OpenAI описывает Codex как persistent workspace для работы, которая продолжается за пределами одного prompt: durable threads, steering, memory, browser/computer use, remote control, thread automations, goals and side panel. Для AI-Ready это сигнал о переходе от prompt-based работы к управляемым агентным циклам.

Что произошло

22 июня 2026 года OpenAI опубликовала материал о Codex для long-running work. В нём Codex описан не только как помощник для кода, а как рабочее пространство, где можно продолжать задачу за пределами одного prompt.

Вместе со страницей OpenAI даёт полный PDF-гайд. Он показывает, как длинная задача может держаться на durable threads, voice input, steering, memory, browser and computer use, remote control, thread automations, goals and side panel.

Кратко о новости

Главная идея источника: сложная работа не всегда помещается в один запрос. Для таких задач Codex может быть местом, где собираются контекст, промежуточные решения, артефакты, инструменты и следующий шаг.

  • Durable threads помогают не начинать заново, когда задача возвращается через день или неделю.
  • Voice input и steering дают возможность направлять работу по ходу процесса, а не только в первом prompt.
  • Memory выносит важные решения, предпочтения и открытые loops из истории чата в проверяемый рабочий контекст.
  • Browser, computer use, connectors and skills расширяют поверхность работы: Codex может помогать там, где появляются задачи, документы, письма, issues, previews and artifacts.
  • Thread automations описаны как повторяющиеся возвраты к той же задаче, но решения и важные действия остаются под контролем человека.
  • Goals помогают задать проверяемый критерий готовности: задача закончена не когда AI «что-то сделал», а когда выполнен понятный стандарт.
  • Side panel превращает артефакт в часть рабочего цикла: его можно открыть, проверить, прокомментировать и использовать как контекст.

Сигнал

AI-агенты уходят от формата «один prompt — один ответ» к формату управляемого рабочего пространства. Важным становится не только то, что модель умеет сгенерировать, а как она держит контекст, принимает ограничения, показывает промежуточный результат и возвращает работу человеку для проверки.

Почему это важно

Для бизнеса длинные AI-задачи опасны не потому, что AI медленно отвечает. Опасность в другом: контекст теряется, критерии готовности расплываются, артефакты трудно проверить, а человек слишком поздно понимает, что агент ушёл не туда.

Если агентный workflow построен правильно, у него есть:

  1. цель, которую можно проверить;
  2. контекст, который можно открыть и изменить;
  3. понятные шаги;
  4. review points;
  5. журнал решений;
  6. границы действий;
  7. момент, где человек утверждает следующий ход.

Практический вывод

AI-агента для длинной работы нельзя проектировать как «чат, который помнит всё». Надёжнее проектировать его как рабочий контур:

  1. зафиксировать цель;
  2. разбить её на проверяемые шаги;
  3. определить, какие поверхности агент может использовать;
  4. записывать решения и открытые вопросы;
  5. показывать артефакты человеку;
  6. отдельно утверждать необратимые действия;
  7. возвращаться к задаче без потери контекста.

Для AI-Ready это усиливает связку Harness, Approval Gates, Decision Log and Eval Scenario.

Границы сигнала

  • Нельзя говорить, что Codex автономно ведёт любой долгий проект.
  • Нельзя говорить, что thread automations означают autopublish или автоматическое принятие решений.
  • Нельзя говорить, что human oversight больше не нужен.
  • Нельзя превращать этот сигнал в рекомендацию конкретного инструмента без отдельной tool review page.

Куда читать дальше

Codex long-running workHarnessApproval GatesDecision LogEval Scenario

Этот сигнал ведёт к страницам про управляемый контур AI-работы: как проверять шаги, где ставить gates, как фиксировать решения и как не терять контекст между итерациями.