除了调低推理强度和开启上下文自动压缩，还有哪些方法可以优化Codex的性能？

一、会话与上下文管理优化

1. 手动“断点”重置策略

当上下文窗口剩余不足5%时，不要依赖自动压缩或

/compact

指令，后者不仅消耗额度，还会保留无关历史。推荐的做法是：复制当前关键信息与剩余步骤，执行

/clear

清空会话，然后在干净的上下文中粘贴重点继续工作。这能让模型“脑容量”完全聚焦于当前问题，避免在历史对话上浪费算力。

2. 构建结构化交接文档

在长会话中，当上下文被压缩多次后，应主动让Codex回顾已完成工作，并将需交接给下一个“Agent”的信息写入

AGENTS.md

或结构化文档中。使用Markdown格式跟踪任务进展，压缩时携带这些文档，可保证上下文的连续性和传承性。

二、上下文工程精简

1. 砍掉冗余系统指令

Claude Code团队的经验表明，删掉超过80%的系统提示词后编程评测性能并未下降。旧版本中互相矛盾的指令（如“适当写注释”vs“不要加注释”）会消耗模型的推理能力。新做法是只给出原则性指引，例如“写出与周围代码一致的代码”，让具备强判断力的新一代模型自行适配。

2. 从“一股脑全塞”到“按需加载”

将代码审查、验证等独立信息做成技能模块，让模型需要时再调用，而不是一次性全塞进上下文。这种“渐进式披露”机制可大幅节省上下文预算。长的技能文件应拆分成多个子文件，按需查找。

3. 优化引用方式

优先引用代码形式的参考（如HTML设计稿、测试用例、函数实现），而非纯文字描述。代码对模型而言是一种高保真的指令语言，一个HTML原型通常比一段文字描述或截图产生更好的结果，同时减少反复沟通导致的上下文膨胀。

三、任务架构与模型策略调整

1. 采用子代理拆解任务

使用子代理架构分工协作，将一个大任务拆解为多个子任务由不同“代理”并行或顺序处理，可显著减少单一会话的上下文压力，避免频繁压缩。

2. 强模型规划 + 弱模型执行

用强模型一次性完成任务规划和架构设计，然后派多个成本更低的模型去执行具体操作，最后再用强模型验收结果。相比让一个模型反复重试，这种架构的性价比更高。

3. 善用“/doctor”诊断命令

在Claude Code中运行

/doctor

指令，它可自动分析你的技能文件和配置，给出精简建议，帮助将技能和配置文件调整到合适体量，在日常使用中省下不少Token消耗。

四、本地配置与习惯优化

1. 关闭不必要的常驻功能

如果不需要Codex持续同步项目状态，可考虑关闭“记忆功能”或后台常驻进程，清理后台残留进程后，本地资源消耗会明显下降。

2. 区分使用场景

文字处理等非编码任务应优先使用网页版而非桌面客户端，因为不同客户端调用的提示词库和资源消耗机制不同。对于简单的对话或文档编辑，使用网页版可避免触发桌面端的高负载同步和索引逻辑。

3. 任务分拆与批次处理

不要一次性布置复杂繁重的任务，而是将大任务拆分为多个小任务逐次完成。在“良好断点”完成一个子任务后，手动触发交接再进入下一个，可有效避免上下文爆炸。