Приложение Codex перевернуло мой рабочий процесс

Чарли Гуо из OpenAI описывает, как новое десктопное приложение Codex сместило его работу от написания кода к управлению агентами-программистами.

Это AI-перевод статьи, сделанный каналом Про AI: Лучшие Статьи и Исследования.

Приложение Codex перевернуло мой рабочий процесс

The Codex App Has Upended My Daily Workflow Автор: Charlie Guo Оригинальный текст

На прошлой неделе я осознал, что не открывал свою ИИ-IDE четыре дня подряд.

Это не было осознанным решением — никакого демонстративного удаления, никаких заявлений о том, что я завязал с IDE. Я просто… перестал в ней нуждаться. Я отправлял код, ревьюил PR-ы и отлаживал проблемы. Работа делалась. И в какой-то момент я заметил, что IDE больше не является частью этого цикла.

Причина — новое приложение Codex, которое запустилось сегодня. Я пользовался ранней сборкой последние несколько недель, и оно реально изменило то, как я работаю — не постепенно, а структурно. Моя работа теперь больше похожа не на «написание кода», а на «управление маленькой командой агентов, которые пишут код за меня».

Что нового в приложении Codex

Ещё в июле я писал о том, как быстро меняется ландшафт ИИ-программирования:

Приложение Codex ощущается как следующий шаг в этой прогрессии. Оно берёт агентные возможности, впервые реализованные такими инструментами, как Claude Code, и оборачивает их в полноценное десктопное приложение вместо терминального интерфейса. Это может звучать как незначительное улучшение, но по крайней мере для меня разница в возможностях существенна — лучшая видимость того, что делает агент, более простое управление контекстом и площадка, которая вмещает функции, невозможные в CLI или IDE.

Примитивы, которые делают это возможным:

• Skills: предварительно упакованные инструкции, промпты и скрипты, которые агент может обнаруживать и использовать по запросу.
• MCP: подключения к внешним сервисам — Linear, GitHub, Slack — так что агент может получать контекст и выполнять действия за пределами локальной файловой системы.
• Git worktrees: нативная поддержка нескольких checkout-ов одного репозитория одновременно, что обеспечивает настоящие параллельные рабочие процессы агентов.
• Compaction (сжатие контекста): интеллектуальное сжатие контекста, позволяющее разговорам длиться часами без деградации. Именно это делает продолжительные сессии жизнеспособными.
• Automations: запланированные фоновые задачи, выполняемые от вашего имени, открывающие ещё больше возможностей.

Десктопный формат важен, потому что в терминале можно сделать лишь ограниченное количество вещей. Всё это можно построить в CLI — и многие так делают — но это неуклюже. Приложение даёт возможность видеть несколько контекстов одновременно, управлять worktree-ами визуально и наблюдать за тем, что делают ваши агенты, не парся потоковый текст.

А две недели назад я писал о переходе от расписания создателя к расписанию менеджера:

Это уже не гипотетическое рассуждение. Это мой реальный повседневный рабочий процесс.

Сейчас три главных фактора определяют, как я извлекаю максимум из приложения:

• Параллелизация
• Слоистое наложение примитивов
• Долгоживущие потоки

В приложении есть множество других функций — plan mode (режим планирования), личности и прочее — но именно эти три повлияли на меня больше всего. Давайте разберёмся.

Worktree-ы для параллельной работы

Примитив, который делает «управление агентами» буквальным, а не метафорическим: git worktrees.

Для меня это была новая концепция, но если упрощать: worktree-ы позволяют иметь несколько checkout-ов одного репозитория одновременно. Каждый из них может запускать собственную сессию Codex.

Например, с worktree-ами можно запустить три сессии параллельно: одна рефакторит поток аутентификации, другая чинит мудрёный баг с часовыми поясами, третья собирает новый компонент дашборда. Каждая может вносить изменения, не опасаясь затереть другие, и каждая может запускать проект локально для предпросмотра (мерж и синхронизация остаются непростыми, но команда проделала впечатляющую работу, чтобы это было менее мучительным, чем могло бы быть).

В моей собственной работе я переключаюсь между ними в роли ревьюера — читаю диффы, задаю уточняющие вопросы, иногда перенаправляю — а не в роли реализатора.

Я всё ещё разбираюсь в лучших паттернах. Кривая обучения не пологая. Но когда щёлкает — это реальный множитель. Не 10x продуктивности в каком-то расплывчатом смысле, а конкретная возможность одновременно продвигать несколько значимых рабочих потоков.

