KM4BI KM4BI

Come uso l’IA: i miei esperimenti settimanali con Codex

Nate B Jones racconta un workflow con Codex basato su cartelle locali pulite, contesto meglio costruito e definizione collaborativa del lavoro prima…

Nate B Jones inaugura un formato settimanale su come usa davvero l’IA. Questo episodio si concentra su Codex e su un passaggio pratico: il lavoro agentico diventa più efficace quando il contesto locale viene preparato in una cartella di lavoro pulita.

Il contesto come spazio di lavoro

Il suo workflow parte da una richiesta a Codex: esplorare il file system e trovare documenti descritti in linguaggio naturale. Non deve indicare per forza il nome esatto dei file; può descrivere l’argomento, il periodo in cui li ha creati o il tipo di contenuto. Codex raccoglie poi i materiali rilevanti in una cartella dedicata.

A quel punto Nate apre una nuova chat focalizzata su quella cartella. Il modello riceve un contesto più ordinato, insieme a eventuali istruzioni dettagliate o trascrizioni aggiunte come file di riferimento.

Un metodo adatto al lavoro lungo

Questo assetto gli consente di gestire documenti da 30.000 a 50.000 parole, fogli di calcolo, codice e sequenze strutturate di prompt. Nate collega questa forza alle origini di Codex: uno strumento abituato a leggere file in un ambiente simile a un repository e a capire come si collegano tra loro.

Nella sua esperienza attuale, lo stesso schema non funziona altrettanto bene con Claude Code o Claude Code Work. Non ne trae una conclusione definitiva: potrebbero pesare limiti di calcolo, differenze tra modelli o lo stato attuale dei prodotti.

Il prompting diventa definizione condivisa

La seconda evoluzione riguarda il prompting. Invece di consegnare subito una task e un criterio di successo, Nate parte da domande significative sugli standard che il lavoro deve raggiungere. Il modello lo aiuta a definire la forma del compito prima di passare all’esecuzione.

Descrive questa fase come più collaborativa, soprattutto con GPT-5.5 e il Codex aggiornato: il modello può contribuire al framing e poi cambiare marcia per portare a termine il lavoro senza perdere il filo.

Perché è rilevante

Il punto non è scegliere un fornitore. Nate dice chiaramente di non voler prendere posizione: segue gli strumenti che lo rendono più efficiente. Il segnale importante è che gli agenti IA diventano più utili quando sanno organizzare il contesto, mantenere l’attenzione su attività lunghe e lavorare con protezioni come l’auto-review.

Questa combinazione abilita un lavoro più parallelo: bozze simultanee, incubazione di più idee, preparazione di serie di prompt ed esecuzione di task sequenziali dentro uno spazio locale ben strutturato.

Source