不知不觉，大模型已经融入我们工作好几年了。
但说句实在话，大部分人手里的 AI，依然只是个**“高级聊天框”**。
你输入一个 Prompt，它给你回一段代码或者文字。你复制走，它功成身退。下一次你想做个新任务，对不起，新建会话，重新复制粘贴上下文，重新教它你的规矩。
这就好比你雇了个助理，人挺聪明，但有个毛病——每天下班一睡觉，第二天准失忆。每天早上你都得花半小时把昨天的进度、公司的规矩重新教他一遍。
累不累啊？
最近，OpenAI 内部悄悄流出一份白皮书，名字叫 《Codex-maxxing for long-running work》（基于 Codex 的长期工作极限优化）。这份白皮书里，OpenAI 首次把 AI 如何从“一次性聊天框”转变为“长期 persistent（持续运行）的工位”这事儿给彻底讲透了。
白皮书的核心主角是一个叫 Codex 的 Agent 环境，以及硅谷知名 AI 开发者 Jason Liu 的真实日常工作流。
读完这份白皮书，我只有一个强烈的感觉：AI Agent 竞争的下半场，拼的根本不是谁的模型推理能力多高几分，而是谁能给 AI 打造一个最舒服的、能干脏活累活的“长期工位”。
今天，咱们就把这份白皮书里透露 of 10 个代表未来 Agent 交互形态的核心能力，掰开揉碎聊一聊。
01. 持久线程与记忆保险库：让 AI 也有个“工位”
首先，大伙儿得明白一件事：为啥以前的 AI Agent 只能活在 Demo 里？
因为“会话丢失”。以前我们和 AI 沟通，所有的上下文都塞在一个 Thread（线程）里。当这个线程越来越长，上下文窗口的成本会成倍暴涨，模型也会开始变得“健忘”和“弱智”。
OpenAI 在白皮书里给出的第一个解法，就是 Durable threads（持久线程） 与 Memory vault（记忆保险库）。
持久线程，说白了就是给特定的项目安个家。比如你有一个“日常周报编写”的项目，或者“开源代码库维护”的项目，你就应该给它开一个置顶且永远不关的持久线程。
在这个线程里，随着时间推移，AI 记住的不仅仅是你的聊天历史，更是你每一次纠正它之后的“偏好”、你们达成的“旧决策”以及还没解决的“开放性问题”。
但这还不够。因为随着时间推移，线程本身的上下文还是会过载。这就需要配合第二件武器：Memory vault（记忆保险库）。
白皮书里提到，真正的 Agent 记忆不应该静默地堆积在聊天历史里。它应该是一个独立的、人机均可读写的结构化文件夹：
1 2 3 4 5
vault/├── TODO.md # 项目的代办清单├── people/ # 项目相关人员的偏好与角色├── projects/ # 各个子项目的状态└── notes/ # 研究、决策和学习沉淀
“代码放在代码仓库，但关于工作的所有滚动上下文，应该放在记忆保险库里。”
最妙的地方在于，当这个记忆保险库托管在 GitHub 上时，AI 对你偏好或项目规则的每一次更新，都会变成一次 Git Commit。
你可以像审查代码一样，通过**看 Diff（代码对比）**去审查 AI 记下的笔记：
AI 记下了“某某客户不喜欢太激进的文风”； AI 记下了“这个模块的接口在 V2 版本已经弃用”。
你点个同意，这块记忆才真正“写入固化”。这才是真正的可审计、可编辑的 AI 记忆。
02. 语音输入与动态引导：如何把“脑子里的乱线团”扔给 AI？
很多人觉得，给 AI 写 Prompt 是一件极其痛苦的事情。为了让 AI 干对活，你得字斟句酌，生怕说错一个词把它带偏了。
但白皮书里展示了 Jason Liu 的一个反直觉做法：用 Voice input（语音输入）把“最脏最乱”的直觉直接扔给 AI。
比如 Jason 录下的这段语音：
“我想 Slack 里应该有个叫 Ben 的哥们提过这事，我不太记得具体细节了，你去找找看。”
要是让你打字，你大概率不会这么写。因为这听起来太敷衍、太模糊了。但白皮书指出，Spoken input（口语输入）往往包含了最真实的、没有经过人工修饰的思考粗胚。
