什么是 Codex subagents
OpenAI 的文档使用了三个术语。subagent 工作流是指 Codex 运行并行智能体并合并其结果的过程。subagent 是 Codex 启动以处理特定任务的委派智能体。智能体线程是 subagent 执行工作的地方，支持的客户端允许你打开它。
它们在哪里运行
Subagents 可以在 ChatGPT 桌面应用、Codex CLI、IDE 扩展以及 ChatGPT Work 中运行。OpenAI 表示：“当前的 Codex 版本默认启用 subagent 工作流。”在 ChatGPT Work 中，智能体在 ChatGPT 的托管环境中运行，聊天界面会显示它们的活动和结果。
它们并不是免费的。OpenAI 指出：“由于每个 subagent 都有自己的模型和工具工作，subagent 工作流比同等的单智能体运行消耗更多的 token。”
它们如何启动
在本地 Codex 中，当你提出要求或指令要求 Codex 进行委派时，subagents 就会启动。OpenAI 表示，当前的本地版本会在“你直接询问或适用的 AGENTS.md 或技能指令要求时”进行委派。在实践中，这意味着诸如“生成两个智能体”、“并行委派此工作”或“每个要点使用一个智能体”之类的提示词。
在 ChatGPT Work 中，你可以在大多数智能级别提出要求。在 Ultra 级别，ChatGPT 可以无需单独请求即可委派合适的工作。
它们为什么存在
OpenAI 给出的理由是关于上下文，而不是速度。如果你在主聊天中填满了探索笔记、测试日志、堆栈跟踪和命令输出，“会话可能会随着时间的推移变得不那么可靠。”OpenAI 提到了两种影响：上下文污染（有用信息被埋没）和上下文腐烂（随着聊天中充斥着不太相关的细节，性能会下降）。
Subagents 将这些噪音移出主线程。OpenAI 的建议是让主智能体“专注于需求、决策和最终输出”，并让 subagents 返回摘要而不是原始的中间输出。
每个 subagent 开始时具备什么
这是 subagents 与你自己打开的第二个聊天窗口最大的不同之处。subagent 会自动从你的会话中获取某些内容，而其他内容只有在被赋予时才能获取。
任务，可能还有对话
每个 subagent 都会得到一个任务。它是否同时获得你的对话内容，是在启动时做出的选择。在 Codex 的开源代码中，启动 subagent 的工具有一个选项，描述为：“True 将当前线程历史记录分叉到新智能体中；false 或省略则仅从初始提示词开始。”
因此，一个 subagent 开始时可能只知道它的任务说明。如果你的主聊天中包含一项决策，例如你选择了哪个库或哪些文件是禁区，不要假设 subagent 知道这一点。请将其放入请求中，或要求 Codex 在委派时包含它。OpenAI 自己的建议也指向了同样的方向：“一个好的 subagent 提示词应该解释如何划分工作，Codex 是否应该等待所有智能体完成后再继续，以及返回什么摘要或输出。”
如果你想要对话的完整副本以探索不同的方向，那是另一个功能。我们的 Codex 聊天分叉指南涵盖了这一点。Claude Code 的 subagents 也提出了关于每个助手知道什么的问题，我们的关于为什么 Claude Code subagents 不共享记忆的指南涵盖了那一方面。
您的模型设置
如果你不进行任何配置，OpenAI 表示“subagent 将继承父智能体的模型和推理努力程度（reasoning effort）”。你可以在提示词中更改此设置，在 config.toml 的 [agents] 下设置默认值，或者在自定义智能体文件中进行设置。OpenAI 建议对狭窄、可重复的工作使用更快的模型，对需要计划和验证的智能体使用更强大的模型。
您的沙箱和审批
Subagents 继承你当前的沙箱策略。在桌面应用和 IDE 扩展中，它们继承编辑器下方选择的权限模式，因此在要求 Codex 委派之前请先选择好。在 CLI 中，OpenAI 表示：“Subagents 继承父轮次的当前沙箱和审批设置，包括使用 /permissions 或 --yolo 所做的更改。”
自定义智能体无法放宽这一点。OpenAI 明确表示：“自定义智能体指令可以要求智能体避免编辑，但它们不会创建一个单独的只读沙箱。”
