Despachei duas tarefas em paralelo no Codex Cloud

Autoria: Cortes do Rafael Quintanilha · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Despachei duas tarefas em paralelo no Codex Cloud · Canal: Cortes do Rafael Quintanilha · 05:13 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Engenharia de software com IA, Ferramentas de desenvolvimento com IA

Resumo

O vídeo demonstra como configurar um ambiente na nuvem conectado a um repositório do GitHub e despachar tarefas pelo Codex. O apresentador compara os recursos de nuvem e controle remoto do Codex com os do Cursor. Em seguida, envia duas tarefas simultâneas para alterar a cor principal de um site, uma pelo Codex e outra por meio da assistente Pen. As tarefas rodam em ambientes separados, mas uma delas para após fazer a alteração e precisa de instruções adicionais para criar um PR.

Pontos-chave

O ambiente na nuvem pode ser configurado com variáveis, scripts e políticas de segurança, incluindo regras de acesso à internet.
É possível despachar tarefas para o Codex Cloud pela interface local ou pela versão web do ChatGPT.
O apresentador considera o controle remoto do Codex mais simples do que o do Cursor.
O vídeo compara os agentes de nuvem do Cursor e do OpenAI, apontando o Cursor como mais avançado naquele momento.
Duas tarefas podem ser executadas em paralelo em ambientes separados, mesmo quando alteram o mesmo elemento do site.
Uma tarefa foi enviada pelo Codex e outra pela assistente Pen.
Um dos agentes fez a alteração, mas parou sem concluir o trabalho e precisou ser orientado a criar um PR.

Capítulos

Início	Capítulo	Resumo
00:00	Configuração do ambiente na nuvem	O apresentador mostra como criar um ambiente de nuvem conectado a um repositório e configurar variáveis e políticas de segurança.
01:03	Codex e Cursor: nuvem e controle remoto	Ele compara os ambientes na nuvem e os recursos de controle remoto das duas ferramentas.
02:07	Envio de tarefas pelo desktop e pela web	O apresentador mostra que pode despachar tarefas do computador local ou do ChatGPT na web.
03:10	Duas alterações em paralelo	Ele pede a alteração da cor do site para amarelo pela assistente Pen enquanto outra tarefa solicita a cor vermelha.
04:11	Execução das tarefas e criação do PR	As duas tarefas aparecem no Codex Cloud, mas uma delas para após alterar o código e precisa receber novas instruções.

Citações

A interface do Codex é superior para controle remoto. — 01:35

O Cursor é definitivamente o vencedor nessa área hoje. — 02:07

Posso ter duas tarefas em paralelo, mesmo que estejam modificando a mesma coisa. — 03:10

Às vezes, o modelo ainda não está pronto para a funcionalidade. — 04:41

Você pode despachar uma tarefa na nuvem não só pela web ou localmente, mas também pela sua própria assistente. — 05:13

Conceitos e entidades

Codex (ferramenta): Ferramenta usada no vídeo para despachar tarefas de programação em ambientes locais e na nuvem.
Codex Cloud (ferramenta): Ambiente na nuvem do Codex usado para executar tarefas conectadas a um repositório.
Cursor (ferramenta): Ferramenta comparada ao Codex por seus recursos de agentes na nuvem e controle remoto.
OpenAI (empresa): Empresa mencionada como responsável pelo Codex.
ChatGPT (ferramenta): Interface web pela qual também é possível enviar tarefas ao ambiente Codex Cloud.
GitHub (ferramenta): Plataforma à qual o repositório usado no ambiente está conectado.
Pen (ferramenta): Assistente pessoal usada para solicitar uma tarefa no Codex Cloud.
PR (conceito): Pull request solicitado ao agente após ele concluir a alteração no código.

Tradução completa (pt-BR)

00:00 O que quero mostrar hoje é que você pode executar uma tarefa na nuvem. E aqui você pode ver que já configurei o ambiente do programa, e posso clicar aqui para criar um novo. Ele me permite criar um ambiente com base em um repositório que já conectei aqui no GitHub, permitindo que eu envie tarefas para esse repositório na nuvem, certo? Como já selecionei o ambiente do programa, vou mostrar como funciona na prática. Então, temos este ambiente aqui e, basicamente,

00:32 você configura as variáveis de ambiente para que, quando inicializado, ele tenha tudo de que precisa, além das políticas de segurança — como acesso à internet, quais domínios permitir e assim por diante. Então, temos a instalação, certo? Os scripts e modelos já conseguem fazer isso sozinhos. Se quiser permitir acesso à internet, as variáveis também ficam bem aqui. Coincidência ou não, mais uma vez, coincidência ou não, isso é muito parecido com o que temos

01:03 no Cursor. Se você vier aqui para o Cursor, veja só. Também há a opção de selecionar o computador e a opção de selecionar a nuvem, que é basicamente a mesma coisa: o mesmo ambiente executado em um agent na nuvem. E você também pode selecionar uma máquina remota aqui, como no caso do Host Gate. A diferença é que o Cursor tem uma interface um pouco pior para controle remoto. Você precisa iniciar a conversa selecionando o controle remoto, o que acho pior. No Codex, você não precisa fazer isso.