这种“带着不确定性”和“半记半忘”的语境，反而能够帮助 AI 更好地理解你的意图，并在后续的步骤中，替你去核对和补全那些缺失的线索。
有了这种乱线团式的输入，再配合 Steering（动态引导），人机协作的效率就彻底起飞了。
什么是 Steering？说白了就是“车还没停，你就能打方向盘”。
在传统的交互里，AI 运行一个复杂任务时，你只能干看着，直到它输出完毕。如果它在中途走歪了，你只能等它全部跑完，再发一句“不对，重来”。这就像你看着助理花了两天做完一叠 PPT，最后发现第一页的方向就错了。
而在 Codex 的运行环境里，AI 是一边干活，你一边在旁边插话的：
“把这里调小一点。” “这一页的文案写错了。” “完成后，直接去开个 PR。” “在发布预览链接前，先让我确认一下。”
你输入的这些指令，会被实时挂载到 AI 正在执行的**任务队列（Queue）**里。AI 会在执行下一步工具调用前，自动读取并调整自己的行动方向。
这才是真正的“人在回路”（Human-in-the-loop），你不需要等它完全犯了错再去惩罚它，你可以在它刚迈出歪脚的一瞬间，拉它一把。
03. Chrome、本地预览与远程控制：Agent 是怎么“长出四肢”的
当 AI 有了工位和驾驶员，下一步就是给它“长出四肢”，去触碰真实的世界。
白皮书将 Agent 可以触碰的“数字表面”分成了极具工业美感的五个层次：
[$browser]：本地网页沙盒，用于渲染、预览和前端交互。[@chrome]：已登录的浏览器会话，让 AI 可以带着你的身份去操作 SaaS 工具。[@computer]：纯 GUI 桌面操作，AI 像人一样通过点击和拖拽来搞定那些没有 API 的软件。[Connectors]：Slack、Gmail、日历、GitHub 等核心办公表面的连接器。[Skills]：可复用的脚本 and 工作流，让 AI 不用每次都重复造轮子。
这就完美解释了 Jason Liu 是怎么在日常工作里无缝使用 AI 的。
当他在本地开发一个应用时，AI 会在本地通过 [$browser] 实时渲染前端页面，并把预览呈现在**侧边栏（Side panel）**里。
这个侧边栏可不是普通的预览窗口。它是你和 AI 协同操作的实体表面：
屏幕上渲染出来的页面，你可以直接在上面涂鸦，画个圈写上“这里间距调小”，这个圈和文字就会立刻变成 Prompt 传给 AI； AI 生成的 CSV 表格，在侧边栏里可以直接双击单元格修改，修改后的数据立刻作为上下文同步回 AI； 你甚至可以在侧边栏里直接运行 Jupyter 笔记本或 Streamlit 应用，和 AI 交互调试。
“侧边栏，是 Codex 停止成为一个聊天框，真正成为工作发生地的地方。”
更绝的是，这种长期的、需要耗费几个小时甚至几天的任务，不需要你一直守在电脑前。
白皮书展示了 Remote control（远程控制） 的威力：
你在办公室的电脑上启动了一个复杂的重构任务，然后直接下班。在地铁上或者在家里，你掏出手机，通过 Codex 的移动端界面，就能看到 AI 跑到了哪一步。
AI 会弹出一个确认信息：“我已经重构了核心模块，所有单元测试已通过。是否开始部署到预发环境？”
你躺在沙发上，用大拇指点一下“确认”，大洋彼岸的服务器就开始了自动部署。
远程控制不是为了让你逃避审核，而是为了让那些超长周期的任务，不再把人死死扣在电脑桌前。
04. 心跳式的后台唤醒：三个经典 Agent 闭环
如果你觉得上面的技术听起来还有点抽象，咱们来看白皮书里给出的三个最接地气的 Loops（闭环工作流） 实例。
要实现这些闭环，核心是利用 Thread automations（线程自动化）——一种给持久线程设置“心跳闹钟”的机制。它不用每次都从头输入，而是每隔一段时间，自动唤醒当前线程，带着之前的全部记忆去跑一次。
循环 1：【幕僚长】（Chief of Staff）
