我每天早上打开电脑，做的第一件事：

查客户：这家公司最近有什么动作、融资、招聘、负面。
看政策：跟我业务相关的监管、补贴、行业文件有没有更新。
扫美股：我关注的领域，昨晚发生了什么，有没有要紧的新闻和数据。

这三个事情有个共同点：重复、零碎、每天都要做。
单独看每一条，又都不值得你花半小时。
我一开始是开十几个标签页，搜一圈，复制粘贴到 Obsidian，再手动整理。
一套下来一两个小时就没了，第二天还得再来。

我把这套活交给了 Codex。
早上喝咖啡的时候，它已经把昨晚的客户动态、政策更新、美股要闻整理成 Markdown，放进我的 vault，每条都带原文链接。

我会把我用的这套方法完整拆解给大家。
少讲概念，多给流程，看完就能自己搭一版。

1. 一、为什么用 Codex

很多人觉得：信息收集，我直接问 ChatGPT 不就行了？

差别挺大。
聊天框里的 AI 是你问一句、它答一句，结果留在对话里，你还得手动搬运。
Codex 多了一层关键能力：它能在你电脑上干活。
它能读文件、改文件、跑命令、联网搜、通过 MCP 协议连外部工具，最后把结果直接写进你指定的目录。

这里有个经常被低估的事实：你的终端本来就能看到你电脑上的一切。
Obsidian 笔记就是一堆 Markdown 文件，你 cd 进 vault，Codex 就能直接读写它们。
没有插件，没有 API key，也不用复制粘贴。
一个长期住在 Cursor 里的开发者就是因为这一点转向了 Codex CLI：每次想让 AI 帮他理笔记，要么把整个 vault 拖进编辑器，要么来回复制上下文，烦得要死。
后来他发现，那些摩擦其实是自己加出来的。

在找信息这件事上，Codex 强到什么程度？
一位 OpenAI 内部研究员，一个月能烧掉一万美金 API 费用的重度用户，这么形容它：

“Codex 就是一个极其出色的搜索引擎。”

他让 Codex 做调研时，它会自己翻相关 Slack 频道、读讨论、拉出别人提到的实验分支、看截图、翻文档和表格，最后汇总成一份带链接的笔记。
每条信息都会标注来源。
他用这套方法在几个小时内生成了 700 多条可验证的假设。
他大致的判断是：在容易犯错、代价又高的场景里，你需要一个很勤快、召回率很高的搜索代理。

这正好对应信息收集最麻烦的三件事：尽量搜全、能追到来源、最后能变成可用文件。
Codex 在这三件事上都好用。

2. 二、五句心法：把 Codex 从工具变成队友

动手前，先把 OpenAI 官方最佳实践里最有用的部分记住。
核心很简单：不要把 Codex 当一次性助手，要把它配置成一个长期跟着你工作的队友。

具体有五点：

1. 先给足上下文，别让 Codex 猜你的意思；
2. 用 AGENTS.md 做长期指导，把它调成贴合你工作流的样子；
3. 用 MCP 连接外部系统，少做复制粘贴；
4. 把重复工作抽成 Skill，别反复输入同一段提示词；
5. 把稳定流程做成自动化，把固定动作交出去。

还有一个区分要记住：

Skill 定义怎么做，Automation 定义什么时候做。

对应到信息收集，就是一条升级路径：先教会它怎么搜，给它联网的眼睛，再把搜法固化成 Skill，最后让它定时自己跑。
下面一段段来。

3. 三、搭地基：把 Codex 调成你的信息收集助手

3.1. 给它写一份岗位说明书：AGENTS.md

AGENTS.md 是 Codex 的入职手册，每次启动会自动加载。
它会影响 Codex 怎么理解你的需求。
做信息收集时，我在 vault 根目录放了这么一份：

