# 影片筆記：Codex 保姆级实战教程：零基础玩转十大新功能！

## 一句話總結

本影片為 Codex 的保姆級實戰教程，詳細演示了從基礎安裝到進階的多智能體協作功能，重點介紹了 5 月 22 日更新的「應用快照（AppShots）」與「Go 模式（追求目標模式）」，並透過 Computer Use 插件、Chrome 擴展對比及掃雷遊戲實戰，展示了 AI 從「給建議」到「親自執行」的能力跨越。

## 核心重點

1.  **安裝與基礎設置**：推薦安裝桌面版以自動識別系統，並介紹 CLI 命令行工具以接入現有工作流。
2.  **應用快照功能（AppShots）**：5 月 22 日新增功能，允許用戶雙擊 Command 鍵發送當前應用截圖與文本，讓 AI 基於真實界面狀態進行理解、分析錯誤或修改 UI，甚至抓取滾動區域外的信息。
3.  **Computer Use 插件**：4 月 16 日更新的核心功能，賦予 AI 獨立光標，使其能在後台進行截屏、點擊、輸入、滾動等操作。實戰演示了控制電腦發送文件及玩網頁掃雷遊戲，展現了其穩健但速度緩慢的特點。
4.  **Chrome 擴展 vs. 內嵌瀏覽器**：強調 Chrome 擴展版能保留用戶的登錄狀態、Cookie 及跨標籤頁操作能力，區別於無 Cookie/登錄狀態的內嵌瀏覽器環境。
5.  **多智能體協作與 Go 模式**：通過模擬四人團隊（主編、插畫師、前端、項目經理）編寫兒童百科全書，演示了 Skill 使用、全局提示詞設定及 Sub-Agent 調度。重點介紹了新增的「Go 模式」（追求目標模式），支持無人值守、全託管執行，通過清晰的驗收標準和約束條件，實現了代碼重構、PDF 生成及高質量配圖的自動化流程。

## 詳細大綱

### 1. Codex 安裝與入門
*   **桌面版安裝**：推薦安裝桌面版，系統會自動識別。
*   **CLI 工具**：介紹命令行工具安裝，用於接入現有工作流。

### 2. 應用快照功能（AppShots）
*   **功能介紹**：5 月 22 日新增功能。
*   **操作方式**：雙擊 Command 鍵發送當前應用截圖與文本。
*   **能力演示**：
    *   抓取滾動區域外的信息。
    *   識別產品官網及參數。
*   **應用場景**：基於真實界面理解問題、分析錯誤、修改 UI。

### 3. 手機端遠程控制與 Computer Use 插件
*   **手機端設置**：
    *   升級最新版。
    *   授權訪問權限。
    *   連接電腦 Codex。
*   **Computer Use 插件解析**：
    *   4 月 16 日更新。
    *   擁有獨立光標，進行後台交互（截屏、點擊、輸入、滾動）。
*   **安全邊界**：支付、登陸認證等敏感操作需人工把關（提及「支付、山庫等高風險決策」）。
*   **實戰演示**：控制電腦查找文件並發送（展示定位與全局搜索的邏輯問題）。

### 4. Chrome 擴展插件與網頁遊戲實戰
*   **安裝流程**：通過 Codex 工具欄安裝 Chrome 擴展，確認連接狀態。
*   **掃雷遊戲實戰**：
    *   **機制**：連接 Chrome 標籤頁，讀取 DOM 數據，對比截屏，計算雷區。
    *   **評價**：極度穩健（不踩雷），但速度緩慢（每一步之間都像隔了一個「试剂」），適合非計時推理任務，不適合追求速度的遊戲體驗。
*   **內嵌瀏覽器 vs. Chrome 擴展對比**：
    *   **內嵌**：獨立環境，無 Cookie/登錄狀態，適合本地預覽/公開頁面。
    *   **擴展**：融入真實環境，支持登錄狀態、跨標籤頁操作。

