Codex 优化网速实测：900Mbps 狂飙背后的隐藏玩法与风险

ivye
免费干货
13小时前
17热度
0评论

昨天，Codex 重置了额度，我的账号从剩余 10% 又回到了 87%。说实话，这波操作让我有点上头。

内容确实有噱头：用 Codex 竟然能优化本地网络？网速不应该是路由器或 ISP 决定的吗？评论区也有网友质疑：「Codex 到底改了电脑什么配置？」、「AI 太强，我分不清这是不是诱饵。」博主解释：Codex 把 auto tuning level 从关闭调回了 normal。简单说，auto tuning level 让系统根据网络延迟、带宽和拥塞情况，动态决定一次接收多少数据，从而提速。

他还给了提示词：「嘿，我朋友说他的网速提高了。你能帮我看看我家网络有什么可改进的吗？我的 ISP 说带宽是 1.2Gbps，但我实际只有 55Mbps。请帮我解决，别出错。目标：让网速更快。」诊断步骤包括：运行 speedtest-cli、检查 DNS 解析时间、MTU、丢包率、Wi-Fi 信号。发现 3 个问题：删除过时网络配置、终止占用带宽的后台进程、优化 mDNS。最后做了前后速度对比。

这套提示词来自 X 博主 @cjzafir，他用 Codex + GPT 5.5 让网速变快，本地 6B 小模型也更快了，MacBook Pro 像新的一样。

Mac 用户注意：Mac 网络配置固定，Codex 一般无能为力。 博主用的是 Windows。底下网友还科普了这点。

风险警告：评论区有人提到 Codex 删掉了原有网络配置，然后说「删掉它们是为了让网速更快」。 这类 Computer Use 案例常见问题：除了仔细看懂 Codex 要执行的命令，最好在任务里要求它解释每一步。如果不做修改，只让 Codex 诊断网络问题，也比 Windows 自带诊断强（那个一直卡进度条）。

开始了，Codexmaxxing！

当大家都在讨论 Codex 能否真提速时，有网友指出：核心价值在于案例驱动——让 AI 直接参考成功经验，再针对具体情况进行精准诊断。这种提示词技巧在 Agent 产品上很有效。很像 Codex 的 /goal 命令：给一个目标（自己设或参考他人成功案例），Codex 自己摸索路径。

社交媒体上很多人分享目标模板。OpenAI 工程师也写了文章解释什么是目标、如何用好它。

/goal <期望状态>，通过 <具体证据> 验证，同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间，如果受阻或没有剩余有效路径。

也有人认为这只是 Codex 早期阶段，所以我们才需要学这么多提示词技巧。就像 Midjourney、Nano Banana 刚推出时，大家都热衷找公开提示词；现在 GPT Image 2 在大多数场景下不需要专门格式就能出好效果。等 Codex 更好用，我们可能不再需要这些模板。但反过来，正是在模仿使用中，我们才更懂 AI 如何提升效率。

除了提升网速，Codex 还有别的玩法：

定时任务：每天早上自动产出行业日报
自我进化：从过去对话提取有用技能
构建 macOS 应用
把 DeepSeek 接入 Codex 客户端

图片来源：X@hqmank

我们试了那套自进化提示词，花了 7 分钟，创建了 3 个 Skills。

提示词来源：https://x.com/reach_vb/status/2058538305872949490

这套提示词不仅适用于 Codex，几乎所有 Agent 产品都能用它总结可复用流程，以子 Agent、Skill 或自动化形式重新编排。

回顾我最近 30 天的工作，若历史记录不足则查看所有可用历史，并识别值得打包的重复性手动工作流。
按以下顺序使用可用证据：
- 最近的 Codex 会话和任务摘要。
- Codex Memories 和 rollout 摘要，用于寻找跨会话重复出现的模式。
- 如果启用了 Chronicle，用它发现 Codex 之外的重复工作。Chronicle 仅用于发现；重要细节尽量回到相关源系统确认。
- 现有技能、自定义智能体和自动化，优先复用或扩展已有内容，避免重复建设。

广泛寻找那些重复、耗时、容易出错、依赖上下文，或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析，以及个人事务管理。
只有满足以下条件时，才把候选项纳入：
- 至少出现过两次，或明显会重复出现且重复成本高；
- 输入稳定、步骤可重复，并且输出或结束条件明确；
- 能明显提升速度、质量、一致性或可靠性；
- 当前还没有被充分覆盖。

选择最小且合适的形式：
- Skill：可复用的工作流或操作手册。
- 自定义子智能体：适合委派的、有边界的专项角色或调查任务。
- 自动化：定时或周期性的检查、报告、提醒或监控。
- Skip：过于一次性、模糊、敏感，或证据不足，不适合打包。

先输出一个简洁候选清单，包含：
- 重复工作流
- 支持证据与日期
- 频率 / 置信度
- 推荐形式：skill、subagent、automation、扩展已有内容，或 skip
- 为什么值得或不值得创建

然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源，并且容易验证。不要创建猜测性的、重叠的，或过于宽泛的资产。
最后总结：
- 你创建或扩展了什么
- 你刻意跳过了什么
- 哪些内容还需要更多证据后才能打包

我们还试了 Tibo 分享的取消付费订阅服务。由于订阅项目少，但有很多 newsletter，我们输入：「请查看我的电子邮件，列出我付费订阅的所有服务，以及订阅了哪些邮件通知，并和我确认哪些需要取消订阅。」

Codex 很快调用浏览器工具，打开 Gmail，检查邮箱，发现付费订阅少，着重列举了「可退订的邮件通知」。

Codex 自动搜索相关邮件。新加入 OpenAI 的员工 Jason Liu 分享了榨干 Codex 的用法：喜欢语音输入、跨对话保留上下文、用 Obsidian 库作为持久记忆层。

OpenAI CEO Greg 在 X 发文：仅凭模型本身已经不再是产品。Google AI Studio 负责人 Logan 跟帖：模型、工具和产品之间的共生关系已成趋势。

从目前看，Codex 大概是体现 OpenAI 模型能力最有力的产品。

Codex 重新设计了主页，更像一个能为所有人提供帮助的 AI 工作助手，而非仅限于开发者代码补全。负责人 Tibo 提到：「总体规划是发布更好、更高效的模型，每周都发布更好的产品，还要增加计算能力。」能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出，Codex 进展确实值得期待。不过，Tibo 贴心提醒：好用，也记得多出去走走，Codex 没法替我们体验真实生活。