如果你只想学一个智能体工具,我推荐Codex,它会是你全能的AI搭档。
这两个月十几次的高频更新,让Codex解锁了控制万物、批量制图、全自动执行等一系列全新的能力。
今天这期12分钟的保姆级教程,我会用最直观的方式把Codex全部的新功能一个一个演示给你看。
建议先收藏,方便回看。
现在开始。
首先,一分钟装好Codex非常简单。
推荐安装桌面板体验很好,上手很快,只需要打开Codex官网,会自动识别你的系统,下载安装即可。
如果你需要把Codex接入已有的工作流,可以多装一个Codex CLI,使用屏幕上的命令,一键安装。
第二部分,来看看5月22号新出的应用快照功能。
双击两个Command键,把当前应用的截图和文本一起发送给Codex。
当然,默认的快捷键是可以改的,觉得不顺手的话,去设置里找到应用快照选项,就能换成你习惯的组合键。
双击Command键,第一次需要允许启用AppShots功能。
再次双击,Chrome里正在看的iPhone 17 Pro页面,就自动出现在对话框里了。
截屏上其实只有一张A19芯片的介绍是完整的,但Codex抓取到了网页滚动显示区域之外的信息,自己判断出这是iPhone 17 Pro系列的官网,然后依次列出了轮波里的所有图片内容。
甚至更下方产品的参数指标都读出来了,这个功能真的是超好用,它可以瞬间把你桌面上任何应用当前的界面状态未给Codex,让它直接基于真实界面去理解问题,分析错误,修改UI,或者接着你手头的任务继续往下做。
第三部分,让手机端连上电脑的Codex远程遥控它干活,Codex得先升到最新版,左上角那个更新按钮点一下就成。
升完之后,左侧工具栏里找到设置Codex移动版,点击开始设置,后面跟着引导一步一步走就行,手机上需要先授权一下访问权限。
接着我要让Codex从电脑上找一个文件发给我,先看手机端的操作,atComputer Use插件,让它把我电脑桌面上的温如雪人物卡片翻出来,然后用废书发给我。
顺嘴提一下,温如雪是我前几期用Codex加C Dance 2搞的那部慢剧里的小女主。
这里稍微展开一下,Computer Use这个插件是4月16日更新的主要功能,它不再只是一个编程助手,更像一位能亲自操作你电脑的数字同事。
你可以理解为,它拥有了一个独立的光标,能在后台像真人一样截屏,点击,输入,滚动,与任何桌面应用交互。
这让AI的能力边界,从给建议直接跨越到了亲自执行。
当然,新同事上岗,安全边界要画清楚。
任何涉及支付、山库等高风险的决策,以及需要登录认证的敏感操作,都建议由你亲自把关。
回到电脑上来看,这位数字同事究竟是怎么工作的?
它先是利落地在桌面搜索温如雪,很快就定位到了那张character card图片,并顺手打开了飞书。
但接下来在发送文件时,它的表现却不太聪明,竟然又在整台Mac上发起了一次全局搜索。
这么一来,第一步的定位算是白费了,就像一个记性不太好的同事,刚找到的东西转眼就忘了放在哪。
不过好在,最后也是发送成功了。
这个体验,有点像远古时代的远程桌面控制,
只不过,现在坐在另一端操控你电脑的,不再是你自己,而是你的AI助手。
接下来我们看个好玩的,用Codex的Chrome插件帮我玩一局网页游戏。
还没安装这个插件的小伙伴,可以耐心跟着我的讲解看一遍。
已经装好的,直接跳过这段安装部分就行。
在Codex左侧的工具栏里,点击插件选项,左边面板上会列出所有可用插件。
Chrome扩展就在第一行,直接点旁边的加号就行。
点击安装后,系统会自动打开Chrome浏览器,在弹窗里点添加至Chrome。
装好之后,需要确认一下扩展和Codex是不是已经连上了。
点击浏览器地址栏旁边那个拼图块一样的扩展程序图标,
找到Codex,确保这里显示已连接。
然后点旁边的三个点,在弹出的确认框里点一下确认,
回到Codex就行了。
好,扩展搞定,我们回到今天要玩的游戏。
陪着我们这代人长大的扫雷游戏,大家应该都不陌生吧?
很多时候,你明明知道那个格子是雷,
但手上的肌肉就是不听话,偏偏点了左键而不是右键,
那种懊恼太真实了,但偏偏就是不甘心。
心里想着,这局必须清空,强迫症一上来,根本停不下来。
于是我就想,如果让Codex来控制鼠标操作,他总不会点错吧。
于是我打开之前常玩的一个扫雷网页版,确认Codex的Chrome扩展已经连好,
选了终极难度,随机开局之后,就把控制权交给了他。
直接在对话框里,at Chrome就可以使用这个扩展了。
Codex首先做的是连接Chrome的标签页,从它输出的步骤能清楚看到,
它是在读取网页的DOM数据,并且会和截屏对比,做事非常谨慎小心。
拿到每个格子的坐标信息后,开始计算雷的分布,
该标记的标记,该点开的点开。
我随机检查了几个他读到的数据,都是正确的,
这雷扫得非常稳健,但问题也恰恰出在这里,太稳健了。
稳健到让人着急,每一步之间都像隔了一个试剂,
完全没有真人扫雷那种行云流水的速度感。
所以结论就是,它确实一个雷都不会踩,
但那种鼠标翻飞,三秒清平的快感,它也绝对给不了你。
反过来想,如果是不计时,纯拼脑力的推理任务,
这个节奏就刚刚好,它负责想清楚,你负责喝咖啡等着。
大家是不是会觉得,这个扩展功能好像和Codex内嵌的浏览器差不多?
