OpenAI’s Codex Workflows for Knowledge Work

GPT-5.6 与 Codex 融合：知识工作的新黄金标准

OpenAI 近期发布的 GPT-5.6 Sonnet 模型与 Codex 的结合，被内部专家视为当前 知识工作（Knowledge Work） 的“黄金标准”。这一组合在 性能、可用性和速度 之间取得了极佳平衡，使其成为协作工作的理想选择。尽管 GPT-5.6 Sonnet 是面向所有人的前沿模型，但其实际应用场景已远超传统的软件开发领域。在 OpenAI 内部，从 财务、招聘到销售，每个团队每天都在利用 Codex 处理各类任务。这种广泛的使用表明，Codex 不再仅仅是开发者的工具，而是成为了全员提升效率的核心平台。

“我认为 ChatGPT、Codex 和 GPT-5.6 的结合是我心中知识工作的黄金标准。这是我除使用 Fable 外花费所有时间的地方。”

这种转变源于 OpenAI 对用户体验的重新思考。对于非技术背景的用户（如销售或财务人员），他们并不希望看到底层的代码逻辑，而是希望获得更简洁的交互界面。因此，ChatGPT 推出了新的 Work Agent（工作代理），允许用户连接日常使用的各种工具和服务，直接在 ChatGPT 界面中完成电脑上的各类工作。这种设计降低了技术门槛，使得 非开发人员 也能利用强大的 AI 能力进行深度工作。

统一界面：ChatGPT 与 Codex 的无缝协作

对于熟悉 Codex 的用户而言，新的 ChatGPT 界面并非要取代 Codex，而是为其提供了一个 专属空间。Codex 用户可以直接留在 Codex 标签页中处理所有工作，而无需切换应用。这种统一界面的设计解决了以往工作流中的痛点：过去，用户可能在 ChatGPT 中进行头脑风暴或深度研究，然后不得不手动将结果复制粘贴到 Codex 中进行构建。现在，用户只需在对话中 @提及 相关线程，即可无缝启动构建过程。

“现在有一个统一的界面，所有这些任务和线程都相互连接。你可以从 ChatGPT 开始头脑风暴，甚至进行深度研究，当你准备好构建时，只需 @提及该线程即可立即开始对话。”

这种 跨线程的互操作性 极大地提升了工作效率。工程师们不仅使用 Codex 进行编码，还用它来撰写文档、解释工作内容以及跟踪来自 Slack 等不同来源的项目进展。OpenAI 工程师本人也证实，他们在 Codex 中进行了大量的 知识性工作，而不仅仅是代码编写。这种灵活性使得 Codex 成为一个多功能的生产力中心，适应了现代知识工作者多样化的任务需求。

持续迭代与 Agent 工作流的普及

OpenAI 保持着每周四发布新功能的节奏，过去 10 周如此，本周也不例外。除了为 GPT-5.6 Sonnet Ultra 提供 最大推理预算 以支持更复杂的任务外，还引入了 行内代码编辑 和直接在 ChatGPT 应用中 审查 PR（Pull Request） 等新功能。这些更新表明，即使对于开发者，Codex 的功能仍在快速扩展。

更引人注目的是 Agent 工作流（Agent Loops） 的普及。过去，构建自动化工作流是开发者的专属领域，但现在，非技术人员也能通过委托任务给 AI 来利用这种杠杆效应。例如，有用户表示在过去两个月内几乎未手动处理邮件，而是由 GPT-5.6 在 Codex 中根据用户偏好自动回复，用户仅需进行微调。这种 委托式工作模式 让非技术用户也能体验到自动化带来的巨大效率提升，尽管构建和维护这些工作流本身仍需一定精力，但其带来的 杠杆效应 是前所未有的。

“这是第一次，Agent 工作流对非开发人员可用，你可以实际委托任务并让 AI 在你监督下完成大量工作。”

尽管有观点认为其他模型（如 Fable）可能在某些编程能力上更强，但 GPT-5.6 凭借其 极高的可用性，使得非技术人员能够有效地进行任务委托。这种平衡使得 GPT-5.6 成为当前知识工作中最实用、最强大的工具之一，标志着 AI 从“辅助编码”向“全面工作代理”的关键转变。

GPT-5.6 的自主性与并行处理能力

GPT-5.6 展现出一种高度独立的工作特性，特别是在结合 Computer Use 和 Chrome 扩展时，能够端到端地完成任务并自我验证。这种自主性使得用户无需像过去那样进行频繁的“循环”式干预，模型能够自然地交叉检查工作成果。在实际应用中，这种能力允许用户并行运行多个任务，因为模型在后台自动处理细节，用户只需等待最终结果即可，从而大幅提升了知识工作的效率。

"I've noticed this myself where like yesterday I was running five or like six tasks in parallel because you know it was just getting the job done at a level where I'm like I don't have to tend this at all."

