我的個人 Agent OS：我用 Codex 搭了一個 AI 工作系統
整理版優先睇
用 Codex 搭本地個人 Agent OS，掌控上下文與長期記憶比模型更重要
呢篇文章由一位重視私隱同掌控感嘅個人開發者分享佢點樣用 Codex（OpenAI 嘅執行引擎）搭建一套喺自己電腦度運行嘅個人 AI 工作系統。作者原本用 AI 對話工具同 Agent 平台（例如 OpenClaw、Hermes），但發現呢啲系統本質上係別人嘅機制，冇辦法真正擁有自己嘅長期記憶同上下文。佢拒絕純粹嘅 SaaS 個人助理，因為私隱顧慮同埋遷移成本太高。佢想要嘅係一個基於個人電腦、可同步、可遷移、可自學習嘅個人 Agent。最後揀咗 Codex，因為佢提供掌控感（任務由我觸發）、文件化記憶體系（AGENTS.md、System/Memory/、System/Skills/ 等），同埋背後嘅 OpenAI 生態（執行能力、內容生產、瀏覽器操作等）。佢分享咗自己嘅文件結構，並強調個人 Agent 嘅關鍵唔係模型，而係上下文組織方式。
作者進一步解釋點解 Codex 特別適合承載個人 Agent。Codex 唔係一個完全自主到處走嘅 Agent，而係一個可以被動喚起嘅執行拍檔，任務由人主動觸發，遇到關鍵動作會停低等人確認。呢種關係對個人助理好重要——作者想要嘅係「佢夠懂我」，而唔係「佢亂咁做」。另外，Codex 天生適合讀取項目目錄，可以將個人行為規則寫入 AGENTS.md，將長期偏好放喺 System/Memory/，將高頻工作流沉澱至 System/Skills/。咁樣每次 Codex 進入呢個項目，就唔係由…
- 個人 Agent 唔應該依賴 SaaS，應該建構喺本機文件系統上以確保私隱同遷移自由。
- Codex 提供「被動執行拍檔」模式，任務由人觸發，關鍵動作需確認，避免失控。
- 文件化記憶體系（AGENTS.md、Memory、Skills）令 Agent 每次進入工作環境都能夠讀取長期上下文。
- 透過流動端連接，Codex 可以喺手機接收指令並喺電腦執行，形成隨身工作流。
- 真正價值在於上下文組織：聊天機械人回答問題，個人 Agent 基於長期上下文做事同更新系統。
點解唔直接用個人助理 SaaS？
作者關注過 Moxt 呢類 Agent workspace，方向好有意思，但係因為私隱同安全顧慮同埋遷移成本，決定唔用。私隱方面，個人助理要接觸大量私人上下文，好似筆記、日程、工作材料、長期偏好呢啲敏感資訊。
私隱同安全
遷移成本
我真正想要嘅：五個核心訴求
- 1 核心資料喺自己手裡。個人助理要理解長期上下文，但呢啲上下文唔應該完全託管喺外部產品度。
- 2 要有穩定嘅記憶體系。唔想每次都重新解釋「我係誰」「我鍾意咩風格」「我做判斷時在意啲咩」。
- 3 要足夠可控。任務由我主動觸發，過程畀我睇到，關鍵動作需要我確認。
- 4 要能自學習。知道咩唔該記，只沉澱穩定偏好、反覆工作流程同可複用判斷框架。
- 5 唔能被鎖死。個人 Agent 最終要係一套我能理解、調整、遷移嘅系統，而唔係一個固定平台嘅黑盒。
穩定嘅記憶體系
自學習
唔能被鎖死
點解揀 Codex？
揀 Codex 最核心原因係掌控感。佢唔係完全自主到處跑嘅 Agent，而係一個可以被動喚起嘅執行拍檔：我畀任務，佢讀取當前項目上下文，遇到關鍵動作會停低等我確認。呢種關係對個人助理好重要——我想要嘅係「佢夠懂我」，而唔係「佢替我亂跑」。
掌控感
任務由我觸發
Codex 好適合承載文件化記憶體系。佢本身喺項目目錄度工作，可以將行為規則寫入 AGENTS.md，將長期偏好放喺 System/Memory/，將高頻工作流沉澱到 System/Skills/。咁樣 Codex 每次進入呢個項目，就唔係由空白對話開始，而係進入一個已經整理好嘅個人工作環境。
