一句话看懂：前 Manus 团队核心成员开源了 CodexLoom，把 Codex 的一次性对话线程改造成长期在岗的“数字员工”，并支持把它们组织成团队协作。它尝试回答一个被多数 Agent 产品绕过的问题：当 Agent 数量多到人管不过来，组织关系该怎样重新设计。
事件核心：发生了什么
CodexLoom 是一个开源项目，作者来自此前备受关注的 Manus 团队。它的核心做法是：不再让每次任务都从新开 thread 开始，而是让同一场景的后续工作回到同一条 thread，把旧任务里积累的约束、决策、工具用法和纠错记录全部保留下来。
每个 Agent 会被赋予一份类似“岗位说明书”的 profile，包含三部分：Identity（是谁）、Domain（长期负责什么）、Scope（边界在哪）。Agent 之间的通信也有一套规则：信息流向责任，决定流向权限，结果回到发起者，例外向上升级。用这套逻辑去管人类团队同样成立。
针对“长 thread 成本太高”的疑虑，作者的回应是：其一，新开 thread 重建上下文同样有成本，只是没人算这笔账；其二，稳定的历史前缀可以命中 prompt cache；其三，compaction 压缩旧消息后，工作状态依然保留；其四，也是最关键的——纠错、术语、偏好、判断习惯这类隐性知识，换 thread 就丢，靠 prompt 根本重建不出来。该推文发布于 2026 年 8 月 2 日，目前公开信息显示项目已开源，主要面向手里养着数十个专职 Agent 的高级个人用户和一人公司，并计划让 Agent 以受治理的身份进入飞书或 Slack 群，供同事或外部用户直接调用。
为什么重要
当前多数 Agent 产品停留在“任务式”交互：开线程、交代背景、拿结果、关掉。CodexLoom 反着做，把线程变成长期资产，实际上是在推动 Agent 从一次性工具转向长期共事的数字员工。行业内还在比较编排 DAG 谁更花哨，CodexLoom 关注的是一个更底层的问题：Agent 有了工龄之后，组织关系应该长什么样。
如果这套思路被验证，Agent 的竞争力就不再只是模型能力和工具链，而是它积累的领域知识和协作记录。这也意味着，下一代 Agent 产品的护城河可能不是训练数据或推理成本，而是“工龄”——一个 Agent 在同一岗位上持续工作的时间越长，越难被替换。
对用户/开发者/创作者的影响
对开发者和高级个人用户而言，CodexLoom 最直接的价值是省去重复的“入职培训”。过去每开一个新 thread 就要重新交代背景，现在同一个 Agent 在同一场景下越用越顺手，调教半年的能力可以被同事或客户直接复用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对一人公司和微小型团队来说，“养一个数字员工再外派到 IM 群”的最小闭环已经跑通——用户不需要理解复杂的编排逻辑，只要在飞书或 Slack 里像@同事一样调用 Agent 即可。普通用户接触 Agent 的门槛因此被降低，企业采购数字员工也不再只是概念，而是可以按岗位和工龄评估投入产出。
值得关注的后续
目前公开信息显示，CodexLoom 刚开源，有几个点值得持续观察：第一，这种方式对 prompt cache 的依赖度较高，OpenAI 后续的缓存定价或策略调整会不会影响它的成本优势；第二，飞书/Slack 集成在真实工作场景中的治理体验，例如 Agent 越权、错误决策如何追溯；第三，其他 Agent 编排框架是否会跟进“长期岗位”模式——当大量团队开始给 Agent 记工龄，行业比拼的重心可能就此转向。
来源：@aigclink