这种无需持续监控的工作流改变了人机协作的模式。对于尚未完全适应 AI 驱动工作流的用户来说，这种自然交叉检查机制减少了认知负担，使得复杂任务的处理变得更加流畅和可靠，用户可以将精力集中在更高阶的决策而非执行细节上。

文档重构与可视化功能的自动化案例

在 OpenAI 内部，GPT-5.6 被用于彻底重构 Codex 文档，将内容从 developers.ai.com 迁移至 learn.gpbc.com。这一过程不仅仅是文本搬运，而是通过AI 重建实现了体验升级。例如，文档中的组件不再使用静态截图，而是由 GPT-5.6 接收截图指令后，交叉引用代码库，直接重建为实际的 HTML 组件。这种从静态展示到交互式代码的转变，极大地提升了文档的可玩性和实用性。

更令人印象深刻的是可视化功能的开发。GPT-5.6 能够分析视频博客草稿，通过 Chrome 扩展检查视频帧，提取屏幕截图，理解交互逻辑，并据此构建完整的交互式演示。这一过程原本需要耗费大量人力进行多轮迭代，但凭借模型的高度自主性，它能够自动完成从视频分析到前端代码生成的全过程，展示了 AI 在复杂内容生成方面的巨大潜力。

"It actually inspected the video using the Chrome extension, figured out all of the necessary parts, took screen caps of like different frames, and then figured out how does like the interactions actually work."

模型能力边界与 OpenAI 的研发理念

随着模型自主能力的增强，用户面临的挑战从“如何操作”转变为“如何理解模型刚刚做了什么”。因此，可视化叙事成为关键，它帮助用户建立对 AI 行为的心理模型。OpenAI 坚持研究与部署并重的理念，通过开源的 Codex Harness 确保模型不仅能长时间可靠运行，还能以令人愉悦的方式解释其工作过程。这种平衡使得前沿智能真正变得可用且易于理解。

GPT-5.6 的 Computer Use 功能已被视为基本解决，其速度极快，能够启动代理来处理模糊或复杂的任务。模型能够理解用户意图，使用自己的光标在用户的 Chrome 标签页或应用程序中导航，而用户可以在后台继续工作，待任务完成后进行检查。这种无缝集成的工作方式极大地提升了生产力，使得 AI 代理成为日常工作中不可或缺的助手。

"Computer use is basically solved at this point it's so much faster and the fact that you can like spin up agents to delegate tasks that can be quite like nebulous."

从聊天机器人到操作系统：Codex的主动性变革

OpenAI的Codex不仅仅是一个代码生成工具，它正在重塑知识工作者的日常运作模式。对于许多尚未将Codex纳入核心工作流的人来说，这代表了一种全新的协作方式。正如演讲者所言，“Codex是我100%的操作系统，今天它基本上为我运行着一切”。这种转变的核心在于Codex的主动性（Proactivity）和上下文感知能力。它不再被动等待指令，而是深度集成到Slack、Gmail、Outlook以及Microsoft Office套件（Excel、PowerPoint）和Google Workspace（Google Slides）中。这种全系统的连接使得Codex能够自动收集上下文，从而在用户开始工作前就提供必要的信息和预草稿。

这种集成带来的最大价值在于“始终在线”的状态感知。例如，演讲者的“幕僚长”角色由Codex承担，它每天早晨会自动检查关键Slack频道，识别演讲者可能滞后或需要关注的项目，并直接提供指向相关代码或文档的链接。这种“预起草”功能极大地减少了信息搜集的时间，让知识工作者能够迅速进入深度工作状态。通过这种方式，Codex帮助团队从传统的被动响应模式转变为主动式的工作流管理，显著提升了整体效率。

财务闭环自动化：从五天到五小时的效率跃迁

在复杂的财务分析场景中，Codex展现了处理多源数据异构性的强大能力。以每月的财务结算（Close the books）为例，传统流程涉及大量的手动操作：会计团队需要花费两天时间进行分配，随后战略财务团队需要额外一两天时间审计产品使用情况（如Pro用户行为、图像生成使用量等），最后将数据从数据湖或Excel导出至Google Sheets，再链接到Slides中制作报告。这一过程原本需要近五天的人力投入。

