大数跨境

如何用好 Codex 的一些重要概念和经验

如何用好 Codex 的一些重要概念和经验 跨境米亚
2026-11-13
8

关于 ChatGPT/Codex的应用在今年特别热闹,本文介绍的很详细,有兴趣可以看一看,

第82期跨境米亚社群分享内容:(本文内容)

【分享主题】:如何用好 Codex 的一些重要概念和经验

【分享大佬】:尹少华

【大佬简单背景】:同时搞技术也搞跨境运营,长期从事技术工作,几年前协助其他团队做亚马逊运营,今年公司自己组建团队做亚马逊运营。对 AI 对 Codex 都有深入理解和大量实践经验,无论是编码还是运营,都大量采用 Codex。分享的内容有部分是原理性的,如果能真的理解,比简单的技巧要有用得多。

分享正文

关于 ChatGPT/Codex 的工作方式有三种:传统网页端;桌面端,桌面命令行 CLI。简单说明一下三种工作方式的区别:

网页端:好处是对话内容云端保存,不同地方登录都能看到。但处理文件需要上传下载,无法管理文件,更无法处理系统操作型要求。适合简单对话问答问题,思考强度大了也不适合。

桌面客户端 ChatGPT:按项目目录进行管理,不同类型的工作按不同项目分开,工作空间专注。能够主动理解目录中的文件内容,直接处理文件,工作效率更高。可以直接执行本地命令,几乎什么都可以干。

命令行客户端 Codex-CLI:和桌面客户端类似,功能更强大,有些在桌面端限制的功能,譬如网页操作有时被限制,在 CLI 中都不会限制。对 AI 的管理更强,但是不太友好。如果能适应 CLI 尽量在 CLI 中工作。

强烈推荐使用客户端和 CLI 模式工作,少用网页版。客户端才能发挥 AI 的全部实力,对他强大能力一旦掌握,会极大的提高工作效率。但是要用好客户端模式,需要一些基本的概念理解和好的方法。

安装上,桌面端在 Windows 的市场“Microsoft Store”安装最方便,不用翻墙。命令行 CLI 方式一般需要翻墙和安装 npm,有一定技术能力的根据网上的指导一般能安装,如果不想翻墙也不想装 npm,也有办法。以下是不需要翻墙的原生安装方式:

使用上,如果用 ChatGPT 的官方账号,需要一直挂梯子,维持账号不被封,都不容易。很多人会用中转站,避免梯子、封号等问题,中转站的基本原理就是购买了官方账号后反向代理给其他人用,大多是按量计价,不需要梯子。价格方面有些做得非常便宜,这和他们找便宜的国家地区购买账号,以及利用很多优惠政策有关。

如果用中转站,修改配置文件会难倒很多人,有一些辅助工具可以帮助简化配置工作,推荐我开源的工具,同样不需要翻墙。在中转站注册好账号后,输入 URL 和 Key,工具校验成功后会自动配置好。 

对于 Codex 在本地使用他会记住你的信息,但是需要了解,这并不是说你对话了他就能长期记住你,而是靠文档才能长期记住,绝对不要靠超长的对话让他记住你,这样看起来简单,你和他对话,他理解你整个对话的过程,这是一种错觉。千万要抛弃这种错觉,一定不要进行长对话,对话长了,AI 会突然智商大降。如果遇到这种情况,就要新开对话。

对话长度的控制,专业术语就是上下文管理。AI 在一个对话里面对话多了,他要记忆的内容越来越多,我们也经常听到有宣传说某某模型支持长上下文 512K、1M 多少的,就是说他能记住多少内容。如果对话内容接近或超出了范围,他就会越来越傻,有时候我们不知道为什么AI 变得又慢又傻,可能就是这个情况造成的。Codex 也不是马上就变傻,他能进行信息压缩,即使超出范围了,他把内容压缩一下,又神清气爽了,但我们要理解的是,实际上这种压缩是有损伤的,只是损伤多少没法评估而已。我们还是要尽量控制不要超过他的记忆能力。

