# 影片筆記：Learn 95% of Codex in 30 minutes

## 一句話總結

OpenAI 推出的 AI Agent 工具 **Codex** 是一個具備「完全控制電腦」能力的超級應用程式，透過完整檔案存取、持久記憶、外掛連接、技能創建、影像生成、瀏覽器/電腦控制以及自動化功能，實現從知識工作到程式開發的全流程自動化，且所有產出預設儲存於使用者本地電腦。

## 核心重點

1.  **本地化與完全控制**：與 ChatGPT 或 Claude 不同，Codex 生成的檔案預設儲存於使用者本地電腦，並具備對電腦和瀏覽器的完全控制權。
2.  **三大核心能力**：
    *   **完整檔案存取**：支援專案管理，自動將產出物儲存至指定資料夾，支援多工處理與檔案引用。
    *   **持久記憶**：包含透過 `agents.md` 的手動記憶，以及由 Agent 自動維護的自動記憶。
    *   **外掛程式 (Plugins)**：連接 Gmail、Slack、Notion 等外部工具，擴展工作流。
3.  **技能 (Skills) 與自動化**：可將反覆執行或滿意的操作流程轉化為可重複使用的「技能」，並設定為定期執行的「自動化」任務。
4.  **內建生成與控制能力**：內建 GPT-image/2 進行圖像生成，並透過 `@computer use` 和 `@browser use` 插件控制桌面應用與瀏覽器。
5.  **Chronicle 新功能**：透過持續記錄螢幕畫面獲取上下文，讓 AI 能根據使用者當前操作自動建議內容。

## 詳細大綱

### A. Codex 基本介紹與定位
*   **目標受眾**：使用 ChatGPT、Claude、Claude Code、Claude Co-work 或 Codex，但不確定如何將其用於商業知識工作與程式開發的使用者。
*   **核心定義**：OpenAI 的 AI Agent 超級應用程式 (Super App)，提供易於使用的介面，用於知識工作 (Knowledge Work) 與程式開發 (Coding Work)。
*   **與競品差異**：
    *   ChatGPT/Claude：上傳的檔案儲存於雲端。
    *   Codex：上傳或生成的檔案全部儲存於使用者本地電腦。
*   **功能範圍**：
    *   生成動態圖形影片 (Motion graphics video)。
    *   建立登陸頁面 (Landing pages)。
    *   生成圖片並放置於網站。
    *   建立複雜遊戲與 3D 模擬。
    *   建立具備前後端與專業設計的行動應用程式 (Mobile apps)。
    *   建立桌面應用程式 (Desktop apps)。
    *   生成 Excel 試算表、Word 文件、簡報 (可匯出至 Canva)。
    *   完全控制電腦與瀏覽器。

### B. 核心能力一：完整檔案存取 (Full File Access)
*   **檔案儲存機制**：
    *   Agent 擁有電腦的完整檔案存取權限。
    *   所有生成的檔案預設儲存於本地電腦，而非雲端。
*   **專案管理 (Project Organization)**：
    *   **建立聊天 (Chat)**：僅顯示在側邊欄，未關聯到特定資料夾。
    *   **建立專案 (Project)**：
        *   可從現有資料夾開始 (Start at existing folder)。
        *   專案會顯示在左側面板。
        *   在專案內的聊天所生成的文件，會自動儲存至該專案對應的本地資料夾中。
*   **多工處理 (Multitasking)**：
    *   可同時建立多個聊天視窗。
    *   支援「@提及」(At mention) 專案內的檔案，引用現有文件進行後續操作（例如將 Word 文件轉為登陸頁面）。
*   **實戰案例：發票處理**：
    *   情境：處理資料夾內的 60 張發票照片。
    *   操作：指定模型為 **GPT 5.5 high**。
    *   流程：Agent 識別資料夾 -> OCR 提取文字 -> 分類交易 -> 建立 Excel 工作簿。
    *   結果：生成包含儀表板、總支出、類別摘要、付款摘要及趨勢圖表的 Excel 檔案，儲存於本地。

### C. 核心能力二：持久記憶 (Persistent Memory)
Codex 具備兩種記憶類型，均儲存於本地檔案中：
1.  **手動記憶 (Manual Memory)**：
    *   **機制**：使用者要求 Agent 記住特定偏好或格式。
    *   **儲存位置**：`agents.md` 檔案。
    *   **特性**：是一個「活的文件」(Living document)，會隨時間更新。使用者可手動更新或要求 Agent 更新。
    *   **案例**：使用者要求 Agent 記住特定的登陸頁面樣式（左側欄、目錄格式），Agent 會將此偏好寫入 `agents.md`。
2.  **自動記憶 (Auto Memory)**：
    *   **機制**：Agent 自動觀察並更新使用者行為與任務歷史。
    *   **儲存位置**：`Codex / memories` 資料夾內的檔案。
    *   **特性**：建議使用者不要手動修改，讓 Agent 自行維護以確保準確性。
    *   **用途**：提供使用者任務歷史摘要，可用於協助他人建立類似工作流。

