一句话看懂：OpenAI 为 Codex 推出一项实验性上下文管理功能，用“笔记 + 可搜索历史”替代反复压缩摘要，据网友实测可显著降低 GPT-6 额度消耗，对长任务和复杂开发场景尤为实用。
事件核心：发生了什么
据 X 平台用户 @MaxForAI 于 2026 年 9 月 5 日发布的消息，Codex 正在测试一项名为 Astra 的实验性上下文管理功能。过去，Codex 在处理长任务时会把历史对话反复压缩成摘要，任务越长，摘要被压缩的次数就越多，早期细节容易在这个过程中丢失。
新功能将这一机制改为“笔记 + 可搜索历史”：Astra 可以跨上下文窗口保留笔记，当需要回溯细节时，系统会直接搜索同一任务中此前的消息和工具返回结果。这意味着，之前尝试过什么方案、某段代码为何修改、工具当时返回了什么数据，都有机会被找回，而不是依赖压缩后可能失真的摘要继续推测。
用户若想试用，可在 ~/.codex/config.toml 中添加以下配置：
[features.context_management] experimental_mode = true
保存后新建任务即可生效。目前该功能仍处于实验阶段，需要受支持的客户端和符合条件的 ChatGPT 订阅登录使用，API Key 暂不支持。公开信息显示，已有网友实测称开启后额度消耗大幅减少。
为什么重要
这一改动直击当前大模型工具在长上下文处理上的核心痛点。传统摘要压缩方式在超长任务中会丢失关键细节，导致模型在后期“失忆”，用户不得不手动补充上下文或重新开启任务，既消耗额度也降低效率。
Codex 将上下文压缩替换为可检索的笔记机制，本质上是在工程层面以“外部记忆 + 按需召回”的方式，替代单纯的模型上下文窗口扩容。这种策略如果验证有效，可能会成为 AI 编程工具乃至更多 Agent 类产品的通用范式——不再盲目追求更长的上下文，而是用结构化存储与搜索来管理信息。对 OpenAI 而言，这也意味着 GPT-6 等模型的额度消耗有望得到更合理的分配，长任务的单位成本可能进一步下降。
对用户/开发者/创作者的影响
对于重度使用 Codex 的开发者，最直接的收益是长任务的连续性和稳定性。过去需要反复确认“这个决定当初是怎么来的”的场景，现在可以通过搜索历史找到原始依据，减少了重复劳动和额度浪费。实测反馈中“消耗大幅减少”如果属实，对按额度计费的用户来说是一个真金白银的利好。
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。
对普通 ChatGPT 订阅用户而言，这一功能虽然目前限定在 Codex 场景，但它预示着 AI 工具在记忆管理上的进化方向。未来类似机制可能扩展到对话、文档处理等更多场景，用户不必再为长会话丢失上下文而频繁重开窗口。
需要明确的是，该功能目前仅限受支持的客户端和符合条件的订阅，API Key 用户暂时无法使用，第三方开发者还需等待 OpenAI 开放接口。
值得关注的后续
以下几点值得进一步观察：
第一，该功能何时从实验状态转为正式发布，是否会对所有 Codex 用户开放，以及正式版是否会调整额度计算方式。第二，OpenAI 竞品（如 Anthropic 的 Claude Code、Google 的 Gemini CLI）是否会在上下文管理上跟进类似设计，形成新的产品竞争焦点。第三，Astra 的“笔记 + 搜索”机制在超长任务、多分支探索等极端场景下的实际表现和稳定性，仍需更多用户验证。
来源：@MaxForAI
