codex-pro-bridge更新逻辑形态，适配真实科研交互

背景

在第一版（v0.1）中，codex-pro-bridge 主要解决一个核心问题：让 Codex 和 Web 端的 GPT Pro 围绕同一个任务进行多轮接力，避免每一轮都要重新解释代码背景和已做出的决策。当时的设计是：一个 bridge thread 对应一项任务，再绑定单独的一个 Codex session 和一个 GPT conversation，从而沿着同一条主线进行时间积累。这套方法对于单向的算法 review、代码重构，或者单个双向通信的小项目已经够用。

然而在实际使用中，作者发现真实的科研项目远比这复杂。一个本地 codebase 下，可能同时在写论文、跑实验、review 代码、设计架构、看论文设计 idea，还掺杂着一些临时问题。Web 端往往通过 ChatGPT Project 的形式存在，下面放着不同用户的对话和长期资料。原来的 bridge thread 只能保证单个任务不串线，但无法感知这些任务属于同一个更大的项目，也无法让多个对话稳定地共享项目背景，最后还是需要人脑去记住这种一对一或一对多的联系。

核心内容

本次 v0.2 更新新增了 project 模式，核心目标是将“共享的项目上下文”与“独立的任务时间线”分开。具体设计如下：

• 本地仓库绑定：一个本地仓库最多绑定一个 bridge project（逻辑项目）。
• ChatGPT Project 绑定：一个 bridge project 最多绑定一个已有的 ChatGPT Project。
• 多任务线程：同一个 project 下可以有多条 task thread，每个 thread 负责一个明确的任务及其自己的 GPT conversation。
• 使用方式：小项目仍然可以使用原来的 standalone 形式；真实且复杂的科研项目则使用 project 模式。

这样，不同任务（如写论文、review 代码、讨论架构）各自使用不同的 Task Thread，但共享同一个 project 的长期上下文（如 Brief、术语表、PRD、研究边界、架构决策、算法设计等）。这些上下文不会频繁变化，且不需要在每个对话中重复上传。

在具体实现上，意图识别仍然由 Codex 自身完成：用户只需告诉 Codex 想做什么，而不是手动选择工作流。同时用户也可以显式地使用 prompt 与它说明。

关键要点

• 新增 project 模式，与原有的 standalone 模式并存，用户可根据项目规模选择。
• 共享项目上下文：通过绑定 ChatGPT Project，将长期稳定的上下文（如项目 Brief、术语表、PRD、架构决策等）集中存放，各 task thread 共享。
• 独立任务时间线：每个 task thread 拥有独立的 GPT conversation，避免不同任务相互干扰或上下文溢出。
• 树形结构：Project 作为根节点，每个根节点下有多个任务路线（thread），不同任务路线之间可随意切换。
• 意图识别由 Codex 完成：用户无需手动选择工作流，Codex 自动判断当前任务需求，用户也可通过 prompt 显式指定。
• 未改变原有交互逻辑：小项目、临时 Review 或单轮问题仍可使用原模式。
• 关于 memory：作者认为 Codex 自身 memory 和 ChatGPT Project 的跨 session memory 已经很好，本地 memory 更倾向于在本地做额外设计。
• 题外话：Codex App 功能更新频繁，左侧 Chat UI 曾出现后消失，现在触发模式变为在对话框里 @ 并指定 Conversation。

意义与影响

• 提升科研协作效率：真实科研项目往往涉及多线并行，project 模式让不同任务共享稳定上下文，避免重复上传和版本不一致，降低人脑记忆负担。
• 保持任务独立性：不同任务（如写论文、代码 review、架构设计）不会相互干扰，也不会因上下文过长导致性能下降，同时保留项目整体一致性。
• 降低使用门槛：用户无需手动管理多个对话的上下文，只需绑定一次 ChatGPT Project，后续所有任务自动共享。
• 为复杂项目提供可扩展框架：树形结构设计使得项目可以不断添加新任务线程，迭代演进，适应长期研究。
• 推动 Codex 与 GPT Pro 的深度集成：借助 ChatGPT Project 的跨 session memory，进一步减少人工干预，让 AI 在复杂项目中更自然地协作。