Codex 隐藏上下文管理秘籍：告别暴力压缩

2026 年 9 月初，海外知名 AI 架构师 @songkeys 在 X（Twitter）爆料了一项 OpenAI Codex 官方正在灰度测试的核心参数，国内技术博主“蚁工厂”等随后实测确认。这项配置预计将在未来几周内成为 GPT-6 Astra 的官方默认行为。

传统 Compaction 压缩 vs 实验性 Context Management

在日常长时间使用 Codex（尤其是大工程重构、多文件联调或深度排错）时，长上下文往往会遇到瓶颈：

1. 传统模式（默认 Compaction）

• 机制：当上下文达到临界值时，强制进行单次大段文本压缩摘要（Compaction）。
• 痛点：容易丢失早期重要的需求细节、代码精准行号和技术约束边界；后续对话一旦引用旧上下文容易出现“降智”或幻觉，且每次总结都会产生额外的 Token 开销。

2. 实验性模式（experimental_mode = true）

• 机制：开启跨窗口笔记（Notes）+ 历史上下文语义搜索（Searchable History）+ new_context 工具。
• 优势：
• 按需索取：模型在长任务中会自动沉淀重要事实到工作区笔记中，并在需要时像人类工程师一样主动检索历史，而非死板地背诵一段压缩总结；
• 大幅省 Token：减少无谓的大段重述，有效降低每次 Prompt 吞吐成本；
• 多模型普适：不仅适用于 GPT-6 Astra，配合 GPT-5.6、Codex++ 等其他接入 Codex 的主力模型同样表现出色。

如何开启？

第一步：定位配置文件

• macOS / Linux：~/.codex/config.toml
• Windows：C:\Users\<用户名>\.codex\config.toml

第二步：添加配置项

使用文本编辑器打开 config.toml，在文件末尾追加以下配置（注意缩进与段落区分）：

[features.context_management]
experimental_mode = true

第三步：重启 Codex 使其生效

保存文件后，完全退出并重新启动 Codex 客户端或新开一个全新的任务会话即可无缝生效。