如果在 Codex 中工作,可以设置底部的状态栏,观察上下文情况。输入如下信息:

显示的效果如下:

最下面一栏就是刚才让 Codex 自己设置的状态栏,这里很重要的 “Context 88% used”就是上下文占比,接近 100% 他就记不住了,他会进行压缩。会产生类似如下的输出:

“Heads up:...”就是说明他在压缩。压缩后信息有损失,但是比填满要好很多。

那么上下文长了,要怎么办呢?开新会话,利用文档桥接。如果直接开新会话,前面对话的内容就没有了,肯定不是我们想要的,这时应该先在老会话里让他把对话内容形成文档,然后开启新会话后,让他读取前面的文档,继续工作。这比 AI 压缩要好,原因是这时他还很清醒,他能形成好的文档,如果压缩几次后,他已经脑子不清醒了,形成的交接文档也质量不高,我遇到过有个人对话太多,到最后 AI 连总结文档都形成不了了。

譬如,上面这个例子,问题分析清楚了,一般就是趁热打铁进行开发,但是上下文已经接近 80% 了,如果开发肯定就要引发压缩了,这时就要提示他形成文档。然后 /clear 清理当前会话,等效于开新会话继续。例子上有要求 AI 形成文档,后面开新会话后就要 AI 读取文档继续工作就行。

文档不只是会话交接使用,在项目目录中,日常习惯形成文档,积累这些文档,也有利于 AI对我们这个项目的理解,工作更自动。

譬如我想让 AI 自动去网页上帮我做 SEO 优化,我们有个品牌宣传的网站用 wix 做的,要收录到 google 中去,还需要做几十项 SEO 的事情。如果采用对话方式,我就需要一个一个截图告诉他我看到什么,问他该怎么做,然后他告诉我后,我去修改,又是英语又是繁体字很麻烦。

平时我的工作目录中已经有了很多我的品牌的资料,我打开浏览器,登录进去,然后告诉他你去帮我自动优化,他就会读取本地文档了解我的品牌信息,然后去操作网页自动完成,几十项工作干上几个小时等他给结果就行了。

譬如下面这个截图就是他在工作中:

文档的组织非常重要。引导 AI 读取你的文档也非常重要。 AI 其实没有办法知道你目录中的所有资料,这和很多人想想的不同,记住,他并不天生知道。原因也很简单,他记住的是训练他的时候的内容,工作中的内容他并不记忆,每次对话他能知道你的情况,是因为三个原因:

1、Codex 等软件每次都把本次问话和前面多轮问话和回答,打包一起发送过去给大模型,看起来他就知道历史对话了,不是靠记忆。

2、如果需要,他会查找本地文件内容,但是他的记忆容量(上下文)非常有限,如果把本地项目文件都读取,他绝对变成大傻。他要靠搜索关键字,分析目录和文件名等方式,获取少部分内容进行读取。

3、我们主动给他文件信息,我们把文档像图书馆一样归类整理,告诉他索引信息,他就能高效精确地读取少量必要信息,不会变傻。

对于以上 3 中方式让 AI 了解本地信息的手段,我们能控制的就是第三种。要怎么告诉他呢?就是当前项目目录中的 AGENTS.md 这个文件。Codex 每次对话都会读取这个问题,是的,每次都读取,所以,我们要把想让 AI 知道的信息都放在这里,但是又不能放太多,因为太多了他记不住,最多不要超过 200 行。

那我有那么多信息要告诉他,200 行肯定不够,怎么办呢?那就把文件路径放这里,不要放文件内容,他需要时再通过路径去找必要的文件内容。

譬如下面就是 AGENTS.md 的一部分示例:

回复对话请用中文。需要英文时我会主动提示你。

公司注册在 XXX ,公司名称 XXX 。公司账户等信息在文件中在亚马逊美国开店,FBA模式。店铺的基本信息在文件中卖 XXX产品。品牌 XXX。品牌注册的信息在 xxx.md 中

