Codex 云任务是什么？本地和云端的分工

让 AI 智能体跑一个两个小时的任务，本地机器要一直开着、一直等着——云任务就是为这种场景准备的：任务提交到云端，跑在云沙箱的独立虚拟机里，你的机器该干嘛干嘛，回来再看结果。常见的误解是把它当成独立产品，去找单独的入口、单独的额度；实际上云任务与本地会话同属一个体系，同一个窗口里提交、同一处看进度。这篇按入门篇的惯例把链路讲全：云任务的运行方式、与本地会话的关系、适合与不适合的任务，以及本地与云端的分工；环境与排队的细节见云任务排队与环境一篇。

云任务是什么：跑在云端虚拟机里的 agent

云任务的运行单元是一台云端虚拟机：提交任务时，系统在云上起一个隔离的沙箱环境，基于你的仓库准备代码与依赖，agent 在里面自主执行。对本机来说这意味着两件事。一是零占用：编译、测试、装依赖都发生在云上，你的风扇不会因为一个重构任务狂转。二是零风险：云端环境与本地文件系统天然隔离，agent 在沙箱里怎么折腾都碰不到你机器上的东西，隔离思想与本地沙箱一脉相承，机制参见代码沙箱一篇。任务完成后，产出以 diff 或分支的形式呈现，你审查、应用、验收，主动权始终在人这边。

同一个入口两处执行

先纠正一个高频误解：云任务不需要单独安装、单独登录，也不是另一套产品。它和本地会话共享同一个账号、同一个使用入口，会话界面里就可以把任务派到云端执行，进度与结果也在同一处查看——很多人找不到云任务入口，其实它就在用熟的地方，只是换了个执行位置。额度方面，本地与云端同属一个体系、统一计算，不存在云端另有免费额度的说法，具体口径与档位权益以官方定价页为准。理解了一处入口、两处执行这个结构，入口在哪、额度怎么算、要不要另装软件的疑问大多自动消解。

哪些任务适合上云

判断标准是一把尺子：等待成本。适合上云的有三类。一是长任务：完整重构、大规模迁移、批量改造，跑起来以小时计，扔给云端，本地时间不被绑架。二是重验证：全量测试、构建检查这类把机器吃满的活，放云端跑，本地机器清爽。三是批量并行：几个独立任务同时开几个云任务，各自在各自的沙箱里跑，天然隔离，比本地并行省心。云端任务的排队等待、环境准备这些执行环节的机制，云任务排队与环境一篇专门讲；从提交到应用 diff 的完整操作链路，教程见云任务教程一篇。

哪些任务留在本地

反过来，三类任务本地更合适。一是强交互的探索：边聊边改、频繁调整方向的任务，来回派发云端反而慢，本地会话的即时反馈更顺。二是依赖本地环境的活：要连你本机数据库、要用本地未提交的文件、要访问内网资源的任务，云端沙箱够不着这些。三是小改动：几行的修补，启动云端环境的开销比任务本身还大。一个粗略的分界：以分钟计的活留本地，以小时计的活上云端，中间地带看你愿不愿意让机器陪着等。本地与云端各自的体验差异，本地与云端体验一篇有横向对照。想把分工标准变成团队的默认约定，可以让 DeepSeek 按等待成本整理一页任务分流卡，再让腾讯元宝审一遍卡片里有没有漏掉的场景。

云任务速查

• 云任务=跑在云端 VM 沙箱里的 agent，本机零占用零风险
• 与本地同一账号同一入口，一处入口两处执行
• 适合：长任务、重验证、批量并行，等待成本是标尺
• 留本地：强交互探索、依赖本地环境、几分钟的小活
• 产出以 diff 或分支呈现，审查后再应用

关于云任务的三问三答

• 云任务和本地会话的额度分开算吗？同属一个体系统一计算，具体口径与档位权益以官方定价页为准，不存在云端另有免费额度的说法。
• 云端沙箱能看到我本地的文件吗？不能，云任务基于仓库内容在云端克隆环境运行，本机未提交、未推送的内容不在它的视野里。
• 任务提交后能撤回吗？运行中的任务可以停止；已完成的任务不会自动改你本地文件，应用 diff 与否由你决定，不应用即无影响。