# 信息收集助手指南

## 我是谁、我要什么
- 我做销售，长期关注：客户公司动态、行业政策、美股。
- 所有产出用中文，存成 Markdown，放到对应目录。

## 收集铁律
- 每一条信息必须附原文链接，无法溯源的不要写。
- 区分"事实"和"推测"，推测要单独标出来。
- 优先最近 7 天的信息，旧信息要标注日期。
- 输出统一用表格 + 简短要点，方便我一眼扫完。

## 目录约定
- 客户调研：`02_客户/<公司名>.md`
- 政策更新：`03_政策/<日期>.md`
- 美股盯盘：`04_美股/<日期>.md`

## 禁止
- 不要编造数据和引用。
- 不要把推测当事实写。

注意这几条：每一条必须附链接，区分事实与推测，无法溯源就不写。
它们能把 Codex 从会认真胡说的助手，拉回到相对可靠的调研员位置。

小技巧：直接在 Codex 里敲 /init，它会帮你生成一份基础版 AGENTS.md，你再改。

3.2. 配几个顺手的别名

不同场景需要不同配置，用别名会省很多事。
可以加到 ~/.zshrc：

# 日常调研：高推理 + 实时联网搜索
alias cx='codex -c model_reasoning_effort="high" --search'

# 只读分析：纯收集、不改任何文件，最安全
alias cxr='codex --sandbox read-only --ask-for-approval never --search'

# 脚本/自动化：非交互模式
alias cxx='codex exec'

这里要分清楚权限。
–search 只让 Codex 通过官方搜索 API 联网，不能直接访问任意 URL。
完全网络访问，也就是 Full Access，才会允许它执行 curl 访问任意资源。
日常信息收集一般用 --search 就够了，能查最新内容，也不会把网络权限放得太开。

4. 四、用 MCP 把实时网络接进来

–search 解决的是查得到。
很多场景还需要更具体的能力：抓某个网页的结构化数据，用你已登录的浏览器读取页面，或者调用专业行情和新闻数据源。
这时就要用 MCP，Model Context Protocol。

MCP 是 Codex 连接外部工具的标准协议。
接上之后，Codex 不只是文件编辑器，也能操作你的信息工具链。

4.1. 两种配置方式

Codex 的 MCP 配置在 ~/.codex/config.toml。
常见有两种加法：

# 方式一：命令行（适合新手）
codex mcp add context7 -- npx -y @upstash/context7-mcp
codex mcp list      # 查看已配置的

# 方式二：直接编辑 ~/.codex/config.toml（适合老手）

# STDIO 类型（本地工具，如抓取/浏览器）
[mcp_servers.brightData]
command = "npx"
args = ["-y", "@brightdata/mcp"]
env = { "API_TOKEN" = "你的token", "PRO_MODE" = "true" }

4.2. 用你已登录的浏览器去抓

很多有价值的信息藏在登录墙后面。
这里有个门槛很低的方案：Playwright MCP 加你现有的浏览器会话，不需要额外 API key。

[mcp_servers.playwright]
command = "npx"
args = ["@playwright/mcp@latest", "--extension"]

配好之后，Codex 就能复用你 Chrome 里已经登录的身份，打开页面、读取内容、把结果存进 Markdown。
有人就用这招把自己 Linear 里的待办任务自动同步进 Obsidian：让 Codex 打开页面，等加载，读取任务标题和编号，再带链接存成 Tasks.md。
最后文件里看到的内容，和网页里看到的基本一致。

把 Linear 任务换成你常看的客户情报站、需要登录的政策数据库、券商持仓页，逻辑是一样的。

4.3. 抓网页结构化数据

如果你要的是把某个页面抓成干净的结构化数据，可以接 Web 类 MCP，比如 Bright Data 这种带 search_engine、scrape_as_markdown 工具的。
一个真实例子：让 Codex 抓某商品页，存成 product.json，再写个脚本读出来处理。
整个过程里，Codex 自己选工具、自己抓、自己存、自己验证格式，拿到的是网页里的真实数据。

简单说，–search 让它知道哪里有信息，MCP 让它把信息拿回来。

4.4. 别自己造轮子：先看看有没有公开 Skill

MCP 是底层管道，但你不用每个数据源都自己接。
社区里已经有不少打包好的公开 Skill，装上就能用。
对信息收集来说，我会优先找那种能覆盖多个平台的工具，比如 Agent Reach。

Agent Reach 把十几个平台封装成 Codex 能直接调用的命令：搜索引擎、小红书、微博、抖音、B站、推特、Reddit、V2EX、LinkedIn、GitHub、公众号文章、网页、RSS、YouTube、播客。
装好之后，你不用关心每个平台怎么抓、怎么处理登录，直接跟 Codex 说人话就行：

去小红书和微博搜"XX科技"最近一个月的讨论，挑出有信息量的，带链接列给我
把这个公众号最新 3 篇文章读出来，各总结 5 个要点
看看 Reddit 和推特上关于 NVDA 的讨论，情绪偏多还是偏空

它会自动调 Agent Reach 去对应平台抓，再按你 AGENTS.md 里的规矩写入文件。
这对我那三个场景挺合适：

• 客户：去小红书、微博、脉脉、LinkedIn 看公司口碑、员工吐槽、招聘信号。这些软信息在工商数据里一般看不到；
• 政策：盯相关公众号和 RSS，自动拉最新发文；
• 美股：扫推特和 Reddit 的讨论热度，补上新闻之外的情绪面。

怎么找这类公开 Skill：

• 上 mcpmarket.com、ComposioHQ/awesome-codex-skills 这类聚合站，先搜一圈。信息收集相关的 Skill 已经不少，比如 research-collector、lead-research-assistant、content-research-writer；
• 找到后丢进 ~/.codex/skills/<技能名>/，重启 Codex 就会自动识别；
• 嫌麻烦的话，把仓库链接发给 Codex，让它帮你装。

