摘要：近期大量 Codex 用户反馈模型出现"变笨"现象，回答质量明显下滑。社区开发者深挖发现，Codex 的推理 token 被精确截断在 516，而系统提示词中要求模型每隔 30 秒向 commentary 通道输出中间过程的机制，极有可能干扰了模型按 512 token 分页的推理流程。L 站用户 haowang 提出一个极简方案——在 AGENTS.md 中注入
DO NOT send optional commentary，实测将降智率从 80% 降至 20-40%。本文将从问题现象、根因分析、解决方案三个维度，结合 Codex 上下文管理与 AGENTS.md 工程实践，完整拆解这场"降智风暴"的来龙去脉。
一、Codex 降智现象：不是错觉，是结构性问题
进入 2026 年 6 月以来，越来越多 Codex 用户在社区反映：模型在长对话、复杂任务中开始"跑偏"，表现为调用未声明变量、忽略前置约束、续写偏离原始意图等。这种"降智"并非个例，而是随着对话轮次增加、上下文累积而逐渐加剧的系统性现象。
社区帖子指出，Codex 的推理 token 被精确截断在 516 这个数字上。这个数字非常关键——因为 Codex 底层模型的推理是按 512 token 一页切割的，每页带有特殊标签 token，是否继续生成下一页由独立机制决定。516 与 512 之间仅差 4 个 token，几乎可以断定截断发生在"刚翻完一页、还未进入下一页"的临界点。
而造成这一截断的元凶，极有可能是系统提示词中的一条要求：模型每隔 30 秒向 commentary 通道输出一段中间过程给用户看，类似"我现在在做 X，接下来做 Y"这种叙述性内容。
二、commentary 机制如何干扰推理流程
要理解 commentary 为何会成为"降智杀手"，需要从 Codex 的推理架构说起。
模型推理采用分页机制，每 512 token 为一页，页与页之间通过特殊标签 token 衔接，是否继续翻页由独立判别机制控制。这种设计本身是为了在长推理链中保持连贯性——模型可以在每一页结束时"决定"是否需要继续深入思考。
然而 commentary 通道的介入打破了这个节奏。当模型在推理过程中被要求中断、转向 commentary 输出时，原本应该用于"翻页决策"的 token 流被截断，导致推理停留在第 516 个 token（即第一页结束、特殊标签占用 4 个 token 的位置），无法自然进入下一页。
这解释了为什么降智现象呈现"偶发但高频"的特征：当任务简单、单页推理即可完成时，commentary 几乎无影响；但当任务复杂、需要跨页深度推理时，commentary 的中断就会显著拉低输出质量。
三、一行指令的解法：DO NOT send optional commentary
L 站用户 haowang 给出的方案异常简洁——在项目的 AGENTS.md 文件中加入一行：
DO NOT send optional commentary
AGENTS.md 是 Codex 的项目级指令文件，放在项目根目录，每次 Codex 启动时会优先读取。它的核心价值在于用几百 token 的精准说明，替代 Codex 自行探索项目结构消耗的几万 token，是当前 Codex 生态中性价比最高的上下文管理工具之一。
通过这条指令，模型在推理过程中不再向 commentary 通道输出中间叙述，从而避免了对分页推理流程的干扰。实测数据显示，降智率从约 80% 降至 20-40%，效果显著但并非根除——这印证了"降智问题本身有多重变量"的判断。
四、配套工程实践：构建完整的降智防御体系
单靠一行指令无法彻底解决问题，社区已沉淀出多套配套工程实践，值得组合使用。
1. 任务拆分与上下文管控
Codex 的特点是"严谨有序、指哪打哪"，提交过于笼统的任务会导致上下文过载。优秀实践是：任务应拆分到能够预估影响文件的范围，且单次任务消耗不超过上下文用量的 60%。一旦超过这个阈值仍未见完成，说明拆分还需进一步精细化。
2. /compact 与 /new 的接力工作流
当发现 AI 理解出现明显偏差时，不应继续纠缠纠正。最佳做法是立即要求 AI 撰写"交接文档"或生成"Skill"文件沉淀当前状态，随后执行 /new 开启全新会话，让新实例读取交接文档继续开发。这种"分块接力"既清除了混淆的历史上下文，又利用了 AI 全智状态。
另一个实用技巧是：当发现 Agent 变蠢时，先 rewind 回去，再用 /compact 并点明 compact 重点，然后继续——这能让模型恢复智商。
3. AGENTS.md 的精细化规则
除了 commentary 禁用指令外，社区还推荐加入命令输出字节截断规则：
## Command Output Protect context usage. Any command with unknown or potentially large output must be byte-capped. Default pattern: COMMAND 2>&1 | head -c 6000
按字节截断（推荐 6000-8000）比按行截断更稳妥，能在大日志、大 JSON 场景下显著减少上下文污染，极端情况下 Token 消耗接近腰斩。
4. 模型分层与 Subagent 并行
简单任务用 gpt-5.4-mini 处理，省下的上下文额度留给复杂任务；大型重构则采用 Subagent + Worktree 架构，多线程独立上下文互不污染。OpenAI 内部团队曾用 88 个 AGENTS.md 文件、7 人 5 个月完成 100 万行代码、合并 1500 个 PR，核心就在于把上下文管理变成工程纪律。
五、写在最后：降智不是终点，是工程化的起点
Codex 的 commentary 降智事件，本质上是"用户体验设计"与"模型推理效率"之间的权衡失当。30 秒一次的中间叙述对用户而言是透明度的提升，但对模型而言却是推理流的频繁中断。DO NOT send optional commentary 这行指令之所以有效，正是因为它在用户可控范围内关闭了这一干扰源。
需要强调的是，方案只是缓解而非根除。降智问题的变量包括但不限于：上下文长度、任务复杂度、模型版本、AGENTS.md 配置、网络环境等。真正可持续的解法，是把上下文管理、任务拆分、状态接力沉淀为日常工程习惯——这不仅是应对 Codex 降智的策略，更是 AI 辅助编程走向成熟的必经之路。
文章来源：字节笔记本（2026年6月30日），结合社区资料与公开报道整理改写。原始内容涉及 L 站用户 haowang 的测试方案及多份社区测评数据，相关讨论可进一步检索"Codex commentary 降智""AGENTS.md 优化"等关键词获取完整报告。
