Matthew Berman 的 Codex 工作流：模型、任务、目标与安全

摘要

30 秒看懂

Matthew Berman 结合自己的 Codex 使用经验，介绍如何选择模型和推理强度、协调任务、维护 AGENTS.md 指令，以及使用浏览器工具、技能和目标。他演示远程控制，并在提及一起被报道的误删文件事件后讨论钩子和审批设置。本视频由 Zapier 赞助。模型排名、价格、界面步骤和产品可用性反映视频发布时的情况与配置；钩子和自动审批不能保证绝对安全。

1根据任务选择模型Berman 比较不同推理强度下的 GPT-5.6 Sol、Terra 和 Luna，并解释他在成本与能力之间的个人取舍。
2跨任务委派他演示一个独立的项目任务，并建议用一个任务监视其他任务，前提是相关控制能力和权限可用。
3重新检查指令模型变化后审查 AGENTS.md 中过时的规则，避免无限累积指引。
4浏览器与技能Berman 演示在浏览器中整理文件，并说明可复用技能如何增加工作流。
5围绕目标迭代他的示例反复运行私有基准并修复失败项，直到达到指定分数。
6钩子与审批他建议在工具执行前检查危险操作，并建议大多数用户使用审批模式，同时强调无限制访问的风险。

要点建议

Berman 根据任务难度选择模型和推理强度，参考的是一张特定的成本与分数图，而非通用排名。
独立任务和项目指令可以帮助委派工作，但可用性与权限取决于环境。
审查 AGENTS.md 和可复用技能，使指令保持与当前项目相关。
目标可以跨多次迭代持续追求明确结果，例如将私有基准提高到目标分数。
远程访问让手机能够引导连接主机上的工作，而实际工作仍在该主机运行。
钩子和审批审查是有用的防护层，但都无法阻止所有破坏性操作。

主题编程智能体开发流程与测试 Agent skills 安全 Model routing & gateways

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

选择模型与推理强度

Berman 用成本与分数图解释自己偏好的 GPT-5.6 配置，并讨论快速模式当时的速度与成本取舍。

使用 Codex 超过一千小时后，我总结了一些对新手和有经验用户都有帮助的技巧。视频反映的是我在 2026 年 7 月的配置与偏好；产品界面、可用模型和价格可能变化。

GPT-5.6 系列提供 Sol、Terra 和 Luna、不同推理强度以及快速选项。我用 Artificial Analysis 的成本与分数图比较配置：分数越高、成本越低越有吸引力。在这张特定图表中，最大推理强度的 Luna 分数高于高强度的 Terra，成本也更低；这是针对该基准的比较，不能证明它在所有任务中都更强。

幻灯片 1 / 5成本与基准分数图表使用特定智能指数和单任务成本比较不同 GPT-5.6 模型配置。

对于最难的问题，我通常选择 Sol，推理强度常设为 high；较简单的任务则偏好 Luna 的 high 或 extra-high。如果时间充裕，我通常不用快速模式，因为在我的使用场景中，它的成本约为 2.5 倍，速度约为 1.5 倍。这些是我当时的观察，并不能保证适用于其他方案或工作负载。

我展示一条 AGENTS.md 指令，将部署交给使用指定模型和推理强度的独立项目任务。其思路是为范围明确的工作选择较便宜的模型，同时由原任务负责协调。这类委派取决于环境中的工具、项目权限和用户指令。

任务、委派与 AGENTS.md

他演示一个项目范围内的独立任务，并介绍如何协调多个任务。他建议审查过时的项目指令。

幻灯片 2 / 5部署任务的项目指令示例展示一条 AGENTS.md 规则，将部署流程交给另一个项目任务。

在演示中，我让一个任务以简单的问候提示启动另一个任务，然后打开新任务查看回复。我还建议使用一个协调任务来监视并行工作，并在某项任务停滞时跟进。能否访问其他对话以及是否有权向其发送消息，取决于产品和具体上下文。

模型发布后，我建议审查 AGENTS.md，查找可能已经不再有用的旧规则。我让 Codex 找出过时指令并清理。移除失效指引时，应保留长期有效的项目要求：这些文件会影响智能体获得的上下文。

Zapier 赞助与浏览器使用

Berman 说明 Zapier 是视频赞助商，并介绍其 MCP 集成。随后他演示在浏览器中整理文件。

本视频由 Zapier 赞助。我展示它在 Codex 插件设置中的 MCP 集成，并介绍连接 Gmail、Trello、Asana 和 Google Docs 等服务。Zapier 称其平台连接数千种应用；可用操作、权限和可靠性取决于具体集成及配置。

我越来越多地将 Codex 浏览器用于网站测试以外的工作。在示例中，我让它创建归档文件夹并将两份文档移入其中；我还提到曾用它修改 DNS 和调整 Supabase 实例规模。浏览器的可用性和导入选项因版本而异，授予权限时也应考虑它能访问哪些已登录账户。

技能与持续目标

Berman 推荐可复用技能并展示循环库。他的示例使用目标，通过反复迭代提高私有基准成绩。

技能为智能体打包可复用的指令和资源。我推荐了一些有用的编程技能，并演示让 Codex 根据仓库 URL 安装技能。技能可以改善重复工作流，但安装前应审查其来源和指令。

Codex 目标支持围绕明确结果持续工作。我展示了包含示例提示的循环库，以及我用于查找或起草循环的 Loopy 技能。我可以指定目标，让智能体经过多轮迭代继续工作，而不必每次只发送一个孤立提示；过程仍受其约束和必要用户输入的影响。

幻灯片 3 / 5循环库和 Loopy 技能Berman 的页面收集了带检查与停止条件的智能体循环示例。

幻灯片 4 / 5提升基准成绩的目标提示要求智能体针对基准失败项反复迭代，直到分数达到指定目标。

我的示例目标要求 Codex 运行私有基准、检查失败项并持续迭代，直到分数达到 90%。我提到，在我的项目中，运行最长持续 12 小时，成绩从约 70% 提升至 90%。这是我使用私有基准的经验，并不保证每个目标都会收敛，也不意味着更高分数涵盖所有真实场景。

远程控制与安全

他演示将手机连接到本地计算机，并以一则误删事件、工具执行前钩子和审批设置收尾。

我演示通过连接设置，将手机与 Mac 上的 Codex 应用配对。配对后，移动界面可以启动或引导连接主机上的工作；工作本身仍在那台计算机上运行。OpenAI 的 [Remote 指南](https://developers.openai.com/blog/mastering-codex-remote-for-engineering)将主机选择和审查列为该工作流程的一部分。

Berman 引述 Matt Shumer 关于智能体意外删除大量文件的报告，随后转向安全问题。他建议的工具执行前钩子会在运行前检查命令，并阻止某些破坏性模式，例如删除关键目录或擦除磁盘。这是一层防护，并非完整的安全边界：简单的模式检查可能漏掉其他命令和执行路径。

钩子可以按项目需求定制，并应在实际运行环境中测试。Berman 表示自己使用无限制访问，但不建议大多数人这样做；他建议使用能够审查潜在不安全操作的审批模式。自动审查也可能出错，因此适当的权限、人为审查和可恢复备份仍然重要。