Codex 引入实验性上下文跨窗口存检功能，缓解长任务压缩瓶颈

OpenAI 工程师 Gabriel Chua 披露 Codex 针对 GPT-6 Astra 等长时任务场景上线实验性上下文跨窗口保存与检索机制，为解决智能体编程中的上下文膨胀与压缩失真提供了新的架构方案。

• 该功能改变了传统将超长对话反复压缩为单一摘要的线性做法，改为通过跨窗口维持结构化笔记与分区检索。
• 机制允许模型在上下文窗口耗尽时按需保留关键错误日志、测试记录与早期约束条件，减少长任务中的关键信息遗忘。
• 据 Codex CLI 0.153.0 更新规范（2026-09-05）显示，该功能作为实验性模块提供，用户可通过配置文件启用相关上下文管理选项。
• 影响/看点：结构化跨窗口存检机制若能有效替代有损压缩，可能提升自主编程智能体在多步复杂重构任务中的稳定性，但其效果取决于检索模块在海量历史片段中的定位精准度与开销控制。
• 资料依据：
• X：Elvis Saravia (@omarsar0)（2026-09-05）：https://x.com/omarsar0/status/2096272427818811495
• OpenAI 开发者指南（2026-09-05）：https://openai.com/index/testing-agent-skills-systematically-with-evals/

本内容由 AI 生成，仅供参考，请注意甄别