设定：AI 每 30 分钟被自动唤醒一次。 干的活：去 Slack 和 Gmail 里翻看有没有未读的、需要回复的重要消息；结合记忆库里的项目上下文，去搜索背景资料；给每一条重要消息自动起草好回复草稿，并整理出需要主人亲自做决策的难点问题。 你做的事：早上醒来，打开侧边栏，花三分钟审核 AI 拟好的草稿，修改语气，点击“发送”。
循环 2：【反馈监控员】（Monitor for feedback）
设定：每当 Slack 频道里有人对动画演示提出反馈意见时，自动唤醒。 干的活：AI 读取 Slack 里的文字反馈，自动修改本地的 Remotion（一个用 React 写视频的框架）代码，在后台重新渲染视频，并生成一份改动清单，把新的视频链接贴在审核区。 你做的事：点开视频看看改得合不合心意，做出审美判断，点击同意发布。
循环 3：【退款谈判专家】（Get a refund）
设定：每 5 分钟自动检测一次某客服网页的客服是否上线。 干的活：一旦客服客服加入聊天，AI 自动切换到“每分钟唤醒”的高频状态，用事先准备好的订单证据和客服进行退款交涉，自动撰写回复，但把所有可能导致不可逆结果的敏感操作拦住，等待人类最终确认。 你做的事：授权同意退款方案。
这三个例子，直接把 AI Agent 从“玩具”拉到了“数字劳动力”的高度。它不是一次性帮你写首诗，而是像一个看不见的影子员工，在后台年复一年地帮你盯着那些繁琐的日常。
05. 什么是“可验证的目标”？别再给 AI 提模糊要求了
不过，要让这种长期运行的 Agent 不掉链子，白皮书里提出了最关键的一个思维转变：Set goals Codex can verify（设定 AI 可以自行验证的目标）。
OpenAI 在书里无情地嘲讽了那些“弱目标”（Weak goals）：
❌ 弱目标：“去把这个 Markdown 文件里的重构方案给实现了。”
这种目标对 Agent 来说就是灾难。因为 AI 根本不知道自己做到什么程度才算“完成了”。最后的结果大概率是，它改了几个文件，然后告诉你“我改好了”，至于改对没有、跑得通不，它一概不管。
而白皮书极力推崇的是“强目标”（Strong goals）：
强目标：“把这个 Python 库移植到 Rust。保证所有的公共 API 与原库完全兼容，并使用原库自带的单元测试集作为成功标准。当且仅当所有测试全部通过，且两者的接口差异被完整记录到 diff.md 里时，任务才算完成。”
这个“强目标”的精髓就在于可验证性。
白皮书里举了 Jason Liu 亲自做的一个“Rich 库向 Rust 移植”的例子。在这个任务里，Agent 会不断在后台修改代码，然后自动运行测试命令：
cargo test
$$passed$$
只要有一个测试挂了，Agent 就知道任务没完，它会读取测试报错，自己回炉重造，继续改代码，直到终端屏幕上绿色的 passed 铺满屏幕。
只有当目标能够被程序化验证时，AI Agent 才能真正实现后台的“自主纠错”与“自动停机”。否则，它要么在死循环里烧光你的 Token，要么在敷衍了事中交付一堆垃圾。
结语：剥掉 AI 的营销糖衣，终局在工位上
聊到最后，大伙儿应该看出来了。
OpenAI 这份白皮书，其实是在给大伙儿“祛魅”。
它把那些被炒上天的、玄而又玄的 AI Agent 概念，剥掉了所有科幻外衣，还原成了一个非常现实的软件工程和交互设计问题。
未来的 AI，绝不是一个你输入一句话就能替你拯救世界的“许愿机”。
它更像是一个有些粗心但极度勤奋 of 初级员工。要让他发挥出真正的价值，我们需要给他提供：
一个放得下项目图纸的工位（Durable threads）； 一本随时更新、写满公司规矩的备忘录（Memory vault）； 一套能随时看到工作进度的仪表盘（Side panel）； 以及一条能随时纠正他方向的安全绳（Steering）。
科技依然在狂飙，但大局已定。
未来的工作方式，不取决于谁能写出最精妙的 Prompt，而取决于谁能先一步把自己的日常，拆解并组装成这一个个精密的、可验证的后台循环。
而这一天，已经离我们不远了。