电脑写代码,手机管任务:Codex 远程开发工作流

简介: Codex手机端不仅是任务查看器,更是移动工程指挥中心:可启动任务、选环境、补上下文、审代码、发意见。电脑负责执行,手机专注决策——无需装开发环境,轻松掌控关键环节。

不少人第一次在手机上使用 Codex 时,只会把它当成一个任务进度查看器。查看那些电脑上已经启动了的任务,现在运行到哪了。

其实,手机端的 Codex 能干更多事情。比如:在手机端选择开发环境并启动新的任务,在运行过程中补充信息、调整方向,也可以查看 Codex 修改了哪些文件,并将审查意见发回任务中。

整个工作方式可以简单地理解为:

  • 电脑负责读取代码、运行命令、构建项目和执行测试;

  • 手机负责启动任务、补充上下文、处理关键决定和检查结果。

代码和开发环境依然留在 Mac、Windows 电脑或远程开发机上。而手机不用安装完整的编程环境,操作复杂的终端,只作为一个移动的控制界面进行指挥任务推进。

图 1:手机连接开发主机后,可以查看可用的电脑、项目和工程任务。

任务启动前的环境边界

使用 Agent 处理工程任务时,第一条指令很重要,任务运行的环境同样重要。

在手机端创建新任务前,我们要先确定 Codex 在哪里工作、读取哪一个项目,以及从哪份代码开始修改。

一般要先选择这些内容:

  • 运行任务的电脑或远程主机;

  • 对应的项目与工作区;

  • 任务使用的基础分支;

  • 是否创建独立的 worktree;

  • 是否执行项目配置好的环境初始化脚本。

对新手来说,上面最陌生的概念可能是 worktree。它是一堆相互隔离的项目工作区,属于原来的 Git 仓库,但可以拥有独立的分支和文件状态。

如果只是让 Codex 阅读代码、解释报错,或是进行一次简单的调查,直接用当前工作区就行了。但如果任务会涉及多个文件、要持续修改,或是你正在电脑上处理另一项工作,创建独立的 worktree 便是个好法子。这样可以减少不同任务之间的相互干扰,也方便任务结束后我们检查改动、合并结果和清理工作区。

举个例子,你正在主分支上开发一个功能,同时希望 Codex 修复另一个 Bug。worktree 就能隔离这两个任务,让它们分别在独立的代码环境中进行。

图 2:创建任务前,可以选择主机、项目、plan 模式,提前确定任务运行的环境。

任务运行中的补充与引导

任务开始后,你可以用手机继续补充信息。

例如,你在手机上测试一个网页或 App,发现它的按钮被遮挡住了,可以直接截图并发送给 Codex:

检查截图中的页面布局问题。底部按钮在窄屏设备上被遮挡,请先定位原因,并说明可能涉及的样式文件。

一图省千言,你的截图可以直接呈现页面状态,从而减少你对位置、尺寸和布局关系的文字描述。如果 Codex 的处理方向出现偏差,你也可以及时补充边界:

修改范围限制在移动端样式,不要调整桌面端布局和公共组件。

在 Agent 任务运行过程中,很适合用这个补充方式。它能够让 Codex 及时修正方向,避免继续产生与目标无关的改动。

不仅如此,手机本身也是一个方便的信息采集设备。除了截图,你还可以上传文件、拍摄照片,或者用语音输入描述问题的复现过程。

例如:

页面第一次打开正常。从后台重新进入后,列表可以加载,但滚动位置没有恢复。这个问题只在重新进入页面时出现。

这类来自真实设备的信息,可以帮 Codex 缩小排查范围。对于范围较大的任务,你可以先让 Codex 制定 Plan,就是上面配图的 Plan model。这样 Agent 会先分析问题和实现路径,而不是立马开始修改代码。

参考:

先检查消息列表的恢复流程,列出可能原因、涉及文件和验证方法,暂时不要修改代码。

等 Codex 给出计划后,我们可以重点检查几个问题:

  • 它是否找对了代码入口;

  • 修改范围是否合理;

  • 有没有涉及无关模块;

  • 是否考虑了测试和异常状态;

  • 任务完成后如何验证结果。

明确了问题、范围和完成条件后,我们可以把结果设成持续 Goal,让 Codex 接着完成实现、测试和收尾,减少每一轮重新解释目标带来的成本。

Codex 设定的 Goal 最好包含清晰、可验证的条件,例如:

修复移动端重新进入页面后的列表恢复问题,保持现有加载逻辑不变,并补充对应的回归测试。

“全面优化项目”这类目标过于宽泛,Codex 很难判断任务何时完成,也更容易扩大修改范围。

主任务与侧边问题的分流

长时间运行的工程任务会积累很多上下文。

虽然 Codex 了解了项目结构、问题原因、修改范围和测试要求,但这些一直留在主对话中的信息,会持续影响后续判断。在 Agent 开发过程中,我们会遇到一些临时问题:

  • Codex 为什么选择这个实现?

