影片筆記：演示一次，AI就能复刻工作流？我实测 Codex Record & Replay

一句話總結

OpenAI Codex 推出「Record and Replay」功能，透過錄製 GUI 操作並抽象為可複用的 Skill，實現工作流的自動化重播；實測顯示其能處理 YouTube 發布與剪映剪輯等複雜任務，但受環境干擾影響穩定性，同時該功能也是 OpenAI 蒐集協同數據與進行病毒式拉新的戰略工具。

核心重點

功能本質：Record and Replay 並非傳統宏錄製，而是將人類操作抽象化為 Skill（技能/資產），形成可複用的 SOP（標準作業程序）。

運作機制：

• Record：使用者在 Codex 中錄製操作，Codex 觀察並記錄動作與視窗內容。
• Skill Drafting：Codex 將 Workflow 抽象化為 Skill，定義使用時機、輸入、步驟及驗證方式。
• Replay：在新環境中，利用該 Skill 結合 Computer Use 插件與瀏覽器操作，自動完成任務。

實測結果：

• YouTube 發布：成功上傳影片、標題、簡介、封面、字幕並設定隱私，但片尾畫面與播放列表選擇因錄製時噪音干擾而未完全復刻。
• 剪映剪輯：成功去除氣口與停頓，且 Agent 自我發現並啟用了「智能粗檢」功能，表現優於部分人類操作。

工作替代界線：

• 100% 被 AI 替代：工作內容完全可被抽象為 Skill，該職位將被取代。
• 90% 由 AI 完成：關鍵節點需人類確認（Human Gate），此類工作仍屬高價值。
• 講者強調 100% 與 90% 的替代率存在本質區別（0 與 1 的差別）。

OpenAI 戰略：

• 數據戰略：透過 Record and Replay 吸收「工作協同數據」，抽取通用型工作能力與接口。
• 拉新機制：利用「拉好友贈送重置數據」功能，將原 100 美元用戶的 10X 額度降至 5X，剩餘額度用於隨機分發與拉新，形成病毒式增長。

限制與建議：目前僅支援 macOS；官方建議能用 MCP 或接口解決的問題，盡量不要使用 GUI 方式，因 GUI 操作受圖形界面影響不穩定性較強。

詳細大綱

一、功能介紹與核心概念

• 功能名稱：Record and Replay（錄製與重播）。
• 支援平台：目前僅支援 macOS（講者建議購買 Mac 以使用此功能）。
• 本質區別：非傳統宏錄製工具，而是將操作過程抽象為 SOP（標準作業程序），形成可複用的資產。

二、對工作與企業的潛在影響

• Skill OPS 路線：
• 過去：依賴 SOP 文檔。
• 未來：工作經驗抽象為 Skill，由 Agent 執行，人類負責最後把關（Human Gate）。
• 企業視角：即使員工不主動分享經驗，企業也可透過觀察工作流，將操作過程抽象為 Skill 並沉澱為公司資產庫。

三、對 UI/GUI 型軟體的影響

• 數據抽象化：此功能正在「吃掉」與 UI/GUI 軟體協同操作的數據。
• 效率對比：
• MCP、插件、API 接口：效率高、可批量產出。
• GUI 操作：受圖形界面影響，不穩定性較強。
• OpenAI 官方建議：能用 MCP 或接口解決的問題，盡量不要使用此 GUI 方式。

四、實測案例演示

#### 案例一：YouTube 發布流程自動化

• 任務目標：上傳影片、設定標題/簡介、公開範圍、上傳字幕（SRT）、上傳縮略圖、選擇播放列表、設定創收。
• 操作細節：
• 講者故意製造「噪音」（非線性操作、額外動作）以測試極限。
• 錄製時需保持過程乾淨，避免過多噪音影響抽取清晰度。
• 結果驗證：
• Skill 命名為 Youtube studio folder upload。
• 成功上傳影片、標題、簡介、封面、字幕，並設定為「不公開列出」。
• 瑕疵：片尾畫面與播放列表選擇未完全復刻（可能因錄製時有額外操作干擾）。
• 講者對比官方演示案例，指出官方案例文件結構更清爽，因此錯誤率較低。

#### 案例二：剪映（Jianying）口播剪輯

• 任務目標：利用剪映的「智能剪口播」功能，刪除重複、錯誤、停頓的內容。
• 難度設定：
• 錄製視頻與測試視頻的錯誤段落不同，無直接可復刻性。
• 需理解全文語義，而非僅機械性剪切。
• 操作細節：
• 講者錄製時使用「智能剪口播」功能。
• Codex 在重播時，不僅執行原指令，還自我發現並開啟了「智能粗檢」功能，並進行時間線校準與導出。
• 結果驗證：
• 成功去除氣口、停頓、重複表達。
• 講者認為驚喜點在於 Agent 能自我發現 GUI 界面中的新功能（如智能粗檢），結合搜尋資訊與實際操作，表現優於部分人類操作。

五、OpenAI 的戰略野心與增長策略

• 數據戰略：
• OpenAI 不僅消費文本/多模態/Coding 數據，現在更透過 Record and Replay 吸收「工作協同數據」。
• 被錄製的工作代表其具有價值且頻率高，大量數據有助於抽取通用型工作能力與接口。
• 用戶增長（拉新）機制：
• Codex 左下角新增「拉好友贈送重置數據」功能。
• 對比 Sora 時期的邀請碼機制，此機制被講者稱為「互聯網鬼才」的主意。
• 原 100 美元用戶擁有 10X 額度，現降至 5X，剩餘額度用於隨機分發與拉新。
• 拉新越多，重置次數越多，形成病毒式增長。
• 未來展望：
• 數字世界抽象化完成後，將走向物理世界（原子組裝與移動，難度較大）。
• 講者對 OpenAI 今年或明年初的 IPO 充滿期待。