我一开始也这么想,所以专门整理了一个对比表格,
把两者的区别理清楚,一看就明白了。
先说内嵌浏览器,它也能读取网页内容,点击,输入,截图验证,
但它更适合什么场景呢?
本地预览,公开页面,或者不需要登录的那种网页。
因为它不支持你浏览器里已经登录的状态,
也没有你的Cookie,扩展和常用标签页。
简单理解,它是一个干干净净的独立浏览器,
适合小范围调试。
而Chrome扩展就不一样了,它直接长在你真实的Chrome浏览器里,
能用你已经登录的各种账号状态,
也能跨标签页操作,完全融入了你的真实浏览环境。
第五部分,咱们真刀真枪来搞一下多智能体协作。
重点就两块,制图和Sub-Agent调度。
我打算让Codex帮我搭一本儿童百科全书电子书的出版。
这个项目会用到Codex的几大功能,
Skill的使用,全局提示词设定,Sub-Agent协同,
GPT Image 2配图,基本上把它的看家功能全盘活了。
这是个四人小组的模拟,团队作战编一本儿童百科全书,
先看一下分工,主编,把握内容方向,插画师,文字转画面,
前端开发,搞定电子书的呈现,项目经理,
丁调度和资源就位。
这四位的活,我分别写成了四个MD文件,
全扔在项目文件夹里,角色职责一目了然。
日常干活,我的提示词都是同一模板,
所以这次干脆把公共人设部分直接设置到Codex的全局提示词里,
操作不复杂,尽设置,点个性化,
在自定义指令那儿把人设定粘贴进去就行。
项目开跑之前,先看一眼前端开发用到的这个Skill,
这是之前收集的电子书浏览页样式,
这样它接到活不用从零开始,
这Skill是平常攒的,一直没实战检验过,
正好这次测试一下。
我让Codex承担项目经理的角色,项目就启动了,
他在读取了三个组员的任务后,
依次启动了三个子代理负责三项任务。
主编的动作还是很快的,
让我们看一下它的输出,
我要求的人体前五个章节的文字已经就位了,
难易程度和内容覆盖都还不错,
挺符合这本百科全书的年龄定位。
卡画师在出图的同时,
前端工程师也已经开始在干活了,
生成PDF需要用到的Python脚本,
电子书浏览的网页框架,
以及项目的Readme文件都依次生成了。
出图还需要很久,
我们就直接快进看结果吧。
从结果看,
这个思路可行,
不过要迭代和重构的地方也不少,
章节内容肯定要扩充,
单纯的图片表达不够清晰,
还需要配上必要的文字说明,
翻页的效果基本没有实现出来,
问题最大的还是整个UI,
虽然很完整地实现了电子书的要求,
但缺少设计语言,
就是大模型常用的界面风格。
不过上面这些问题,
一个个抠着改太细碎,
直接切购模式,
把这些毛病打包成一个目标,
要求AI不达目标势不罢休。
制作这次视频的过程中,
5月22号,
Codex桌面板大更新,
增加了以前只有命令行能用的购模式,
只要token管购,
能无人职守跑一天,
我用它给刚做的儿童百科全书,
做一轮完整的重购。
展开输入栏的加号菜单,
点击这个追求目标,
就进入了go模式,
输入栏下方会显示目标,
建议打开完全访问权限,
这样才能全托管执行。
开跑前,
用git的小伙伴推荐建一个全新的分支,
方便回退,
不用git最好手工备份一下,
因为修改可能非常多。
目标模式下,
你需要给Codex一个执行目标
和具体的验收标准,
我让它执行全面重购,
从上一轮Codex写的readme开始,
使用我指定的DesignMD,
把代码用Next.js重写,
组件库用ShedCN,
每张配图的右侧补上文字,
联网获取权威资料,
扩写到五张。
右键把go.md加入聊天框,
告诉Codex,
不达目标,
绝不收手,
开跑。
跑这种大活儿,
分享两个心得,
一是验收标准要清晰,
比如这次要完成五张,
30页配图,
30页文字,
二是最好夜里跑,
他干活儿,
我睡觉,
两不耽误。
当你看到这个画面,
已经是第二天早上了,
一共烧了60多万Token,
用时三个半小时,
完成了代码重构,
生成了60页PDF,
过程中使用了五个子代理。
我们直接看一下结果。
整个页面脱胎换骨,
排版,
配色,
字体,
组件全重写了,
配图也焕然一新,
底部控制区域尤其出彩,
选一段全屏播放。
图片生成的质量非常高,
但更关键的是,
增加了设计规范和代码脚手架,
购模式能把交付水准提上来。
现阶段,
想充分释放智能体的能力,
就得靠清晰和具体的约束,
才能提升质量和效率。
这两个月Codex最新的功能,
就都讲完了。
智能体工具进化的非快,
快到让人既兴奋又焦虑,
但别急,
先学会约束它,
把重复的任务交给它,
把执行的琐碎交给它,
让它成为你能力的延伸。
如果你觉得本期视频对你有帮助,
别忘了点个关注,
我们下期见。