  • 某条报错具体是什么意思?

  • 这条命令是否可以批准?

  • 当前修改应该如何写进发布说明?

  • 有没有更简单的实现方式?

这些问题与当前任务相关,但未必需要加入主任务的执行过程。临时讨论太多,容易让主对话变得杂乱,也可能让 Codex 的注意力偏离原来的目标。

这时可以使用 Side Chat,用 /side把局部问题放到侧边对话中处理。这样直接带上问题,也可以:

/side 解释一下这个报错可能由哪些状态同步问题引起

主对话继续推进代码任务,Side Chat 用于解释、分析和讨论局部问题。这样既保留了相关上下文,也能让主任务的执行记录更加清晰。

手机端的代码审查

Codex 完成一轮修改后,手机端会显示本次任务涉及的文件。我们可以先查看 Changed Files,确认修改范围是否符合预期,再打开 diff 检查具体代码变化。diff 展示的是修改前后的差异,包括新增、删除和发生变化的代码行。

如果你是新手,最好不要一开始就在手机上逐行阅读所有代码,可以先从检查文件范围开始。

例如,一个只要求调整移动端样式的任务,却修改了数据请求、公共组件和桌面端页面,这通常意味着任务边界已经扩大。此时可以直接补充要求:

保留移动端样式修改,撤回公共组件和数据请求中的改动。

如果问题出现在具体代码行,还可以添加行内评论,将意见与对应代码直接关联:

这里不要修改公共样式,请将调整限制在移动端媒体查询中。

Codex 收到评论后,可以继续处理这些审查意见,并生成一轮范围更小的修改。/review可以让 Codex 对当前改动进行整体审查,或是补充审查重点:

审查当前改动,重点检查修改范围、异常状态和新增测试是否真正覆盖了问题。

手机屏幕偏小,其实不适合长时间阅读大段代码。但很多任务真正需要人工处理的,一般只是几个关键判断:

  • 修改范围是否合理;

  • 是否遗漏异常情况;

  • 是否应该调整公共逻辑;

  • 测试是否覆盖真实问题;