通过构建自定义托管应用，Codex实现了从数据湖直接到可视化报告的自动化流程。这一变革的关键在于数据配对与整合能力。无论数据存储在数据湖、Google Sheets还是Excel中，Codex都能自动识别并关联这些数据源。对于拥有强大数据工程团队的团队，Codex可直接与数据湖交互；对于数据分散的团队，它也能无缝处理表格文件。最终，原本需要五天完成的工作被压缩至五小时，实现了80%以上的效率提升。尽管这一过程并非一蹴而就，需要一周到两周的调试和学习，但一旦建立，其准确性可达95%至98%，剩余部分仅需人工进行定性审核。

技能内化与内部插件：知识工作者的软件工程师化

这一自动化流程并非由专门的工程团队开发，而是由战略财务人员利用Codex在业余时间构建的。演讲者透露，他在三月份的晚上花费了一个月的时间，通过与Codex的迭代交互，逐步构建并优化了这一工作流。这一案例揭示了一个重要趋势：知识工作者正在通过Codex获得软件工程能力。通过“代码化”学习过程，团队将特定的财务逻辑和数据处理技能“固化”在Codex中，使其随着使用次数的增加而越来越精准。

“不要将知识工作者框定在特定角色中……只需几个月，你就能做到几乎任何事情。”

这种模式不仅优化了财务团队的工作体验，还促进了内部工具的标准化。目前，团队正在将这套方法论复制到其他业务领域，并开发内部插件，旨在将这种高效的自动化能力推广至企业级应用。这不仅提升了战略财务团队的生产力，也为最终用户提供了更流畅的产品体验。这种“边用边学、技能内化”的模式，标志着知识工作者从单纯的使用者转变为工具的构建者和优化者，真正实现了“70%-80%的初始效率，通过数月使用提升至90%以上”的长期价值增长。

动态仪表盘与交互式导览设计

该案例展示了一个基于 OpenAI Codex 构建的计算成本与利润分析仪表盘，旨在替代传统的静态幻灯片。系统核心包含概览标签页、层级视图以及详细的 GPU 成本归因分析。例如，用户可以查询特定账户（如 Plus 账户）运行图像生成任务所需的 GPU 资源及成本影响。这种后端数据整合能力不仅支持定量分析，还能自动生成定性评论草稿，实现从数据到洞察的自动化流转。

"We're not doing we're not using like the traditional slides anymore... these are virtual slides built into this dashboard."

为了降低团队对新软件的认知门槛，开发者引入了一只交互式吉祥物（Mascot）。这一设计灵感源自 Codex Pets，其背后运行着一个基于技能的问答工厂（Q&A Factory）。该吉祥物能够引导不熟悉系统的团队成员导航仪表盘，并实时回答操作问题。这种设计将复杂的后台逻辑转化为直观的对话式交互，显著提升了内部工具的用户体验。

逆向工程工作流与技能迭代

在构建此类复杂系统时，开发者强调避免“一次性构建”（oneshot）的思维陷阱。正确的策略是逆向工程现有流程：首先让 AI 以传统方式执行最复杂的月度任务，同时收集所有相关文件、Slack 频道上下文及过程数据。随后，将这些重复性操作固化为“技能”（Skills），通过递归方式优化 Agent MD 文件。

"Don't be scared to try to figure out how all this stuff works... stay organized on the back end try how to recursively improve your skills."

这种迭代过程涉及将 AI 视为自我的延伸，而非简单的自动化工具。开发者建议将 AI 视为需要训练的“另一个自己”，通过持续反思和精炼技能，逐步构建出能处理跨项目协调的 Agent 系统。这种渐进式的方法虽然初期投入时间较多，但能确保系统的稳定性和适应性，最终实现从手动操作到自动化协作的平滑过渡。

自动化协作与信任机制

该仪表盘最终实现了月度数据的自动更新与协作编辑。每当新月份数据入库，下拉菜单自动更新，所有幻灯片内容随之刷新，团队仅需最后编辑评论部分。这种模式将静态报告转变为动态协作中心，团队成员可在发布前共同审查内容，最终由 Codex 导出至 Google Slides 以满足董事会对内部数据安全的访问限制。

"Don't just try to like oneshot this like gigantic system allin-one. Do it just in time."