01:35 Você simplesmente inicia uma conversa local e já pode vir até aqui pelo celular, por exemplo, e controlá-la de lá, desde que seu computador esteja configurado para isso. Então, a interface do Codex é superior para controle remoto, mas o conceito de nuvem aqui é exatamente o mesmo da nuvem do Cursor, que já mostrei no canal e mencionei muitas vezes como possivelmente a melhor que existe. Por isso, reitero que talvez a OpenAI ainda não tenha chegado ao nível dos agents na nuvem do Cursor, mas o Cursor definitivamente

02:07 é o vencedor nessa área hoje. E imagino que a OpenAI também vá alcançar esse nível rapidamente. Mas o legal aqui, pessoal, é que também posso enviar a tarefa direto do meu computador local — estou aqui no desktop — ou posso enviá-la pela versão normal da web do ChatGPT. Então posso vir aqui, olha, no Codex, em Novo Chat, e o mesmo ambiente também está disponível na nuvem. A única diferença é que aqui só posso executar na nuvem, certo? Obviamente, estou na nuvem, não estou no meu computador local, então só posso enviar tarefas da nuvem. Vamos fazer um teste, então. Deixe-me mudar aqui, olha. GPT6 sun to high. Vou mudar para o modo rápido. Depois, vou passar uma tarefa para ele. Por favor, mude a cor principal do site para vermelho. Certo? E, enquanto ele trabalha aqui, posso ir ao meu assistente pessoal. Vamos abrir o Pen aqui e fazer um teste com ela também, está bem? Quero que você envie uma tarefa na nuvem para mim para

02:39 o projeto de IA do programa. E quero que você mude o botão principal, a cor, a cor principal do site para amarelo. Ótimo. Então, primeiro precisamos ver se Pen vai enviar corretamente uma tarefa para a nuvem, mas a grande vantagem de executar na nuvem é que posso ter duas tarefas em paralelo, mesmo que estejam modificando a mesma coisa, certo? Em teoria, as duas estão modificando o botão, mas posso fazê-las trabalhar em paralelo sem que uma interfira na outra, porque

03:10 elas estão sendo executadas em ambientes separados, o que é excelente, certo? Então, vamos ver se Pen consegue enviar essa tarefa para a nuvem. E podemos ver aqui, olha, esta é a tarefa que enviamos, certo, pedindo para mudar a cor para vermelho. E ele já disse que vai começar aqui, olha: deixar o botão principal da IA amarelo. Se selecionarmos aqui, veremos o pedido de Pen, olha. O usuário pediu explicitamente uma tarefa na nuvem, certo? Então, vamos esperar para ver se essa tarefa aparece. E olha só, pessoal,

03:40 vindo aqui ao meu Codex, consigo ver as duas tarefas, olha. Mudar a cor para vermelho aqui e mudar a cor para amarelo aqui. Então, esta foi enviada por Pen. Certo? Ok. As duas estão sendo executadas na nuvem. Podemos ver aqui, olha, o pequeno ícone de nuvem. Então, ele já começou a trabalhar na outra aqui. Supostamente terminou, mas olha só: terminou aqui e parou, certo? Não fez mais nada. Deixe-me falar com ele. Cadê o código? Isso já me parece um problema do modelo,

04:11 certo? Porque ele fez a alteração no espaço de trabalho local. E aí, ok? O que você pretende fazer com isso? Então, olha só, pessoal, como às vezes o modelo não está preparado para a funcionalidade, certo? Perguntei: “Certo, você fez a alteração. O que pretende fazer depois disso, certo?” Então ele disse: “Ah, o próximo passo seria você revisar no navegador.” Aí eu disse: “Como posso revisar no navegador se você está na nuvem?” E agora ele fica tipo: “Opa, deixe-me verificar o que posso fazer aqui”, certo? Então, ele diz que não dá e depois para, sem fazer nada. Isso é

04:41 realmente um problema do modelo que é um pouco irritante, certo? Ok, então, por favor, crie o PR. Vou pedir para ele criar o PR aqui enquanto a outra tarefa também está sendo executada na nuvem, certo? Olha que legal: você pode enviar tarefas não só pela web, não só localmente, mas também pelo seu próprio dot, uma tarefa na nuvem. É.

