Codex-maxxing: как работать с ИИ без потери контекста

«Codex по-прежнему отлично справляется с кодированием, но более интересный сдвиг в том, что он даёт работе место для жизни.» — Джейсон Лю, инженер OpenAI

Большинство людей до сих пор используют AI-ассистентов в режиме «вопрос — ответ»: написал промпт, получил результат, разговор закончился. Но те, кто по-настоящему освоил инструмент, давно перешли к другой модели — непрерывным рабочим потокам (workflow). Именно об этом рассказывает Джейсон Лю (Jason Liu) — инженер команды OpenAI Codex — в официальном white paper, опубликованном 22 июня 2026 года.

В этом документе Джейсон делится практическими стратегиями использования Codex как постоянного рабочего пространства, которое сохраняет контекст, управляет сложными рабочими процессами и помогает поддерживать прогресс в длительных проектах.

От разовых промптов — к живым проектам

Команды всё чаще используют AI для работы, которая выходит за рамки одного промпта, а Codex теперь функционирует как постоянное рабочее пространство, а не одноразовый помощник.

Суть сдвига проста: раньше вы задавали вопрос и получали ответ. Теперь вы даёте агенту пространство для движения вперёд — и можете вернуться в любой момент, чтобы направить его, проверить результат или скорректировать курс. Задача больше не начинается с нуля при каждом новом сеансе.

Большинство людей всё ещё используют Codex, чтобы «задавать вопросы», тогда как те, кто действительно использует его максимально, уже применяют его для «выполнения рабочих процессов».

ℹ Что такое Codex-maxxing?

Codex-maxxing — подход к работе с OpenAI Codex, при котором инструмент используется не как чат-бот, а как постоянное рабочее пространство с сохранёнными контекстом, историей решений и автоматическими циклами выполнения задач.

Пять ключевых примитивов Codex-maxxing

Джейсон Лю выделяет несколько базовых «примитивов» (primitives — строительных блоков), которые вместе формируют новый стиль работы.

1. Мегапотоки (Megathreads) и компактизация

Первый примитив — durable thread (долгосрочный поток): длящийся разговор, в котором постепенно накапливается контекст. Вместо того чтобы каждый раз начинать с чистого листа, пользователь возвращается к тому же потоку и продолжает работу с того места, где остановился.

Джейсон ведёт отдельный закреплённый поток для каждого важного рабочего направления: «Chief of Staff» — для сортировки входящих сообщений и Slack, «Agents SDK» — для отслеживания прогресса в open-source проектах, отдельный поток для управления сообществом, ещё один — для мониторинга Twitter.

Эти потоки — не короткие чаты. Это мегапотоки, которые Джейсон «компактизировал» (compacting — сжатие старых сообщений в краткое резюме) на протяжении месяцев. В них накапливаются история, предпочтения и старые решения, которые не хочется воссоздавать заново при каждом возвращении.

⚠ Важный компромисс

Компромисс честный: длинные потоки несут больше контекста и стоят дороже в работе, чем короткие свежие. Но для работы, которая действительно важна, непрерывность себя окупает.

2. Голосовой ввод — неотредактированное мышление

Голосовой ввод передаёт в Codex больше реального мышления. Преимущество не в скорости — в том, что агент получает неотредактированную версию ваших мыслей.

Много планов становятся лучше, когда модель имеет доступ к «грязной» версии того, что вы думаете — именно так часто начинается настоящая работа.

Практический пример: Джейсон может сказать вслух что-то вроде «Кажется, в Slack был какой-то Бен, который упоминал об этом, я точно не помню что — просто пойди посмотри». Такое предложение слишком расплывчато и неудобно печатать, но совершенно естественно произнести.

3. Постоянная память через файловую систему

Джейсон ведёт Obsidian-хранилище как GitHub-репозиторий с директориями для людей, проектов, агентов и заметок. Файл AGENTS.md на верхнем уровне сообщает агенту: по мере того как ты узнаёшь о людях, продвигаешься в проектах или закрываешь открытые петли — обновляй соответствующие страницы. Это хранилище — место, где живёт агент, отдельное от любого конкретного репозитория. Дифф хранилища становится поверхностью для ревью того, что агент счёл достаточно важным, чтобы запомнить.

# AGENTS.md — пример структуры

## Инструкции для агента
Когда ты узнаёшь о новом человеке → обновляй /people/{имя}.md
Когда проект продвигается → обновляй /projects/{название}/status.md
Когда решение принято → фиксируй в /decisions/log.md
Когда задача закрыта → помечай в /open-loops.md

4. Heartbeats — автоматические циклы

Heartbeat (буквально «сердцебиение») — это запланированная автоматизация внутри потока: агент периодически выполняет заданный сценарий без вашего участия.

Heartbeats — это локальные для потока автоматизации, которые делают работу повторяющейся без ожидания ввода. Поток «Chief of Staff» Джейсона запускается каждые 30 минут: проверяет Slack и Gmail, расставляет приоритеты, находит ответы на вопросы и составляет черновики ответов — но никогда не отправляет их. Когда Джейсон возвращается, ответы уже готовы к проверке.

Ту же схему он использовал, чтобы получить возврат средств от Amazon: создал поток с использованием компьютера, установил Heartbeat на проверку каждые 5 минут в ожидании агента поддержки, и переключение на каждую минуту, как только тот присоединился.

