@yadong_xie: https://x.com/thsottiaux/status/2098612714704891959?s=46… This new strategy codex has indeed flipped the car again.
摘要
本文讨论了GPT Astra中的一种新上下文管理策略，该策略避免使用压缩，而是将目标、决策和进度写入服务器端笔记，从而在切换上下文时无需生成对话摘要。
查看缓存全文
缓存时间: 2026/09/12 06:45
https://x.com/thsottiaux/status/2098612714704891959?s=46… This new strategy codex has indeed flipped the car again.
Yadong Xie (@yadong_xie): GPT Astra 中最让我好奇的是这个不用 compaction 的 context 管理策略，今天花了点时间搞清楚：
启用新特性之后，codex 会在原来的 compaction 时机把目标、决策和进度写入 codex 服务端 notes，之后直接切新 context， 并且不再生成 conversation summary 插入 context。
供模型恢复上下文的 notes
相似文章
@yadong_xie: GPT Astra 中最让我好奇的是这个不用 compaction 的 context 管理策略，今天花了点时间搞清楚： 启用新特性之后，codex 会在原来的 compaction 时机把目标、决策和进度写入 codex 服务端 not…
这篇文章探讨了GPT Astra中不使用压缩的上下文管理策略，通过服务器端笔记和历史记录来避免信息损耗，并讨论了相关工具和挑战。
@dotey: https://x.com/dotey/status/2057250417638035555
本文分享了来自Codex官方团队的使用技巧，包括持久对话流、语音输入、任务干预与排队、工具集成、自动化和目标设定等，帮助用户最大化利用Codex这一AI编码智能体。
@vintcessun: 其实大模型上下文窗口越做越大，但成本也跟着飞涨。这篇论文干脆把上下文管理当成了部署优化问题来解，搞了个统一框架叫 Efficiency Frontier。 说白了，他们不再单独看性能或成本，而是联合建模任务表现、token 开销和预处理复…
这篇论文提出了一个名为 Efficiency Frontier 的统一框架，将大模型上下文管理视为部署优化问题，联合建模任务表现、token 开销和预处理复用。在 5000 个 HotpotQA 实例上，部署优化可节省 25% 的 token 量，而记忆压缩在高精度场景下比全上下文便宜一半以上。
@blueskylh1: 一个人撸产品或者带 AI 团队，最痛苦的就是在不同的聊天框之间当“无脑传话筒”。PM 写完需求，换到程序员对话框又得复制粘贴一遍。 看了 OpenAI Codex 团队开发者体验工程师 Jason @jxnlco 的分享后，我跑通了一套无…
介绍了一种基于本地纯文本文件和OpenAI Codex的多AI代理协作工作流，允许产品经理、后端、前端和测试通过文件接力高效开发，无需复制粘贴。
@yunxi0623: https://x.com/yunxi0623/status/2095111383490957404
本文介绍了三个用于Codex的第三方技能，包括浏览器自动化、文件规划和编码指南，以提升AI代理的性能和可靠性。