他让 Codex 跑了三小时，直到 Lighthouse 分数全部达到 100

导读

让编码 Agent 长时间自主运行，怎样避免它一直产出却不知道何时完成？Ras Mic 后来把 Codex 的长任务用于有明确反馈的工作：优化客户网站时，Agent 反复运行 Lighthouse、修改页面，再读取分数，直到达到约定目标。浏览器也让人直接标注要改的元素，并让 Agent 打开应用、实际操作一遍；任务是否完成有了可观察的结果。需要比较不同技术方案时，他让多个线程分别阅读文档、做简单原型，再由主线程汇总，人查看可运行版本。对于缺少明确评分的产品判断，他更愿意让 Agent 做一部分，再亲自调整。模型档位和并行数量也按任务难度、等待时间和预算选择，避免每个简单步骤都使用最昂贵的设置。