5. Управление с любого устройства

Codex может продолжать работу на машине, где уже находятся ваши файлы, разрешения и локальные настройки, пока вы проверяете всё с телефона — просматриваете результаты, отвечаете на вопрос, одобряете следующий шаг или меняете направление, не возвращаясь к рабочему столу.

Работа больше не должна останавливаться только потому, что вы сменили место. Поток может продолжаться, а вы можете уделять ему ровно столько внимания, сколько нужно, чтобы разблокировать следующий шаг.

Схема рабочего цикла Codex-maxxing


graph TD
    A[🎯 Поставить задачу / цель] --> B[📌 Закрепить поток Megathread]
    B --> C[🗣️ Добавить контекст голосом или текстом]
    C --> D[🤖 Codex начинает выполнение]
    D --> E{Нужен ли\nчеловеческий контроль?}
    E -->|Да| F[👤 Проверить, скорректировать, одобрить]
    E -->|Нет — рутинная задача| G[⏱️ Heartbeat: автоматический цикл]
    F --> D
    G --> H[📋 Результаты готовы к ревью]
    H --> F
    D --> I[💾 Обновить AGENTS.md / память]
    I --> B

Сравнение: старый и новый подход к работе с Codex

Параметр	Разовый промпт	Codex-maxxing
Контекст	Теряется после ответа	Сохраняется в мегапотоке
Продолжительность	Один сеанс	Дни, недели, месяцы
Участие человека	Постоянное	По необходимости
Память	Нет	AGENTS.md, файловая система
Автоматизация	Ручной запуск	Heartbeats по расписанию
Управление	Только с рабочего места	С любого устройства
Стоимость	Низкая (короткие запросы)	Выше, но окупается непрерывностью

Когда человек нужен, а когда — нет

Важно научиться разбивать амбициозные цели на проверяемые шаги, поддерживать непрерывность между рабочими потоками и определять, когда делегировать выполнение Codex, а когда человеческий контроль наиболее ценен.

💡 Правило делегирования

Делегируйте Codex, когда задача:

Повторяется регулярно (мониторинг, черновики, тесты)
Хорошо определена и поддаётся проверке
Занимает время, но не требует творческого решения

Оставляйте себе, когда нужны:

Архитектурные решения и приоритеты
Оценка качества и этика
Нестандартные ситуации без шаблонов

Разработчики движутся быстрее, когда агент берёт на себя рутинную реализацию и верификацию, освобождая людей для того, что важнее всего: проектирование, архитектура, продуктовые решения и нестандартные задачи, для которых нет шаблона.

Постоянная память как основа надёжности

Наиболее важной техникой является постоянная проектная память (durable project memory): спецификация, план, ограничения и статус записываются в markdown-файлы, к которым Codex может многократно обращаться. Это предотвращает дрейф и сохраняет стабильное определение «сделано».

С точки зрения агента, всё, к чему он не может получить доступ в контексте во время работы, фактически не существует. Знания, хранящиеся в Google Docs, чат-треды или чьи-то идеи — недоступны системе. Агент видит только локальные для репозитория, версионированные артефакты: код, markdown, схемы, исполняемые планы.

📝 Практический пример: Chief of Staff

Джейсон настроил поток «Chief of Staff» с Heartbeat каждые 30 минут:

Проверь Slack и Gmail на предмет сообщений, требующих
ответа, но пока не получивших его.
Расставь приоритеты по срочности.
Найди нужную информацию для ответа.
Составь черновик ответа — но НЕ отправляй.

Когда Джейсон возвращается к компьютеру — черновики уже готовы, нужно лишь проверить и нажать «Отправить».

GPT-5.3-Codex: модель для длительной работы

GPT-5.3-Codex — наиболее мощная агентская модель для кодирования на сегодняшний день. Она объединяет возможности GPT-5.2-Codex в программировании и GPT-5.2 в рассуждении и профессиональной работе со знаниями — и при этом на 25% быстрее. Это позволяет ей брать на себя длительные задачи, требующие исследования, работы с инструментами и сложного выполнения.

В ходе эксперимента Codex работал без перерыва около 25 часов, использовал около 13 миллионов токенов и сгенерировал около 30 000 строк кода. Это впечатляющий ориентир для понимания масштаба задач, с которыми уже справляются агенты.

Итог: работа получила место для жизни

Codex по-прежнему отлично справляется с программированием, но более интересный сдвиг в том, что он даёт работе место для жизни. Поведение меняет обучение давать работе операционный цикл: долговечный поток, общая память, инструменты, которые могут действовать на компьютере, способы направлять и возобновлять задачу, и поверхность, где можно просматривать сам артефакт.

Ключевой вывод таков: чем больше мест у Codex для запоминания, пересмотра, инспекции и действия, тем меньше ваша работа умирает между промптами.

Переход от «чата с ИИ» к «возвращению к текущей задаче» — это не просто новый инструментальный трюк. Это фундаментальный сдвиг в том, как мы думаем об AI-ассистентах: не как об умных поисковиках, а как о полноценных участниках рабочего процесса, которые помнят, планируют и действуют — даже когда вас нет рядом.