Jason Liu 的 Codex 工作流：工作、技能与练鼓应用

OpenAI Codex 团队的 Jason Liu 向 Peter Yang 展示如何组织工作、维护技能和构建个人练鼓应用。这些内容反映他在录制时的工作方式和产品体验。本期由 Google AI Studio 赞助。

Liu 将 ChatGPT Work 描述为类似智能体体验中面向工作的视图，而 Codex 会显示更多代码变更和拉取请求等细节。对于日常整理，他选择中等推理强度；对于较复杂的应用工作，他表示可能选择更高强度。这些是个人偏好，并非永久适用的产品建议。

他围绕置顶的长期对话和基于 Markdown 的 Obsidian 知识库组织工作。知识库包含项目、人物、笔记和偏好；他会让智能体把重要信息保存下来。他将其视为访问其他代码仓库和项目的起点。

他的日常工作助理自动化会按计划汇总 Slack、邮件和任务看板等来源的信息。他表示，自己逐渐增加了来源链接和预写草稿等功能。他的配置可以自动完成一些操作，但他区分了广泛摘要与需要更具体指令的场景。

Liu 建议，一个简单起点是要求定期检查选定信息源并列出优先事项。之后再逐步改进：要求提供链接、明确重要任务、调整草稿准备方式。他说自己的工作流是慢慢发展起来的，并非一开始就全部配置完成。

他的写作技能使用自己以往消息作为例子，捕捉表达风格，并区分同事、外部用户和高管等对象。他会定期检查和合并技能，有时让智能体查阅先前对话，寻找反复出现的反馈。这些改变需要持续迭代，也依赖能够获取相关材料。

浏览器工作方面，Liu 介绍使用已登录的浏览器和多个标签页进行研究。在一次购物示例中，智能体打开候选商品，他自己比较并结账。他也通过电脑操作处理表单和测试应用；可用集成和界面可能随时间变化。

Liu 的练鼓应用随着需求逐渐明确，经过约一周开发。它包含练习模式和可调节速度；他演示了一个四肢协调网格。他还设想将鼓独奏拆成练习片段，应将这一点视为目标，而非已完成的功能。

对于长时间运行的工作，他区分了三种文件：目标文件定义可验证的成功标准，计划说明实现选择，工作日志记录进度和障碍。在一个例子中，成功需要打开应用、提供指定视频并检查所得数据。他表示会随着项目发展调整目标。

Liu 认为，构建者可以边做边学：发现页面闪烁或缺少快捷键等具体问题，把问题描述清楚并迭代。他将可执行的反馈与反复笼统要求智能体做得更好区分开来。

他以应用能否帮助自己学习、能否分享给他人来判断练鼓应用的价值。他还希望云端工作能够在笔记本关闭后继续运行。这是他讨论的方向，而不是对所有定时工作流或产品配置的保证。