Codex-maxxing: 将 AI Agent 转化为持久的运行循环

对于大多数开发者来说，AI agent 传统上被用作事务性工具：你提供一个提示词，agent 生成一个 diff 或一段代码片段，然后交互结束。然而，一种向 "Codex-maxxing" 的转变正在发生——这种实践不再将 AI agent 视为一次性的聊天界面，而是将其视为持久的运行循环，在长期工作流中维护状态、记忆和自主性。

这种方法将 agent 从编程助手转变为数字幕僚长（Chief of Staff），能够在人类操作员离线时管理知识工作、监控通信并执行复杂目标。

超越事务性提示词

标准 AI 交互的核心局限在于 "one prompt, one answer" 循环。为了打破这一点，工作流必须转向以持久线程和持续引导为特征的运行循环。

持久线程与压缩

与其重新开始新的聊天，不如采用维持特定工作流的固定 "megathreads" 的策略（例如，幕僚长线程、SDK 开发线程或项目监控线程）。为了防止这些线程变得臃肿或成本过高，可以使用 compaction（压缩）来压缩长期运行的历史记录，同时保留核心偏好和决策。

实时引导

Steering（引导）允许用户在 agent 仍在执行工具调用时注入方向。与其等待任务完成，你可以排队一系列优化请求——"make this smaller"、""fix this copy"、"open a PR"——从而有效地实时塑造 agent 的意图。这使得交互变成了一种流动的意识流，而不是停停走走的流程。

构建共享记忆系统

只有当 agent 获取的知识不被困在单个对话中时，长期运行的线程才有用。目标是将线程层级的学习序列化为持久、可检查的产物。

Obsidian Vault 模式

一种非常有效的方法是使用 Obsidian vault（存储为 GitHub 仓库）作为 agent 的永久家园。通过维护一个包含高层级指令的 AGENTS.md 文件，agent 可以更新项目状态、跟踪人员，并在不同线程之间关闭开放循环。

使用 Git repo 进行此 vault 的管理提供了两个关键优势：

云端可访问性： agent 可以跨不同环境工作。
基于 Diff 的审查： 当 agent 更新 vault 时，人类可以查看 Git diff 来确切地实现在 agent 认为足够重要而记住的事情。

正如社区成员所指出的，这一审查步骤至关重要。如果没有它，agent 可能会 ""cheerfully claim""（愉快地声称）已经更新了记录，但实际上并未这样做。将 agent 的摘要视为一种 ""wish""（愿望）并根据实际文件系统 diff 进行验证，可以确保记忆成为事实的唯一来源，而不是一堆 ""plausible-looking entries""（看起来合理的条目）。

通过 Heartbeats 和 Goals 实现自主性

当 agent 可以在没有直接触发的情况下采取行动时，真正的生产力提升才会出现。这是通过 Heartbeats（心跳）实现的——即调度定期检查的线程本地自动化任务。

幕僚长循环

A Heartbeat 可以被配置为每 30 分钟检查一次 Slack 和 Gmail，研究针对新问题的回答，并准备草稿。这消除了收集上下文的 ""expensive""（昂贵）部分，让渡给人类只需进行审查并发送最终响应。

跨工具编排

Heartbeats 允许 agent 跨越工具边界。例如，一个循环可以监控 Slack 线程以获取反馈，触发 Remotion 中的工具调用，然后使用 @computer (GUI 控制) 将新文件上传回 Slack。这使得 agent 从聊天机器人转变为维持项目进度的后台进程。

目标导向执行

虽然 Heartbeats 处理的是循环性任务，但 Goals（目标）处理的是完成度。一个强大的目标需要一个可验证的成功标准。例如，将一个库从 Python 迁移到 Rust 并不是一个 ""wish""（愿望），如果目标定义为 ""pass all original unit tests""（通过所有原始单元测试）。测试套件充作为效验器（oracle），提供了一个 agent 可以自主地冲刺的明确终点线。

侧边栏：新的工作空间

AI 界面演进的方向是向侧边栏移动，即实际发生工作的地方。这不仅仅是为了预览；它是为了与实时产物进行交互：

Static Artifacts（静态产物）： 直接渲染 Markdown、CSV 和 PDF 以进行标注。
Web Surfaces（Web 界面）： 使用 $browser 控制 index.html 文件、Storybook 或 Slidev 演示文稿。这允许 agent see 看到用户所见，并对空间标注做出响应（例如，"make this bounce"）。

批判性视角

虽然自动化的潜力巨大，但社区对于这种程度的集成的含义仍存在分歧。一些人认为这是一种 ""LLM psychosis""（LLM 精神病）——把更多时间花在照看 agent 而不是产生实际成果上。其他人则对使用 AI 撰写个人通信表达了 ""dystopian""（反乌托邦）的担忧，认为将 AI 生成的草稿作为自己的话语呈现，会侵蚀专业关系中的真实性。

最终，向 "Codex-maxxing" 的转变代表了向更集成、更系统化的 AI 方法的转变——agent 不再是你调用时使用的工具，而是一个持久的协作伙伴，它生活在你的文件中，监控你的通信，并维护你工作的状态。