竞品的信息在 xxx目录中。

Listing的分析在 xxx目录中。

以上是示例的部分内容,主要说明,这个文件是索引文件,大量内容是放在其他文件,然后告诉他这个文件是干什么的,在什么位置,他需要就去读取,不需要就不用去读。

当你有了这些信息,你可以让他帮你操控浏览器来完成工作。譬如你需要到亚马逊,卖家精灵,等网站获取或者分析某些内容,或者到一些国外网站你不熟悉的业务,不熟悉语言的情况,让 Codex 帮你工作。你不用问他,而是打开网站,登录进去,然后在 Codex 里面告诉他已经登录好了,他去继续工作,他能自动在浏览器里工作。因为目录的文档里面有需要的信息,他就可以利用这些信息自动工作了。就如上面贴图的例子一样。

生图模型最好就是 gpt 的 image 系列,使用中第一个关键问题是,利用 Codex 对话来生图,他是内部调用的生图模型,无法指定最好的 gpt-image-2 和 2.5 模型,而是 Codex 自己安排的,日常对图片要求不高是可以的,但如果对图片要求高,那就不能这样做。有两种办法解决问题:一种是在网页端生图,能指定模型,有些 AI 代理站会提供生图的网页端功能;一种是在 Codex 中安装 skills 来指定模型,这个 skills 安装到 codex 中能实现指定生图模型的功能,需要配置环境变量。

生图如果在 codex 里用 skills 生成,也会让人产生很方便的错觉,在一个对话里面不断生成。这是非常不对的!

在 codex 里的会话中,它会读取前面的内容一并发送给 AI,这样 AI就能理解你的上下文,感觉很方便,但是这种对话多了,代价会非常大,AI 很快就会变慢,变得没法工作,你会觉得 AI 虽然懂你但是越来越笨。这时还是老办法,要把上下文形成文档,开新的会话继续生图。

一定要养成良好的习惯,先在文本对话中,把生图的要求规范出来,然后拿讨论的结果去新的会话或者网页端生图。

视频模型现在肯定是 SeeDance 最好了,视频的首要经验是,不要给他一段话让他去生成视频,这是不对的。

要先用文本设计的剧本,然后拆分成 5s 左右的一个一个的分镜,按分镜生成了视频片段再拼接。一次性对话生成视频那是错觉,是宣传 show 给你看的,我们还是要踏实工作,生成实际能用的高水平视频。

针对每个分镜,也不是直接对话生成,而是要先生成图片,用 gpt-image-2 或 2.5 最好的生图模型生图,用这么好的图片为基础生成视频,当然视频的画面也会很好。

更重要的,用图片这是要把视频的关键场景定格住,不然纯用文本生成的视频,即使几秒钟,也是既差异很大又质量不高。千万要记住,绝对不要用文本直接生成视频,再短也不要,一定要先有图(当然你自己娱乐一下不是严谨工作无所谓)。

视频细节是最难的,即使用了图片定格,很多细微的细节还是很难控制,譬如用手指操作一个很细微的流程,这种我们也没有摸索出好的办法,但是也基本上能用了。

用图片给视频定格的方式也不是简单的一张图,而是要要拆分多图,譬如人物、物品都要有多视角的,环境要有独立图片,等等。不要指望 AI 通过你的对话简单就能做出你想要的视频,我们要理解 AI 的优点和弱点,学会控制 AI 分步实现。

【声明】内容源于网络
0
0
跨境米亚
我是跨境米亚,入行7年,现自主创业,亚马逊小卖一枚,踩过很多坑,创业失败过,又重新启航,但一直坚持在跨境的赛道,坚持终身学习,喜欢读书,会分享亚马逊运营干货和亚马逊容易入的坑,也会分享创业感悟和读书笔记
内容 637
粉丝 2
跨境米亚 我是跨境米亚,入行7年,现自主创业,亚马逊小卖一枚,踩过很多坑,创业失败过,又重新启航,但一直坚持在跨境的赛道,坚持终身学习,喜欢读书,会分享亚马逊运营干货和亚马逊容易入的坑,也会分享创业感悟和读书笔记
总阅读47.6k
粉丝2
内容637