会在合适的时候检查： 目标还 active 吗，线程空闲吗，有没有用户输入排队，预算够吗，上一轮有没有真的调用工具做事。只有这些条件都合适，它才继续往下干。Goal 不会让 AI 自动循环到天荒地老，它更像一个保守调度器：能继续时继续，该等人时等人，被打断就停，预算到了就汇总，没产生实际动作就别空转。  这点不酷，反而好用。工作里困难的的，是那种不知道什么时候该停、不知道该用什么证明自己干完、还喜欢把半成品包装成胜利的 AI；Goal 把它往回拽到三件笨事上：什么时候停，拿什么交账，卡住了怎么说。 官方 Cookbook 里有个量化论文复现的例子，我觉得很适合理解这件事。复现一篇论文，跑不出来很正常，很多论文缺随机种子、训练路径、检查点、完整模拟状态；要命的是，你跑出了一点接近结果，就顺手写成“成功复现”。 一个好的研究 Goal，会要求 Codex 把结论分账：哪些机制重建了，哪些数值只是近似，哪些图表有证据支撑，哪些地方被源材料挡住了，哪些不确定性还留着。  这套账本思维放到写代码也一样。测试全绿是一种证据，benchmark 过线是一种证据，截图和人工检查是一种证据，日志里没有重复报错是一种证据，用户故事被覆盖、旧路径能回滚、文档能构建，也都是证据。 Goal 有用的地方就在这里：它不鼓励 Codex 更会吹，它逼 Codex 更会交账。 当然，Goal 也别滥用。改一行文案，解释一个报错，做一次简单 code review，或者只是想问一个答案，这些都不用把牛马牵出来上全套马具。 我一般这样判断：路要边走边看，终点又能验收，就可以考虑 Goal。迁移、调优、排查、重构、研究、长文、配图、原型、eval 调参，都属于这一类。第一步做完以后，后面会冒出新情况；中间怎么绕，到头来都得拿证据交差。 再粗一点分：一两轮对话能拿到答案，用普通 prompt；需要 Codex 自己读文件、跑命令、改东西、再根据结果决定下一步，而且你能写出验收条件，就用 Goal。别给所有任务都套规格，本来就会拖成多轮的活，才需要一条完成线。 还有一个很现实的场景：你要离开一会儿。让 Codex 跑一轮测试、修一组失败 case、整理一批资料、生成一套配图，普通模式下你回来可能只看到它做了一小段，然后停在“请确认下一步”。Goal 写得够清楚，它可以继续往下走，回头给你一张带证据的进度账。这个时候它就真的有点像牛马了：你不用一直盯着，它也能把可执行的部分往前拱。 让 Codex 像牛马一样不停工作，喊“加油”没用，把一句 prompt 写到两千字也没用。你要告诉它：今天干什么，干到哪里收工，拿什么验收，哪些地方不许碰，卡住了怎么报，预算到了怎么结账。 人也没有完全退场，只是从“每十分钟催一次工”，换成了“先把活定义清楚，再看它有没有拿证据回来”。这就是现在跟 AI 干活绕不开的一段：模型可以连续执行，人得负责判断目标和验收。 没有 Goal 的 Codex，像一个反应很快的临时工 有了 Goal，它才像一个愿意加班的牛马。 前提也很朴素：你得先把工单写明白。 ## 相关链接 - [Russell](https://x.com/Russell3402) - [@Russell3402](https://x.com/Russell3402) - [11K](https://x.com/Russell3402/status/2058445288503906713/analytics) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [3:09 PM · May 24, 2026](https://x.com/Russell3402/status/2058445288503906713) - [11.5K Views](https://x.com/Russell3402/status/2058445288503906713/analytics) - [View quotes](https://x.com/Russell3402/status/2058445288503906713/quotes) --- *导出时间: 2026/5/25 00:38:13*
C Claude 官方关于 Loop Engineer 的入门解读 文章介绍了 Claude 官方提出的 Loop Engineer 概念，该概念将现有的 Agent 工作流程进行了系统化梳理。文中详细讲解了四种 Loop 类型：回合制循环、基于目标的循环（GOAL 模式）、基于时间的循环以及主动循环。此外，作者还分享了关于代码库质量维护和 Token 消耗管理的优化建议，并提及了 Codex、Skills 和 Hooks 等相关工具。 技术 › LLM ✍ 歸藏🕐 2026-07-08 Loop EngineerClaudeAgentClaude CodeCodexGOAL 模式工作流自动化Token 管理
C Codex 如何应用于办公和知识场景 这篇文章介绍了如何利用 Codex 的 AI 工作台能力处理办公与知识管理任务。文章阐述了 Codex 的核心概念、从单次任务到自动化系统的五级进阶用法，以及五步工作法。作者提供了搭建环境的具体建议和16个实用工作流模板，旨在帮助用户将重复劳动自动化，提升工作效率。 技术 › Codex ✍ Gorden Sun🕐 2026-06-29 AI工作流自动化办公效率知识管理Codex教程工具提示词Agent
