Codex 可能 2–3 个月后就显得原始。
这句话来自 OpenAI 的 Tibo。他的公开简介写着「Codex & ChatGPT @OpenAI」。原帖的判断很直接：Codex 已经是一个不错的 harness，但从他最近看到的结果判断，今天的形态过几个月会显得很原始，下一代模型需要的也将超过一台笔记本电脑。
很多人立刻开始猜下一代 Codex：转向云端、连续运行几小时甚至几天、同时调度多个子智能体。这些方向都有可能，原帖没有公布具体产品形态，更没有给出发布日期。
我更关心另一个问题：当工具以月为单位变化，我们究竟该把时间花在哪里？
过去学一套软件，熟练度可以用很多年。现在，一个界面、一种 Prompt 写法，甚至一套工作流，几个月后就可能需要重做。只靠记住工具的用法，很容易陷入反复清零。
真正能持续积累的，是快速学习及实践的能力。
把“学会”改成“做出结果”
看到新能力后，先别急着把文档和测评全部看完。找一个正在发生的真实任务，把新工具放进去。
这个任务可以很小：整理一份资料、修一个页面问题、完成一张图、跑通一次数据分析、把一篇稿子改到能发布。关键是结果能被使用、比较或验证。
一次真实实践，会逼你遇到教程里没有的问题：上下文怎么给，任务怎么拆，结果如何判断，失败后从哪里重来。解决这些问题，才算真正学到。
一个 48 小时练习
1. 选一个真实问题
不要从“我要学 Codex”开始，改成“我要用 Codex 把这件事做出来”。
2. 当天跑通最小闭环
允许结果粗糙，但必须有可见产物。只看教程、收藏案例、整理功能清单，都不能算完成。
3. 在 48 小时内完成一次验证
让同事试用、和旧方法比较，或者用明确标准检查结果。没有反馈，就不知道自己学会的是有效方法，还是一次偶然成功。
4. 记录下一次能复用的东西
留下有效提示、任务拆解、失败原因和验收标准。不要把所有操作过程写成一份没人会再看的长笔记。
5. 用同类任务再跑一次
第二次完成得更快，才说明学习开始转化成能力。
项目经验会穿过工具周期
如果只能在“多看三个月资讯”和“认真跑完几个小项目”之间选一个，我会选后者。
资讯告诉你发生了什么。项目会留下试错经验、任务拆解、结果判断和一套更快的上手方式。
工具会过时，已经做过的项目不会白做。每轮实践，都在帮你缩短下一轮的上手时间。
所以面对下一代 Codex，我不会先问需要背多少新功能。我会先找一个真实任务，看看自己能多快把新能力变成可用结果。
过去一个月，你用 AI 做成的最具体一件事是什么？
事实边界
- 原帖明确包含“2–3 个月后会显得原始”和“下一代模型需要的不止一台笔记本”。
- 云端长时运行、多子智能体协作属于可能方向，不作为已确认产品能力。
- 不称 Tibo 为 Codex 总负责人，不声称 OpenAI 已公布发布日期。