OpenAI Codex 团队成员 Jason Liu 分享了将 Codex 从单次问答工具改造为长期运行、自主推进任务的 AI 员工的核心方法论，包括长线程管理、语音交互、Heartbeats 定时调度和本地化记忆存储。
📝 详细摘要
本文编译自 OpenAI Codex 团队成员 Jason Liu 的公开分享，系统介绍了如何将 Codex 从简单的问答工具升级为能长期运行、持续接管任务的 AI 工作系统。核心方法论包括：建立跨月存活的巨型线程沉淀上下文，使用语音输入保留原始思路，通过 Heartbeats 定时调度实现自动化任务（如扫描 Slack/Gmail、监控亚马逊退款），以及利用 @computer 功能执行 GUI 操作。Jason 特别强调验证机制的重要性，认为没有可验证的反馈闭环，任务自动化只是愿望。在记忆管理上，他主张放弃平台内置记忆，改用本地 Obsidian 文件系统存储核心数据，确保数据可控可迁移。文章还介绍了 Codex 的最新更新，包括 Goal 模式转正、Appshots 截图直喂、锁屏后远程工作等。
💡 主要观点
- 建立跨月存活的巨型线程，让 Agent 具备连续性。 Jason 为每个工作流创建长期线程，积累数月对话历史和决策上下文，避免每次重新交代背景，使 Agent 能自动承接进度。
💬 文章金句
- 没有验证机制的野心，顶多算个愿望而已。
- 个人工作记忆不应该托管在平台内部。
- AI 承载的记忆体量越大，就越不该把数据锁死在单一平台。
- 文件系统仍然是最可靠的记忆基础设施。
📊 文章信息
AI 初评：86
来源：量子位
作者：听雨
分类：人工智能
语言：中文
阅读时间：10 分钟
字数：2316
标签： Codex, AI Agent, 工作流自动化, Heartbeats, 记忆管理