您的技能、MCP 服务器和记忆
自定义智能体“继承父级的权限、提供商和 MCP 服务器；自定义智能体文件无法覆盖这些设置。”技能也继承自父级，自定义智能体可以使用 skills.config 关闭单个技能。
记忆（Memories）是自定义智能体可以关闭的功能之一。OpenAI 将 features.memories 列在你可以设置为 false 以减少智能体功能的特征键中。如果你开启了 Codex 的本地记忆，我们的 Codex 本地记忆指南解释了它们保存的内容以及如何控制它们。
什么内容会返回到您的主聊天
主线程获得的是结果，而不是完整的工作过程。当多个智能体运行时，OpenAI 表示：“Codex 会等待所有请求的结果都可用，然后返回一个合并的响应。”
工作本身保留在每个智能体线程中。在桌面应用中，OpenAI 表示它会“显示每个 subagent 线程，以便你可以检查其工作以及返回给主聊天的摘要”。在 CLI 中，/subagents 允许你在运行期间切换智能体线程。在 ChatGPT Work 中，Subagents 面板显示只读的“活动中”和“已完成”列表，你可以打开一个已完成的 subagent 来查看其详细信息和结果。
这种设计保持了主聊天的整洁。这也意味着发现背后的推理（例如 subagent 阅读了哪些文件或排除了哪种方法）存在于你必须打开的线程中。如果以后很重要，则需要将其记录在线程之外的某个地方。
内置和自定义智能体
Codex 附带三个内置智能体：
default：通用备用智能体worker：用于实现和修复explorer：用于读取密集的代码库探索
你可以将自己的智能体定义为 TOML 文件，每个智能体一个文件，个人智能体放在 ~/.codex/agents/ 中，项目范围的智能体放在 .codex/agents/ 中。每个文件必须定义 name、description 和 developer_instructions。OpenAI 的文档包含了这个审查者示例，保存为 .codex/agents/reviewer.toml：
name = "reviewer"
description = "专注于正确性、安全性和缺失测试的 PR 审查者。"
model = "gpt-6.1-sol"
model_reasoning_effort = "medium"
developer_instructions = """
像所有者一样审查代码。
不要编辑文件。
优先考虑正确性、安全性、行为回归和缺失的测试覆盖率。
以具体的发现为先导，尽可能包含复现步骤，除非隐藏了真正的错误，否则避免仅针对风格的评论。
"""OpenAI 对自定义智能体的建议是保持它们的专注：“最好的自定义智能体是狭窄且有主见的。”如果自定义智能体的名称与内置智能体（如 explorer）匹配，则你的智能体优先。
全局设置
适用于所有 subagents 的设置位于配置中的 [agents] 下。agents.enabled 默认为 true；将其设置为 false 可关闭多智能体工具。agents.max_concurrent_threads_per_session 限制了除主线程外可以同时打开的生成智能体线程数，agents.max_threads 仍作为旧别名起作用。agents.default_subagent_model 和 agents.default_subagent_reasoning_effort 设置了显式请求可以覆盖的默认值。
在运行期间引导 subagents
你不需要等待。在桌面应用、CLI 和 IDE 扩展中，你可以要求 Codex 引导正在运行的 subagent、停止它或关闭已完成的线程。在 CLI 中，审批请求可能来自你未查看的智能体线程；叠加层会显示哪个线程正在请求，你可以在回答之前按 o 打开它。
OpenAI 还对一种工作提出了警告。并行智能体适用于读取密集型任务，如探索、测试、分类和总结。它表示：“对于并行的写入密集型工作流要更加小心，因为同时编辑代码的智能体可能会产生冲突并增加协调开销。”
人们首先尝试的事情
假设 subagent 知道整个对话。 它可能只从其任务开始。请在请求中放入关键决策。