C 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。 技术 › Codex ✍ Mr Panda🕐 2026-06-12 AI编程CodexOpenAIAgent教程工作流自动化最佳实践提示词AGENTS.md
S Skill 工程化指南：解决不稳定与高 Token 消耗 文章指出 AI Skill 在应用中常因大模型的不确定性导致运行不稳定和 Token 消耗过高。作者提出应将确定性流程（如固定代码、参数）沉淀为脚本，仅让大模型负责逻辑判断与调度。通过视频字幕处理案例，详细演示了四步工程化法，并提供了可直接复制的工程化提示词，帮助用户实现流程稳定化与成本优化。 技术 › Skill ✍ 金尘马🕐 2026-06-03 AgentSkill工程化提示词DevOpsLLMCodexToken 优化工作流自动化
C Codex 连接飞书：8小时工作 1小时干完 本文介绍了如何利用 lark-cli 工具将 Codex 与飞书集成，实现会议纪要自动生成任务、文档批注自动处理、周报自动生成及素材整理等办公自动化场景，从而大幅提升工作效率。 技术 › DevOps ✍ Serena🕐 2026-05-31 Codex飞书自动化办公效率lark-cli工作流教程Agent
O 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。 技术 › Agent ✍ 沐光钱行🕐 2026-05-25 OpenAICodexDeepSeekAgent工作流开发工具自动化Jason Liu教程
T 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。 技术 › OpenAI ✍ The Startup Ideas Podcast (SIP)🕐 2026-04-28 OpenAICodexAgent工作流教程自动化Riley BrownChatGPT生产力工具
1 15分钟构建首个自动调用的 AI 工作流：Claude Code + SKILL.md 指南 本文是一份基于官方文档和实战经验的 SKILL.md 指南。文章详细解释了 Skill 与 Command、Agent 的区别，阐明了 Skill 是一种通过 Markdown 文件定义的自动触发机制。教程涵盖了 SKILL.md 的结构（Frontmatter 与 Instructions）、如何利用描述字段实现自动调用、路径限定规则以及如何引入辅助文件。此外，作者还推荐了 5 种适合新手构建的 Skill 类型（如 Review、Debug、Test-first），并总结了避免浪费时间的常见错误。 技术 › Skill ✍ Nyk🕐 2026-04-26 Claude CodeSKILL.mdLLMAgent自动化工作流教程MarkdownAI开发代码审查
装 装完 Codex 不知道干什么？这 6 个 GitHub Skills 让你做视频搞钱 文章介绍了 6 个适用于 Codex 的 GitHub Skills，涵盖动效生成、视频剪辑、批量制作、AI 生成及中文剪辑等工具，帮助用户构建自动化视频工作流以提升效率。 技术 › Codex ✍ Kay🕐 2026-07-30 Codex视频制作AgentSkill自动化HyperFramesRemotionAI剪辑工作流
G Graph Engineering：从 0 到 1 小白完整教程 文章介绍了 Graph Engineering，一种通过流程图协调多个 AI 协作完成复杂任务的方法。它将复杂任务拆解为节点、边和状态，解决了单 Loop 应对复杂任务时的局限性。文章详细解析了 Graph 的核心概念、与 Loop 的关系、四个核心模块及具体实践模板，并提供了新手学习路径。 技术 › Agent ✍ Adrian Punk🕐 2026-07-27 Graph EngineeringAgentLLMAI 协作工作流Loop Engineering教程节点设计状态管理AI 架构
W What Comes After the Prompt 文章探讨了超越传统提示词的多模态交互技术，提出“任务”概念，通过结合语音、屏幕、文本等多种信息源，让代理更高效地完成复杂工作。该方法减少交互循环，提升并行工作能力，并通过存储执行痕迹逐步转化为可重用的技能，为未来全模型交互奠定基础。 技术 › Agent ✍ elvis🕐 2026-07-23 多模态Agent提示工程交互设计自动化LLM技能复用语音交互工作流
T The LLM Wiki: 3 Months of Letting Agents Run My Second Brain 文章分享了作者使用LLM代理管理和维护个人知识库（Obsidian Vault）的3个月实践经验。通过分离原始资料与生成内容、定义单一知识流向、统一页面模板以及基于情境的文件夹组织，作者成功将维护工作委托给代理，解决了传统第二脑因维护成本高而失效的问题。 技术 › Agent ✍ Sebastian Kehle🕐 2026-07-22 LLMAgent知识管理Obsidian第二脑自动化工作流