用 Codex 长期管理一个项目：我的一套工作流

写给所有把 AI 当成"第二大脑"的人——如果你在 Codex 里同时跑着好几个项目，这篇文章值得收藏。

---

为什么需要"项目管理"思维

用过 ChatGPT 类工具的人都会遇到同一个问题：

• 对话散落各处——上次聊的方案找不到了
• 上下文割裂——新开一个话题，AI 什么都不记得
• Prompt 复用难——一段好用的提示词，换个项目就失效

本质上，AI 没有跨会话的长期记忆。它每次进入一个新对话都是"失忆"状态。

解决方案不是去训练它，而是——把项目记忆外化成文件系统。

这就是 Codex 的 Projects 模式要做的事。

---

一、Projects vs Chats：先分清两种用法

Codex 左侧栏把话题分成了两种类型：

类型	适用场景	是否留档
Chats	短问答、轻量方案、临时灵感	不强制落盘
Projects	长期任务、需要上下文沉淀	工作区即记忆

经验法则：

• 一两轮就能解决的事 → Chats
• 涉及代码、文档、长期迭代的事 → Projects

Chats 不是不能落盘，只是它没有"指定工作区"这个概念，写到磁盘上是散落状态。而 Projects 把所有产物都收拢在一个目录下，天然适合沉淀。

---

二、新建一个 Project：3 步走

以"小红书口播稿管理"为例：

1. 创建项目目录（本地先建好文件夹）
2. Codex 里点 Projects 右侧的 +
3. 选择"已有目录"，绑定刚才的文件夹

绑定后，你就能在 Codex 右侧栏的 Files 里看到这个目录的所有内容——不用切到访达/Finder，AI 也能直接读写。

入口文件：AGENTS.md

绑完项目后，第一件事是初始化 AGENTS.md。

这相当于项目的"README + 启动配置"。AI 在每次新对话时都会先读它，等于给项目装了一个开机自启的上下文。

如果项目里没有这个文件，可以直接跟 AI 说：
“请扫描我的代码仓库，写一个 AGENTS.md”

一个好的 AGENTS.md 应该包含：

• 项目定位：这是干什么的
• 重要文件索引：哪些 reference 在哪个流程需要读
• 约定俗成：命名规范、目录结构、避坑提示

我自己小红书项目的 AGENTS.md 大致长这样：

# RedNote 项目

## 定位
管理小红书 AI 内容实操：选题、拍摄、口播、数据复盘。

## 重要文件
- `references/sop.md` - 视频生成 SOP
- `data/` - 历史视频数据
- `transcripts/` - 字幕稿存档

## 工作流
1. 选题 → `references/topic-pool.md`
2. 写大纲 → `drafts/`
3. 录制后复盘 → `data/`

关键原则：保持精简。AGENTS.md 只放项目最基础的认知，详细 reference 用相对路径引用，别把整个文档塞进去。

---

三、Skill 管理：全局 vs 项目级，这是个分水岭

这是大多数人踩坑的地方。

默认做法（也是坑）

大多数人把 Skill 全装在全局目录里。结果就是：

• Skill 越堆越多，AI 选错工具的概率越高
• 不相关的项目被无关 Skill 污染
• 描述相似的 Skill 互相干扰

正确做法：项目级 Skill

Codex 的 Skill 支持目录级别管理——放在项目里的 Skill 只在该项目触发，全局看不见。

具体路径：

your-project/
├── .codex/
│   └── skills/
│       ├── xiaohongshu-style/    # 只在红书项目触发
│       ├── video-transcript/     # 只在视频项目触发
│       └── data-review/          # 数据复盘
├── AGENTS.md
└── data/

如何看到隐藏的 .codex 文件夹：

• macOS 访达：Cmd + Shift + . 切换显示隐藏文件
• Codex 内置文件浏览器：默认不显示，需要在系统层先开启

这样做的核心收益：

维度	全局 Skill	项目级 Skill
触发范围	全部项目	仅当前项目
维护成本	改一个影响全局	独立演进
上下文污染	高	极低
复用性	强	弱（但更精准）

判断标准：如果一个 Skill 只服务于一个垂直场景，就别放全局。

---

四、设计一个可循环的工作流

光有目录结构还不够，真正的杠杆是 Workflow。

以我的小红书项目为例，整个闭环长这样：

选题 → 写大纲 → 录制 → 生成字幕 → 数据复盘 → 沉淀进选题库
 ↑                                                ↓
 └──────────────── 下一轮选题 ←──────────────────┘

关键节点拆解

1. 选题阶段

• AI 读取 data/ 里的历史表现
• 结合 references/topic-pool.md 给出建议
• 输出包含：选题理由、为什么值得录、预估数据

2. 写大纲阶段

• 给出一句话结论 + 口播顺序
• 不展开成完整稿——我只要记大纲
• 标注"哪些点不要展开"（防发散）
• 留出"自由发挥位"（结合个人经历补充）

3. 录制后复盘

• 用 Codex 的 Chrome 工具自动去创作中心拉数据
• 数据回填到 data/ 目录
• AI 结合字幕稿判断：
  • 哪个方向跑偏了
  • 哪里过度发散
  • 下个视频怎么优化

4. 沉淀

• 每条视频都进 transcripts/
• AI 只需要读字幕稿就能复盘，不必看原始视频
• 历史数据是未来选题的弹药库

---

五、核心方法论：把项目变成"可执行的知识库"

回顾一下，我做对了哪几件事：

1. 把 AI 记忆外化为文件

AI 没有跨会话记忆，那就让文件系统成为它的海马体。AGENTS.md 是入口，references/ 是索引，data/ 是历史。

2. Skill 按项目隔离

全局只放通用 Skill（如代码生成、文档审阅），垂直 Skill 全部下沉到项目目录。这是从"能用"到"好用"的关键一步。

3. Workflow 优先于 Prompt

不要每次都重新写 Prompt，而是把流程固化成可重复执行的 Workflow。一次设计，永久受益。

4. 数据闭环让 AI 越用越聪明

把"结果"喂回给"起点"——历史视频数据反哺选题，AI 的建议会越来越贴合你的实际表现。

---

写在最后

长期项目管理的本质，不是管理 AI，而是管理你自己的知识结构。

Codex 这类工具只是放大器：你的文件结构越清晰，AI 越能帮上忙；你的 Skill 越垂直，工作效率越高；你的 Workflow 越完整，迭代速度越快。

当你开始用"项目"的眼光去看 AI 协作，你就已经超过了 90% 的用户。

---

附录：项目目录模板

project/
├── AGENTS.md                    # 项目入口
├── .codex/
│   └── skills/                  # 项目级 Skill
├── references/                  # 参考资料
├── data/                        # 历史数据
├── transcripts/                 # 字幕/转录
└── drafts/                      # 草稿

拿这套结构去套你手上的任何一个长期项目，今晚就能跑起来。