OpenAI员工亲授：Codex自我蒸馏高效玩法，AI助手省时秘诀全解析

最近，AI圈子里有个挺有意思的玩法被讨论得挺热：Codex的“自我蒸馏”。简单来说，就是让AI帮你发现自己的重复劳动，然后把它自动化。这可不是什么复杂的系统改造，据OpenAI的程序员Vaibha v分享，核心秘诀就在于一段精心设计的提示词。

操作起来相当直接。你只需要把那段提示词喂给Codex，它就会自动扫描你近期的对话历史，从中识别出那些你反复手动操作的模式。接下来，Codex会建议甚至直接帮你打包生成可重复使用的工具或工作流，把“重复造轮子”的活儿给省了。

这个点子一经分享就收到了不少反馈，Vaibha v也很快迭代出了2.0版本的提示词。有意思的是，OpenAI的总裁Greg Brockman也下场点了赞，顺便还普及了一个冷知识：Codex模型本身其实是开源的。这无疑给开发者们提供了更大的探索空间。

从“识别”到“生成”：提示词的进化

最初的1.0版提示词非常精炼，目标明确：分析最近的会话，找出重复请求，然后判断是否有必要创建可复用的方案。不过，由于表述偏技术化，收到了一些使用上的反馈。

于是，2.0版来了。提示词从9行扩展到了35行，这不仅仅是篇幅的增加。更关键的是，其数据源的覆盖范围和思考维度都显著拓宽了。它不再只盯着代码任务，而是将写作、规划、沟通乃至日常运营等各种工作场景都纳入了分析范围。

能力上也从“建议”升级到了“生成”。新版指令能直接产出高置信度的自动化项目，并将其归纳为四种类型：

• Skill（技能）：针对固定流程的标准化操作包。
• Subagent（子袋里）：用于处理特定调查或信息搜集任务。
• Automation（自动化）：设置定时检查或执行的自动化任务。
• Skip（跳过）：判断后认为不值得或不适合打包的操作。

这样一来，AI不仅告诉你“你在重复做事”，还能直接给你“做事的工具”。

热度与隐忧：Token消耗与访问门槛

玩法虽妙，但社区的讨论中也浮现出一个现实的顾虑：持续分析历史会话，会不会导致Token消耗过快，增加使用成本？对于这一点，分享者Vaibha v并没有给出具体的优化方案，而是鼓励用户亲自尝试，在实践中找到平衡点。

好在，OpenAI近期降低了Codex的API速率限制，让更多开发者能够更顺畅地体验这一功能，算是从访问层面降低了门槛。

说回Vaibha v本人，他不仅是这个技巧的提出者，更是一个深度的实践者。他在社交平台上透露，自己已经一个多月没打开过传统的集成开发环境（IDE）了，日常工作完全依赖与Codex的对话来完成。这种“以身试法”的经历，或许比任何技术说明都更能体现这项玩法的潜力。

简单总结一下：

• 核心功能：通过特定提示词，让Codex分析你的工作习惯，自动将重复劳动转化为可复用工具。
• 关键升级：提示词2.0版显著扩展了应用场景，并能直接生成多种类型的自动化项目。
• 使用提示：方法虽有趣，但需留意历史会话分析可能带来的Token消耗，建议结合实际需求尝试。