“想继续分析”→“那就再开一次 Codex 或 Work。”很方便，但如果长期研究一直这样做，任务很容易因为额度先用完而中断。
真正的节省方式不是不用 Codex 或 Work，而是只让它们完成一次性的重型准备，再把反复分析搬回 Chat。
为什么要把工作搬回 Chat
因为 Work 和 Codex 有明确的使用额度。
OpenAI 当前帮助文档说明，Codex、ChatGPT Work、ChatGPT for Excel 和 Workspace Agents 在支持它们的套餐中共用 agentic 使用额度和 credits。Codex 还存在5小时和按周的使用窗口。额度用完后，后续工作可能需要等待重置，或在可用时使用额外 credits。
大型代码库、长时间 coding、大量文件和长时间 agent 任务都更容易快速消耗这个共享额度。于是很可能出现“研究还没结束，本周 agent 额度先结束”的情况。
普通 Chat 使用另一套限制结构。Chat 仍然有模型和功能自己的限制，Pro 也不应描述为绝对无限。但如果把反复分析移出 Work/Codex 的共享 agent pool，就能显著减少因为该 pool 用尽而被迫停工的情况。
不要每次出门都租挖掘机。先修路，以后开车。
最简单的分工
- 外部获取、连接、转换：Codex / Work / 本地
- 固定成可复用格式：Parquet / CSV / JSON / manifest
- 假设、比较、重复计算、写报告：Chat
第二步最重要。材料一旦整理成 Chat 可以反复读取的形式，改一个条件就不必再次回到 Codex。
文章工厂
Codex 保留仓库级大改、采集脚本、部署修复、首次批量转换。
Chat 负责日常文章化、编辑、12语言生成、隐私与重复检查、标题改善、追加调查、GitHub source draft 和旧文章再编辑。
每篇文章都“召唤 Codex”，最后会变成 Codex 召唤工厂。
市场分析
最重的是第一次数据准备。
Codex 一次性完成 API、批量下载、binary decode、timestamp 对齐、hash、Discovery/Validation/Final 切分和 Parquet 转换。
之后在 Chat 中反复比较 ES / NQ / 6E / 6J、BTC / ETH、bitbank 全部 JPY 市场。
分析 queue、cancel、partial fill、adverse selection、spread capture、inventory cost、maker rebate、latency stress、placebo 和长期稳定性。
重点不是猜“下一跳涨还是跌”，而是谁必须马上成交、哪里流动性消失、什么排队位置值得保留，以及单边 fill 后库存怎么处理。
做 Chat bundle，不要每次搬 raw 山
research-bundle/
DATA_MANIFEST.json
CHECKSUMS.sha256
DATA_QUALITY.csv
SPLITS.json
discovery/*.parquet
validation/*.parquet
final_sealed/*.parquet
RESEARCH_STATE.json
CHECKPOINT.md
字段尽量统一：
ts_event, ts_recv, venue, symbol, event_type,
side, price, size, order_id, sequence, action
L2 没有 order_id 就写 null。不存在的信息用“应该差不多”补出来，研究马上就变成同人小说。
Final 要先封住
Discovery 建立假设，Validation 尝试击穿，规则冻结后 Final 只开一次。
省下 agent 用量却用 holdout 调参数，依然是失败的研究。
哪个工具做什么
| 工作 | 最合适的位置 |
|---|---|
| 登录网站操作 | Work |
| 大型 binary 下载和转换 | Codex / 本地 |
| 整仓实现和测试 | Codex |
| 24小时 WebSocket | 本地 collector |
| 已准备数据分析 | Chat |
| 假设和反证 | Chat |
| Python 和 simulation | Chat |
| 文章、翻译、编辑 | Chat |
不是 Chat 万能，而是把一次性施工和几十次重复研究分开。
最终结构
外部网站 / API / GitHub / 市场数据
↓
Codex / Work 只在需要时
↓
Parquet + manifest
↓
Chat
假设 → 分析 → 反证 → 再分析
↓
Validation → Final
↓
文章 / 报告 / GitHub
节省方法不是“不用 Codex”。而是让 Codex 先把环境建好，好到以后不必每轮研究都重新调用它。
参考资料（4条）
- OpenAI Help Center: https://help.openai.com/en/articles/11369540
- GPT-5.6 in ChatGPT: https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt
- ChatGPT Work and Codex: https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex
- Databento Pricing: https://databento.com/pricing