文件化記憶體系
AGENTS.md
System/Memory/
另外，Codex 背後有 OpenAI 生態，提供多種底層能力，令你唔使由零造輪子。
- 基礎執行能力：讀寫項目文件、運行腳本、處理 Markdown 同 CSV 等。
- 瀏覽器同電腦操作能力：透過瀏覽器、Chrome 插件、Computer Use 去操作軟件界面。
- 內容生產能力：配合文檔、PPT、圖片、視頻等生成複雜交付物。
- 連接外部系統：同 GitHub、Slack、Figma、Gmail 等整合。
- 可沉澱嘅 Skill 能力：將反覆做嘅事沉澱成 Skill，變成可複用工作流。
呢個生態持續進化，將個人 Agent 搭喺 Codex 之上，等於放喺一個上升嘅技術底座上，底層能力由生態迭代，自己只需要喺上層搭建個人系統。
可複用工作流
最近 Codex 進入 ChatGPT 流動端預覽版，令佢更似真正個人助理。我可以透過手機連接電腦上嘅 Codex，繼續查看項目上下文、回覆問題、調整方向，甚至喺離開電腦嘅時候推動任務。手機係入口，電腦係執行環境，Agent 係中間嘅調度者。
流動端連接
我而家套系統長點樣？同真正有價值嘅地方
整個項目分幾類文件：AGENTS.md 放長期行為規則；Context/ 放 Agent 身份同協作方式；System/Memory/ 放長期記憶，好似溝通風格、職業背景、當前關注點呢啲；System/Skills/ 放可複用技能，例如寫公眾號、整理會議紀要；「我嘅筆記」放個人知識庫入口；Outputs/ 放交付物。呢套結構似一個輕量嘅個人 Agent OS。
作者最後總結：個人 Agent 嘅關鍵唔係模型本身，而係上下文嘅組織方式。你需要願意維護文件結構、寫清楚規則、定期清理。如果喺意長期掌控感、私隱邊界同遷移自由，用 Codex 搭本地個人 Agent 係一個好值得試嘅方向。
上下文組織方式
最近我越嚟越明顯咁覺得，個人 AI 助理呢件事，正係由「傾偈工具」變成「工作系統」。
以前我哋用 AI，多數係開個對話框，問一句、答一句。之後開始用 OpenClaw、Hermes 呢類 Agent 工具，等 AI 可以讀文件、叫工具、做任務，體驗的確行前咗一步。
但用耐咗之後，我心入面一路有個唔舒服嘅位：呢啲系統再勁，本質上都係人哋嘅機制。
佢點樣記住我、點樣組織文件、點樣觸發技能、點樣更新長期記憶、點樣決定一件事應唔應該沉澱，好多時我只可以喺佢俾嘅框架裏面配置。用得，但掌控感唔夠強。
而我真正想要嘅，唔係再多一個 AI 產品帳號。
我想要嘅係一個長喺自己電腦裏面嘅個人 Agent 系統。
點解唔直接用現成嘅個人助理 SaaS？
我留意過一類新嘅個人助理產品，例如 Moxt 呢類 Agent workspace。佢哋嘅方向好得意：唔係淨係做傾偈，而係諗住搭建一套適合 Agent 工作嘅文件 OS。
入面有文件、有記憶、有技能、有工具，Agent 可以喺呢個 workspace 入面持續工作，甚至好似團隊成員咁協作。
呢個思路我好認同。
因為 Agent 真正要變得有用，唔可以淨係靠模型聰明。佢一定要有一個穩定嘅工作環境：知道啲資料放喺邊，知道以往嘅結論係乜，知道邊啲規則要長期遵守，亦知道任務完成之後嘅產物應該沉澱去邊。
但如果呢套系統完全放喺人哋嘅雲端產品入面，我會有兩個顧慮。
第一個係私隱同安全。
個人助理要真正有用，就必然要接觸好多私人上下文：筆記、日程、工作材料、長期偏好、溝通習慣、未公開嘅諗法，甚至一啲仲未成形嘅判斷。
呢啲嘢唔似普通文檔。佢哋唔係「某個文件」，而係一個人嘅長期語境。
