7 天烧掉 230 亿 Token：这 50 条 Codex 心得够用了

AI Native 的工作方式

1. 相信未来是一个普通人靠想法也能暴富的时代，前提是你学会无限烧 Token 的方式。

2. 真正拉开差距的不是「会不会用 AI」，而是拥有 AI Native 的思维：不要让人成为瓶颈，思考怎么减少自己的参与；你敢不敢让 AI 连续工作几小时、几天，甚至长期替你推进一个目标。

3. 学会搭建稳定、低成本的模型调用方案。 Token 成本降不下来，你就会下意识少思考、少尝试、少并行。

4. 想办法让账号拥有更充足的 Token 配额。可以研究 OpenCodex、CC Switch。

5. 不要把「省 Token」当成最高目标。Token 可以再买，真正稀缺的是你的时间、注意力和机会窗口。

6. 烧 Token 不是让 AI 陪你闲聊，而是让它持续搜索、分析、执行、验证，最后交付可以直接使用的结果。

7. 最有价值的不是一个神奇提示词，而是一套能够反复运行、持续优化的工作流程。

8. 相信 AI，理解 AI，然后尽可能让 AI 去做。 很多事情不是 AI 做不了，而是你没有真正把权限和任务交给它。

9. 再次强调：不要让人成为工作流里的瓶颈。 每次需要你复制、粘贴、确认、整理，都应该思考能否继续自动化。

10. AI Native 不是「原来的业务加一个聊天框」，而是重新设计整个业务，让 AI 成为默认执行者。

从陌生行业开始做新项目

11. 不懂一个行业有时反而是优势。 你没有被旧规则限制，更容易让 AI 带着你从第一性原理重新拆解行业。

12. 遇到新行业，不要先花三个月学习。 先让 Codex 调研市场、整理术语、分析竞品，再用真实项目反向学习。

13. 做新业务时，先考虑能不能让 AI 完成，再考虑要不要招人。很多过去需要一个团队的事情，现在可能只需要一个负责人。

14. 一定要优先使用当前能力最强的模型。模型能力差一点，可能不是结果差一点，而是整个复杂任务根本跑不通。

15. 简单任务可以交给便宜模型，关键判断、复杂编码和长期任务交给顶级模型。不要为了省小钱，浪费更多返工时间。

16. 学会观察 Codex 的额度和重置时间。临近重置还有大量额度，就安排代码审计、竞品调研、批量测试等重任务。

17. 不要等到额度快过期才随便烧。提前准备一个「高 Token 任务池」，有剩余额度时直接启动。

18. 学会使用目标模式。把一个需要数小时甚至数天的结果设成目标，让 Codex 围绕最终交付持续推进。

让 AI 从想法走到可交付结果

19. 目标要写结果，不要只写动作。 不要说「研究一下竞品」，要说「交付竞品数据库、差异分析和可执行方案」。

20. 学会使用 Plan 模式。 复杂任务先让 Codex 拆步骤、找风险、确定验收标准，再开始执行，返工会少很多。

21. 简单任务别过度规划，复杂任务别直接开干。判断标准是：做错一次的返工成本高不高。

22. 给 Codex 明确的完成标准。例如「页面能打开」不够，要写清楚响应速度、移动端效果、异常状态和测试要求。

23. 不要只告诉 AI「做什么」，还要告诉它**「做到什么程度」。** 没有验收标准，AI 很容易交付一个看起来完成的半成品。

24. 大任务尽量交付文件、代码、表格或网页，不要只停留在聊天答案。能沉淀的成果，才有复利。

25. 让 Codex 先读取现有项目、历史文档和真实数据，再提出方案。上下文越真实，输出越少像套话。

把重复操作做成长期流程

26. 为长期项目编写 AGENTS.md。 把项目规则、目录结构、禁区和验收方式写进去，避免每次重新解释。

27. 把经常重复的操作做成 Skill。 一次写好规则，以后一句话就能触发完整流程。

28. 把高频提示词升级为模板，把模板升级为 Skill，再把多个 Skill 串成自动运行的业务系统。

29. 学会使用工具和连接器。让 Codex 直接读取代码、文档、邮件和数据库，少做人工搬运。

30. 不要复制几万行日志给 AI。让 Codex 自己搜索关键词、定位异常时间段、提取相关上下文，更快也更准确。

让 AI 完成调研、开发和测试

31. 遇到 Bug，不要只让 AI 猜原因。 让它复现问题、读取日志、缩小范围、编写测试，最后验证修复。

32. 修复问题时要求 Codex 先写失败测试，再修改代码。能被测试捕获的 Bug，才更不容易再次出现。

33. 不要用「感觉差不多」验收。让 Codex 运行测试、查看页面、检查日志，用证据证明任务已经完成。

34. 做网页时，让 Codex 同时检查桌面端、移动端、加载状态、空状态和错误状态，别只看首页截图。

35. 学会让 Codex 操作浏览器。 大量调研、录入、页面测试和后台操作，本质上都可以转化成浏览器工作流。

36. 让 AI 看图、看截图、看视频，不要什么都靠文字描述。多模态输入经常比你解释十分钟更准确。

37. 不要自己逐个整理竞品。让 Codex 批量搜集、分类、去重、打标签，再由你判断真正值得关注的信号。

38. 相信自己的想法，但前提是看过足够多的竞品、用户反馈和失败案例。自信应该建立在信息密度上。

39. 一个想法不要只生成一套方案。让 Codex 同时给出保守版、激进版、低成本版和最快验证版，再进行比较。

40. 学会并行推进。市场研究、产品设计、技术验证和内容生产可以同时运行，不必等上一件事做完。

41. 并行不是让十个 AI 重复回答同一个问题，而是把任务拆成互不依赖的子问题，最后再汇总判断。

用复盘和配置提高长期效率

42. 让最好模型用最高推理做审查，执行用中等推理即可。

43. 重要决策不要只问「这个想法好不好」，要让 AI 主动反对你。哪里会失败、什么假设最危险、如何最低成本证伪，都可以让它一起检查。

44. 学会洞察 Codex 或 Claude 的周额度重置时间，它是有规律的，不要浪费剩余的 Token。

45. 一次对话只解决一个问题，会浪费 Codex 的连续工作能力。尽量把「调研、方案、实现、测试、复盘」连成完整流程。

46. 每完成一个项目，都让 Codex 复盘。哪些步骤浪费了 Token，哪些信息重复提供，哪些流程可以自动化。

47. 建立自己的失败案例库。 AI 犯过的错误、无效提示词和项目踩坑，都应该沉淀成下一次的约束条件。

48. 买一台性能更好的电脑，建议是 1 万元以上的 Mac，尤其是需要同时运行 Codex、浏览器、开发环境和 Docker 时。生产工具卡顿，会直接限制你的并行能力和思考速度。有段时间，机器只能每天烧 30 亿 Token——因为电脑成了瓶颈。

49. 不要为了烧 Token 而烧 Token。 原文此处附「试试装一下这几个 Skill」配图清单（镜像文本未展开具体 Skill 名，以图为准）。

50. 你不需要一次把 50 条全用上。先找一个自己每周都会重复做的任务，把目标、验收标准和上下文交代清楚，让 Codex 完整跑一遍。跑完以后再复盘，把重复步骤写进 AGENTS.md 或做成 Skill。

先跑通一件重复的事

别把这 50 条当收藏夹。挑一件每周必做的活，目标 + 验收 + 上下文一次说清，让 Codex 整段跑完；再把重复步骤写进 AGENTS.md / Skill。烧得出 Token 不难，烧成可复用流程才算数。