  • 当前结果是否可以继续推进。

这些决定可以在手机上快速完成,任务不用一直等到你重新回到电脑前。

移动端的工程控制

手机端 Codex 的价值,是让开发者在离开电脑后,依然能够参与工程任务中的关键决策。

电脑继续负责代码读取、命令执行、构建和测试,手机则负责启动任务、补充上下文、调整方向和检查结果。

它不需要变成一个缩小版的开发环境,而是把开发过程中最需要人参与的环节放到手机上:确认任务范围、提供现场信息、判断修改方向,以及审查最终结果。

这样,即使暂时离开开发机,你依然知道 Codex 正在做什么,并能在关键节点及时介入。

相关文章
|
3月前
|
人工智能 数据可视化 安全
我用多模态AI直接把UI稿丢进去,它自己完成了所有页面的探索式测试
关注「霍格沃兹软件测试开发」公众号,回复「资料」领取AI测试开发技术合集。本文揭秘大厂落地实践:基于多模态大模型,将UI设计稿自动转化为探索式测试能力,零脚本覆盖200+页面、发现47个传统漏测Bug,真正实现“丢稿即测”。
|
3月前
|
数据采集 人工智能 缓存
1688 图搜 API 实战|从一张竞品图片,实现全自动溯源货源 + 跨平台快速上货
本方案介绍基于1688图搜API的自动化选品上货系统,支持图片上传→智能识图→货源匹配→数据采集→多平台批量铺货全流程。涵盖官方与第三方接口对比、风控策略、版权规避及SaaS/单机两种部署模式,助力无货源商家降本增效。
580 0
|
3月前
|
存储 机器学习/深度学习 关系型数据库
从 GPT-2 到 Kimi K3:22580 倍规模增长背后的架构演进
本文深度解析Kimi K3技术演进路径:从GPT-2出发,历经Linear Attention、DeltaNet、Gated DeltaNet、Kimi Linear,最终抵达2.8万亿参数的Kimi K3。全文以“状态管理”为主线,揭示架构迭代本质——非单纯堆参,而是持续优化记忆存储、动态更新与选择性读取机制,兼顾效率与表达力。
346 0
从 GPT-2 到 Kimi K3:22580 倍规模增长背后的架构演进
|
3月前
|
人工智能 BI API
阿里云Qwen3.8-Max-Preview介绍:核心能力、适用场景、支持订阅计划与最新活动
阿里云于2026年7月19日发布Qwen3.8-Max-Preview,为通义千问首个2.4T参数原生多模态旗舰模型,采用第三代MoE架构,支持百万Token上下文、全栈代码工程、原生多模态处理及多智能体协作,较Qwen3.7-Max全面跃升。模型处于"日更进化"预览阶段,现推出限时优惠:常规时段1折、夜间0.2折(22:00-次日08:00),适用于Qoder CN全系产品。个人版Token Plan低至39元/月,团队版150元/席位/月起,配合新用户25元体验包及14天Pro Trial,是开发者与企业低成本体验顶级大模型的绝佳窗口。
|
2月前
|
前端开发 安全 Shell
Agent 小知识 | Agent 编排的三种方式:ReAct、Plan-and-Execute 与 Workflow Graph
本文深入解析Agent编排三大范式:ReAct(动态探索未知路径)、Plan-and-Execute(目标明确、可调整的结构化执行)与Workflow Graph(规则固化、安全可控的流程图)。三者非替代关系,而是按任务确定性分层协同——主干用Workflow守边界,子任务用Plan组织,细节用ReAct灵活应对。
249 0
Agent 小知识 | Agent 编排的三种方式:ReAct、Plan-and-Execute 与 Workflow Graph
|
3月前
|
人工智能 自然语言处理 开发工具
Codex 实践系列 Vol.03:Codex 那些好用的 slash command
本文是Codex系列第三篇,聚焦真实项目协作:以AI志愿填报Demo为案例,详解`/status`、`/goal`、`/plan`等核心slash命令的实战用法——从确认环境、设定目标、规划修改,到聚焦文件、审查diff、复查逻辑、压缩长对话,系统提升AI编程的可控性与工程规范性。
324 2
Codex 实践系列 Vol.03:Codex 那些好用的 slash command
|
3月前
|
运维 监控 安全
Coding Agent 规则管理:CLAUDE.md、Skills、Hooks、Subagents 到底怎么选?
Claude Code 用分层设计把 Coding Agent 的规则拆成多种机制,让约束在合适的时机生效
297 1
Coding Agent 规则管理:CLAUDE.md、Skills、Hooks、Subagents 到底怎么选?
|
3月前
|
自然语言处理 安全 API
Agent Graph Engineering:从线性 Workflow 到可扩展 Agent 系统
本文介绍Agent图编排(Agent Graph Engineering)的核心思想:摒弃简单串行流程,以数据依赖关系构建节点(Agent/代码)与边(数据流)组成的有向图。强调清晰输入输出约定、并行执行、故障隔离、验证机制与动态循环设计,提升系统可组合性、稳定性与成本效率。
338 0
Agent Graph Engineering:从线性 Workflow 到可扩展 Agent 系统
|
3月前
|
API
让 Coding Agent 更靠谱:Model 和 Effort 怎么选
本文详解Coding Agent中Model与Effort的核心差异:Model决定能力上限(换权重),Effort控制工作深度(调思考量)。二者协同影响质量与成本——简单任务宜用小模型+默认Effort,复杂问题需大模型+高Effort。调试时应先优化上下文,再按“能力不足换Model,验证不足提Effort”原则调整。
279 0
|
2月前
|
JavaScript
Codex 实践系列 Vol.04:用 Goal 和 Plan 管住一个长任务
从设置 Goal、让 Codex 主动推进,到人工检查实际结果,再用 Plan 收窄修改范围,这次实践至少说明了一件事:长任务交给 Agent 之后,我们可以把方向交给 Goal,把阶段性的控制交给 Plan,同时还得自己看最终结果有没有真的变好。
202 0