### 5. 多智能體協作與 Go 模式（追求目標模式）
*   **項目背景**：編寫兒童百科全書電子書，模擬四人團隊（主編、插畫師、前端、項目經理）。
*   **功能組合**：Skill 使用、全局提示詞設定、Sub-Agent 協同、GPT Image 2 配图。
*   **初始執行結果**：內容與框架生成成功，但 UI 缺乏設計語言，圖片表達不夠清晰。
*   **Go 模式（5 月 22 日新增）**：
    *   **特點**：支持無人值守、全託管執行、Token 消耗大（只要 token 管購）。
    *   **操作**：設置執行目標與驗收標準，建議新建 Git 分支或備份。
    *   **實戰結果**：經過 3.5 小時、60 多萬 Token 消耗，完成代碼重構（Next.js + ShedCN）、60 頁 PDF 生成及高質量配图，大幅提升交付水準。

### 6. 總結
*   智能體工具進化迅速，需通過清晰約束來提升質量與效率。

## 工具 / 模型 / 名詞整理

*   **Codex**：主要介紹的智能體工具，包含桌面版、CLI、Chrome 擴展、手機版。
*   **AppShots**：Codex 的應用快照功能。
*   **Computer Use**：Codex 的插件名稱，用於電腦控制。
*   **Command 鍵**：Mac 系統快捷鍵。
*   **iPhone 17 Pro**：演示中提到的手機型號。
*   **A19 芯片**：演示中提到的芯片型號。
*   **Chrome**：瀏覽器名稱。
*   **飛書**：演示中用於發送文件的應用。
*   **Mac**：操作系統平台。
*   **DOM**：網頁文檔對象模型。
*   **掃雷**：網頁遊戲名稱。
*   **Git**：版本控制工具。
*   **Next.js**：前端框架。
*   **ShedCN** / **ShadCN**：逐字稿中提及的組件庫名稱（疑點見下）。
*   **GPT Image 2**：逐字稿中提及的配图模型/功能。
*   **Python**：編程語言。
*   **PDF**：文件格式。
*   **MD 文件**：Markdown 文件。
*   **DesignMD**：逐字稿中提及的設計規範文件。
*   **go 模式** / **追求目標**：Codex 的新功能模式。
*   **溫如雪**：逐字稿中提及的人物卡片名稱。
*   **C Dance 2**：逐字稿中提及的慢劇製作工具或模型。
*   **山庫**：逐字稿中提及「支付、山庫等高風險決策」。
*   **试剂**：逐字稿中提及「每一步之間都像隔了一個试剂」。
*   **购模式** / **重购**：逐字稿中多次出現，結合上下文疑為「Go 模式」或「重构」。
*   **全托管执行**：逐字稿中提及的功能描述。
*   **token 管购**：逐字稿中提及的 Token 消耗描述。
*   **切购模式**：逐字稿中提及的操作描述。

## 操作流程整理

### 流程一：安裝與基礎設置
1.  安裝 Codex 桌面版。
2.  （可選）安裝 CLI 命令行工具以接入工作流。

### 流程二：使用應用快照（AppShots）
1.  打開目標應用界面。
2.  雙擊 Command 鍵。
3.  發送當前應用截圖與文本給 Codex。
4.  Codex 基於真實界面狀態進行理解、分析錯誤或修改 UI。

### 流程三：手機端遠程控制與 Computer Use
1.  手機端升級最新版 Codex。
2.  授權訪問權限。
3.  連接電腦 Codex。
4.  使用 Computer Use 插件進行後台交互（截屏、點擊、輸入、滾動）。
5.  在敏感操作（支付、登陸認證）時進行人工把關。

### 流程四：Chrome 擴展實戰（掃雷遊戲）
1.  通過 Codex 工具欄安裝 Chrome 擴展。
2.  確認連接狀態。
3.  連接 Chrome 標籤頁。
4.  Codex 讀取 DOM 數據，對比截屏，計算雷區並進行操作。

