2025 年 9 月，OpenAI 推出 GPT-5-Codex，這是首個針對智慧體式程式碼編寫最佳化的 GPT-5 版本。2025 年 12 月，我們推出 5.2，人們也從那時開始相信，自主程式碼編寫智慧體可以可靠地完成工作。尤其明顯的是，模型能可靠遵循指示的持續時間大幅增加。
我想透過壓力測試，看看這個極限在哪裡。於是，我給了 Codex 一個空白程式碼庫、完整存取權，以及一項任務：從零開始打造設計工具。接著，我讓它使用 GPT-5.3-Codex，以「極高」推理等級執行。Codex 連續執行了約 25 小時，使用約 1,300 萬個 Token，並產生約 3 萬行程式碼。
這是一次實驗，並非正式環境上線。不過，在長時間工作的重要環節上，它表現良好：遵循規格、專注於任務、執行驗證，並在過程中修正問題。
長時間執行的 Codex 工作階段是什麼樣子
我請 Codex 根據工作階段資料產生摘要頁面：
以下則是 CLI 工作階段的統計資料與 Token 用量：
這些螢幕擷取畫面讓核心轉變清楚可見：智慧體式程式碼編寫越來越重視任務時間跨度，而不只是單次回應的智慧表現。
真正的轉變在於任務時間跨度
這不只是「模型變聰明了」。實際的改變是，智慧體能在更長的時間內維持連貫性，從頭到尾完成更大範圍的工作，並在發生錯誤後恢復執行，同時不失去原有脈絡。
METR 的任務時間跨度基準測試研究，有助於我們理解這個趨勢：前沿智慧體能以約 50% 和 80% 的可靠度完成的軟體任務，其時間長度正快速增加，大約每 7 個月就翻倍。請參閱衡量 AI 完成長時間任務的能力（METR）。
我們近期的 GPT-5.3-Codex 發布公告，說明了智慧體工作在兩個實用層面的進一步提升：
- 它更擅長執行多步驟流程（規劃 → 實作 → 驗證 → 修正）。
- 執行途中更容易調整方向，無須從頭開始（修正方向不會清除既有進度）。
Cursor 關於長時間執行的自主程式碼編寫系統的文章也啟發了我，其中包括他們打造瀏覽器的實驗：Cursor 如何打造網頁瀏覽器（擴展智慧體規模）。
Cursor 團隊寫道，OpenAI 模型「在長時間自主工作方面表現好得多：遵循指示、保持專注、避免偏離方向，以及精確且完整地實作功能」。
為什麼 Codex 能在長時間任務中維持連貫性
長時間執行的工作，與其仰賴一份龐大的提示詞，更取決於模型運作時所處的智慧體迴圈。
在 Codex 中，這個迴圈大致如下：
- 規劃
- 編輯程式碼
- 執行工具（測試／建置／程式碼靜態檢查）
- 觀察結果
- 修正問題
- 更新文件／狀態
- 重複執行
這個迴圈很重要，因為它為智慧體提供了：
- 實際回饋（錯誤、差異、記錄）
- 儲存在外部的狀態（程式碼庫、檔案、文件、工作樹、輸出）
- 持續調整方向的能力（你可以根據結果修正方向）
這也解釋了為什麼在 Codex 介面中使用 Codex 模型，比在一般聊天視窗中更順手：任務執行框架會提供結構化的上下文（程式碼庫中繼資料、檔案樹、差異、指令輸出），並嚴格要求依照既定流程確認是否符合「完成條件」。
我們最近發布了一篇介紹 Codex 智慧體迴圈的文章，其中有更詳細的說明。
此外，我們也推出了 Codex App，讓這個迴圈能融入日常工作：
- 跨專案平行執行對話串（長時間工作不會耽擱你的日常工作）
- 技能（將規劃／實作／測試／報告流程標準化）
- 自動化（在背景處理例行工作）
- Git 工作樹（隔離各次執行、讓差異易於審查，並減少反覆折騰）
我的測試設定
我選擇設計工具作為這次「實驗」的題目，因為這是個嚴苛的考驗：使用者介面、資料模型、編輯操作，加上大量邊界情況。這種測試無法蒙混過關。架構一旦有問題，很快就會出錯。
我給了 GPT-5.3-Codex 一份內容紮實的規格，並以「極高」推理等級執行。結果，它連續執行了約 25 小時，仍能維持連貫性，交付優質程式碼。模型每完成一個里程碑，也都會執行驗證步驟（測試、程式碼靜態檢查、型別檢查）。
關鍵概念：可持續保留的專案記憶
最重要的技巧，是建立可持續保留的專案記憶。我把規格、計畫、限制條件與狀態寫進 Markdown 檔案，讓 Codex 能反覆查閱。這避免了方向偏移，也讓「完成」的定義保持一致。
下方提供程式碼庫連結，使用的檔案如下：
Prompt.md（規格 + 交付成果）
目的：固定目標，避免智慧體「做出令人驚豔、卻不符合需求的東西」。
檔案中的主要章節：
- 目標 + 不在目標範圍內的事項
- 不可妥協的限制條件（效能、確定性、使用者體驗、平台）