В статье о расписании менеджера я писал об оркестрации:

Worktree-ы — это то, что делает это практичным. Без них параллельная работа агентов означает постоянное стэширование изменений, переключение веток и потерю контекста. С ними каждый рабочий поток изолирован и персистентен.

Skills + MCP + Automations

Следующий элемент — наложение дополнительных агентных примитивов на базовые возможности приложения: Skills, MCP и Automations. Не буду углубляться в детали — в основном потому, что уже делал обзор первых двух.

По отдельности каждый из них безусловно полезен. Но настоящий рычаг — в их комбинации. Несколько примеров, с которыми я экспериментировал:

• Каждый день в 9 утра проверить мои открытые задачи в Linear, приоритизировать их и создать стартовый промпт для каждой, чтобы передать новому потоку программирования.
• Использовать Playwright MCP для верификации того, что фронтенд-изменения действительно работают по ходу дела.
• Вызвать $review Skill, который проверяет мои недавние коммиты на возможные баги и предлагает исправления.
• Получить дизайн-контекст, ассеты и скриншоты из Figma и перевести их в продакшн-готовый UI-код с визуальной точностью 1:1.
• Codex деплоит мои веб-приложения на популярные хостинги — Cloudflare, Netlify, Render и Vercel.
• Использовать skill генерации изображений на базе GPT Image для создания и редактирования изображений для сайтов, UI-мокапов, визуалов продуктов и игровых ассетов.

Ни одно из этого не революционно само по себе. Но собранные вместе, они начинают ощущаться как инфраструктура — каркас, позволяющий оперировать на более высоком уровне абстракции, чем просто с моделью и промптом. Любопытно, что automations открывают людям глаза на возможности агентов — похожий механизм «heartbeat» в OpenClaw/Clawdbot сделал его гораздо более впечатляющим, чем предыдущие чат-ориентированные воплощения агентов.

Я всё ещё открываю новые способы использования Skills, подключения MCP и создания Automations. Область применения велика, и я ещё не исследовал многие рабочие процессы. Если повезёт, через месяц-два смогу поделиться лучшими практиками.

Почему я перестал начинать с нуля

По опыту я из тех людей, кто начинает новый поток для каждой маленькой задачи в ChatGPT. Узнав, как работают контекстные окна и обучение в контексте, я хотел максимально чисто и воспроизводимо подходить к каждой задаче.

Приложение Codex это изменило — теперь я запускаю несколько задач и несколько итераций в долгоживущем потоке (когда не разделяю вещи через worktree-ы). Два фактора это обеспечили:

Во-первых, compaction (сжатие контекста). Мы достигли точки, где модели могут автоматически и интеллектуально сокращать историю разговора. Как бы лаборатории это ни делали, стало весьма хорошо. По мере работы модель накапливает контекст о моей кодовой базе, предпочтениях и паттернах. Мне не приходится постоянно объяснять всё заново, и это приятно.

Во-вторых, лучшие модели. Текущий нарратив — что Claude Code лучший агентный инструмент для программирования, но я добиваюсь реального успеха с GPT-5.2-Codex, особенно для параллельных, делегированных рабочих процессов, описанных выше. Это также изменило моё отношение к промптингу и планированию — я трачу больше времени на создание детальных PLAN.md файлов, зная, что Codex может уйти и обычно довести всё до рабочего состояния.

Codex может быть медленнее Claude, но когда управляешь несколькими worktree-ами, а не быстро итерируешь в тесном CLI-цикле, скорость менее важна, чем тщательность. Я предпочту агента, который тратит двадцать минут и делает правильно, чем того, кто тратит пять минут и требует три раунда корректировок.

И похоже, я не одинок — сам Cursor называет Codex лучшей моделью для длительной автономной работы:

Это сочетание — сжатие контекста плюс модели, обученные для работы на длинном горизонте — означает, что разговоры, которые полгода назад деградировали бы в бессмыслицу, теперь остаются когерентными на протяжении часов работы. Это больше похоже на работу с коллегой, который помнит вчерашний день, чем на инструктаж незнакомца с нуля каждый раз.

Раньше я использовал аналогию с программным обеспечением как со столярным делом:

Я становлюсь этим столяром. Распилка и склейка всё больше делегируются. Остаётся то, что всегда было самым сложным: знать, что строить, и хорошо ли это получилось.

Для тех, кто любил CLI-инструменты для программирования, но находил их неуклюжими — Codex стоит попробовать. Для тех, кто скептически относится к агентному программированию — возможно, именно эта версия изменит ваше мнение.

Подпишитесь на канал и каждый день читайте лучшие материалы про AI переведенные на русский!

Нашли интересную статью для перевода? Пришлите нашему боту: @ailongreadsbot