### 流程五：多智能體協作與 Go 模式實戰
1.  設定項目背景（編寫兒童百科全書）。
2.  模擬四人團隊角色（主編、插畫師、前端、項目經理）。
3.  設定 Skill、全局提示詞、Sub-Agent 協同。
4.  初始執行生成內容與框架。
5.  切換至 Go 模式（追求目標模式）。
6.  設置執行目標與驗收標準（如：30 頁配图，30 頁文字）。
7.  建議新建 Git 分支或備份。
8.  執行無人值守、全託管任務。
9.  完成代碼重構、PDF 生成及配图。

## 值得注意的限制或風險

1.  **Computer Use 速度緩慢**：實戰顯示掃雷遊戲中每一步之間都像隔了一個「试剂」，速度緩慢，適合非計時推理任務，不適合追求速度的遊戲體驗。
2.  **敏感操作風險**：支付、登陸認證等「支付、山庫等高風險決策」需人工把關。
3.  **Token 消耗巨大**：Go 模式（追求目標模式）為全託管執行，Token 消耗大（實例中消耗 60 多萬 Token），需確保「token 管購」（Token 足夠）。
4.  **UI 與設計語言不足**：初始執行結果中，UI 缺乏設計語言，圖片表達不夠清晰，需通過 Go 模式進行重構與優化。
5.  **內嵌瀏覽器限制**：內嵌瀏覽器為獨立環境，無 Cookie/登錄狀態，僅適合本地預覽或公開頁面，無法處理需要登錄狀態的複雜網頁操作。

## 逐字稿辨識疑點

*   **溫如雪**：逐字稿中提及的人物卡片名稱，疑為特定劇本或項目中的角色名，聽寫可能為「溫如雪」或其他同音詞。
*   **C Dance 2**：逐字稿中提及的慢劇製作工具或模型，聽寫可能為「C-Dance 2」或其他名稱，需查證。
*   **山庫**：逐字稿中提及「支付、山庫等高風險決策」，疑為「賬戶」或「賬戶」的聽寫錯誤，或特定領域術語。
*   **试剂**：逐字稿中提及「每一步之間都像隔了一個试剂」，疑為「幾秒」或「階段」的聽寫錯誤。
*   **ShedCN**：逐字稿中提及「組件庫用 ShedCN」，常見前端組件庫為「ShadCN」，此處為疑似錯字。
*   **购模式** / **重购**：逐字稿中多次出現「购模式」、「重购」，結合上下文「追求目標」、「Go 模式」，疑為「Go 模式」或「重构」的聽寫錯誤或特定譯名。
*   **全托管执行**：逐字稿中提及「全托管执行」，通常稱為「全托管」或「無人值守」。
*   **token 管购**：逐字稿中提及「只要 token 管购」，疑為「Token 足夠」或「Token 管理」的聽寫錯誤。
*   **切购模式**：逐字稿中提及「直接切购模式」，疑為「切換 Go 模式」或「進入 Go 模式」。
*   **30页配图，30页文字**：驗收標準中的具體數字，保留原樣。
*   **60多万Token**：消耗量，保留原樣。
*   **三个半小时**：耗時，保留原樣。

## 可延伸追問

1.  **ShedCN 與 ShadCN 的區別**：影片中提到的組件庫「ShedCN」是否為「ShadCN」的誤讀？兩者在使用上有何差異？
2.  **Go 模式的 Token 成本效益**：在消耗 60 多萬 Token 的情況下，Go 模式帶來的效率提升是否值得？對於小型項目是否有更輕量的替代方案？
3.  **Computer Use 的安全機制**：除了支付和登陸認證，還有哪些具體的操作場景被定義為「山庫」（高風險）？Codex 如何界定這些邊界？
4.  **多智能體協作的具體分工**：在模擬四人團隊中，Sub-Agent 之間如何具體協調？主編與插畫師的提示詞衝突如何解決？
5.  **AppShots 的技術限制**：AppShots 對於非標準 UI 組件或動態變化的界面，識別準確度如何？