OpenAI 最近釋出了一篇有意思的部落格，講的是開發者 Jason Liu 如何把 Codex 用到了極致——不是寫一個小指令碼，而是跑通一個跨越多次對話的長期專案。聽起來像是黑魔法，但核心思路其實很務實：上下文管理。
每個用過 AI 編碼助手的人都有過這種體驗：對話長了，模型開始忘記前面的設定。但 Codex 的 長上下文視窗 給了新可能。Jason Liu 的方法不是硬塞所有內容，而是巧妙地讓上下文自然延續。
核心思路：把延續性當作第一性原理
Jason 的做法可以理解為：不要讓每次對話都從零開始。他在單次對話中就開始 構建專案的「記憶錨點」——比如用註釋標記關鍵決策、記錄當前進度、甚至儲存一份簡短的架構草圖。這些資訊在後續對話中作為上下文餵給 Codex，模型就能無縫銜接。
聽起來簡單，但實際執行需要一點技巧。部落格裡提到，他會定期讓 Codex 自己總結當前狀態，然後把這個總結貼上到下一個對話的開頭。相當於給模型做了個「腦圖」，告訴它我們已經走到哪一步了。
三個關鍵技巧，來自實際打磨
- 定期摘要：每完成一個子任務，就讓 Codex 用 3-5 句話描述當前進展、待辦和上下文依賴。
- 顯式標記：在對話中加類似
#CONTEXT: 已完成模組A，下一步是B的註釋，方便自己和模型快速定位。 - 任務分塊：把整個專案拆成邏輯獨立的階段，每個階段用獨立的對話啟動，但共享上下文摘要。
這些技巧的價值在於，它們不依賴任何新功能，而是對現有能力的深度挖掘。Jason 坦言，自己花了幾個專案才摸索出這套流程。
對開發者的實際影響
這篇部落格最重要的啟示是：AI 編碼助手的長上下文能力不是噱頭，而是可以實實在在用來處理真實專案的。對於那些經常需要多輪除錯、跨檔案重構、或逐步迭代的開發者來說，學會「餵養」上下文能顯著提升效率。
當然，Codex 目前還是面向專業開發者的工具，需要一定的 prompt 工程經驗。但 Jason 的經驗表明，只要方法得當，即使是個人專案也能從中受益。
最後給三個實用建議：第一，從一個小專案開始練習上下文延續；第二，每次切換對話前，一定要讓模型輸出狀態摘要；第三，不要怕重複，上下文是越喂越聰明的。
評論
暫無評論
成為第一個評論的人