# 影片筆記：Master 97% of Codex in 1 Hour (full course)

## 一句話總結

本影片詳細演示了如何使用 OpenAI 推出的桌面應用程式 **Codex**，從專案初始化、串接 YouTube API、建立可重複使用的「技能 (Skills)」，到自動化部署至 Vercel，完整建構一個 YouTube 評論分析儀表板的自動化工作流，並強調了權限管理、錯誤處理與跨工具協作的最佳實踐。

## 核心重點

1.  **Codex 作為超級應用程式 (Super App)**：
    *   Codex 不僅是聊天機器人，更是具備專案管理、本地檔案存取、瀏覽器自動化及技能建立能力的桌面應用程式。
    *   與網頁版 ChatGPT 不同，Codex 強調將產出物組織在特定的本地工作目錄中，並支援多工處理與側邊聊天 (Side Chat)。

2.  **專案初始化與環境設定**：
    *   建立本地專案資料夾，並透過 `agents.md` 檔案作為「入職文件」，定義專案目標與背景，確保 AI 理解意圖。
    *   透過 Google Cloud Console 建立 API Key 並存入 `.env.local`，以串接 YouTube Data API v3，取代預設外掛。

3.  **權限管理與錯誤處理 (Agentic Loop)**：
    *   預設為「自動審查 (Auto review)」，熟練後可切換至「完全存取 (Full access)」以節省時間，但需謹慎。
    *   遇到錯誤（如 PowerShell TLS 問題）時，應將其視為「黃金知識」，要求 AI 將經驗保存至 `agents.md`，避免未來重複犯錯。
    *   需注意上下文視窗 (Context window) 的使用情況，過大的 `agents.md` 會消耗更多 Token。

4.  **技能 (Skills) 的建立與應用**：
    *   Skill 是可重複的指令集（Markdown 格式），可儲存為全域 (Global) 或本地 (Local)。
    *   透過斜線指令 (`/`) 或自然語言呼叫 Skill，實現流程自動化（例如：YouTube 評論洞察 Skill）。
    *   介面提供「寵物 (Pet)」視覺化功能顯示工作狀態，並支援多種模型等級（Medium, High, Extra High）以平衡成本與效能。

5.  **自動化部署與迭代優化**：
    *   將本地 `localhost` 儀表板透過 GitHub 與 Vercel 部署至公開網路。
    *   利用 Codex 設定每週定時任務 (Automations)，自動抓取評論、更新 Excel、推送 GitHub 並觸發 Vercel 部署。
    *   強調「暗碼 (Dark Code)」概念：雖使用自然語言，但仍需理解核心邏輯與安全性，並透過反覆使用與回饋優化自動化流程。

## 詳細大綱

### 1. Codex 介面介紹與基礎設定 (片段 1)
*   **介面結構**：左側為專案/聊天列表，右側為對話視窗。底部有小寵物 (Pet) 顯示狀態。
*   **模型與設定**：可切換 GPT 5.5、5.4 等模型，調整速度 (Speed) 與智慧等級 (Intelligence: 低、中、高、超高)。
*   **專案建立**：
    *   點擊「New Chat」或「New Project」。
    *   選擇本地資料夾路徑（如桌面下的 `Codex YouTube`）。
    *   設定權限（預設或完全存取）。
    *   初始指令：讓 AI 讀取指定資料夾中的原始轉錄檔。
*   **對比**：與 Claude Code 相比，兩者皆為承載框架，但 Codex 具備更多本地整合功能。

### 2. 專案初始化與資料串接 (片段 2)
*   **本地搜尋技巧**：直接提供精確檔案路徑，而非讓 AI 自行搜尋，以節省 Token。
*   **`agents.md` 檔案**：作為新聊天視窗的入職文件，定義專案目標與使用者意圖。
*   **計畫模式 (Plan Mode)**：僅進行腦力激盪與規劃，不執行程式碼。建議使用 Medium 等級進行規劃，High 用於大型建構，Extra High 用於解決難題。
*   **YouTube API 串接**：
    *   在 Google Cloud Console 建立專案，啟用 `YouTube Data API v3`。
    *   產生 API Key，設定限制僅限該 API。
    *   將 API Key 填入專案中的 `.env.local` 檔案。
    *   測試連線是否成功。