我的习惯是先搜有没有现成的，再考虑自己接 MCP。
别人已经趟过的坑，没必要再踩一遍。

5. 五、三个日常真实场景

地基搭好了，直接看实战。
下面三个就是我每天真在跑的，prompt 可以直接抄改。

5.1. 客户信息：多角度背调，每条带来源

我接触一个新客户，最想要的是一份多角度、可溯源的背景档案。
自动网络调研很适合干这个：多角度搜索，抽取内容，核验来源可靠性，再整理成报告。

我的 prompt 大概长这样。
用 cxr 只读模式跑，纯收集：

帮我调研"XX科技有限公司"，从这几个角度收集最近 6 个月的信息：
1. 工商与融资：注册信息、最新融资、股东变化
2. 业务动态：新产品、新合作、招聘扩张信号
3. 风险信号：诉讼、负面新闻、监管处罚
4. 关键人物：创始人/高管的公开表态

要求：
- 每条信息后面附原文链接
- 区分"确认的事实"和"推测"
- 按上面四个角度做成表格
- 最后给我一段 200 字的"销售切入建议"
存到 02_客户/XX科技.md

它会自己去搜、去读、去交叉验证，最后给我一份带链接的档案。
我只需要审一遍，判断哪些推测靠谱。
决策权还在我手上，但 90% 的体力活省下来了。

进阶一点，别让 Codex 只靠搜索引擎硬搜。
配合前面说的 Agent Reach 去扫小红书、微博、脉脉、LinkedIn，常能挖到工商信息里没有的口碑和内部信号。
再叠一个现成的 research-collector 调研 Skill，多角度搜索和来源核验可以一起做。

5.2. 政策信息：定点抓取，结构化输出

政策这块有两个特点：来源固定，格式要求固定。
你关心的通常就那几个官网和栏目，最后也无非是标题、发文日期、要点、影响。
它特别适合用 exec 非交互模式加 JSON Schema 输出，因为格式稳定，后面归档和再处理都方便。

codex exec --json --output-schema policy.schema.json \
  "检查 [政策来源URL] 最近一周的更新，提取与"数据安全/跨境"相关的文件，
   每条给出：标题、发文单位、日期、3条核心要点、对我业务的潜在影响、原文链接"

codex exec 是非交互模式，专门给脚本和自动化用。
常用参数就这几个，信息收集会反复碰到：

默认情况下，exec 跑在只读沙箱里，不会乱改你的文件。
做信息收集刚好。

5.3. 美股盯盘：实时新闻 + 行情

美股最讲时效，你关心的是昨晚到今天发生了什么。
这块我一般接两类 MCP：一类抓实时新闻，有些还带偏见评分和实时行情，比如 helium-mcp；另一类抓指定数据源。

我盯这几只票：SPCX、NVDA、TSLA、AAPL。
帮我整理过去 24 小时：
1. 每只票的关键新闻（财报/产品/监管/大行评级），带链接
2. 昨夜收盘表现和盘前异动
3. 有没有影响我持仓逻辑的重大变化，单独标红
按票分组做成表格，存到 04_美股/今天日期.md

跑完，一份带链接的盯盘简报就进 vault 了。
我从自己搜和整理一小时，变成花三分钟审一份。

6. 六、如何让 Agent 自动值守

上面三个场景，如果每天都手敲 prompt，还是累。
真正省事的是下面两步。

6.1. 第一步：把搜法固化成 Skill

一个 prompt 反复用，就该做成 Skill。
Skill 本质上是一个 SKILL.md 文件，里面写清某个任务的操作规范。
放进 ~/.codex/skills/ 目录后，Codex 遇到相关任务会自动读取并遵守。

Skill 有一个挺聪明的设计，叫渐进式披露。
它分三层加载，不浪费上下文：

• 第一层，元数据：name + description，约 100 字，常驻上下文，Codex 靠它判断要不要触发这个技能；
• 第二层，SKILL.md 正文：触发后才加载，通常控制在 5000 字内；
• 第三层，附带脚本和资源：按需加载，脚本能直接执行，也不会长期占上下文。

比如把场景一的客户背调做成 customer-recon 技能，以后我只要说"调研 XX 公司"，它就自动按那套规范跑。
Skill 的设计原则也别想复杂：一个技能只干一件事，包含 2 到 3 个用例，输入输出和触发短语写清楚。

最省事的办法，是让 Codex 自己帮你写 SKILL.md。
别从零手写。

6.2. 让 Codex 记录并改进自己的工作流

前面那个烧一万美金的 OpenAI 研究员，他真正用得狠的地方，不在某个单点技巧上，而在一套习惯上：让 Codex 持续记录并改进它自己的工作流。
他会让 Codex 边干边记笔记，把可复用的方法沉淀到一个专属文件夹。
跑几次之后，这些笔记会稳定下来，Codex 对常做任务会越来越快、越来越准。
他说自己从没读过那些笔记，价值主要在于让 Codex 表现更好。