一旦我將呢套語境完整交俾一個雲端 workspace，我其實係將自己嘅思考方式、工作軌跡同知識結構都託管出去。對團隊協作嚟講，呢個可能合理；但對個人長期系統嚟講，我會自然更謹慎。
第二個係遷移成本。
今日一個產品好好用，唔代表佢會一直符合我嘅工作方式。收費方式會變，產品重點會變，導出能力會變，甚至成個產品方向都可能變。
如果我嘅個人 Agent 已經圍繞某個 SaaS 嘅文件結構、記憶機制、技能體系搭起咗，將來想遷移，就唔係「導出幾個文檔」咁簡單。
真正難遷移嘅係啲隱性嘢：目錄約定、任務流程、提示詞規則、長期記憶、技能觸發方式、沉澱習慣。
亦即係話，你以為自己係用緊一個工具，實際上係將自己嘅個人操作系統種喺人哋嘅地基上面。
我真正想要嘅係乜？
我之後將訴求收窄成一句話：
我想要一個基於個人電腦、可以同步、可以遷移、可以自學習嘅個人 Agent。
佢唔一定一開始就好靚，亦唔一定要有複雜 UI，但佢必須滿足幾個核心要求。
核心資料喺自己手上面。 個人助理真正有價值嘅前提，係佢能夠理解我嘅長期上下文。但呢啲上下文唔應該完全託管喺某個外部產品入面。我嘅筆記、材料、偏好同工作記錄，應該優先沉澱喺我可以管理、可以備份、可以遷移嘅地方。
佢要有一套穩定嘅記憶體系。 我唔希望每次都重新解釋「我係邊個」「我鍾意咩風格」「邊啲內容唔好再提」「我做判斷時在意啲乜」。一個真正嘅個人 Agent，應該可以逐步記住我嘅表達方式、工作習慣、知識結構同長期偏好。
佢要夠可控。 我並唔希望 Agent 完全自動化咁幫我周圍做任務。個人助理接觸嘅係大量私人上下文，佢越強，就越需要清楚嘅界線。我希望任務由我主動觸發，過程我可以睇到，關鍵動作要我確認。
佢要可以自學習。 所謂自學習，唔係要 AI 隨便記住一切。恰恰相反，個人 Agent 最重要嘅能力之一，係知道乜嘢唔應該記。一次性嘅情緒、臨時任務、仲未驗證嘅猜測，唔應該變成長期記憶。真正應該沉澱嘅，係穩定偏好、反覆出現嘅工作流程、可以重用嘅判斷框架，同埋將來仲會用嘅技能。
佢唔可以鎖死我。 我可以接受工具持續變化，但唔可以接受自己嘅長期記憶同工作系統俾某個產品形態綁死。對我嚟講，個人 Agent 最終應該係一套我明、我可以調整、可以遷移嘅系統，而唔係一個淨係喺固定平台入面用到嘅黑盒。
我點解揀 Codex？
揀 Codex，最核心嘅原因其實唔係佢識寫 Code，而係佢啱啱好符合我對個人 Agent 嘅幾個關鍵要求。
首先係掌控感。
Codex 唔係嗰種完全自主、自動周圍走嘅 Agent。佢更加似一個被我主動叫嘅執行拍檔：我俾任務佢，佢讀取當前項目上下文，執行途中遇到關鍵動作會停低等我確認。
呢種關係對個人助理好重要。我想要嘅係「佢夠瞭解我」，而唔係「佢幫我亂咁走」。佢可以讀我嘅記憶、理解我嘅偏好、叫工具做嘢，但控制權仍然喺我度。
其次，Codex 好適合承載一套文件化嘅記憶體系。
佢本來就係喺項目目錄入面工作，天然適合讀取規則、記憶、技能同輸出文件。我可以將個人 Agent 嘅行為規則寫入 AGENTS.md，將長期偏好放入 System/Memory/，將高頻工作流程沉澱到 System/Skills/，將交付物放到 Outputs/。
咁樣一嚟，Codex 每次進入呢個項目，就唔係由一個空白對話開始，而係進入一個已經整理好嘅個人工作環境。佢知道呢個 Agent 係邊個，知道我係邊個，亦知道唔同類型嘅任務應該點樣處理。
呢個判斷其實嚟自之前嘅一次經歷。我之前用 Claude 做過一套面向外部培訓嘅 PPT 大綱。當時俾我最大衝擊嘅，並唔係佢「會寫大綱」呢件事，而係我發現：只要將個人嘅工作習慣、歷史資料同表達偏好作為上下文餵俾 AI，佢就可以明顯更接近我想要嘅結果。
嗰一刻我意識到，搭建個人 Agent 唔係為咗追求一個更加型嘅工具，而係要 AI 擁有夠貼近我嘅個人上下文。
