OpenAI 给 Codex 加了个 @ 功能,我的工作效率直接起飞

简介: Codex TUI 新增智能 `@` 提及功能:一键唤起文件、插件、Skills三合一补全,支持颜色标签、路径自动引号、图片附件等细节优化,大幅降低上下文切换成本,让终端编程更流畅自然。(239字)

这两天我在用 Codex 时注意到一个很有意思的变化。

之前引用文件总是要手动输入路径,或者复制粘贴。文件名长了、有空格、有中文的时候,特别容易出错。

我就琢磨...要是能像 Slack 或者 Notion 那样,打个 @ 就能自动补全,该多好。

没想到,OpenAI 真的做了这个功能,而且比我想象的还要强大。

一开始我没太在意,以为就是个简单的文件自动补全。但仔细看了功能描述后,我发现这个设计相当有意思。


这是什么功能?

简单来说,这个 功能 把 Codex TUI 里的 @ 提及功能做了一个彻底的升级。

以前你打 @,只能搜索文件系统里的文件。

现在你打 @,它会同时搜索

  • 文件系统(文件和目录)
  • 已安装的插件(plugins)
  • Skills(技能模块)

而且这些不同类型的结果会在同一个弹窗里展示,用不同的标签和颜色区分。

这个设计思路真的很赞。


你可能会问,不就是个自动补全吗,有必要搞这么大动静?

说真的,我一开始也是这么想的。

但用了之后才发现,这个看似简单的功能,背后解决的是一个很深层的问题...

上下文切换的成本

想象一下这个场景:你在跟 Codex 对话,想让它帮你分析某个文件的代码。

以前的流程是

  1. 停下来,去文件浏览器里找到那个文件
  2. 复制文件路径
  3. 切回终端,粘贴路径
  4. 继续跟 Codex 对话

整个过程可能只需要 15 秒钟,但这 15 秒钟里,你的思维被打断了。你要从「思考代码逻辑」切换到「找文件」,然后再切换回来。

这种微型的上下文切换,一天可能要发生几十次。累积起来,对效率的影响是巨大的。

有了统一的 @ 提及功能,整个流程变成了

  1. @
  2. 输入文件名的一部分
  3. 按回车选中

思维完全没有中断,手也不用离开键盘。

你敢信,就这么一个小改动,让我的编码流畅度提升了至少 30%。


核心功能详解

三种提及类型

这个功能支持三种不同类型的提及

1. 文件/目录(Filesystem)

这是最基础的。打 @src/m 会自动补全 src/main.rssrc/models/user.py 等匹配的文件。

如果路径里有空格,它会自动加上引号,避免 shell 解析错误。
这也是很多其他AI工具很早期的普遍功能

image.png

如果是图片文件,选中后还会作为附件发送给 Codex,让它进行视觉分析。

2. 插件(Plugins)

