3 个 Codex 提效小技巧
一句话总结：打开 Memory，全面转向 CLI，再补一个 Token 统计脚本，Codex 的稳定性、速度和成本感知都会明显更好。
1. 把最新版的 Memory 打开
Memory 真正有价值的地方，不只是"记住聊过什么"，而是记住你反复验证过的做事方式。
比如我之前排查 Bug，经常都会要求 Codex 结合代码和数据库一起查。现在把 Memory 打开后，很多类似场景里，我只需要把 Bug 现象给它，它就会更主动地按这条路径去排查、定位，甚至顺手做一些调整。
这件事的前提也很明确：你平时给它的提示要稳定、可复用。你自己没有固定方法，它也很难记出真正有价值的习惯。
2. 全面放弃 MCP，改用 CLI
我现在已经把最后一个 Playwright MCP 也切到 Playwright CLI 了。
MCP 和 CLI 其实是两种完全不同的东西。MCP 往往会拉起一堆后台线程，工具运行过程和大量上下文也更容易直接进入大模型上下文；而 CLI 更像是把执行过程和输出结果隔离到本地文件里，该落文件的落文件，该按命令执行的按命令执行。
这样带来的收益很直接：
- 电脑整体资源占用更低
- 后台 load 线程少很多
- token 消耗明显更低
- 体感速度会更快
以 Playwright CLI 为例，截图、控制台输出、页面信息这些内容都可以走结构化输出，里面也会用到 YAML 这类更适合机器处理的格式。对 Agent 来说，这种方式明显比 MCP 更轻，也更高效。
3. 用脚本统计每天的 Token
我还开源了一个小工具：codex-token-report。
它本质上就是一个本地跑的 Python 脚本，但很实用。跑起来之后，你可以直接看到自己每天的 Token 使用情况，也能看到整个 Codex 视角下的汇总和统计。
这个工具的价值不在于"多高级"，而在于它把原本分散的消耗信息收口了。你会更容易知道自己每天大概用了多少，哪些天用得特别多，整体成本是不是在可控范围内。
最后
这三个技巧本质上是在做同一件事：让 Codex 少吃无效上下文，多复用你的真实习惯，把执行和统计尽量工程化。
对我来说，效果最明显的就是两点：更省资源，也更省 Token。