呢個其實就係個人 Agent 嘅複利。如果一個 Agent 每次都要由零瞭解我，佢永遠只係臨時助手。但如果佢知道我的風格、偏好、常用結構、避雷點同歷史材料，佢先會慢慢變成個人助理。
Codex 吸引我嘅地方就係呢度：佢既可以圍繞一套完整嘅記憶體系辦事，又唔會因為過度自主化而脱離控制。
我想要嘅係「記得住我」，唔係「幫我亂咁走」。
最後，Codex 可以真正將事情推到產物層面。
佢可以讀文件、改文件、執行任務，亦天然適合遵守項目裏面嘅規則。對我嚟講，呢個意味住我唔需要由零做一個完整產品。我只需要將 Codex 當做執行引擎，再用文件系統俾佢搭一個「個人腦袋嘅工作環境」。
Codex 背後嘅生態，令我少造咗好多輪子
仲有一個好現實嘅原因：Codex 背後企咗 OpenAI 嘅整體生態。
如果自己由零搭一個 Agent 系統，最麻煩嘅唔係寫幾條提示詞，而係底層工具鏈。佢要識讀文件、改文件、執行腳本、處理網頁、操作瀏覽器、叫本地能力、生成文檔，甚至將來仲要做 PPT、影片、圖片、自動化流程。
呢啲能力如果全部自己定義一次，好快就會變成另一個工程項目。
而 Codex 嘅好處係，佢已經接咗喺一套比較完整嘅底層能力之上：
基礎執行能力：讀寫項目文件、運行腳本、處理 Markdown、CSV、表格同各種本地材料。唔止係「理解文檔」，而係直接將輸入材料整理成輸出結果。
瀏覽器同電腦操作能力：通過瀏覽器、Chrome 插件、Computer Use 呢類能力，進入網頁、睇頁面、操作軟件界面，做以前一定要人手㩒嘅流程。
內容生產能力：配合文檔、PPT、圖片、影片等能力去生成更複雜嘅交付物。
連接外部系統嘅能力：同 GitHub、Slack、Figma、Gmail、日曆、瀏覽器等生態連接，亦可以透過 MCP、插件或腳本繼續擴展。
可以沉澱嘅 Skill 能力：將反覆做嘅嘢沉澱成 Skill，等 Codex 之後直接按固定規則執行。
呢個就令個人 Agent 由「臨時傾偈」變成「可以重用嘅工作流程」。
更加關鍵嘅係，呢個底座仲喺度持續進化。OpenAI 處於好激烈嘅競爭環境，Anthropic、Google Gemini 都不斷推進，OpenAI 冇可能停喺原地。
如果我將個人 Agent 搭喺 Codex 之上，本質上唔係只用今日呢個版本嘅 Codex，而係將自己嘅文件 OS、記憶體系同工作流程，放喺一個持續上升嘅技術底座上面。
底層能力由生態持續疊代，我只需要喺上層搭自己嘅個人系統。呢種係一個好舒服嘅槓桿。
流動端連接，令佢更加似真正嘅個人助理
最近 Codex 進入 ChatGPT 流動端預覽版之後，呢件事對我嚟講又行前咗一步。
佢唔淨係「手機上都傾到偈」。更加關鍵嘅係，我可以透過 ChatGPT 流動端連接正在電腦上運行嘅 Codex，繼續睇項目上下文、回覆佢嘅問題、調整方向、審批動作，甚至離開電腦嘅時候繼續推動任務。
手機係入口，電腦係執行環境，Agent 係中間嘅調度者。
呢個體驗一旦打通，個人 Agent 就唔再只係一個桌面工具，而更加似一個隨身嘅工作代理。
例如我喺街突然諗到一個文章選題，可以直接叫佢記錄落項目入面；見到一個材料，可以叫佢整理成筆記；某個任務卡住咗，佢可以喺手機問我一嘢，我確認之後佢繼續喺電腦做。
呢類碎片化指揮，以前好難做。但一旦手機同電腦裏面嘅 Agent 項目連埋一齊，佢就變成一個好自然嘅個人工作流程。
我而家呢套系統係點樣？
我目前嘅做法唔複雜，但係好有效。成個項目大致分成幾類文件：
AGENTS.md — 放長期穩定嘅行為規則。例如始終用中文回覆，先理解目標先動手，輸出要自然、結構化、低 AI 痕跡，唔好主動提起我已經唔關注嘅方向。