- 交付成果（完成時必須具備的項目）
- 「完成條件」（檢查項目 + 示範流程）
最初的提示詞要求 Codex 將提示詞／規格檔案視為完整的專案規格，並產生以里程碑為基礎的計畫：
Plan.md（里程碑 + 驗證）
目的：把開放式工作拆成一連串檢查點，讓智慧體能逐一完成並驗證。
檔案中的主要章節：
- 將里程碑縮小到能在一次迴圈內完成的規模
- 每個里程碑的驗收標準 + 驗證指令
- 先停下來修正的規則：如果驗證失敗，必須先修正才能繼續
- 記錄決策，避免反覆改變方向
- 程式碼庫的預定架構
我們最近在 Codex App、CLI 和 IDE 擴充功能中加入了原生規劃模式。這個模式能在開始修改前，將較大的任務拆解成一連串清楚、可供審查的步驟，讓你事先確認執行方式。若還有需要釐清的地方，Codex 會進一步提問。若要開啟此模式，請使用 /plan 斜線指令。
Implement.md（參照計畫的執行指示）
用途：這是操作手冊，明確告訴 Codex 該如何執行：遵循計畫、將變更限制在指定範圍內、執行驗證，以及更新文件。
檔案中的主要章節：
- 以 Markdown 計畫檔案為準，逐一完成里程碑
- 每完成一個里程碑就執行驗證（發現問題立即修正）
- 將變更限制在指定範圍內（不要擴大範圍）
- 持續更新 Markdown 文件檔案
Documentation.md（交付過程中的狀態與決策）
用途：這是共用記憶與稽核紀錄。有了它，即使我離開數小時，回來後仍能了解這段期間發生了什麼事。
檔案中的主要章節：
- 目前的里程碑狀態（已完成哪些項目、接下來要做什麼）
- 已做出的決策及其原因
- 執行與示範方式（指令與快速冒煙測試）
- 已知問題與後續事項
這次執行過程中，實際的里程碑驗證如下：
在每個里程碑進行驗證
Codex 並非只寫好程式碼，就期待它能正常運作。每完成一個里程碑，它都會執行驗證指令，修正問題後才繼續。
以下是要求它使用的品質檢查指令範例：
以下則是 Codex 在 lint 檢查失敗後修正問題的範例：
智慧體打造了什麼
成果並不完美，也還沒準備好用於正式環境，但確實做了出來，而且可以測試。這次執行的標準不只是「能編譯」，而是「有沒有遵循指示，而且真的能用？」
已實作的主要功能：
- 畫布編輯（框架、群組、形狀、文字、圖片／圖示、按鈕、圖表）
- 即時協作（跨分頁同步上線狀態、游標、選取項目與編輯內容）
- 屬性檢查器控制項（幾何屬性、樣式、文字）
- 圖層管理（搜尋、重新命名、鎖定／隱藏、重新排序）
- 輔助線／對齊／吸附
- 歷程快照與還原
- 重播時間軸，以及從先前的時間點建立分支
- 原型模式（熱點與流程導覽）
- 留言（可標記為已解決或重新開啟的釘選討論串）
- 匯出（儲存／匯入／匯出，以及透過 CLI 匯出為 JSON 和 React + Tailwind）
執行長時間 Codex 任務的心得
讓這次執行成功的，不是單一巧妙的提示詞，而是以下要素的組合：
- 明確的目標與限制（規格檔案）
- 設有檢查點與驗收標準的里程碑（
plans.md） - 說明智慧體應如何執行工作的操作手冊（
implement.md） - 持續驗證（測試／lint／型別檢查／建置）
- 即時更新的狀態與稽核紀錄（
documentation.md），讓執行過程隨時可供檢視
這就是長時間程式開發工作的發展方向：不必時刻緊盯，而是在防護機制下委派更多工作。
試著讓 Codex 處理你自己的長時間任務
這次長達 25 小時的 Codex 執行，讓我們預見了程式開發的未來。我們正從單次提示詞與緊密配合的結對程式設計，走向能長時間工作的協作夥伴，由它從頭到尾完成一部分實際工作。你只需在各個里程碑引導方向，不必逐行緊盯程式碼。
我們為 Codex 設定的方向很簡單：讓它更懂得如何與人協作，更緊密地結合你的實際上下文，並透過防護機制，讓工作成果保持可靠、可供審查且容易交付。我們已經看到，當智慧體接手例行的實作與驗證工作，開發人員就能加快進度，把時間投入最重要的部分：設計、架構、產品決策，以及沒有現成範本可循的新問題。
而且，受惠的不只有開發人員。隨著 Codex 更善於掌握意圖，並提供計畫、驗證、預覽、還原等安全支援機制，更多非開發人員也能打造作品並持續改進，不必整天待在 IDE 裡。Codex 的各個介面與模型還會有更多進展，但核心目標始終不變：讓智慧體不再像是需要時刻緊盯的工具，而更像是能放心交付長時間工作的協作夥伴。
如果你也想親自試試，可以從這些資源開始：