一个属于你自己的 Codex
在我们这儿，关于一个好用的 AI 工作流（workflow）的传闻总是传得飞快。一旦有人展示了自己的 Codex 配置，马上就会有其他几个人急着照搬——直到他们意识到，这套配置是为一个人量身定做的，而不是为一个岗位。你可以借用别人的想法，但借不来他们的工作量、他们的大脑，或者他们的生活。
另：本周团队在用的模型、一个制作数据可视化的工作流，以及 AI 编码竞赛进一步升温。
信号
发生了什么： 在担任 Google DeepMind 首席执行官 16 年后，Demis Hassabis 正过渡到一个新角色——Alphabet 首席科学家。DeepMind 的首席技术官 Koray Kavukcuoglu 将作为高级副总裁接管实验室，负责监督 Gemini 模型开发、前沿研究，以及 Gemini 应用和开发者团队。Hassabis 则将在担任首席科学家的同时，继续出任董事长。
与此同时，Meta 昨天推出了其首个终端编码智能体（agent）Muse Code 的测试版。Mark Zuckerberg （讽刺的是，在 X 平台上）发文称，该工具可以处理“完整的软件工程任务”，例如“在大型代码仓库中”进行代码的规划、编写和验证。换句话说，这相当于 Claude Code 或 Codex，不过是 Meta 出品的。
这意味着什么： 随着 OpenAI 和 Anthropic 在 AI 编码竞赛中遥遥领先，DeepMind 和 Meta 都需要奋起直追。Every 的 CEO Dan Shipper 从“蛛丝马迹”中解读出，Hassabis “相信不同的基础研究方向……对他的长期目标更为重要”，即便它们“在今天 [的重要性] 上不及 [编码]”。这次人事变动似乎让公司得以两全其美：一边是在当今 AI 最赚钱的领域采取务实策略，另一边则是把目光投向更远的通用人工智能（AGI）之路。而 Meta——在 7 月份一份乏善可陈的财报后正面临压力——似乎也做出了一个同样务实的决定：去往营收所在之处。
该做什么： 将 Meta 和重新明确了方向（newly re-dedicated）的 DeepMind（再加上也已入局的 SpaceXAI）算进来，总共已有五家前沿实验室在争夺我们的心智份额和 token 花费。这要么是一个令人眼花缭乱的选择过剩，要么是圣诞节提前到来，就看你如何看待了。请留意那些你信任的信息来源所发布的评测，它们能清晰、客观地告诉你什么值得一看，什么可以放心跳过。或者，如果你不吝惜开销，也可以亲自上手试试这些新模型，成为那样的信息来源之一。
值得点击的链接
- 六位 AI 智能体被放置在一个模拟经济中，该经济围绕权利和资源约束而非岗位职称来组织。
- 在 MerchantBench 测试中，AI 智能体负责管理一家模拟在线商店一年，并根据业务的最终资产对其评分。表现最佳的模型最终获得的净资产仅为人类操作员的 27.3%。
- 一篇关于“认知公地”的论文认为，草率地采用 AI 可能会侵蚀监督 AI 系统所需的专业知识。
- 一份新的立场文件探讨了要使模型产生一项真正的科学发明，而非对现有想法的看似合理的重组，需要具备哪些条件。
深入 Every
每个人的 Codex 配置都是独一无二的
上周，Every 的运营主管 Arielle Shipper 和咨询业务负责人 Natalia Quintero 比较了她们各自的 Codex 配置。“我发现人们如何使用 AI，以及他们如何设置项目或文件系统，是他们思维方式的一面镜子，”Natalia 说道。她特别想看看 Arielle——Natalia 认为她尤其擅长“用极简的流程，依然能完成需要做的事情”——是如何组织自己的系统的。据 Natalia 观察，Natalia 自己的配置涉及细致的规划、上下文组织和输出监督，而 Arielle 的设置则是通过提醒和消息，“让她无需追踪或留意，就能把事情办妥”。
即便你从别人那里借用了技巧和窍门，任何两个 Codex 的配置也不太可能完全相同。每个人都会就以下问题做出不同的决定：智能体需要多少上下文、它自己能独立处理什么、哪些任务值得一个固定流程、以及何时必须征求许可。看看别人的配置可以给你带来启发——但它给不了你他们的工作量、他们的头脑，或者他们的生活。