Context/ — 放呢個 Agent 嘅身份同協作方式。佢唔係某個單一產品 Agent，而係我嘅個人 AI 助理，長期幫我做思考、寫作、產品判斷、知識沉澱同複雜任務推進。
System/Memory/ — 放長期記憶。唔係堆曬所有細節，而係好似索引咁管理：我嘅溝通風格、職業背景、當前關注點、產品判斷框架、AI 原生思考等。
System/Skills/ — 放可以重用嘅技能。例如寫公眾號、整理會議紀要、做週回顧、寫 PRD、閲讀 PDF、沉澱個人記憶。
我的筆記/ — 個人知識庫入口。日常想法、日曆筆記、週回顧、學習資料都喺呢度。
Outputs/ — 放交付物。文章、方案、紀要、調研、PPT、圖示，都放喺呢度。
呢套結構睇落似文件夾管理，實際上更加似一個輕量嘅個人 Agent OS。佢解決嘅唔係「文件點樣擺」，而係「Agent 每次應該點樣進入我嘅上下文」。
呢件事真正有價值嘅地方
搭完之後，我最大嘅感受係：個人 Agent 嘅關鍵，唔係模型本身，而係上下文嘅組織方式。
同樣係 Codex，如果每次都係由空白對話開始，佢就係一個好強嘅臨時助手。但如果佢每次都先讀取我嘅規則、身份、記憶、技能同筆記入口，佢就開始似一個長期協作夥伴。
佢知道我寫公眾號時唔好太似 AI。佢知道我嘅產品判斷時關注目標用戶、主鏈路、邊界同驗收標準。佢知道邊啲內容適合沉澱成 Memory，邊啲只係一次性交付物。佢亦知道幾時應該叫 Skill，而唔係所有任務都用同一種方式處理。
聊天機械人回答問題。個人 Agent 進入你嘅工作系統，基於長期上下文做嘢，並喺任務結束之後更新呢個系統。
當然，佢都唔係銀彈
呢套方案亦有門檻。
你需要願意維護文件結構，需要俾 Agent 寫清楚規則，亦需要定期清理嗰啲唔應該沉澱嘅嘢。
如果你期待嘅係開箱即用、界面靚、乜都唔使理，咁 SaaS 產品一定更舒服。
但如果你同我一樣，更在意長期掌控感、私隱邊界同遷移自由，咁用 Codex 搭一個本地個人 Agent，係一個好值得試嘅方向。
佢唔一定要複雜。一開始只需要幾個嘢：一個項目目錄、一份 AGENTS.md、一套個人記憶文件、幾個高頻 Skill，再加埋你嘅筆記入口。
真正緊要嘅係，你要將 Agent 當做一個會長期共事嘅人嚟設計佢嘅工作環境，而唔係將佢當做一個更加聰明嘅輸入框。
最後
我而家越嚟越相信，將來每個人都可能會有自己嘅 Agent。
但係呢個 Agent 唔一定喺某個超級 App 入面出現。佢都有可能就係長喺你嘅電腦文件夾入面，長喺你嘅筆記系統入面，長喺一套你自己明、可以改、可以遷移嘅規則入面。
對我嚟講，呢件事嘅意義唔止係「用 Codex 提升效率」。
而係我終於開始擁有一套屬於自己嘅 AI 工作系統。
佢唔完美，但係喺我手上面。
如果你都喺度諗點樣搭建自己嘅個人 Agent，或者喺度糾結 SaaS 同本地方案之間嘅取捨，希望呢篇文章對你有啲啟發。歡迎留言講嚇你嘅諗法。
最近我越來越明顯地感覺到，個人 AI 助理這件事，正在從“聊天工具”變成“工作系統”。
以前我們用 AI，大多是打開一個對話框，問一句、答一句。後來開始用 OpenClaw、Hermes 這類 Agent 工具，讓 AI 可以讀文件、調用工具、執行任務，體驗確實往前走了一步。
但用久之後，我心裏一直有個彆扭的點：這些系統再強，本質上還是別人的機制。
它怎麼記住我、怎麼組織文件、怎麼觸發技能、怎麼更新長期記憶、怎麼決定一件事該不該沉澱，很多時候我只能在它給出的框架裏配置。能用，但掌控感不夠強。
而我真正想要的，不是再多一個 AI 產品賬號。
我想要的是一個長在自己電腦裏的個人 Agent 系統。
為什麼不是直接用現成的個人助理 SaaS？
