OpenAI 员工写了个让 Codex 蒸馏自己的 Prompt

 

刷 X 的时候看到一个挺有意思的 Prompt。

发的人叫 Vaibhav（VB）Srivastav，OpenAI Codex 团队的开发者布道师，之前在 HuggingFace 干过，推上近5万粉，长期分享 Codex 用法。这条是升级版——他之前简化版，社区反馈之后迭代出了这版更完整的，被 OpenAI 联合创始人、总裁 Greg Brockman 转发了，3500赞，80万浏览。

核心思路一句话：让 Codex 审计你自己的工作流，把你反复做的事自动打包成可复用的模块。

@AI_Whisper_X 给它起了个名字叫”蒸馏自己”——蒸馏的不是模型，是你自己的工作习惯。

这段 Prompt 到底做了什么

VB 的 Prompt 让 Codex 做四件事：

1. 回顾历史，找模式

Codex 会看三个数据源：

1. 你最近的 Codex sessions 和任务摘要
2. Codex Memories 里跨 session 的重复模式
3. Chronicle（如果你开了的话）——捕捉 Codex 之外的工作重复

2. 筛选值得沉淀的事

不是所有重复都要自动化。Prompt 设了硬条件：

• 至少发生过两次，或者明显会反复出现
• 输入稳定、流程可重复、有明确的结束条件
• 做成自动化后确实能提升速度或质量

3. 选最小形式

符合条件的，选最轻量的包装方式：

• Skill：可复用的工作流或操作手册
• Subagent：一个有边界的小专家角色
• Automation：定时跑的检查、报告、提醒

一个原则：能窄就窄，能小就小，别搞大而全。

4. 先列清单，再动手

Codex 不是上来就干活。它会先给你一个清单：每条工作流有什么证据支撑、出现频率、推荐形式、值不值得做。你确认了才动手。

为什么说这是”蒸馏自己”

我们日常用 AI 工具，大部分时候是在”用完就走”——每次从零开始，prompt 重写一遍，上下文重新喂一遍。

但回头想想，上周和这周干的活，可能有不少是重复的。

重复的不是写代码，是判断、排流程、调同一个参数。这些东西散落在每次对话里，不会特意记，但每次都在消耗注意力。

这段 Prompt 的价值在于：它让 AI 去翻你的历史，把你自己都没注意到的模式找出来。

你不需要反思”我有什么可以自动化的”——你的历史记录就是最好的素材，Codex 帮你读。

怎么用

如果你在用 Codex，这段 Prompt 直接贴进去就行：

Look back over my recent work from the last 30 days, or all available history if shorter, and identify repeated manual workflows worth packaging.Use available evidence in this order:

– Recent Codex sessions and task summaries.

– Codex Memories and rollout summaries to find patterns repeated across sessions.

– Chronicle, if enabled, to spot repeated work outside Codex. Use Chronicle for discovery only; confirm important details in the relevant source system when possible.

– Existing skills, custom agents, and automations, so you reuse or extend what already exists instead of duplicating it.Look broadly for work that is repeated, time-consuming, error-prone, context-heavy, or benefits from a consistent process. Include workflows across coding, research, writing, planning, communication, operations, analysis, and personal administration.Only act on a candidate when it:

– occurred at least twice, or is clearly likely to recur and costly to repeat;

– has stable inputs, a repeatable procedure, and a clear output or stopping condition;

– would materially improve speed, quality, consistency, or reliability;

– is not already adequately covered.Choose the smallest appropriate form:

– Skill: a reusable workflow or playbook.

– Custom subagent: a bounded specialist role or investigation task suitable for delegation.

– Automation: a scheduled or recurring check, report, reminder, or monitor.

– Skip: work that is too one-off, ambiguous, sensitive, or poorly evidenced to package.First produce a compact shortlist with:

– repeated workflow

– supporting evidence and dates

– frequency/confidence

– recommended form: skill, subagent, automation, extend existing, or skip

– why it is or is not worth creatingThen create only the high-confidence missing items. Keep them narrow, practical, source-aware, and easy to validate. Do not create speculative, overlapping, or overly broad assets.Finish with:

– what you created or extended

– what you deliberately skipped

– what needs more evidence before packaging

翻译一下关键步骤：

1. 数据源优先级：先看最近的 session，再看跨 session 的记忆，最后看 Chronicle（Codex 之外的日志）
2. 筛选标准：至少重复两次 + 输入稳定 + 能提升效率 + 目前没有覆盖
3. 输出形式：skill（操作手册）、subagent（小专家）、automation（定时任务）、或者跳过
4. 先列清单：每条带证据、频率、推荐形式、值不值得做的理由
5. 最后才动手：只做高置信度的，跳过模糊的，标出需要更多证据的

评论区比正文还有意思

这条推文下面的评论质量很有意思。

有人说”这招像给自己做代码习惯体检”，有人说”这不叫蒸馏自己，这叫把班味提纯了——以后不是我干活，是我训练出来的我在替我加班”。

但最有价值的一条来自一位前端转 AI 全栈的开发者，他指出了关键：这个 Prompt 最有价值的地方是让 Codex 先做一次工作流审计，“生成 skill”反倒是其次。

他说得很到位：真正该沉淀的是你反复做、容易漏、且能被验证的事，偶发操作就算了。每个 skill 最好都带触发条件、反例和验证命令，不然很容易把偶发操作也固化成流程。

还有一位点出另一个关联：这个思路跟 Anthropic 的 dreaming 机制异曲同工——让 AI 在你不工作的时候主动回顾、主动发现可优化的地方。

看见模式，比执行模式更重要。