如今，人们使用代码 Agent 的方式通常是任务导向的：开启会话、交代背景、获取结果、关闭会话。旧会话中积累的所有约束条件、决策过程和工具使用经验都被丢弃了——每一次任务都不得不重新承担“冷启动”的成本。
CodexLoom 采取了截然不同的做法：旧会话不应随任务结束而废弃；同一场景下的后续工作应继续在原会话中进行。
有人担心长会话成本过高，但作者给出了非常有力的回应：
1. 开启新会话以重建上下文同样有成本——只是没人去算这笔账罢了。
2. 稳定的历史前缀（historical prefix）可以利用 Prompt Cache（提示词缓存）技术。
3. 经过压缩（compaction）处理旧消息后，工作状态依然得以保留。
4. 最关键的一点：纠错机制、术语规范、个人偏好、判断习惯——这些隐性知识一旦切换会话就会丢失，而单纯靠提示词（prompt）根本无法重建它们。
每个 Agent 都拥有一份包含三要素的档案：身份（Identity，即它是谁）、领域（Domain，即它长期处理什么）、范围（Scope，即它的职责边界）。这本质上就是一份数字员工的“职位描述”。
沟通规则：信息流向责任方，决策流向授权方，结果反馈给发起人，异常情况向上升级。这些原则同样适用于人类团队的管理。
最具想象力的部分在于其面向外部的交互能力：成熟且训练有素的 Agent 以规范的身份进入飞书（Feishu）或 Slack 群组，从而让同事能够直接与它们协作。你花费半年时间调优的能力，其他人可以直接复用。一家“一人公司”雇佣数字员工并将其派驻到外部——这种最小闭环运作顺畅，同时也为未来 AI 数字员工的商业化奠定了基础。这个项目的方法论极具借鉴价值。当其他人还在争相炫耀谁的编排 DAG（有向无环图）更花哨时，它已着手解决一个更根本的问题：智能体（Agent）如何从“一次性工具”演变为“长期协作伙伴”，以及理想的组织协作关系应是何种形态。对于下一代智能体产品而言，“长期协作关系”（Tenure）或许正是真正的护城河。