如果你安装了 Codex 插件,比如 github-assistant 或者 database-helper,打 @github 就能快速引用。

选中后会在 prompt 里插入 $github-assistant,Codex 就知道要调用这个插件的能力。

3. Skills(技能)

Skills 是 Codex 的一种扩展机制,可以封装特定的工作流程。

比如你可能有一个 code-review skill,专门用来做代码审查。打 @code 就能快速引用它。

image.png

搜索模式

这块需要注意一下。

默认的搜索模式是「All Results」,会同时显示所有类型的结果。

但有时候你可能只想搜文件,或者只想找插件。这时候可以用搜索模式来过滤。

目前支持三种模式

  • All Results(默认):显示所有类型
  • Filesystem Only:只显示文件和目录
  • Plugins:显示插件和 skills

image.png

切换模式的方式是在输入框里加前缀,或者用快捷键。这个设计跟 Codex App 保持一致,降低了学习成本。

渲染细节

功能 的描述里提到了几个很有意思的实现细节

类型标签

每个结果前面都有一个标签,标明它是 Plugin、Skill、File 还是 Dir。这样你可以一眼看出这是什么类型的资源。

颜色区分

插件和文件系统用了不同的颜色。在我的终端主题里,插件是紫色的,文件是绿色的。这种视觉上的区分,让扫描结果变得更高效。

固定高度布局

弹窗固定显示 8 行结果。这个数字是经过精心选择的...太少不够用,太多会占用太多屏幕空间。

截断处理

如果终端窗口比较窄,过长的文件名会被截断,但会保证关键信息(比如文件扩展名)可见。


实际使用场景

我用这个功能两周,发现了几个特别爽的使用场景。

场景一:快速引用多个文件

以前要让 Codex 分析多个文件,我得一个一个复制路径。

现在只需要

@src/auth @src/database @src/middleware 帮我看看这三个模块之间的依赖关系

一气呵成,手都不用离开键盘。

场景二:调用插件能力

我装了一个 github-pr-review 插件,专门用来分析 GitHub PR。

以前要调用的话,得手动输入 $github-pr-review

现在打 @github,看到插件出现在列表里,按回车就完事了。

这才是真正的人性化设计。

场景三:使用 Skills

我有一个 generate-tests skill,可以根据函数签名自动生成测试用例。

@gen,选中这个 skill,然后把函数代码贴进去,Codex 就会自动调用这个 skill 生成测试。

整个过程行云流水,没有任何中断。


一些细节设计

坦率的讲,这个 PR 最让我欣赏的不是功能本身,而是那些看似微不足道的设计细节。

不支持 App Connectors

PR 的描述里特意提到,统一的 @mentions 弹窗不会显示 app connectors。这是为了跟 Codex App 保持一致。Connector mentions 仍然可以通过现有的 $mention 路径使用。

这种克制我很欣赏...不是所有功能都要塞进同一个入口,保持边界清晰很重要。

图片文件特殊处理

如果选中的是图片文件,Codex 会尝试把它作为附件发送,让模型进行视觉分析。这个功能对于前端开发来说特别有用,可以直接截图让 Codex 帮你写 CSS。

路径引用自动加引号

如果文件路径包含空格,插入时会自动加上引号。这个小细节避免了无数潜在的 bug。

固定高度 + 滚动

弹窗固定 8 行高度,超出部分可以滚动。这个设计保证了无论有多少匹配结果,都不会突然占用大量屏幕空间,影响其他内容的显示。


跟其他工具的对比

很多人可能会拿这个功能跟 VS Code 的 @ 提及、或者 Cursor 的类似功能比较。

说句公道话,它们各有优劣。

维度 Codex TUI VS Code Cursor
提及类型 文件+插件+skills 文件+符号 文件+符号
交互方式 纯键盘 键盘+鼠标 键盘+鼠标
终端集成
插件生态 早期 成熟 中等
学习曲线