对于金融等高风险行业，信任机制是采纳 AI 工具的关键摩擦点。开发者建议采取“即时构建”（just-in-time）策略，针对工作中遇到的具体痛点逐步开发技能，而非试图一次性解决所有问题。通过并行处理当前任务与构建未来辅助系统，团队可以在不干扰日常工作的情况下，逐步建立起对 AI 输出结果的信任与依赖，从而实现工作效率的实质性提升。

AI 模型在知识工作中的核心缺陷与信任建立

在使用 AI 模型处理大量数据时，主要存在两个普遍问题：幻觉和遗漏。虽然随着技术进步，幻觉（Hallucinations）现象已大幅减少，但模型仍偶尔会生成数据中不存在的事实。相比之下，遗漏（Missing Information）更为常见，尤其是在面对海量数据时，模型可能忽略特定文件或邮件。因此，建立对软件的信任并非一蹴而就，而是一个类似招聘分析师的渐进式过程。用户需要接受初期模型不完美的事实，并通过持续的反馈循环来纠正错误。

"It's the same way if you hire an analyst and they're kind of coming up to speed. They're going to get stuff wrong. It won't be perfect."

这种信任建立机制依赖于周期性评估与纠正。当模型出现错误时，用户需明确指出问题所在，教导模型避免重复此类错误。这一过程类似于监督学习，通过不断的“观察-纠正”循环，逐步提升模型的准确性和可靠性。用户需认识到，初始阶段的工作量并未减少，因为需要投入时间进行训练和调试，但长期来看，这种投入将带来显著的效率提升和准确性增长。

性能跃升与技能迭代机制

在技术层面，GPT-4o Ultra 模式的开启带来了显著的性能提升，其子代理（Sub-agents）功能允许模型同时处理任务的不同部分，实现了真正的多任务处理。这种架构使得 AI 能够并行执行复杂的工作流，极大地提高了处理效率。然而，性能的提升并非终点，关键在于如何通过技能迭代来固化这些能力。用户通过提供具体的反馈，如指出输出格式或设计逻辑的错误，帮助模型更新其内部技能库。

"GPT-4o with Ultra turned on is extremely... a big step up and the sub-agent use is kind of built in which is just incredible."

这种迭代过程被描述为“一次性思维”（Oneshot mindset）的修正版。用户不应期望模型第一次就完美无缺，而应关注其累积曲线（Compounding Curve）。初期准确率可能仅为 70%，但随着反馈的积累，准确率可逐步提升至 85%、90%，最终达到 95%。这种非线性增长意味着，虽然初期需要投入大量时间进行训练，但一旦模型掌握了特定领域的逻辑，其后续表现将趋于稳定且高效。用户通过“观看与回放”（Watch and Replay）功能，记录模型的正确思维路径，从而固化这些技能，确保错误不再重演。

具体案例：Google Drive 审计技能

以Google Drive 审计技能为例，该功能在内容发布前自动审查文档，检测指标在不同文件间的一致性。例如，当备忘录中提到的指标与链接的幻灯片或 Excel 表格中的数据不一致时，AI 能够追踪并指出错误。这一功能的实现依赖于用户初期的思维引导。用户首先演示如何追踪指标和遍历文件，随后利用“观看与回放”功能记录这一过程，使模型学会特定的审计逻辑。

"Before we ship anything, we're able to basically audit a document and look for any inconsistencies between a metric that's maybe mentioned on a memo... and an Excel or linked to a G sheet."

这种技能具有可复用性和可更新性。通过不断更新项目的 Markdown 文件，用户可以定义特定的行为准则，如“在发送前必须经过人工审核”。这种基于规则的治理确保了 AI 在自动化流程中的安全性。例如，在首席财务官（CFO）频道中，AI 可以自动处理数据请求，但关键输出需经过人工确认，从而避免错误信息直接发送给高层管理人员。这种人机协作模式既利用了 AI 的效率，又保留了人类的关键控制点。

项目文件夹与技能治理体系

为了管理复杂的 AI 工作流，建议采用项目文件夹结构，将特定主题的技能集中管理。每个项目文件夹包含一个 Markdown 文件，用于定义该项目的特定技能和行为准则。当新数据（如 Slack 消息）进入时，AI 会根据项目文件夹中的规则自动启动相应的工作流。这种模块化设计使得技能可以在不同项目间复用，也可以针对特定项目进行定制。

"You can constantly update the like MD like the agents MD file for that project folder... It's only as good as the skills you make it."

这种治理体系的核心在于指令的精确性。AI 的行为完全取决于用户提供的指令和技能定义。通过精心设计的 Markdown 文件，用户可以严格控制 AI 的输出范围和流程，确保其不会越权操作。例如，可以设置 AI 仅在特定条件下启动任务，或在输出前进行多重验证。这种细粒度的控制使得用户能够放心地将重复性高、逻辑明确的任务交给 AI，从而释放人力去处理更具创造性的工作。最终，这种长期投入带来的回报是显著的：AI 能够在用户阅读之前就开始处理信息，极大地提升了工作效率。