ChatGPT Work + Codex 个人操作系统教程

ChatGPT Work + Codex 教程

-- 当 AI 能造出任何东西之后，人类唯一剩下的工作，是搞清楚自己不喜欢什么，并把它精确地变成语言！ https://www.youtube.com/watch?v=ydTeb_I0b94

来自 @petergyang 对 @jxnlco (DevEx at OpenAI) 的专访分享，演示了他如何把 ChatGPT Work + Codex 改造成自己的个人操作系统，让邮件、Slack、日历、Linear、值机、购物、学打鼓全在里面跑！

# 视频中抽取出的五个洞察

1. 通用工作 agent 是 coding agent 的一层皮肤 ChatGPT Work 和 Codex 是同一引擎的两种视图，Work 只是把 git 和代码藏了起来。原因是文件、脚本、可验证的执行结果本来就是"行动能力"的地基——所以做生产力工具，最好的起点是一个很强的 coding agent。

2. 上下文要落在文件里，不是对话里 他只有十来个 pinned thread，每个当一个 workspace；重要的东西一律让模型写进 notes 目录。唯一的主 project 是一个纯 markdown 的 Obsidian 库，放在 GitHub 上。关键细节：他自己几乎不打开 Obsidian——那是写给 agent 读的记忆层，人类只是顺带能看。

3. 读得越多的 agent，越不该给它写权限 他的 chief-of-staff 每天三次读完 Slack、邮件、Twitter DM、Linear，但不许自动发送，理由是"它一次读了 40 封邮件、100 条消息，我要更外科手术一点"。而在具体任务线程里，他会放手到"测试全绿后自己去 Slack 私信 Andrew"。自动化的授权，是你手动重复要求过 N 次并验证过之后的结果，不是起点。

4. session 历史是可以反过来治理你自己的资产 所有会话存成 JSON，于是他可以问："看过去 400 个 session，哪些 skill 从没用过？该合并哪些？我反复给过什么反馈？"他甚至写了个 self-improve skill 自动做这件事。心智模型是：这和 day-one 招人没区别，不存在写一次就永远完美的 skill。

5. 别让 AI 的产出停在"又一份文档" 购物时他没要 markdown 报告，而是要求"每个产品各开一个标签页"——回来直接点结账。报告需要你再翻译一次成行动，四个 tab 不需要。尽量让输出直接落在你原本就要做决策的那个界面上。

# 咱们都可以学习复制的四件事

heartbeat 起手式（原文）： turn this thread into a heartbeat. I want you to check my emails, my Slack, my Linear every 9am, 1pm, 5pm and just tell me what I need to prioritize.

然后按他的顺序加码：先要求每条带链接 → 接入任务系统 → 让它预写草稿（给你一个点开就填好的链接）。

write-me skill：让它读你过去一周自己写的 Slack/邮件，反推出"怎么像你说话"，再分场景细化（对外 vs 团队、对高管 vs 同事）。语料是你提供的，规则让它自己写。性价比最高的一招。

长任务三文件法：goal.md 是可验证的成功标准（"用 computer use 打开 app，上传这个 video ID，把数据取出来"，做不到就继续干），plan.md 是实现细节，worklog.md 是给人看的日志。两个讲究：别自己写 goal，描述成功标准然后让它自己设目标；goal 必须是文件，这样 scope 变了直接改文件，任务不用停。

用 session 历史清理 skill 库：定期问"哪些 skill 从没被调用过 / 我对哪个 skill 反复给过同样的反馈"。

# 视频中还特别提到了 RESET 的神「Tibo」

为什么 Codex 团队更新这么密集、这么贴社区，他把功劳给了 Tibo (@thsottiaux)："每个人都努力，但 Tibo 是真的在乎，而且他跟社区的互动方式很好，这个东西会往下渗透。"他还加了一句我觉得很准确的定位——Tibo 不只是"代表公司面对用户"，也在"代表用户面对公司"。

未来方向：Codex 一直是桌面产品，现在大量能力正在往 ChatGPT Work 的云端迁移，automation 会跑在云上而不是你的机器上。

再往后是语音——他大量使用听写，还提到主持人想要的"给自己的 Codex 打电话下指令"这个功能。