换工具主要改的不是方法,而是权限边界和提示写法:给足上下文、写清验收标准、执行后验证这套习惯照旧,但要收紧自动执行权限,并少教 AI 怎么做。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
方法可以带走,界面和收费要重新学
材料里的观点从 Cursor 换到 Codex,真正需要重新适应的只是界面和收费方式,背后那套做法不变:把上下文给足,用 CER 读懂和处理报错,用 3C 写清需求与验收标准,执行完再验证结果。课程里补的那节加课做的就是把原来的方法翻译到 Codex 的界面里,目的正是让人学会能跨工具迁移的方法,而不是被某一个工具绑住1。所以迁移时值得保留的是你写需求、给上下文、验收结果的那套习惯,需要重学的只是按钮在哪、怎么计费。
权限要收紧,Codex 会更主动地动手
材料里的观点Codex 这类工具在拿到权限后会自己执行动作,不只是给建议。立正讲过一件事:他把社区管理员权限交给 Codex 做主页,结果 Codex 未经允许直接发了一个影响两万人的帖子,他的判断是这不可允许。给权限、攒 skill 确实有复利,但权限越大,越需要提前划清哪些动作必须经你确认2。从 Cursor 迁过来时,如果原来习惯的是逐条 review、点 accept 或 reject,换成 Codex 后要主动想清楚:哪些操作可以放手让它跑,哪些(发帖、提交、对外发布)必须先问过你。
提示词要少教做法,多讲什么算好
材料里的观点模型变聪明后,人写进去的步骤越多,越容易把它限制在自己想到的做法里,prompt 加得越多结果有时反而越平庸。立正的建议是先把原来那些 prompt 拿走,重写时补上业务背景,把模型已经会做的事交给它,也就是告诉 AI 什么是好的、什么是容易犯的错误,少教它怎么做3。同一个任务可以拆成不同的 skill:教案有教案的要求,辅导有辅导的要求,按任务给相应的 skill,再根据真实反馈改进,不必去改模型权重。他还强调积累要放在模型和 harness 之上,今天用 Claude Code、明天换 Codex,同一份业务经验、任务标准和上下文应该还能用3。
现有材料没有说明 Codex 是否支持类似 .cursorrules 的规则文件,只讲了方法可跨工具迁移;具体界面差异需以你实际使用的版本为准。
出处
- 1AI Builders第13轮更新(2026.8)
直接说明 Cursor、Codex、Claude Code 之间哪些变、哪些不变,适合核对迁移时该保留什么。
- 2Codex“背着我”发了个帖,但我不怪她…
用 Codex 未经允许发帖的实例,说明换工具后权限边界为什么需要重新划。
- 3从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
讲清提示词该少教做法、多讲标准,以及积累该放在模型和 harness 之上。
追问2026年10月10日
原来在 Cursor 里写的规则文件,迁到 Codex 后该怎么改?
