返回精选
AI 精选动态 智能评分 60

Codex Automations 的内外双循环

来源: twitter关注列表
作者: meng shao (@shao__meng)
发布于: 2026-06-18
收录于: 2026-06-18
AI 推荐理由
差异点:将审阅后的 diff 转化为可复用的上下文,而非简单记录每次修改。
核心解读
Codex Automations 提出了内外双循环架构用于邮件等任务的上下文管理:内循环负责将上下文带入任务(检索、起草、校验、产出草稿),外循环从人工审阅中回收上下文(分析草稿与终稿差异,仅将经批准的教训纳入写作指引)。内循环快响应(如每2小时),外循环慢频率(日末或每周),共同提升回复准确度。
全文
Codex Automations 的内外双循环 两类上下文 · 任务前上下文:历史、事实、约束、关系、既有决策,来源有检索、工具、记忆 · 任务后上下文:保留、修改、删除、发送、搁置,来源有人工审阅行为 任务前上下文决定第一次能不能写对;任务后上下文揭示什么才算「对」。双循环架构,就是分别系统化这两类信息。 # 内循环:把上下文带进任务 内循环负责:要不要回 → 找什么 → 怎么写 → 怎么验 → 产出可审草稿。 三个要点: 1. 检索即写作 好回复依赖相似邮件、半年前的决定、项目状态、权威来源等。目标不是搜全,而是找到最小、足够让回复准确且具体的信息集。 2. 工作流可固定,也可智能体化 既可以是「拉信 → 过滤 → 分类 → 起草 → 校验」的固定流程,也可以是「每天早上 9 点为我需要回复的邮件建草稿」这类自然语言指令,由 Codex 自行决定步骤。关键不在形式,而在检索是否内嵌于写作。 3. 动作可逆 只建草稿,不自动发送。审阅前保存:提议回复、来源、提示词与写作指引版本。没有这层记录,审阅只是轶事;有了,审阅才是可复用的证据。 # 外循环:从审阅中回收上下文 外循环在审阅之后启动,先看结果类型: · 原样发送 → 草稿有效 · 改后发送 → 最有价值的 before/after · 删除 → 可能写错,也可能本不必回(难判) · 搁置 → 信息不足,不宜过度解读 即使已发送,也只记录「你接受了什么」,不代表对方满意或任务完成;真正效果可能在后续往来里才显现。但审阅本身已是写稿时不存在的证据。 草稿与终稿之差 = 证据,不等于教训。 · 开头变短 → 可能是写作偏好 · 补了事实 → 可能搜错地方 · 删掉承诺 → 可能需要新的校验规则 · 整段重写 → 可能是应保留的人类判断 外环的真正工作:读懂 diff 的含义,而不是把每次修改都写进 prompt。 # 外循环如何改进内环 外循环只问一个问题:下次怎样能更接近你第一次就满意的版本? 答案可能是:写作指引、新数据源、新检索步骤、对「 unsupported commitments 」的检查、更早交给你人工处理——不必每条 edit 都变成规则。 实践上: · 经你批准的教训,放进简单 markdown · 外环提议更新;你决定采纳 · 内环下次起草前读取该文件 今天纠正的,变成明天运行的上下文——这是外环对内环的闭环。 # 双循环,双时钟 · 内循环:快(如每 2 小时),快响应、低延迟 · 外循环:慢(日末 / 满 N 条审阅 / 每周),太频 → 从个案过拟合;从不跑 → 修正被遗忘 内外循环速度刻意错开:内循环服务即时效率,外循环服务模式与稳定改进。 同一结构可用于:邮件、deck、报告、简报、issue 分诊等——凡是有「起草 → 人审 → 发送/修改/丢弃」的流程,都适用。 ![photo](https://pbs.twimg.com/media/HLDpW13bEAAAjP3.jpg) > **引用原帖 Gabriel Chua (@gabrielchua):** > https://t.co/xGBxV5ZTzr > https://x.com/gabrielchua/status/2067262326043287852
#技术#AI#开发者工具