### 3. 權限、錯誤處理與多任務處理 (片段 3)
*   **權限設置**：
    *   預設為關閉 (Auto review)。
    *   切換至「完全存取 (Full access)」可自動執行，但需謹慎。
*   **錯誤處理 (Agentic Loop)**：
    *   將錯誤視為「黃金知識」，要求 AI 保存至 `agents.md`。
    *   注意上下文視窗限制，避免檔案過大。
*   **多任務與側邊聊天**：
    *   利用多標籤頁或新聊天視窗進行多任務處理。
    *   使用 `{slash}` 命令列選項調整代理性格（如切換為 Pragmatic 模式，更簡潔、任務導向）。
    *   側邊聊天功能允許在不中斷主要工作流的情況下進行額外查詢。
*   **成果展示**：成功生成包含 200 條近期 YouTube 評論分析的 Excel 儀表板，涵蓋評論分類、熱門工具提及等洞察。

### 4. 技能 (Skill) 建立與介面功能 (片段 4)
*   **技能定義**：可重複的食譜 (Recipe)，儲存為 Markdown 檔案。
*   **儲存與呼叫**：
    *   全域 (Global)：儲存在 `.codex` 檔案中，所有專案共用。
    *   本地 (Local)：儲存在特定專案資料夾內。
    *   呼叫方式：斜線指令 (`/`) 或自然語言。
*   **介面功能**：
    *   寵物 (Pet) 設定：提供視覺化回饋，可選擇不同樣式（Codex pet, Dewey, CD 等）。
    *   模型選擇：簡單任務避免使用高階模型以防過度設計。監控剩餘速率限制 (Rate limits)。
*   **新專案規劃**：使用 GPT Image 2 生成儀表板設計概念，建立本地主機 (Localhost) 上的視覺化介面。

### 5. 部署與自動化工作流 (片段 5)
*   **部署流程**：
    *   使用 GitHub 建立雲端倉儲 (Repository)。
    *   使用 Vercel 進行託管與部署，獲得公開 URL。
    *   安全注意事項：使用 `.env` 檔案保護金鑰，避免公開提交。
*   **自動化設定 (Automations)**：
    *   設定每週定時任務（如每週日傍晚 5 點）。
    *   邏輯：執行抓取 YouTube 評論的技能 -> 更新 Excel -> 同步至 GitHub -> Vercel 自動部署。
*   **開發理念**：將 AI 自動化技能的建立比喻為「教小孩騎腳踏車」，透過反覆使用與回饋來優化。

### 6. 自動化除錯與瀏覽器使用 (片段 6)
*   **自動化預期管理**：
    *   本地定時任務 (Local Cron) 需保持應用程式開啟。
    *   若需 24/7 運行，需使用雲端常規任務 (Cloud Routines)。
*   **瀏覽器使用 (Browser Use)**：
    *   利用自然語言指令讓 AI 使用瀏覽器進行 UI 測試、點擊按鈕、壓力測試與 QA。
    *   適合尋找 Bug、無 API 時的自動化操作、需保留 Cookie 的網頁自動化。
    *   講者認為比 Playwright CLI 更平滑、智能。
*   **除錯與優化**：
    *   修正模型版本（從 GPT 5.2 改為 GPT 5.5）與推理層級設定。
    *   自動化成功分析 208 則評論，並透過 GitHub 與 Vercel 部署至儀表板，驗證流程成功。

### 7. 迭代優化與工具協作 (片段 7)
*   **迭代優化**：
    *   監控執行時間，若過長需介入檢查。
    *   主動詢問 AI 如何優化流程，識別可刪除的代碼或需要增加的防護機制。
*   **理解「暗碼 (Dark Code)」**：
    *   使用自然語言編寫代碼，但需理解核心邏輯與安全性。
    *   不需理解每一行代碼，但需理解根本邏輯與目的。
*   **工具協作**：
    *   專案資料夾可被不同代理工具（Codex, Claude Code, OpenClaw）共用。
    *   混合使用策略：例如用 Claude Code 建構，用 Codex 進行審查。
    *   跨平台遷移簡單，僅需更改設定檔名稱。

