六月 AI 使用记录
从零散调用到系统化工作流：网页端负责理解和表达，Codex Desktop 负责工程执行，skill 负责复用，automation 负责后台巡检。
预计阅读时间 7分钟
JUNE 2026 NOTE
六月 AI 使用记录 从工具到系统
这个月的变化不是 AI 用得更多，
而是使用方式开始有了分层和秩序。
SCROLL
01 — 主力入口
全面转向 GPT Pro
ChatGPT 网页版
6 月开始全面转向 GPT Pro 订阅，主力入口变成 ChatGPT 网页版。相比之前的中转和零散模型调用，体验完整很多，尤其是网页端 PRO 模型，能自己理解算法、读文件、跑测试，适合处理需要上下文和表达质量的任务。
主力入口
Codex
Codex 仍然是工程执行主力，适合落地代码、跑测试、查仓库、改流程。它没有网页端那么会聊天，但更像一个能稳定动手的工程伙伴。
工程执行
API 中转
之前那种中转站加零散模型调用的模式，开始退到补充位置。它适合偶发尝试，但不适合作为长期工作流的主入口。
退居补充
文件理解
网页端 PRO 模型最明显的提升，是能围绕文件自己建立上下文：读懂算法、提出测试方式、再把结果讲明白。
完整体验
体验差异
日常对话里，网页端明显更有“活人味儿”；工程任务里，Codex 的优势是可追踪、可操作、可验证。两者不是替代关系，而是开始自然分工。
能力分层
02 — 工程工作台
从 CLI 转向 Desktop
01
Codex Desktop
工具上逐渐从 Codex CLI 转向 Codex Desktop。主要原因很现实：worktree 创建、线程管理、历史 session 回看、跨任务切换，都比 CLI 更适合长期工程工作。
长期工作台
02
Codex CLI
CLI 还是好用，但它更像一次性的命令工具：进来、执行、退出。对于临时修一个点很方便，但当任务需要多线程并行、阶段性回看、跨仓库切换时，心智负担会逐渐变重。
一次性工具
03 — 后台巡检
AI 开始自己跑起来
自动补 UT
routine
优化 AGENTS
memory
冲突检查
guardrail
on-call 监控
signal
本月的新变化
主动调用 -> 后台巡检
独立额度
开始使用独立的 gpt-5.3-codex-spark 模型额度跑定时任务。AI 的一部分使用已经不再是“我想起来了就叫它一下”，而是变成后台持续跑的检查层。
04 — 下一步
该沉淀流程了
01
Root Cause 分析
适合把事故、测试失败、线上告警都沉淀成固定分析流程。目标不是写一篇漂亮总结，而是让下一次排查可以少走弯路。
可复用分析
02
Session-to-skill
每次完成一个复杂 session，都应该问一句：这里有没有可复用的判断、命令、检查清单？如果有，就从聊天记录里提炼成 skill。
经验入库
03
自动化运行日报
自动化已经开始跑起来了，但还缺一个周度或月度汇总层，用来统计哪些自动化真的有价值，哪些只是安静地消耗 token。
价值核算
04
月度复盘
接下来要看的不只是调用量，而是产出：节省了多少人工排查、提前发现多少问题、沉淀了多少可复用流程。
从用量到产出
六月结论
整体来看，6 月的变化不是 AI 用得更多，而是 AI 使用方式开始系统化：网页端负责深度理解和表达，Codex Desktop 负责工程执行，skill 负责流程复用，automation 负责后台巡检。