核心用法
Codex Autopilot 是一套基于 tmux 会话复用器和 launchd 调度机制的自动化工作流系统，专为同时管理多个 OpenAI Codex CLI 项目而设计。其核心架构由 watchdog.sh 主循环驱动，定期轮询配置的所有项目 tmux 窗口，通过 codex-status.sh 捕获会话状态（活跃/闲置/权限等待/崩溃），并触发相应动作：闲置时自动发送唤醒指令、检测到权限提示时自动批准、上下文压缩时执行维护、以及从任务队列中调度新任务。
系统采用分层配置管理，config.yaml 统一定义时间阈值（活跃 120s、闲置 360s）、安全上限（单日全局 200 次/项目 50 次发送上限）以及调度策略（轮询或优先级）。每个项目可在 projects/{name}/tasks.yaml 中维护独立任务队列，支持优先级排序和状态追踪。通知层集成 Telegram Bot 和 Discord Webhook，实现关键事件的实时推送。
显著优点
1. 真正的无人值守能力：填补 Codex CLI 缺乏原生后台运行能力的空白，通过 tmux 会话保持实现 7×24 小时持续运行
2. 精细化并发管理：支持多项目并行监控，内置调度器避免资源争抢，冷却机制和日发送上限防止 API 滥用
3. 健壮的容错设计：循环检测、连续失败熔断、权限守卫、Claude 降级预案等多重防护
4. 可观测性完善：状态同步至 JSON 供外部消费、日志轮转、多维度监控面板
5. 模块化扩展：Python 替代实现、代码审查工作流、PRD 验证引擎等周边工具链完整
潜在局限与风险
- 平台绑定：核心依赖 launchd 和 tmux，Linux 用户需改用 systemd，Windows 几乎无法原生运行
- 权限自动批准隐患：
permission-guard.sh的自动确认机制可能在敏感操作（文件删除、代码执行）场景下引入安全风险 - 状态一致性挑战：tmux 屏幕抓取式的状态检测存在延迟和误判可能，复杂 UI 场景（如交互式 rebase）可能干扰判断
- 维护负担：YAML 配置、tmux 窗口命名规范、任务队列格式等多处需人工维护，学习曲线陡峭
适合人群
- 需要同时推进多个 AI 辅助编程项目的独立开发者或小团队 Tech Lead
- 已将 Codex CLI 深度集成工作流、追求极致自动化的效率极客
- 具备较强 shell 脚本调试能力、熟悉 tmux 和 macOS launchd 的运维型开发者
常规风险
1. API 费用失控：自动化发送可能绕过人工确认环节，建议严格配置日发送上限并启用 token 追踪
2. 代码质量漂移：无人值守场景下 Codex 的修改缺乏即时人工审查，需依赖 incremental-review.sh 等后置检查机制
3. 系统资源占用：长期运行的 tmux 会话和 Python 守护进程对笔记本电池续航和内存存在持续消耗
4. 通知疲劳：高频监控可能产生大量 Telegram/Discord 消息，需合理配置 status_interval