## 工具 / 模型 / 名詞整理

*   **Codex**：OpenAI 推出的桌面應用程式，具備專案管理、本地檔案存取、瀏覽器自動化及技能建立能力。
*   **ChatGPT**：OpenAI 的聊天機器人服務，包含網頁版與應用程式版。
*   **Claude Code**：Anthropic 推出的桌面應用程式，用於與 Claude 互動，作為 Codex 的對比對象。
*   **GPT 5.5 / GPT 5.4 / GPT 5.2**：Codex 中可選用的模型版本之一（需查證是否為實際發布版本）。
*   **Opus / Sonnet / Haiku**：Claude Code 底層使用的模型。
*   **Opus 4.7**：講者提及進行過測試的模型版本。
*   **Open Claw / Hermes Agent**：講者提及可接入 ChatGPT 訂閱方案的代理程式工具。
*   **Glido**：講者使用的語音轉文字 (voice-to-text) 工具。
*   **Whisper**：講者之前使用的語音轉文字工具。
*   **YouTube Data API v3**：Google Cloud Console 中需啟用的 API，用於串接 YouTube 資料。
*   **Google Cloud Console**：講者建立專案與 API Key 的平台。
*   **agents.md**：Codex 專案起始檔案名稱，用於定義專案上下文與目標。
*   **Claude.md**：Cloud Code 專案起始檔案名稱。
*   **.env.local / .env**：Codex 自動建立用於儲存環境變數（如 API Key）的檔案。
*   **Plan Mode**：Codex 的計畫模式，僅進行腦力激盪與規劃，不執行程式碼。
*   **Skill (技能)**：可重複的指令集，儲存為 Markdown 檔案，可透過斜線指令或自然語言呼叫。
*   **Pet (寵物)**：Codex 介面中的視覺化功能，顯示 AI 工作狀態。
*   **GitHub**：用於建立雲端倉儲 (Repository) 存放程式碼。
*   **Vercel**：用於將程式碼部署到實際網域，提供公開 URL 的平台。
*   **Git / GitHub CLI**：本地版本控制系統與雲端倉儲的命令行介面。
*   **Browser Use (瀏覽器使用)**：Codex 的技能之一，允許 AI 使用瀏覽器進行 UI 測試與自動化操作。
*   **Playwright CLI**：講者過去使用的瀏覽器自動化工具。
*   **Dark Code (暗碼)**：講者提出的概念，指使用自然語言編寫代碼，但仍需理解核心邏輯與安全性。
*   **Cloud Routines**：Cloud Code 新增的雲端常規任務，用於實現全天候 24/7 運行。
*   **CodaCode / Higgs Field / CodaX API**：Excel 報告中提及的熱門工具（需查證是否為真實存在或模型生成）。
*   **Hyperframes**：Codex 內建的外掛之一（需查證）。
*   **GPT Image 2**：用於生成儀表板設計概念與 Logo 的圖像生成模型（需查證）。
*   **Beasod / Stacky / Fireball**：Codex 寵物選項列表中的名稱（需查證）。
*   **Nate Herc / Nate Hurt**：講者提及的人名或專案名稱（需查證）。
*   **Cloud Code / Cloud Co-work**：提及的專案名稱或環境，需查證是否為正確產品名稱。

## 操作流程整理

1.  **環境準備與專案建立**：
    *   安裝 Codex 桌面應用程式。
    *   建立本地專案資料夾，設定權限。
    *   建立 `agents.md` 檔案，定義專案目標與背景。

2.  **資料串接 (YouTube API)**：
    *   前往 Google Cloud Console 建立專案。
    *   啟用 `YouTube Data API v3`。
    *   產生 API Key，設定限制。
    *   將 API Key 填入專案中的 `.env.local` 檔案。
    *   測試連線是否成功。