我關注過一類新的個人助理產品，比如 Moxt 這類 Agent workspace。它們的方向很有意思：不是單純做聊天，而是試圖搭建一套適合 Agent 工作的文件 OS。
裏面有文件、有記憶、有技能、有工具，Agent 可以在這個 workspace 裏持續工作，甚至像團隊成員一樣協作。
這個思路我很認同。
因為 Agent 真正要變得有用，不能只靠模型聰明。它必須有一個穩定的工作環境：知道資料放在哪裏，知道過往結論是什麼，知道哪些規則要長期遵守，也知道任務完成後產物應該沉澱到哪裏。
但如果這套系統完全放在別人的雲端產品裏，我會有兩個顧慮。
第一個是隱私和安全。
個人助理要真正有用，就必然要接觸非常多私人上下文：筆記、日程、工作材料、長期偏好、溝通習慣、未公開想法，甚至一些還沒成型的判斷。
這些東西不像普通文檔。它們不是“某個文件”，而是一個人的長期語境。
一旦我把這套語境完整交給一個雲端 workspace，我其實是在把自己的思考方式、工作軌跡和知識結構都託管出去。對團隊協作來說，這可能是合理的；但對個人長期系統來說，我會天然更謹慎。
第二個是遷移成本。
今天一個產品很好用，不代表它會一直符合我的工作方式。計費方式會變，產品重點會變，導出能力會變，甚至整個產品方向都可能變。
如果我的個人 Agent 已經圍繞某個 SaaS 的文件結構、記憶機制、技能體系搭起來，未來想遷移，就不是“導出幾個文檔”那麼簡單。
真正難遷移的是那些隱性的東西：目錄約定、任務流、提示詞規則、長期記憶、技能觸發方式、沉澱習慣。
也就是說，你以為自己是在用一個工具，實際上是在把自己的個人操作系統長在別人家的地基上。
我真正想要的是什麼？
我後來把訴求收斂成一句話：
我想要一個基於個人電腦、可同步、可遷移、可自學習的個人 Agent。
它不一定一開始就很炫，也不一定要有複雜 UI，但它必須滿足幾個核心訴求。
核心資料在我自己手裏。 個人助理真正有價值的前提，是它能理解我的長期上下文。但這些上下文不應該完全託管在某個外部產品裏。我的筆記、材料、偏好和工作記錄，應該優先沉澱在我自己可管理、可備份、可遷移的地方。
它要有一套穩定的記憶體系。 我不希望每次都重新解釋“我是誰”“我喜歡什麼風格”“哪些內容不要再提”“我做判斷時在意什麼”。一個真正的個人 Agent，應該能逐步記住我的表達方式、工作習慣、知識結構和長期偏好。
它要足夠可控。 我並不希望 Agent 完全自動化地替我到處執行任務。個人助理接觸的是大量私人上下文，它越強，越需要清楚的邊界。我希望任務由我主動觸發，過程可以被我看到，關鍵動作需要我確認。
它要能自學習。 所謂自學習，不是讓 AI 隨便記住一切。恰恰相反，個人 Agent 最重要的能力之一，是知道什麼不該記。一次性的情緒、臨時任務、還沒驗證的猜測，不應該變成長期記憶。真正應該沉澱的，是穩定偏好、反覆出現的工作流程、可複用的判斷框架，以及未來還會用到的技能。
它不能把我鎖死。 我可以接受工具持續變化，但不能接受自己的長期記憶和工作系統被某個產品形態綁住。對我來說，個人 Agent 最終應該是一套我能理解、能調整、能遷移的系統，而不是一個只能在固定平台裏使用的黑盒。
我為什麼選擇 Codex？
選擇 Codex，最核心的原因其實不是它能寫代碼，而是它剛好符合我對個人 Agent 的幾個關鍵要求。
首先是掌控感。
Codex 不是那種完全自主、自動到處跑的 Agent。它更像一個被我主動喚起的執行搭檔：我給它任務，它讀取當前項目上下文，執行過程中遇到關鍵動作會停下來讓我確認。
這種關係對個人助理很重要。我想要的是“它足夠懂我”，而不是“它替我亂跑”。它可以讀我的記憶、理解我的偏好、調用工具做事，但控制權仍然在我這裏。
其次，Codex 很適合承載一套文件化的記憶體系。
