6月22日，OpenAI发布了一份白皮书，名叫《Codex-maxxing for long-running work》。它不是讲如何写出更好的代码，而是揭示了一个正在发生的转变：AI正在从“一次性问答”的工具，变成持续承载长期工作的“智能基站”。
核心概念是一个词：Loop（循环）。不是问一句答一句，而是一个自动推进的工作流，你离开后它还能继续跑。白皮书以其作者Jason Liu的日常使用为例，展示了Codex如何让同一份工作跨越多轮交互，保持上下文，自主运行，并且在你想要介入时随时可以插话。
下面我们把这套新范式拆开，看看它是怎样真正把工作“循环”起来的。
1. 持久线程：给工作一个固定的“家”
传统的AI对话是瞬时的：你问，它答，上下文仅存活在当前窗口。一旦关了，就得重来。
Codex提出了持久线程（durable thread）的概念。对于需要反复回头的工作流，你可以把一个对话线程固定下来。所有历史、偏好、过去的决定、开放的任务，都储存在这个线程里，随着时间不断累积。Jason的做法是为每一个重要工作流创建一个固定的线程，例如：
社会反馈监控 开源项目维护 OpenAI CLI 操作 Agents SDK 相关 日常“首席幕僚”事务
这就像是给每一项长期工作分配了一个专属的桌面。所有相关材料都放在上面，AI每次回来都可以接着上次的地方继续。白皮书也提到一个现实考量：长对话线程会携带更多上下文，运行成本可能比一条新对话更高。但对于重要工作流，连贯性带来的效率提升往往让这点成本变得不值一提。
2. 记忆库：让记忆变得可审阅
仅靠对话历史来记事情还不够。对话历史是线性的、杂乱的，想找回一个关键决定很费劲。所以持久线程需要一个可管理的记忆（memory）。
Codex的记忆模式像一个文件夹，官方推荐的结构是：
TODO.md
people/
projects/
agent/
notes/
每当你提到某人、某个项目、某个决定，Codex会主动把关键信息写入对应的文件。比如“这个人偏好邮件沟通”、“那个项目在等某人的回复”、“这个决策已在某日关闭”。
这样做的妙处在于，记忆不是一个黑箱。这些文件可以直接打开、编辑、对比版本差异（diff）。通过GitHub上的版本记录，你可以看到AI认为哪些信息重要到值得写下来，这本身就是一种审核。
白皮书特别区分了两样东西：仓库（repository）保存代码，记忆库（vault）保存围绕工作的滚动上下文。两者分开，让工作心智不会糊成一团。
3. 线程自动化：AI定时回来推进工作
持久线程和记忆是基础，而真正让工作“循环”起来的是线程自动化（thread automation）。它就像一个心跳式的闹钟，告诉Codex：“每隔一段时间，回到这个对话里，检查状态，做点推进。”
一个典型的自动化设置可以是这样：
这就是持续循环的关键：AI不是一次性执行后消失，而是定期苏醒。一个线程可以有多个不同的唤醒计划，可以运行到某个条件满足为止，还可以根据任务变化调整频率。
白皮书里举了三个真实的循环案例，它们把前面所有能力，持久线程、记忆、工具访问、自动化、人工审核，全部编织在了一起。
4. 三个工作循环，同一个边界
作者以其每日都会使用三个工作流为例，来说明设计Loop时，都需要遵循的模式：AI自主推进可以预判的部分，把需要人类判断或不可逆的动作留给用户批准。
Loop 1：“参谋长”
Codex按计划检查Slack与Gmail，找出可能需要注意的消息，搜寻背景信息，草拟回复。它准备的是：
未回复消息列表 相关上下文 回复草案 需要你来判断的问题
而你做的是：审批、定调、最后决定。
Loop 2：监控反馈并更新动画
有一个项目需要根据Slack上的反馈不断调整动画。Codex会：
监视特定Slack频道里的反馈 接着更新Remotion动画项目 重新渲染输出 准备修订说明和下一次审核链接
整个流程横跨Slack、渲染工具，甚至可能用到图形界面的浏览器操作。AI自主完成了“拿到反馈→修改→渲染→准备复审”的全过程。但最终的创意判断和发布决定仍然在你手上。
Loop 3：申请退款
Codex检查客服是否已介入对话，根据进展准备下一步回复。它做的是：
状态检查 回复草案 有用的证据收集 推荐的下一步行动
而任何不可逆的同意或最终提交，都留给你来批准。
三个循环看下来，边界画得非常清晰。AI是运动员，你是裁判和发令员。它把繁琐的等待、检索、准备都包揽了，但不会越权。
5. 用强目标给AI一把可自测的尺子
持续运转的AI需要清晰的方向。白皮书第9节专门讲了设定目标的区别。一个弱目标和强目标的对比，用表格展示会更直观：
| 弱目标 | ||
| 强目标 |
白皮书里有一个具体的案例：将Python的Rich库移植到Rust。强目标不是“移植库”，而是移植后能够通过原始的单元测试。这套测试就不再只是检查代码的对错，它成了整个任务的客观标准。AI会自己跑测试来确认是否完成，这种可验证的闭环，使得无人值守下的多次循环不至于跑偏。
6. 遥控与侧面板：人随时可以介入
持续循环最容易带来的焦虑是“AI会不会乱跑”。Codex给了两个直接的控制手段：Remote control（远程控制）和Side panel（侧面板）。
远程控制让循环变得便携。你在电脑上启动一个长任务，然后可以走开，用手机查看AI找到的阶段性结果，回答一个问题，批准下一步，或改变方向。它不是让你放弃审查，而是让你在恰当的时点介入，不必整段盯守。
侧面板则让工作产物没有离开过对话。Markdown文档、电子表格、CSV、PDF、幻灯片、甚至小型网页应用，都可以直接在对话旁边的面板中打开、预览、评论、编辑。评论可以变成指令，工具结果直接成为下一轮上下文。也就是说，工作、反馈、修正，都发生在同一个地方，不会散落在十个不同窗口里。
把这几点拼在一起，我们看到的不再是一个只会应答的聊天机器人，而是一个能持续运转的工作系统。长跑式工作不再需要人时刻在场，但方向盘始终握在你手里。
? 点击「阅读原文」查看最近24小时更多AI热点新闻、社媒焦点、大V深度分享
? 关注公众号，获取定期推送的最新最重磅AI信息
