一句话看懂：有用户发现 Codex 支持通过自定义 Agent 配置创建指向高推理模型的子代理，让 Sol 负责统筹规划、Luna Max 领取具体子任务，从而在多任务场景下节省主线程上下文开销。目前公开信息显示，这一玩法并非官方开箱即用的入口，需要用户手动写入配置。
事件核心：发生了什么
2026 年 8 月 2 日，推特用户 @gkxspace 发帖称，OpenAI Codex 可以在本地配置中新增一个名为 luna_worker 的自定义子代理，将其绑定到 gpt-5.6-luna 模型，并设置 reasoning_effort = "max"，相当于把 Luna Max 作为后台执行单元接入现有工作流。
配置路径为 ~/.codex/agents/luna-worker.toml。用户需要先在 Codex 的 Settings → Configuration 中勾选 Max 推理档位，再把一段提示词发给主代理 Sol，由 Sol 自动完成配置创建、格式校验和 diff 对比。据帖主描述，luna_worker 被限定为“只处理范围明确的委派任务”，不参与整体目标修订，也不自行扩大任务边界。
为什么重要
这一做法之所以被讨论，是因为它展示了大模型推理成本控制的一种新思路：通过 Agent 编排，把高成本的高推理模型降级为“按需调用的执行者”，而不是让主代理每一轮思考都消耗全套上下文。Sol 保持轻量规划，Luna Max 只在拿到明确子任务时启动，独立上下文任务完成后即可释放，避免多轮对话中历史内容持续累积。
这也能看出 Codex 的平台型倾向——它不只是单模型对话工具，而是允许用户以 TOML 文件定义多角色 Agent 组合，形成“规划 + 执行 + 配置隔离”的自组织结构。若这一能力稳定，后续可能出现针对不同任务类型动态切换 Agent 的第三方实践。
对用户/开发者/创作者的影响
对于重度使用 Codex 的开发者，这意味着多任务场景下不必把所有逻辑都压在一个会话里，拆分子代理可以显著降低长任务的 token 消耗。对于想尝试的用户，操作门槛主要体现在配置上：需要了解 Codex 的 Agent 配置文件格式，并有能力验证模型字段与当前版本是否兼容。
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。
独立上下文的实际收益直观且具体：某个图表生成任务或代码审核任务完成后，luna_worker 的完整对话记录不会回灌主线程，主代理只保留最终结论。对创作者和内容批量生产场景，类似配置也能减少重复指令带来的算力浪费，但前提是任务边界要写得足够清楚，否则子代理可能过度拆分或漏掉关键上下文。
值得关注的后续
目前公开信息显示，这一配置仍依赖用户自行书写提示词与 TOML 文件，尚未确认官方是否将其作为正式产品能力。接下来值得观察三点：一是 gpt-5.6-luna 对普通账号的开放范围与限流策略；二是 Codex 官方是否会推出可视化子代理管理面板；三是其他厂商的 Agent 产品是否会跟进“主代理规划 + 子代理执行 + 独立上下文”的分工模式，以及这种模式在不同代码库规模下的真实成本收益数据。
来源：@gkxspace