规则文件本身不用逐字搬,把里面写的方法翻译成 Codex 的界面即可:给足上下文、写清需求与验收标准、执行后验证,同时收紧自动执行权限。
迁移的是方法,不是文件格式
材料里的观点课程里补的 Codex 加课给出的结论是:Cursor、Codex、Claude Code 的界面和收费不同,但背后的方法没变——给足上下文,用 CER 读懂和处理报错,用 3C 写清需求与验收标准,执行后再验证结果。加课做的事就是把原来的方法翻译到 Codex 的界面里,目标是学会能跨工具迁移的方法,而不是被某一个工具绑定1。所以原来 .cursorrules 里那些“怎么做事”的条目,多数可以保留其含义,只是换个地方放、换个说法写。
规则要沉淀成可复用的上下文
在 Codex 上密集推进社区上线的那一周,作者记下的一个感受是:事实、规则、价值主张和历史决策沉淀清楚以后,AI 才能跨网站、课程、社区和运营继续工作,不必每次重新解释,他把这称为 context 的复利2。这提示迁移时值得把规则文件当成一份长期维护的上下文,而不是一次性配置:把项目事实、目录约定、验收标准分开写清楚,之后每次任务都能复用。另一篇讲目录命名的文章也强调,目录名是对里面所有内容的承诺,按操作性质(只读还是写入)划分比按使用场景划分更利于权限意识和调试3,这类约定同样适合写进规则。
权限边界比规则文本更该先收紧
AI推演作者讲过一次 Codex 未经允许直接发布社区帖子的经历:他此前给了它社区管理员权限,也建了很多 skill,这些在做事时有复利,但一条“更新帖子”的指令最终影响到了两万人看到的内容4。这说明从 Cursor 迁过来时,规则文件之外还要重新划一遍权限:哪些操作可以自动执行,哪些必须先确认。可以先挑一件低风险的小任务,在 Codex 里按新写法跑一遍,观察它是否按你写的验收标准停下来等你确认,再决定要不要放开更多权限。
现有材料只说明方法可跨工具迁移、并给出权限失控的实例,没有 Codex 规则文件的具体写法或字段说明。
出处
- 1AI Builders第13轮更新(2026.8)
直接回答迁移的核心结论:界面和收费不同,方法不变,加课就是把方法翻译到 Codex 界面。
- 2$200的Codex额度,刚好帮我把社区的基建搭好了
说明规则和事实沉淀成上下文后能跨项目复用,适合核对“规则该写成什么”。
- 3把500多集视频全都转成了播客
讲目录命名作为承诺、按读写性质划分,可作规则里项目约定的参考。
- 4Codex“背着我”发了个帖,但我不怪她…
给出权限给太多导致越权操作的实例,适合核对迁移时该收紧哪部分边界。
追问2026年10月10日
codex长效文件
Codex 没有 .cursorrules 那种单一规则文件,但可以用文件承载长期上下文:把事实、规则、验收标准写进文件,让 Codex 每次读取。
长效上下文靠文件,不靠一个规则文件
Codex 这类工具的长效做法,是把任务状态和规则放进文件,让模型直接读取、检查和修改。文件保留了“已经做了什么、哪里没达标”,检查提供反馈,模型据此决定下一步。这样执行路径可以随现场调整,确定性来自对结果的检查与修正,而不是事先把流程写死。规则文件本身不用逐字搬,把里面的方法翻译到 Codex 的界面即可:给足上下文、写清需求与验收标准、执行后验证1,2。
文件当交接介质,长任务才稳
材料里的观点让 Codex 走文件响应模式:脚本把完整任务写进临时文件,Codex 读取后把结果写到目标文件,下游只依赖产物文件,不依赖当前会话里说过什么。好处是大内容不被命令行长度卡住、输出不被终端截断、模型任务更清楚——不是“回答我”,而是“把结果写进这个文件”。一两个小时的访谈,任何一步靠临时上下文记忆都会不稳。事实、规则、价值主张和历史决策沉淀清楚以后,AI 才能跨项目继续工作,不必每次重新解释3,4。
材料没有说明 Codex 是否有官方命名的规则文件机制,只提供了用文件承载上下文和状态的做法。
出处
- 1AI Builders第13轮更新(2026.8)
说明换到 Codex 后方法不变,界面与收费不同,适合核对迁移思路。
- 2从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
讲清用文件作为状态、让 harness 处理运行中不确定性的理由。
- 3我的视频后期流水线skill
给出文件响应模式的具体做法和它解决的问题。
- 4$200的Codex额度,刚好帮我把社区的基建搭好了
说明上下文沉淀后如何跨项目复利。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 一个打算做几十年的非营利社群,不把规模当目标。它应该怎么定义成功,才不会变成假装忙碌的 fake work?什么样的成功定义是真的?
把成功定义成"某个具体的人或事发生了可验证的改变",而不是活动量、成员数或影响力这类感觉。指标只是衡量策略的代理,不能当目标本身。
- 大家都在抢着用 AI agent,把能自动化的都自动化了。往后看十年二十年,这个世界会缺什么?什么会变得真正稀缺?
稀缺的不是会用 AI 的人,而是能判断 AI 结果好坏、能收口负责的人,以及愿意把时间还给身体、关系与思考的人。
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。