这个系列探讨如何从移动端 SSH 走向一套以代码仓库为依托、可以长期运行的 AI 智能体工作流。

起因很简单：离开 Mac 后，我仍然想继续推进本地的 Codex 工作。

但随着实践深入，问题很快变成了：

怎样才能把远程访问转变为一套可恢复、可验证、可以长期运行的智能体工作流？

系列文章 链接到标题

  1. 远程智能体工作流（一）：用手机连接 Mac 运行 Codex
    借助 Tailscale、SSH、Termius、tmux 和 caffeinate，打通手机到 Mac 的终端连接。

  2. 远程智能体工作流（二）：从远程 Shell 到智能体控制面
    解释为什么移动端 SSH 虽然是实用的基础设施，却不适合充当长期智能体任务的日常操作界面。

  3. 远程智能体工作流（三）：把 Telegram 变成本地 Codex 的控制面
    让 Telegram Bot 以轮询模式运行，把它变成一个轻量的移动端控制界面，用手机就能指挥本地 Codex 任务。

  4. 远程智能体工作流（四）：在仓库中，而非聊天中
    让代码仓库同时承载智能体记忆、运行约定，并成为 Agent Harness。

  5. 远程智能体工作流（五）：Codex Mobile 之后，什么依然重要
    官方 Codex Mobile 推出后，重新审视这套自建工作流：它不是替代品，而是项目侧的工作流适配器。

核心演进路径 链接到标题

远程终端
  -> 远程运行环境
  -> 移动端控制面
  -> 仓库记忆
  -> 基于仓库的 Agent Harness
  -> 工作流适配器

目的并不是证明哪一种界面更好。

真正重要的是，把 AI 编程智能体纳入项目工作流：任务随时可以继续，结果能够验证，整套流程还能随着时间不断改进。