GPT-5.6 推出之后，Codex 也随之推出了不少新特性。这篇分享其中两个新特性，以及一个我自己在用的技巧。
输入框里的 @ 可以选自定义 Agent 和之前的话题
以前在输入框里输入 @ 的时候，我们可以 @ 项目里的文件，以及触发一些新的模式。现在 @ 的列表里多了一类内容：我们自己创建的自定义 Agent。
比如我自己创建的探索代码的子 Agent、视频发布的子 Agent，都可以直接通过 @ 的方式指定。
更实用的是，我们还可以输入左侧话题的标题，让当前 Agent 快速获取之前的上下文。比如我有一个创建 oil-slides 介绍 PPT 的话题，输入 @ 然后打「创建」，就能在列表里选中这个话题。
在新的话题里 @ 这个话题之后，当前 Agent 就能获取之前对话的上下文信息。
这和直接点击话题旁边的 Fork 有一个区别：在新话题里 @ 出来的上下文更加干净。它不会包含工具调用的结果，只保留我们的对话信息以及大概调用了哪些工具，帮助当前话题快速了解之前聊过什么。我觉得这个非常实用。
对话里的可视化交互表单
第二个新特性是，Codex 的对话里现在可以渲染很好看的交互表单。下面是我的一个 PPT Skill 生成的表单，可以在里面选择大纲方式、视觉方向、文字类型和配色。
之前类似的需求是 AskUserQuestion 这样的纯选项交互，现在可以更加可视化地查看。每切换一个选项，底下的预览就会即时更新，提前看到最终会生成的效果。
选好之后点击「采用并继续」，Codex 会把当前的选择整理成一条结构化的信息发送出去。相比去外部打开一个 HTML，或者只面对 A B C D 几个文字选项，这种方式直观得多。它的原理是 Codex 在话题里写一个 HTML 作为对话的交互界面，再把这个交互的结果作为上下文输入。
想让 Codex 写这样的交互表单，除了直接跟它说，还可以在 Plugins 里看到一个新的 Skill 叫 visualize，它告诉 Codex 怎样创建这种对话式表单。我觉得现在很多 Skill 都可以用上这个新工具，比如设计类 Skill 和 PPT Skill，可以用 visualize 优化对话过程中的体验。
一个技巧：解决 ImageGen 生图后的线程卡顿
在 Codex 里输入 /imagegen 可以使用 ImageGen Skill 让 Codex 生成图片。
但深度使用过这个 Skill 的话会发现，生成多张图片之后，这个线程会变得特别卡。我自己用的过程中，有时生成四五张图片之后，线程就经常卡在执行工具的状态或者思考的状态，没办法继续对话，只能新建话题，使用负担很大。
我排查了一下这个问题，并把原始问题、原因和修复整理成了一个页面。这条真实的任务里，本地会话的 JSONL 文件已经达到 35.6 MB，其中约 29.1 MiB 是图片 Base64 内容，日志里累计了 30 次图片输入记录。
主要原因是这样的：Codex 调用生图工具的时候，工具返回的生图结果是一个 Base64 字符串。Base64 是把图片从二进制转换成字符串的形式，这个字符串非常大，占用的上下文很长，尤其是一张复杂的图片。而且同一份 Base64 会在会话记录里保存两次：生图工具返回结果时写一次，后续 Codex 通过 input_image 查看这张图片时再读一次。生成几张图之后，线程大小就到 30 多 MB 了。
之后我优化了一下 ImageGen Skill 的默认执行方式：
- 默认由专用的子 Agent 调用生图工具，主 Agent 只负责整理需求，不直接生图，这样主线程不会膨胀得那么快；
- 子 Agent 完成后只把图片文件的路径返回给主 Agent，主 Agent 只需要读图一次；
- 本地参考图优先使用
referenced_image_paths传入缩略图，读图时的 Base64 就不会那么长。
完整的修改提示词如下，可以直接交给 Codex 执行：
请修改：
/Users/linzhihuang/.codex/skills/.system/imagegen/SKILL.md
目标：避免 ImageGen 生成和查看的图片 Base64 让主线程膨胀、卡顿。
要求：
1. 默认由专用子 Agent 调用 `image_gen`、查看参考图、迭代和做视觉 QA；主 Agent 只负责整理需求、prompt、输入文件路径和最终项目接入。
2. 子 Agent 完成后只返回最终文件路径、最终 prompt、生成模式和简短 QA，不得把图片、Base64 或废弃变体传回主线程。
3. 后续修改继续交给同一个子 Agent，不要让主 Agent 重新查看或生成。
4. 本地参考图优先直接使用 `referenced_image_paths`；确实需要查看时，只查看 512–768px 缩略图或 contact sheet，不逐张加载高分辨率原图。
5. `image_gen` 输出已对执行生成的 Agent 可见，不要再次调用 `view_image` 查看同一结果。
6. 尺寸、格式、透明通道、边缘和锚点优先使用本地脚本验证。
7. 子 Agent 不可用、并发已满、图片无法通过本地路径传递，或用户明确要求主线程内联预览时，才降级到主线程；降级时最多展示一张最终图。
8. 保持现有 built-in 优先、CLI 需用户确认、透明图、保存路径及非覆盖规则不变；不要修改 `scripts/image_gen.py`。
9. 做增量修改，避免重复规则，保持 SKILL.md 在 500 行以内。
10. 修改后运行 skill-creator 的 `quick_validate.py`，检查 diff，并报告修改内容和验证结果。不要为测试实际生成图片。
我对优化后的 ImageGen 还没有特别深入的使用，后续会继续优化这个 Skill 并深入体验一下，确认它是不是真的能解决主线程卡顿的问题。这里先提供一个解决问题的方向。