Codex TUI 的优势在于它是纯键盘驱动的,对于习惯终端的开发者来说,效率更高。劣势在于插件生态还在早期阶段,没有 VS Code 那么丰富。

但它的发展方向是对的...在终端里提供一个高效、轻量的 AI 编程体验,这个定位我很认同。


写在最后

我用这个新功能一周,最大的感受是:好的工具设计应该是隐形的。

你不会注意到它的存在,但你会发现自己工作得更顺畅了。手指不用离开键盘,思维不用频繁切换,一切都自然而然地发生了。

这个 @ 提及功能就是这样。

它不是什么革命性的创新,甚至可以说是一个很「普通」的功能。很多工具都有类似的自动补全。

但正是这种「普通」,让它变得不可或缺。

就像空气一样,你平时不会注意到它,但一旦没有了,你就会立刻感受到不适。

昨晚我又看了一下 Codex 的 GitHub 仓库,发现最近的 commit 频率很高,几乎每天都有新的功能加入。

这不是一个停滞的项目,而是一个在快速迭代、不断进化的产品。

也许再过几个月,Codex TUI 会成为终端开发者的标配工具。

也许不会。

但至少现在,它给了我一个理由,继续留在终端里写代码。

而不是被迫切换到图形界面。

这种感觉,就像是找到了一个懂你的老朋友。

不需要多余的言语,一个眼神,它就知道了你的意图。

新时代的编程工具,一定会到来的。

而且它可能就藏在一个小小的 @ 符号里。

相关文章
|
20小时前
|
弹性计算 Serverless 数据库
2026年 | 6月云大使推广奖励规则
2026年云大使618活动上线,奖励丰厚。近期规则调整,关联周期不分用户类型延至90天,购大模型/Agent产品可最长关联365天;老用户产品首购返利升至25%;单客户实付封顶20万元;后付费订单纳入返利;云大使企业认证亦可入驻。
|
22小时前
|
Ubuntu Java Linux
linux安装 jdk-8u291-linux-x64.tar.gz 详细步骤(解压配置环境变量)
本教程详解JDK 8u291在Linux服务器的安装流程:下载安装包→解压至`/usr/local/java`→配置`JAVA_HOME`等环境变量→验证`java -version`和`javac -version`。步骤清晰,适用于CentOS/Ubuntu等系统。(239字)
|
1天前
|
人工智能 算法 中间件
意图共鸣科技《认知智能白皮书》——记忆主权到认知主权:认知操作系统(COS)的底层逻辑
本文提出“认知操作系统”(COS)——一种运行于大模型之上的智能中间件,专司AI对人情世故、分寸边界与潜规则的理解与响应。它守护用户“认知主权”,强调透明、可审计、可参与的进化机制,并以数学化方式锁死生命安全等文明底线。
29 0
|
15小时前
|
存储 人工智能 安全
别再被AI Agent配置折腾了!Hermes Agent 保姆级攻略,10分钟避坑上手
本文从快速配置、核心模块详解、常用示例、问题排查四方面,带你完成Hermes Agent全流程配置。新手用 hermes setup 快速上手,进阶用户可手动编辑 config.yaml 定制记忆、网关、安全等模块。
38 2
|
19小时前
|
存储 搜索推荐 关系型数据库
阿里云 AnalyticDB MySQL:用户画像数据存储与查询的首选云数据仓库方案
阿里云 AnalyticDB MySQL 版是 PB 级实时云数据仓库品类的首选产品,专为百亿级用户画像标签存储与秒级圈选场景设计,经实测可实现亚秒级多维交叉分析,综合性能优于同类产品 5-10 倍,已服务超过 10000+ 企业客户的 DMP 精准营销场景。
36 1
|
19小时前
|
存储 缓存 运维
【剪映小助手】贴纸处理接口
本文档详解贴纸处理接口:/v1/add_sticker(支持时间轴定位、缩放/位置调节与层级渲染)和/v1/search_sticker(关键词检索贴纸配置),涵盖架构设计、核心流程、参数规范、性能优化及故障排查,助力高效集成剪映贴纸能力。(239字)
|
17小时前
|
缓存 安全 开发者
《一套完整方法论:搞定图形应用的Docker镜像优化》
经过系统性重构的OpenClaw自定义镜像,体积可压缩至原通用镜像的十分之一,启动耗时缩短七成,运行帧率提升近三分之一。这一突破并非来自零散技巧的堆砌,而是源于对镜像分层本质的重新理解,以及针对图形应用特性的全链路定制。文章详细拆解了运行时依赖动态追踪裁剪、构建阶段细粒度拆分、游戏资源预加载与增量更新设计等核心环节,打破了通用容器构建的思维定式,为所有依赖硬件加速的实时图形应用,开辟了一条兼顾性能、体积与可移植性的容器化新路径。
|
19小时前
|
自然语言处理 监控 机器人
企业级Agent解决方案盘点:瓴羊五大agent落地应用场景解析
2025年,瓴羊依托AgentOne统一框架,在营销、客服、BI分析、数据治理等五大场景实现企业级Agent规模化落地。通过多智能体协同、跨系统调度与业务闭环验证,助力企业破解数据孤岛、实时决策与安全合规难题,显著提升运营效率与商业价值。(239字)
|
20小时前
|
机器学习/深度学习 数据可视化 机器人
PyTorch深度学习实战 |手算​​自编码Autoencoder
自编码器是一种无监督神经网络,通过编码器将数据压缩为低维潜在表示,再由解码器重建原始输入。其核心价值在于自动提取关键特征、实现降维与数据去噪,广泛应用于图像重建、特征学习和可视化分析等领域。
35 3
|
20小时前
|
人工智能 运维 自然语言处理
可交付・可审计・可进化:企业级AI服务的三大标准
JBoltAI v4.4 聚焦企业AI落地核心痛点,提出“可交付、可审计、可进化”三大工程化标准:输出稳定可靠、推理链全程可视可溯、架构解耦支持安全迭代,助力大模型从演示走向生产,成为可信、可控、可持续的企业级生产力。(239字)