OpenAI 的 Codex 白皮书,把 AI 长任务拆成了 6 个交接动作
OpenAI 6 月 22 日发了一份 Codex 白皮书，讲的是一件更接近真实工作的事：怎么把一个长任务交给 AI。如今把活交给 AI后，工作流和以前完全不一样了，容易出错的地方也不一样了。以前你让 AI 写一段文案、整理一张表、回答一个问题，错了通常很快能看出来。现在不一样，你把一个稍微长一点的任务交给 Codex、Claude Code、Cursor，它会很快交出一整套东西：计划、页面、文案、代码、表格、下一步建议。结果越完整，越容易让人误判。你会觉得它已经完成了 80%，但麻烦的问题还在后面：它按什么标准做的？哪些地方查过来源？哪些决定是它自己替你做的？哪些结果还没有验证？这份白皮书标题叫 Codex-maxxing for long-running work。它表面上讲 Codex，实际很适合拿来改普通人交代 AI 任务的方式。它给我的提醒很直接：让 AI 做长任务之前，先写清楚 6 件事：工作位置、目标、输入材料、完成标准、人工审批点、过程记录。结构庞大的任务，最容易让 AI 伪装得很完整
以前我们用 AI，任务流比较短：写一段文案，改一封邮件，生成一个表格，问一个知识点，这些任务就算回答错了，通常也能很快看出来。现在不一样了。Codex、Claude Code、Cursor 这类工具越来越像能连续执行的助手，它们可以读文件、改代码、跑命令、查网页、整理材料。任务一长，风险就变了。你不一定能在第一眼看出它哪里错，因为它交出来的是一整个流程，不再只是一个答案。这也是 OpenAI 这份白皮书值得看的地方。官方页面里写，它要解决的是超过单次 prompt 的工作：把目标拆成可验证步骤，在多个工作流之间保持连续性，并判断什么时候交给 Codex 执行，什么时候需要人来监督。这句话对非程序员也有用。现在普通人用 AI 做选题、调研、表格、网页、PPT、项目计划，遇到的是同一类问题：AI 很会往前跑，但你要知道它每一步有没有跑对。OpenAI 提到的第一个方法：让工作有固定位置
白皮书里有一个词叫 durable threads，可以理解成“长期线程”。它的意思是，一些会反复回来的工作，不要每次都重新开一个新对话。比如你在做一个公开项目，里面会不断出现新问题：今天改首页，明天整理用户反馈，后天写发布文案，再过几天看数据。每次重新开对话，AI 都要重新理解背景，你也要重新解释项目状态。长期线程的价值在这里：把上下文、偏好、旧决定和未完成事项留在同一个工作位置里。它更像一个项目工作台，而不是一次性聊天窗口。这里也要写清楚边界，OpenAI 白皮书里提醒过，长线程会带着更多上下文，成本可能高于短线程。我的理解是：不是所有小任务都要塞进长期线程。只有那些你明确会反复回来、需要保留项目状态的工作，才值得这样做。- 公开项目日志：保留每次产品修改、用户反馈和下一步动作。
- 工具研究：持续比较同一类 AI 工具的价格、功能、限制和使用体验。
第二个方法：把记忆写成能检查的东西
白皮书里有一句很关键的提醒：有用的上下文应该变成可以打开、编辑、比较和复用的东西。这里讲的是 memory，不只是让 AI 在聊天记录里“记得”。这个点很实用。很多人让 AI 记住偏好，最后偏好就混在对话里了。过几天你也不知道它到底记住了什么，它根据什么改了输出。更好的做法是让 AI 把重要上下文写成一份可检查的工作笔记：这个项目现在做到哪一步
已经做过哪些决定
哪些任务还没完成
哪些偏好以后要继续遵守
哪些假设还没有验证
这对写作、做产品、做客户项目都很有用。比如你让 AI 持续帮你做 X 长文，它不能只“感觉你喜欢某种风格”。它应该把你的禁用句式、标题偏好、来源规则、段落习惯写成一份能打开看的文件。下次写之前先读这份文件，写完后再根据新反馈更新。这样做会慢一点，但它能减少一种很烦的情况：你以为 AI 记住了，它其实只是临场猜了一下。第三个方法：验收标准要写清楚
白皮书里有一个弱目标和强目标的对比。弱目标大概是“按这个计划实现”，强目标会给出预期行为、检查标准、限制条件和完成定义。这个技巧可以直接搬到普通 AI 使用里。帮我做一个 AI 工具对比表
帮我做一个 AI 工具对比表。只比较 Claude Code、Codex、Cursor、Gemini CLI。每个工具至少确认价格、核心场景、限制和官方来源。最后用 5 行说明哪个适合写代码、哪个适合普通知识工作者。没有官方来源的地方标成待确认。
帮我写一篇关于 AI 赚钱的长文
帮我写一篇 X 长文，读者是已经会用 AI 但还没赚到钱的人。文章必须给出一个低成本起步路径，所有收入数字都要标来源，不能写成可复制承诺。最后给一张 7 天行动表。
帮我改这个网页
帮我改首页首屏。目标是让用户 5 秒内看懂产品做什么。不要改导航和支付流程。改完后列出改动文件、主要文案变化、需要人工点一遍的按钮。
差别不在 prompt 长短，而在任务有没有验收口。AI 做完以后，你能不能判断它达到标准。第四个方法：关键决策点，要由我们来判断
OpenAI 这份白皮书里有几个案例很有意思。比如 Codex 可以定期检查 Slack 和 Gmail，找出可能需要处理的消息，查上下文，起草回复，但最后是否发送，仍然由人决定。这个边界很重要。AI 很适合准备材料、整理状态、跑第一版、找缺口，但一些动作不应该自动放出去。整理资料
起草回复
比较选项
找出遗漏
生成第一版页面、表格或文章
根据反馈改一轮
对外发布
涉及钱的操作
删除或覆盖重要文件
给客户、老板、用户的承诺
法务、医疗、投资等高风险判断
影响品牌和立场的最终表达
这个分层比“让 AI 自动化一切”更适合日常工作。能长期用下去的 Agent 工作流，通常会让 AI 先准备材料，让人守住关键审批点。可以直接复制的长任务交代模板
如果今天只带走一个东西，可以用这张模板。下次不要直接说“帮我做完整项目”，先把任务写成这样：
这个任务属于哪个项目？以后还会不会回来继续做？如果会，把它放进固定线程或固定文档里。AI 可以看哪些文件、链接、截图、数据、旧稿？哪些材料不能用？什么叫做完成？用来源、测试、截图、人工检查、对比表还是清单来验？哪些动作必须先问你？比如发布、付款、删除、发邮件、改重要文件。做完后让 AI 留下三件事：改了什么、为什么这样改、还有哪里没验证。这张模板看起来比一句 prompt 麻烦，但它能把长任务从“抽奖”变成“交接”。普通人读这份 Codex-maxxing 白皮书，先学这一点就够了。OpenAI：Codex-maxxing for long-running work，2026-06-22OpenAI：为长期工作 Codex-maxxing，2026-06-22
OpenAI 白皮书 PDF：OAIWhitePaperCodex-maxxing26