国内也有人验证过同一招。
与其每次从头教，不如在全局告诉 Codex：

"在这个项目目录里，你要建立一个可复用的沉淀系统。以后类似的任务，自己抽象成流程，不用每次从头推理。"

然后 Codex 会自己判断哪些沉淀成 Skill，哪些写成说明文档，自己设计、自己实现。
一次跑通，后面就少很多重复劳动。
同一个目录下的多个会话上下文还能互通，越积累越懂你的工作方式。

6.3. 第二步：让它定时自己跑

流程稳定了，就可以上自动化。
2026 年 4 月，OpenAI 给 Codex 上了 Automations 功能。
你设个时间表，它到点执行，把结果推给你。

三个核心概念：

• 时间表 Schedule：每天、每周或 Cron 表达式，比如 30 8 * * *，每天 8:30；
• 触发器 Trigger：文件变更、Webhook 等事件触发；
• 上下文保持 Context Persistence：回到同一对话线程，记得上次报告过什么，只报新增变化。盯盘和追踪政策更新时，这点很有用。

我的每日早报就是这么配的：每天早上 8:30，Codex 自动把客户动态、政策更新、美股要闻三件事跑一遍，输出一份表格简报。
官方有条建议很实在：先对话，再自动化。
先在普通对话里把任务调到满意，再保存成 Automation。

如果你不想依赖官方 Automation，比如要跑在自己服务器上，用 codex exec 加系统 cron 也能做：

# crontab：每天 8:30 跑信息收集脚本
30 8 * * * cd ~/vault && codex exec --full-auto -o "04_美股/$(date +\%F).md" "执行美股盯盘技能"

注意：本地版 Codex 跑自动化时，你的电脑得保持唤醒。
关键任务建议放云端实例。

7. 七、进阶玩法：一个指挥官带一队子代理

当你的收集需求变复杂，比如同时要客户、政策、美股，每块还要深挖，单线程就慢了。

那位 OpenAI 研究员后来的工作流是：只跟一个 Agent 对话，让它去指挥一队子代理。
有人负责搜资料，有人负责读代码，有人负责写东西，有人负责做数据分析。
这样他不用在多个任务间反复切换，也能靠并行把效率拉起来。
新一代 codex 模型尤其擅长同时管理多个并发子代理。

官方 Cookbook 里也给了范式：用 Agents SDK 把 codex mcp-server 当工具，让一个项目经理 Agent 做总控，按顺序把任务分派给各个专职 Agent。
每一步都要确认上一步的产物文件存在，再继续下一步。
放到信息收集里，就是主代理拆任务，子代理分别搜客户、政策、美股，最后由主代理汇总成日报。

另一个常被提到的高效模式叫 4x Codex：先花时间把需求写清楚，也就是 specs，然后一次起 4 个并发任务跑不同版本。
你同时看到几个结果，补齐遗漏的细节，最后人来验收。

这些不用一上来就搞。
先知道上限在哪，心里有数就行。

8. 八、避坑清单

我把官方和实战里反复踩到的坑集中列出来，可以进行参考：

• prompt 太模糊。"帮我看看有什么新闻"每次结果都不一样。要写清目标、上下文、约束、完成条件，这是官方提示词里最关键的四件事；
• 持久规则塞进 prompt。长期偏好该写进 AGENTS.md 或 Skill，别每次重复敲；
• 流程还没稳定就做自动化。频繁出错更耗时。先做成 Skill，跑稳定再自动化；
• 权限给太松。没理解流程就开全部权限，有风险。信息收集优先用 --sandbox read-only，纯收集不需要改文件权限；
• 不要求溯源。一定在 AGENTS.md 里强制每条带链接、区分事实与推测，否则你拿到的可能是幻觉；
• 上下文撑爆。一个会话别塞太多事，及时 /compact 压缩或 /new 开新会话；
• API key 硬编码。跑自动化时 key 用环境变量或 Secrets，别写进脚本。

这套方法的核心很简单：别把信息收集当成每天必须亲自刷一遍的体力活，把它改造成一条 Codex 替你值守的流程。

从手动搜，到教 Codex 搜，到让它沉淀搜法，再到定时自动跑，你会发现每天省下的一两个小时，可以拿去做更需要人判断的事：跟客户聊、做决策、想策略。

工具会继续变，模型版本号也会继续涨。
但这套从上下文到 MCP，再到 Skill 和 Automation 的骨架，短期内不会过时。

今天先花十分钟，配一个最简单的每日早报跑起来。
先动起来，再慢慢调。