夜雨聆风这两天我开始系统地使用桌面版 ChatGPT 里的 Codex，也因此获得了一些新的体验。
由于我之前长期使用 ChatGPT Plus 网页版，所以我的感受，和一个没有深度使用过网页版 ChatGPT 的人第一次接触 Codex 类产品，显然会很不一样。
其实我很早以前就下载安装并使用过 Codex。只不过当时试用了一段时间之后，我一直觉得自己没有什么必须使用它的理由。ChatGPT 从诞生之初，我就是它持续的用户，也亲眼见证了它一次次的版本更新与迭代。那种“它真的在变得越来越强、越来越好用”的体感，是非常真实的。后来随着 Codex 逐渐整合进 ChatGPT 桌面端，我才重新开始认真使用它。也许我的直觉一直都是：这些现在看起来相互独立的产品和工作模式，最终一定会走向融合。
技术发展的细节实在太多，也太快，人根本不可能 follow 每一次更新。所以 AI 时代有一句看似戏谑、其实我觉得颇有哲理的话：如果你学得够慢，反而可以少学很多东西。
我很早就给自己设定了这样一个 mindset：不要追逐每一轮技术更新，那样太累，而且对大多数普通知识工作者来说得不偿失。更好的策略，是保持并持续优化自己的知识与认知工作流。AI 技术最终的发展方向，一定是让人越来越舒服地完成知识工作，而不是逼着人不断适应一套又一套工具。
所以，与其天天想着怎么适应技术，不如认真 honing 自己的认知工作流，最后让 AI 来适应你。
这也是为什么这几年我一直坚持使用 ChatGPT，同时并没有特别积极地追逐外面五花八门的新概念、新产品和新工具。我觉得这是对普通人有限认知资源的一种保护。我只需要记住两件事情：第一，条件允许的话，尽量使用当下最好的模型和工具；第二，不要轻易丢掉自己已经形成的、独特的思考和知识工作方式。工具一定会越来越人性化，最终去适应人的认知习惯，而不是反过来。
扯得有点远，再拉回 Codex。
最近我只是产生了一个很简单的需求：想快速 talk to my local folder。 因为这个需求，我重新开始系统使用 Codex。
但很快我就发现了一个很有意思的问题：即便我在两边选择看起来相近的模型配置，比如 GPT-5.6 Sol + High，然后输入几乎完全相同的 request，Codex 给我的回答和网页版 ChatGPT 给我的回答，依然可能非常不一样。
这件事一下引起了我的好奇。
后来研究下来我才意识到，我们平时很容易把一次 AI 对话简单理解成“我把问题交给某个模型，然后模型生成一个答案”。但实际上，一次回答受到的影响因素远不止底层模型。你输入了哪些文件、prompt 怎么表达、当前 chat 的历史、所在 project 的上下文、memory 如何工作、系统提供了哪些工具和运行环境，都会影响最后的输出。
所以，同样是 GPT-5.6 Sol + High，也不意味着两个地方一定会给出相似的回答。表面上看，我们只是把同一个问题交给了“同一个模型”；实际上，这个模型醒来的时候，周围所处的环境可能完全不同。
而对我来说，这里面最明显的差异就是 memory。
同样一个比较个人化、需要理解我长期背景的问题，网页版 ChatGPT 的回答往往明显更加“深得我心”。原因很简单：我已经长期和它聊天、讨论和工作，它对我的职业经历、偏好、思考方式以及很多长期背景已经积累了大量上下文。它回答一个问题时，并不是永远只看到眼前这一条 prompt。
而 Codex 的记忆机制目前又是另一套东西。至少在我最近开始使用的时候，它的 local memory 甚至还没有打开。于是，同样一个问题，在网页版 ChatGPT 看来可能是“这个人过去几个月一整条思考链上的最新一步”，到了 Codex 那里，却更接近“这里突然出现了一个新的问题，请分析一下”。
这个差异对我来说非常重要，因为我并不是把 AI 只当成一个临时问答工具使用。
我发现，自己的很多工作其实是一整套连续的认知过程：先讨论一个问题，形成一些模糊的想法；然后不断梳理，变成一个更明确的判断；接下来真的去执行；执行过程中遇到问题，再回来讨论；最后形成新的经验，重新修改原来的判断。
思考、愿景、个人偏好、实际执行、反馈、复盘、长期经验积累，本来就是同一个完整的认知循环。
人的大脑显然不会把这些东西彻底割裂开来。
比如，我可能先在 ChatGPT 里讨论：最近是不是应该把关注点从继续追踪 biomedical informatics 相关的外部信息，稍微转向“系统梳理自己的技术资产”。讨论完以后，我进入 Codex，真的开始检查项目、写代码、调试一个信息监测小工具。在实际执行过程中，我又可能发现：原来为了一个自己真正关心的问题写程序，我并不讨厌；或者发现某些技术我以为自己会，其实只是有“知识感”，远没有达到可以熟练运用的程度。
这些执行中的反馈，又会反过来改变我对自己的认识。
所以这里真正理想的循环应该是：
思考 → 行动 → 反馈 → 更新自我认识 → 再行动。
如果 ChatGPT 和 Codex 里的上下文与长期经验完全互相隔离，那么这个循环其实是被人为切断的。
也正因为如此，我一开始重新用 Codex 的时候，甚至产生过一个想法：既然 Codex 这么好用，那以后干脆把所有项目都迁移到 Codex 里好了。
现在我觉得，这个做法至少目前并不合理。
现阶段 ChatGPT 的 Chat、Work 和 Codex，虽然已经在快速靠近，但仍然具有不同的工作重心。Chat 更适合持续的对话、理解、探索和共同思考；Work 更偏向把一个复杂的知识任务真正做完；Codex 则天然更适合进入本地文件、代码、terminal 和具体工程环境持续执行。
所以目前更现实的做法，可能仍然是把它们当成两种甚至三种不同的工作模式，根据问题切换，而不是强行把所有事情迁移到其中一个地方。
但我也因此越来越确信：今天看到的产品形态大概率还只是一个中间状态。
未来真正自然的 AI 产品，也许不应该让用户在不同工具之间反复搬运自己的上下文，更不应该每换一种工作模式，就像重新认识一个新的 AI。
更加符合人的认知习惯的状态应该是：它长期知道你是谁，知道你为什么做这件事情，也知道这个项目过去发生了什么；当需要讨论问题的时候，它进入对话和反思模式；当需要真正做事情的时候，它进入 Codex 一样的执行环境；执行产生的新经验，又自动回流到长期记忆中，影响下一次判断。
那时候，我们可能不会再特别在意自己究竟是在用 Chat、Work 还是 Codex。
因为那只是同一个 AI 在不同工作状态之间切换而已。
从这个角度看，AI 工具接下来的发展，并不只是模型继续变聪明、上下文窗口继续变大、agent 能调用越来越多工具。
另一个可能同样重要的方向，是它开始越来越像人的记忆和认知机制：能够在长期记忆、当前任务、项目经验、实际行动和持续反思之间自由切换，并最终形成一套连续的认知过程。
而对普通用户来说，也许最值得长期保留的东西，恰恰不是某一种工具的使用技巧。
而是自己的思考方式，以及那套真正属于自己的认知工作流。
感谢您的阅读。我是@知识重构者，全网同名，主要在知乎与公众号写作。长期关注AI时代的认知重构、知识工作方式变迁、个人创作系统，以及新的就业与创业机会。欢迎关注，一起理解变化，寻找属于自己的路径。