它本來就工作在項目目錄裏，天然適合讀取規則、記憶、技能和輸出文件。我可以把個人 Agent 的行為規則寫進 AGENTS.md，把長期偏好放進 System/Memory/，把高頻工作流沉澱到 System/Skills/，把交付物放到 Outputs/。
這樣一來，Codex 每次進入這個項目，就不是從一個空白對話開始，而是進入一個已經整理好的個人工作環境。它知道這個 Agent 是誰，知道我是誰，也知道不同類型的任務應該怎麼處理。
這個判斷其實來自我之前的一次經歷。我之前用 Claude 做過一套面向外部培訓的 PPT 大綱。當時給我最大沖擊的，並不是它“會寫大綱”這件事，而是我發現：只要把個人的工作習慣、歷史資料和表達偏好作為上下文餵給 AI，它就能明顯更接近我想要的結果。
那一刻我意識到，搭建個人 Agent 不是為了追求一個更酷的工具，而是必須讓 AI 擁有足夠貼近我的個人上下文。
這其實就是個人 Agent 的複利。如果一個 Agent 每次都要從零理解我，它永遠只是臨時助手。但如果它知道我的風格、偏好、常用結構、避雷點和歷史材料，它才會慢慢變成個人助理。
Codex 吸引我的地方就在這裏：它既可以圍繞一套完整的記憶體系辦事，又不會因為過度自主化而脱離控制。
我想要的是“記得住我”，不是“替我亂跑”。
最後，Codex 可以真正把事情推進到產物層。
它能讀文件、改文件、執行任務，也天然適合遵守項目裏的規則。對我來說，這意味着我不需要從零做一個完整產品。我只需要把 Codex 當作執行引擎，再用文件系統給它搭一個“個人大腦的工作環境”。
Codex 背後的生態，讓我少造了很多輪子
還有一個很現實的原因：Codex 背後站着 OpenAI 的整體生態。
如果自己從零搭一個 Agent 系統，最麻煩的不是寫幾條提示詞，而是底層工具鏈。它要能讀文件、改文件、跑腳本、處理網頁、操作瀏覽器、調用本地能力、生成文檔，甚至未來還要做 PPT、視頻、圖片、自動化流程。
這些能力如果都自己定義一遍，很快就會變成另一個工程項目。
而 Codex 的好處是，它已經嫁接在一套比較完整的底層能力之上：
基礎執行能力：讀寫項目文件、運行腳本、處理 Markdown、CSV、表格和各種本地材料。不只是“理解文檔”，而是直接把輸入材料整理成輸出結果。
瀏覽器和電腦操作能力：通過瀏覽器、Chrome 插件、Computer Use 這類能力，進入網頁、查看頁面、操作軟件界面，做過去必須人手點擊的流程。
內容生產能力：配合文檔、PPT、圖片、視頻等能力去生成更復雜的交付物。
連接外部系統的能力：和 GitHub、Slack、Figma、Gmail、日曆、瀏覽器等生態連接，也可以通過 MCP、插件或腳本繼續擴展。
可沉澱的 Skill 能力：把反覆做的事情沉澱成 Skill，讓 Codex 後續直接按固定規則執行。
這就讓個人 Agent 從“臨時聊天”變成了“可複用工作流”。
更關鍵的是，這個底座還在持續進化。OpenAI 處在非常激烈的競爭環境裏，Anthropic、Google Gemini 都在不斷推進，OpenAI 不可能停在原地。
如果我把個人 Agent 搭在 Codex 之上，本質上不是隻使用今天這個版本的 Codex，而是把自己的文件 OS、記憶體系和工作流，放在一個持續上升的技術底座上。
底層能力由生態持續迭代，我只需要在上層搭自己的個人系統。這是一種很舒服的槓桿。
移動端連接，讓它更像真正的個人助理
最近 Codex 進入 ChatGPT 移動端預覽版後，這件事對我來說又往前走了一步。
它不只是“手機上也能聊天”。更關鍵的是，我可以通過 ChatGPT 移動端連接正在電腦上運行的 Codex，繼續查看項目上下文、回覆它的問題、調整方向、審批動作，甚至在離開電腦的時候繼續推動任務。