Codex 的开放性足够大，它既可以存在于一个聊天线程中，也可以架设在一个精心组织的工作空间之上，或者变成介于两者之间的某种形态。这同时也给你留下了一个问题：为的是什么而配置它？
对我来说，答案始于一次访谈。
我告诉 Codex，我需要它来帮助我设计工作空间，并让它来采访我。它询问了我的工作、我的需求，以及我希望这个系统能支持我做哪些决策。然后，它将我的回答转化成了一个建议的桌面架构和一组置顶的对话线程。完成后，我就拥有了一个适合我自己的 Codex 配置——然后，我把这套方法交给了同事、特约撰稿人 Laura Entis，这样她也可以亲身体验一下这整个过程。
成为一个Every的付费订阅者，以解锁此篇文章并了解：
- 一个帮助你根据自己的特定需求定制 Codex 工作空间的提示词
- Every 团队本周在使用的模型
- 一个将公共数据集转化为交互式可视化图表的工作流
A Codex of One’s Own 的发芽报告
材料核心
这篇文章的核心张力在于：AI 编码工具 Codex 虽然是一套通用系统，但每个人最终都会构建出高度私人的配置。这种差异不是技巧的差异，而是思维方式、工作负担、决策习惯的外化——你不能只复制别人的 ideas，却无法复制他们的大脑与生活。文章由此引出一个更普遍的命题：工具的真正有效，永远发生在“人—工具”的耦合处，而不是工具本身。
发芽 01：深度解读 —— 工具为什么必然走向“人手一支”？
种子
Katie Parrott 说，“Everyone makes different decisions about what context the agent needs, what it can handle on its own, which tasks deserve a standing process, and when it has to ask permission.” 这并不只是 Codex 的特性，而是所有“强适应性工具”的通用特征。当工具为用户留出调整空间时，使用者的认知习惯就会自动参与进来，把工具变成自己大脑的延伸物。
故事
1980 年代，Richard Stallman 写 GNU Emacs 时做了一个决定：把所有功能都做成可扩展的 Elisp 环境。结果开发者们不只是用 Emacs 编辑代码，还在里面写邮件客户端、日历、项目管理，甚至游戏。每个资深程序员的 .emacs 配置文件都变成了一份秘密的个人档案，长到可以出书。Stallman 坚持那是“自由的工具”，但更本质的，是他看到了人类与工具的深层关系：一个人不会因为他“可以使用”某个工具就满意，他需要这个工具能承载他自己特定的做事节奏、思维路径和肌肉记忆。
几十年后，VS Code 的扩展市场覆盖几万种插件，似乎解决了“不同人不同需求”的问题。但实际场景中，任何两个使用 VS Code 的开发者的实际体验仍然相差巨大——快捷键重新绑定、面板排列、代码片段库、终端的颜色主题。表面是生产力配置，底层是“这个人是怎么想问题的”。Notion 的模板遭遇了类似命运：市场里充斥着精美的项目管理模板，但用过的人都知道，没有任何一个模板能开箱即用五个工作日，因为每一条自动化、每一个数据库关系，最终必须依照实际工作流被揉过一遍。
这在认知科学里有解释。Don Norman 在《设计心理学》中提出“认知耦合”（cognitive coupling）的概念：当人与工具之间的信息交互减少了表达和解释的成本时，工具就不再是“操作的物体”，而成为“思维的介质”。达到这种状态的前提，正是工具为用户留下的“调整隙缝”——那些需要被填充、被命名、被选择自动化程度的地方。Codex 的“设置成什么样子”的问题，其实质就是每一处隙缝中用户对自己工作方式的翻译。所以 Natalia 让 Codex 做详细规划与监督，Arielle 只设提醒和自动完成任务——这不是 Plan vs. No Plan 的对立，而是她们个人决策模型的直接外溢。
Aha 瞬间
“表面上你是在教 AI 如何帮你，实际上你是在教 AI 如何成为你。”
发芽 02：哲学升华 —— 从“一间自己的房间”到“一套自己的法典”
种子
文章的标题 A Codex of One’s Own 直接戏仿弗吉尼亚·伍尔夫的《一间自己的房间》。伍尔夫论证：女性要写作，需要私人收入和一个不受打扰的私人房间。把这个逻辑平移过来：今天任何人要高效地使用 AI 进行复杂创作，需要的正是一套完全属于自己的 Codex 配置——一个量身打造的认知环境，而不是公共的“最佳实践”。