使用自定义智能体文件使智能体变为只读。 指令可以要求它不编辑，但沙箱仍然来自父会话。
在自定义智能体文件中设置 MCP 服务器。 它们不会覆盖父级。请在父会话中配置 MCP 服务器。
运行多个编辑相同代码的智能体。 OpenAI 建议对并行写入保持谨慎。主要将并行智能体用于读取和检查。
运行结束后丢失发现。 主聊天得到的是摘要。如果某个细节很重要，请在继续之前将其保存。
解决方案：简报每个 subagent，保留主聊天用于决策，并记录你学到的内容
第 1 步：编写简报，而不仅仅是任务
当你要求 Codex 委派时，说明如何拆分工作、每个智能体应该返回什么以及是否等待所有智能体。包含每个智能体需要的决策：约束条件、不要动的文件、已经排除的方法。持久的规则属于 AGENTS.md，Codex 每次都可以遵循它们；我们的关于 Codex 跳过 AGENTS.md 规则的指南涵盖了 Codex 如何找到这些文件。
第 2 步：在委派之前设置权限和智能体
首先为父轮次选择权限模式，因为 subagents 会继承它。对于重复的工作，创建具有狭窄指令和适合该工作的模型的自定义智能体，并关闭该工作不需要的功能。
第 3 步：保存 subagents 的发现
当合并后的答案到达时，打开重要的智能体线程并提取值得保留的发现：风险、决策、死胡同。将它们写在下一次会话可以看到的地方。对于具有明确终点的长任务，我们的 Codex Goal 模式指南解释了如何让主聊天始终指向结果。
在 MemoryLake 中设置
Subagents 产生发现；保留它们取决于你。每个发现都存在于一个智能体线程中，除非有人将其记录下来，否则下一个任务、聊天或工具启动时将不具备这些发现。
MemoryLake 是一个记忆层，用于将这些发现保存在你维护的一个列表中，供 Codex 和你连接的其他助手（如 ChatGPT 和 Claude Code）使用。
你自己用自己的话编写条目。不会从你的 subagent 线程、你的 AGENTS.md 文件、你的 Codex 记忆或任何供应商的存储中读取、写入或删除任何内容。Subagents 继续按照 OpenAI 描述的方式工作。
第 1 步：创建 API 密钥
登录并从控制面板生成密钥。该密钥属于你的 MemoryLake 工作区，与你的 ChatGPT 账户和 Codex 配置是分开的。
第 2 步：上传你的第一条记忆
从你在解决方案第 3 步中提取的内容开始：上次 subagent 运行的发现、决策和排除的方法。每个条目一个要点，注明日期，并贴上存储库标签。
第 3 步：连接您的 AI 和智能体
连接 Codex 和你使用的其他助手。下一次简报可以从上一次运行确定的内容开始。
这在实践中改变了什么
第一个区别是 subagents 在开始时就获得了信息。简报携带了它们需要的决策，而不是寄希望于它们继承了这些决策。
第二个区别是主聊天保持专注。嘈杂的工作发生在智能体线程中，主线程保留需求、决策和结果。
第三个区别是发现的寿命超过了运行周期。subagent 学到的内容被记录下来，而不是留在你永远不会重新打开的线程中。如果你担心长会话，我们的关于 Codex 中 GPT-6.1 Sol 默认 500k 上下文的指南涵盖了何时触发压缩。
Codex subagents 的最佳实践
明确要求。 说明如何拆分工作以及返回什么。
在简报中放入决策。 subagent 开始时可能只有其任务。
在委派前设置权限。 Subagents 从父轮次继承权限。
优先选择并行读取而非并行写入。 将 subagents 用于探索、测试、分类和审查。
保持自定义智能体专注。 一项工作，清晰的指令，合适的模型。
在父级中配置 MCP 服务器。 自定义智能体文件无法覆盖它们。
保存发现。 打开重要的线程并记录它们学到的内容。
结论
Codex subagents 是并行运行的委派智能体，每个都在自己的线程中运行，并将结果作为合并响应返回到你的主聊天。它们在当前的 Codex 版本和 ChatGPT Work 中默认开启。每个子智能体都会继承你的模型设置、沙箱和审批、MCP 服务器以及技能，并且除非你的对话被分叉到其中，否则可能仅从其任务开始。
给每个 subagent 一个真正的简报，先设置权限，保持并行工作主要是只读的，并在线程滚出视线之前记录下 subagents 的发现。