手機是入口，電腦是執行環境，Agent 是中間的調度者。
這個體驗一旦打通，個人 Agent 就不再只是一個桌面工具，而更像一個隨身的工作代理。
比如我在路上突然想到一個文章選題，可以直接讓它記錄到項目裏；看到一個材料，可以讓它先整理成筆記；某個任務卡住了，它可以在手機上問我一句，我確認後它繼續在電腦上跑。
這類碎片化指揮，以前很難做。但一旦手機和電腦裏的 Agent 項目連起來，它就變成了一個很自然的個人工作流。
我現在這套系統長什麼樣？
我目前的做法並不複雜，但很有效。整個項目大概分成幾類文件：
AGENTS.md — 放長期穩定的行為規則。比如始終用中文回覆，先理解目標再動手，輸出要自然、結構化、低 AI 痕跡，不要主動提起我已經不關注的方向。
Context/ — 放這個 Agent 的身份和協作方式。它不是某個單一產品 Agent，而是我的個人 AI 助理，長期協助我做思考、寫作、產品判斷、知識沉澱和複雜任務推進。
System/Memory/ — 放長期記憶。不是堆所有細節，而是像索引一樣管理：我的溝通風格、職業背景、當前關注點、產品判斷框架、AI 原生思考等。
System/Skills/ — 放可複用技能。比如寫公眾號、整理會議紀要、做週迴顧、寫 PRD、閲讀 PDF、沉澱個人記憶。
我的筆記/ — 個人知識庫入口。日常想法、日曆筆記、週迴顧、學習資料都在這裏。
Outputs/ — 放交付物。文章、方案、紀要、調研、PPT、圖示，都放在這裏。
這套結構看起來像文件夾管理，實際上更像一個輕量的個人 Agent OS。它解決的不是“文件怎麼擺放”，而是“Agent 每次應該如何進入我的上下文”。
這件事真正有價值的地方
搭完之後，我最大的感受是：個人 Agent 的關鍵，不是模型本身，而是上下文的組織方式。
同樣是 Codex，如果每次都從空白對話開始，它就是一個很強的臨時助手。但如果它每次都先讀取我的規則、身份、記憶、技能和筆記入口，它就開始像一個長期協作夥伴。
它知道我寫公眾號時不要太像 AI。它知道我做產品判斷時關注目標用戶、主鏈路、邊界和驗收標準。它知道哪些內容適合沉澱成 Memory，哪些只是一次性交付物。它也知道什麼時候該調用 Skill，而不是所有任務都用同一種方式處理。
聊天機器人回答問題。個人 Agent 進入你的工作系統，基於長期上下文做事，並在任務結束後更新這個系統。
當然，它也不是銀彈
這套方案也有門檻。
你需要願意維護文件結構，需要給 Agent 寫清楚規則，也需要定期清理那些不該沉澱的東西。
如果你期待的是開箱即用、界面漂亮、什麼都不用管，那 SaaS 產品一定更舒服。
但如果你和我一樣，更在意長期掌控感、隱私邊界和遷移自由，那麼用 Codex 搭一個本地個人 Agent，是一個很值得嘗試的方向。
它不一定要複雜。一開始只需要幾個東西：一個項目目錄，一份 AGENTS.md，一套個人記憶文件，幾個高頻 Skill，再加上你的筆記入口。
真正重要的是，你要把 Agent 當成一個會長期共事的人來設計它的工作環境，而不是把它當成一個更聰明的輸入框。
最後
我現在越來越相信，未來每個人都可能會有自己的 Agent。
但這個 Agent 不一定誕生在某個超級 App 裏。它也可能就長在你的電腦文件夾裏，長在你的筆記系統裏，長在一套你自己能理解、能修改、能遷移的規則裏。
對我來說，這件事的意義不只是“用 Codex 提效”。
而是我終於開始擁有一套屬於自己的 AI 工作系統。
它不完美，但它在我手裏。
如果你也在思考怎麼搭建自己的個人 Agent，或者正在糾結 SaaS 和本地方案之間的取捨，希望這篇文章對你有些啓發。歡迎留言聊聊你的想法。