05:13 É realmente um problema do modelo que é um pouco irritante, né? Ok, então, por favor, crie o PR. Vou pedir para ele criar o PR aqui enquanto a outra tarefa também está rodando na nuvem, certo? Olha que legal: você pode despachar não só pela web, não só localmente, mas também do seu próprio… uma tarefa na nuvem. É.

Transcrição original

[00:00] What I want to show you today is that you can execute a task from the cloud. And here you can see that I already have the program environment set up, and I can click here to create a new one. It will allow me to create an environment based on a repository I already have connected here on GitHub, letting me dispatch tasks to that cloud repository, right? Since I already have the program one selected, I’ll show you how it works in practice. So we have this environment here, and basically,

[00:32] you configure its environment variables so that when you initialize it, it has everything it needs, along with security policies—like internet access and which domains to allow, and so on. So there’s the installation, right? The scripts and models are capable of doing this on their own now. If you want to allow internet access, the variables are right here too. Coincidence or not, again, coincidence or not, this is very similar to what we

[01:03] have in Cursor. If you come over here to Cursor, look at this. You also have an option to select the computer, and you also have the option to select the cloud, which is basically the same thing—the same environment running on a cloud agent. And you can also select a remote machine here, like in the case of Host Gate. The difference here with Cursor is that they have a slightly worse interface for remote control. You have to start the conversation by selecting remote control, which I find worse. In Codex, you don’t need that.

[01:35] You just start a local conversation, and you can already come here on your phone, for example, and control it from there, provided your computer is configured for it. So, the interface in Codex is superior for remote control, but the cloud concept here is exactly the same as the Cursor cloud I’ve already brought to the channel and mentioned many times as arguably the best one out there. That’s why I reiterate that OpenAI may not have reached the level of Cursor’s cloud agents yet, but Cursor is definitely

[02:07] the winner in this area today. And I imagine OpenAI will quickly catch up as well. But what’s cool here, guys, is that I can also dispatch the task right from my local computer, you know, I’m here on the desktop, or I can dispatch it from the normal ChatGPT web. So I can come here, look, to Codex, New Chat , and the same environment is here in the cloud as well. The only difference is that here I can only run in the cloud, right? Obviously, I’m in the cloud, I’m not on my local computer here, so I can only dispatch tasks from the cloud. So let’s even do a test. Let

[02:39] me switch here, look. GPT6 sun to high. I’ll switch here to fast mode. And then I’ll pass some task here to it. Please change the primary color of the website to red. All right? And then, while it works here, I can go to my personal assistant. Let’s open Pen here and do a test with her too, okay? I want you to dispatch a task in the cloud for me for

[03:10] the program AI project. And I want you to change the primary button, the color , the primary color for the site to yellow. Wonderful. So, first we need to see if Pen will correctly dispatch a task to the cloud, but the great advantage is that by running in the cloud, I can have two tasks in parallel , even if they are modifying the same thing, right? Theoretically, both are modifying the button there, but I can make them work in parallel without one interfering with the other, because

[03:40] they are running in separate environments, which is excellent, okay? So let’s see if Pen will be able to dispatch this task to the cloud. And we can see here, look, this is the one we dispatched, right, asking to change it to red. And it already said it will start here, look, make AI primary yellow. If we select it here, here is Pen’s request, look. The user explicitly asked for a task in the cloud, okay? So let’s wait to see if this task will appear. And look, guys,

[04:11] coming here to my Codex, I can see both tasks, look. Change the color here to red and here change the color to yellow . So this one was dispatched by Pen. All right? OK. Both are running in the cloud. We can see here, look, the little cloud icon. So it has already started working on the other one here. It supposedly finished, but look at that, it finished here but stopped, right? It didn’t do anything else. Let me talk to it. Where is the code? This already seems like a model issue to me,

[04:41] right? Because it made the change in the local workspace. And then, OK? What are you planning to do with this? So, look guys, how sometimes the model isn’t ready for the functionality, right? I asked: “Alright, you made the change, what do you expect to do after this, right?” Then it said: “Oh, the next step would be for you to review it in the browser.” Then I said: “How can I review it in the browser if you’re in the cloud?” And so now it’s like, whoops, let me check what I can do here , right? So it’s saying you can’t, and then it stops and does nothing. That’s

[05:13] really a model problem that’s a bit annoying, right? Ok, so, please just create the PR. So I’ll ask it to create the PR here while the other task is also running in the cloud, okay? So look how cool, you can dispatch not just from the web, not just locally, but also from your own dot, a task in the cloud. Yeah.