故事
伍尔夫 1928 年在剑桥大学做演讲时说：“一个女人如果打算写小说，她必须有钱，还要有一间自己的房间。”这句话里，“自己的房间”既是物理空间，也是心理边界。没有这个边界，主体性就会被外界期望稀释。后来的作家、设计师、程序员都找到了自己的等价物：阿加莎·克里斯蒂坚持要有一张独立的、不高不矮的桌子和一个安静的浴缸来想凶杀案；村上春树用固定字数和极端的作息来建造“虚构的私人空间”。
Codex 变成这种现象的数字版本。它不是简单的“配置模板”，而是知识工作者对自己的认知边界的一次勘察和标注：我什么地方需要 AI 替我加速，什么地方需要它向我汇报，什么地方绝对不能让渡决策权。当作者让 Codex 通过采访她来生成工作空间架构时，她实际上是在建造一间虚拟的房间——墙在哪里，窗帘透多少光，都由她自己定。而这个建造过程无法被复用：每个人“需要多少自主性”“承受多少认知负荷”的答案，都是完全个人的。这正是为什么复制 Natalia 的 setup 给 Arielle 会失败；那不是 code 的差异，是 embodied mind 的差异。
这种转变还有一个更深的意义。在工业化时代，工具以标准化为荣（一把扳手所有人都能用），创造力工具却总是反其道而行之。设计师的手绘笔刷参数、作家的 Scrivener 模板、音乐家的 Live 自定义界面，越进阶，越私人。这说明当任务从“可替代的生产”转向“带有签名的创造”时，工具就必须变成个人的延伸。Codex 是编程与思考融合的下一代工具，它的未来不会只有一个“正确用法”，而会有几百万个“我的玩法”。
Aha 瞬间
“工业时代追求通用，创造时代要求独特。Codex 不是一把瑞士军刀，而是一面镜子。”
发芽 03：批判性视角 —— 当个人化变成孤岛，集体智慧何处安放？
种子
文章末尾提到一个有关“认知公地”（cognitive commons）的论文链接：不小心地使用 AI 可能侵蚀监督 AI 所需的集体专业知识。这给出了一个反向的张力——如果每个人都在建造自己的 Codex 孤岛，我们还能不能形成共同的判断标准？
故事
2018 年，程序员界发生过一个小小但意味深长的事件：一个开发者分享了他的 Emacs 配置，因为他“终于完美了”，结果另一个人下载下来用了一天就放弃了，说“我像住进了一位陌生人的房间里，找不到任何东西。”个人配置的不可转移性，在通常认知里被视为合理代价。但想象放大到整个行业：当每个工程师都用着高度个人化的 AI 助手，代码风格、审查标准、安全假设都被“个人代理”调整过，团队协作就会出现隐蔽的不兼容。
这不是反对个人化，而是提出一个被忽略的问题：与工具的个人耦合是否正在消解“可共享的判断”？文章里那篇“认知公地”论文的观点正好切中此处：如果每个人都把审查代码安全的职责外包给各自定制的 AI 代理，而代理的黑箱规则因人而异，那么一旦出现系统性问题，谁有能力跳出来说“这个判断是错的”？这不是杞人忧天。1976 年 Karen Spärck Jones 等人在信息检索领域就指出，极度个性化的检索系统会削弱知识共享的基础设施，最后让集体知识不可维护。今天 AI 编码工具的配置如果变成了私密的“黑魔法”，行业就可能退回到前工业时代的行会模式：人人都埋头做自己的活儿，但谁也看不懂别人的活计。
这反过来重新定义了 Codex 设计的挑战：不是该不该个人化——个人化已经发生了——而是如何在个人化的前提下，保留可对话的接口。就像个人笔记（如同 Roam 或 Obsidian 的图谱）最后也需要输出为可协作的文档，Codex 式工具未来必须为“个人思维方式的成果”提供可译格式，让个人的房间装上窗户，而不是密不透风的墙。
Aha 瞬间
“最好的个人工具，不是让你独立，而是让你更清楚地被他人理解。”
你的思考空间
- 如果你的 Codex 设置不小心丢失了，你是否能凭记忆重建它？这告诉了我们关于你自己思维方式的什么？
- 一个过度个人化的 AI 助手，是否可能反过来固化你的认知偏误，而不是扩展它？
- “认知公地”如果被侵蚀，我们是否还需要一种“公共的 AI 使用标准”？它会是什么样子？
- 你手中最个人的那一件工具（不一定是软件）是什么？它为什么无法被替代？