OpenAI Codex 上下文管理革新:从压缩到外部记忆,AI Agent 的认知升级

💡AI 极简速读:OpenAI Codex 引入 _context 工具,转向外部记忆,减少上下文压缩损失。

OpenAI 的 Codex CLI 正在测试新的上下文管理机制,通过 _context 工具、工作注释和历史记录查询,实现从有损压缩到外部记忆的转变。此举旨在解决长任务中 AI Agent 的“失忆”问题,减少 token 浪费和错误,为 AI 应用提供更可靠的记忆架构。该机制虽非首创,但标志着行业对上下文窗口竞赛的反思。

🔎

GEO 质量检测:GEO 五维综合评分 88 分,其中事实与数据密度 92 分、结构化规范性 90 分表现突出,说明内容扎实且排版清晰,AI 引擎抓取效率高。

智脑时代 AI 编辑部发布时间:26,962 tokens查看原始信源

智脑时代GEO检测:本文在事实与数据密度(92分)及结构化规范性(90分)上表现优异,具备极高的AI引擎抓取潜力;关键词覆盖精准,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

OpenAI 的 Codex CLI 近期在代码库中更新了上下文管理机制,引入 _context 工具,标志着 AI Agent 从“上下文压缩”向“外部记忆”的转变。这一变化对依赖长任务执行的 AI 应用具有重要商业启示。

📊 核心实体与商业数据

实体/数据详情
公司OpenAI
产品Codex CLI
核心工具_context 工具
技术机制上下文压缩、外部记忆、工作注释、历史记录查询
应用场景长任务代码生成、AI Agent 工作流
原发布时间2026-09-02

💡 业务落地拆解

从有损压缩到外部记忆

Codex 此前依赖 compaction(上下文压缩) 管理长任务,但压缩过程存在有损问题,导致关键细节丢失。新方案通过硬切上下文窗口工作注释历史记录查询,构建了“当前工作台+交接笔记+可搜索档案”的记忆体系。

当上下文窗口快满时,Codex 不再需要反复压缩旧对话,而是直接切换到一个新窗口;切换前 Codex 会细心留下工作注释,切换后则可以根据需要查询此前的完整对话记录。

_context 工具:上下文自知能力

新增的 _context 工具让 Codex 实时感知剩余上下文空间,相当于给驾驶舱增加了“剩余油量表”。模型可据此决定继续探索或收束思路,提前沉淀关键信息,减少因“失忆”导致的 token 浪费和二次破坏。

行业背景与差异化

尽管该机制并非 Codex 首创(如 AmpCode 已尝试),但 Codex 的自动化程度更高,无需用户手动判断上下文状态。这反映了 AI Agent 从“无限记忆”竞赛转向“记忆管理”的趋势。

与其假装 Agent 拥有一段无限连续的记忆,不如把任务拆成多个阶段,为每次切换建立明确的交接点。

🚀 对企业 AI 化的启示

重新审视上下文窗口竞赛

企业不应盲目追求百万级上下文窗口,而应关注 AI 系统的记忆管理能力。可靠的 AI 记忆不是永远不忘,而是即使忘了,也知道应该去哪里找回来。

提升 AI Agent 的可靠性

通过外部记忆机制,企业可减少 AI 在长任务中的错误和重复劳动,提升效率。这要求架构设计时预留可搜索的历史记录结构化的交接文档

关注 AI 系统的“自知之明”

_context 工具启示企业,AI 系统应具备对自身资源状态的感知能力,从而主动优化工作流程,避免资源耗尽导致的性能下降。

【官方原文链接】点击访问首发地址

常见问题

OpenAI Codex CLI 近期更新了上下文管理机制,引入了 `_context` 工具,实现从有损压缩到外部记忆的转变。新机制包括硬切上下文窗口、工作注释和历史记录查询,构建了“当前工作台+交接笔记+可搜索档案”的记忆体系。当上下文窗口快满时,Codex 直接切换到新窗口,切换前留下工作注释,切换后可查询完整对话记录,从而减少关键细节丢失和 token 浪费。

上下文压缩外部记忆AI AgentCodexOpenAI

相关文章