3.  **數據抓取與分析 (Skill 建立)**：
    *   進入 Plan Mode，規劃抓取近期 YouTube 評論的流程。
    *   執行抓取，分析數據，生成 Excel 報表。
    *   將此流程封裝為「YouTube 評論洞察 (YouTube comment insights)」Skill，儲存為 Markdown 檔案。

4.  **儀表板開發與設計**：
    *   使用 GPT Image 2 生成儀表板設計概念與 UI 元素。
    *   讓 Codex 基於 Excel 數據，在本地主機 (Localhost) 上生成視覺化儀表板。

5.  **部署與自動化**：
    *   建立 GitHub 倉儲，推送程式碼。
    *   連接 Vercel，部署專案至公開 URL。
    *   設定 Automations（自動化任務），配置每週定時任務。
    *   自動化邏輯：執行 Skill 抓取評論 -> 更新 Excel -> 推送 GitHub -> Vercel 自動部署。

6.  **測試與優化**：
    *   使用 Browser Use 技能進行 UI 測試與 QA。
    *   監控自動化執行時間，若過長則介入優化。
    *   修正模型版本與推理層級，確保穩定性與效率。

## 值得注意的限制或風險

1.  **權限風險**：
    *   切換至「完全存取 (Full access)」可節省時間，但若操作不當可能導致災難性後果（如刪除資料庫）。建議初學者保持預設的「自動審查 (Auto review)」。

2.  **上下文視窗限制**：
    *   隨著專案增長，`agents.md` 檔案過大會消耗更多 Token，需注意上下文管理。

3.  **本地定時任務限制**：
    *   當前設定的自動化任務為本地定時任務 (Local Cron)，若關閉 Codex 應用程式或電腦，任務將停止。若需 24/7 運行，需依賴雲端常規任務 (Cloud Routines)。

4.  **Token 成本與配額**：
    *   不同模型等級對應不同的 Token 或 Session 成本。需監控剩餘速率限制 (Rate limits)，避免過度消耗。
    *   使用高階模型（如 Extra High）進行簡單任務可能導致過度設計 (Over-engineers) 並浪費 Token。

5.  **安全性**：
    *   需區分 Git（本地版本控制）與 GitHub（雲端）。
    *   使用 `.env` 檔案存放金鑰，利用前置的點號讓 Codex 或 Cloud Code 排除該檔案的公開提交，防止金鑰洩露。

6.  **模型版本不確定性**：
    *   影片中提及的 GPT 5.5、5.4、5.2 等版本編號，需查證是否為實際發布版本或口誤。

## 逐字稿辨識疑點

*   **GPT 5.5 / GPT 5.4 / GPT 5.2**：逐字稿中多次提及的模型版本編號，需查證是否為實際發布版本或口誤。
*   **Opus 4.7**：逐字稿中提及的模型版本，需查證是否為實際發布版本或口誤。
*   **Open Claw / Hermes Agent**：逐字稿中提及的工具名稱，需查證是否為正確產品名稱或聽寫錯誤。
*   **Glido**：逐字稿中明確拼寫為 "Glido"，需查證是否為正確產品名稱（常見為 Glid.io 或其他變體，但依規則保留原樣）。
*   **Hyperframes**：逐字稿中列為外掛名稱，需查證是否為正確產品名稱。
*   **Beasod / Stacky / Fireball**：在寵物選項列表中出現，聽起來可能是特定名稱或口誤，需查證是否為正確名稱。
*   **Nate Herc / Nate Hurt**：逐字稿中提到 "This is about Nate's, Nate Herc does this." 及 "recent Nate Hurt videos"，疑點：講者口語中出現重複或停頓，可能為講者姓名或專案名稱，需查證。
*   **CodaX / Codex**：逐字稿中交替使用 "Codex" 與 "CodaX"，需查證該工具的確切名稱。
*   **Cloud Code / Cloud Co-work**：逐字稿提及 "Cloud Code" 與 "Cloud Co-work"，需查證是否為同一產品的不同稱呼或聽寫錯誤。
*   **{slash}