工具 / 模型 / 名詞整理

• OpenAI：開發者。
• Codex：OpenAI 推出的具備 Computer Use 能力的模型/產品。
• Record and Replay：Codex 的功能名稱，指錄製與重播工作流。
• Skill：技能/資產概念，指將操作過程抽象化後的複用單元。
• SOP：Standard Operating Procedure，標準作業程序。
• MCP：Model Context Protocol，模型上下文協議。
• Computer Use：插件/功能名稱，指 Codex 控制電腦的功能。
• YouTube：影片平台。
• Youtube studio folder upload：實測中自動生成的 Skill 名稱。
• 剪映：APP 名稱。
• 智能剪口播：剪映功能。
• 智能粗檢：剪映功能，Agent 自我發現並啟用。
• Sora：提及的舊項目。
• macOS：支援系統。
• Windows：目前不支援系統。
• 庫克：Apple CEO，提及產品漲價警告。

操作流程整理

通用流程

Record（錄製）：使用者在 Codex 上主動錄製一次操作過程，Codex 觀察並記錄動作與視窗內容。

Skill Drafting（技能草擬）：Codex 將錄製的 Workflow 抽象化為 Skill，說明使用時機、輸入、步驟及驗證方式。

Replay（重播）：在新環境中，利用該 Skill 結合 Computer Use 插件與瀏覽器操作，自動完成任務。

案例一：YouTube 發布流程

準備素材：影片檔案、標題/簡介 MD 文檔、SRT 字幕檔案、縮略圖、播放列表資訊。

錄製階段：

• 開啟 YouTube Studio。
• 上傳影片。
• 填寫標題、簡介、上傳字幕、上傳縮略圖。
• 設定公開範圍（如「不公開列出」）。
• （講者故意加入非線性操作以測試極限）。

生成 Skill：系統生成名為 Youtube studio folder upload 的 Skill。

重播階段：

• 在新環境中執行該 Skill。
• 驗證是否成功上傳影片、標題、簡介、封面、字幕及設定隱私。

案例二：剪映口播剪輯

準備素材：包含錯誤、停頓、重複內容的原始視頻。

錄製階段：

• 開啟剪映。
• 使用「智能剪口播」功能處理視頻。

生成 Skill：系統學習處理流程。

重播階段：

• 執行 Skill。
• Agent 自我發現並開啟「智能粗檢」功能。
• 進行時間線校準與導出。
• 驗證是否成功去除氣口、停頓、重複表達。

值得注意的限制或風險

平台限制：目前 Record and Replay 功能僅支援 macOS，Windows 用戶無法使用。

穩定性問題：GUI 操作受圖形界面影響，不穩定性較強。若錄製時存在「噪音」（如非線性操作、額外動作、文件結構不清晰），重播時容易出現瑕疵（如未復刻片尾畫面或播放列表選擇）。

替代風險：

• 若工作內容完全可被抽象為 Skill，將面臨 100% 被 AI 替代的風險。
• 講者強調 100% 與 90% 的替代率存在本質區別（0 與 1 的差別），企業應關注如何保留人類在關鍵節點的把關權（Human Gate）。

數據隱私與資產歸屬：企業可透過觀察工作流將操作抽象為 Skill 並沉澱為公司資產庫，這可能改變員工經驗分享的動力與企業對員工操作的監控方式。

逐字稿辨識疑點

• 靈姐說AI：講者頻道名稱，聽寫可能為「靈姐說 AI」或類似變體。
• Skill OPS：講者提及的特定路線名稱，聽寫可能為「Skill Ops」或「Skill Operations」。
• Computer Use：講者口語中多次提及，指代 Codex 控制電腦的功能或插件，原文聽寫為「computer use」。
• 10X / 5X：講者提及用戶額度倍數，聽寫為「10X」與「5X」，具體指代需查證官方當前政策。
• IMAGE2 candidate：講者描述文件夾結構時提到的路徑名稱，聽寫可能為「Image2」或特定文件夾命名，需查證實際文件結構。
• MD 文檔：講者提及「發布包的 MD 文檔」，MD 通常指 Markdown，但在此語境下指代包含標題、簡介等資訊的文件，聽寫為「MD 文檔」。
• SRT 文檔：講者提及字幕文件，聽寫為「SRT 文檔」，通常為 .srt 格式。
• 06 發布的文件夾：講者描述文件夾結構時提到的路徑，聽寫為「06 發布」，需查證實際文件夾命名。

可延伸追問

Record and Replay 生成的 Skill 在不同版本的軟體介面（UI 更新）中是否仍能保持穩定？

OpenAI 如何處理錄製過程中產生的敏感數據（如個人隱私、商業機密）？

對於非 macOS 用戶，是否有替代方案或未來支援 Windows 的計畫？

「智能粗檢」等 Agent 自我發現的功能，其背後的邏輯是基於預設規則還是動態學習？

企業如何評估將現有 SOP 轉換為 Skill 的成本與收益？