### D. 核心能力三：外掛程式 (Plugins)
*   **定義**：可安裝、可重複使用的套件，用於連接 OpenAI Codex 與外部工具、應用程式及工作流。
*   **功能**：擴展 Agent 功能，連接使用者日常使用的工具。
*   **操作方式**：
    *   透過 Plugins 標籤頁安裝（例如：Slack、Gmail）。
    *   安裝後，外掛可能包含特定技能 (Skills)，如 Gmail 技能、收件匣分類技能 (Inbox triage skill)。
    *   目前支援超過 100 種外掛。
*   **引用方式**：在聊天中使用「@提及」(At mention) 外掛名稱來調用。
*   **實戰案例：品牌合作與腳本撰寫**：
    *   **案例 1 (Gmail)**：
        *   情境：尋找過去兩週的品牌推廣郵件。
        *   操作：建立專案資料夾，要求 Agent 搜尋 Gmail，研究品牌並建立包含相關註解的表格。
        *   引用：使用 `@Gmail` 外掛。
    *   **案例 2 (Notion)**：
        *   情境：撰寫關於 CLIs 和 MCPs 的影片腳本。
        *   操作：要求 Agent 查看 Notion 中的高質量長篇腳本，並使用 Excalidraw 圖表撰寫新腳本。
        *   引用：使用 `@Notion` 外掛。

### E. 技能 (Skills) 的應用與創建
1.  **技能的概念**
    *   技能是可重複使用的工作流程配方 (Workflow recipes) 或標準作業程序 (SOPs)。
    *   技能類似於插件，但本質上是指示文件 (Instruction files)，代理 (Agent) 每次使用時都會遵循。
    *   位置：位於插件 (Plugins) 資料夾下的技能 (Skills) 子資料夾。
    *   調用方式：輸入斜線 (`/`) 即可快速訪問技能；插件則使用 `@` 符號。
2.  **創建技能的方法**
    *   **方法一：提示詞轉技能 (Prompt to Skill)**
        *   格式：「我想要你創建一個名為 [名稱] 的技能，功能是 [功能]」。
        *   特點：生成可重複使用的指示文件，但講者認為效果可能不如方法二。
    *   **方法二：手動工作流程法 (Manual Workflow Method) - 推薦**
        *   流程：要求代理執行任務 -> 反覆調整與迭代直到滿意 -> 反向工程 (Reverse engineer) 將流程轉化為技能。
        *   關鍵指令：「我對這個輸出很滿意，將其轉化為我可以使用的技能 (Turn this into a skill that I can use)」。
        *   結果：代理會生成 `.md` 檔案（如 `brand deal researcher skill.md`），將整個工作流程轉化為指示。
3.  **技能的更新與優化**
    *   技能可以包含調用特定插件的指示。
    *   使用技能後若發現更好的格式或功能，可要求代理更新技能，使其未來總是採用該格式。
    *   每次使用技能都是優化技能的機會。

### F. 內建圖像生成 (Built-in GPT Image)
1.  **功能說明**
    *   Codex 內建 GPT-image/2 模型，可直接在系統內生成圖片。
    *   屬於系統內建的推薦技能 (Recommended skills)，預設使用最新且最佳的圖像模型，無需手動啟用。
2.  **操作示範**
    *   創建新專案 (Content)。
    *   上傳參考圖片（如毛衣）。
    *   提示詞要求：生成不同國家模特兒穿著該毛衣的五張圖片（分別為 1 人、1 人、1 人、3 人、5 人的組合）。
    *   結果：圖片生成後保存在內容資料夾中，並使用內建的 `image gen skill.md`。

### G. 瀏覽器與電腦控制 (Browser Use & Computer Use)
1.  **電腦控制 (Computer Use)**
    *   插件調用：`@computer use`。
    *   功能：控制桌面應用程式。
    *   示範：打開 Canva 應用程式，創建簡報，並將生成的圖片逐一放入幻燈片中。
    *   特徵：使用者可見滑鼠游標移動，代理自動點擊與操作，無需使用者介入。
2.  **瀏覽器控制 (Browser Use)**
    *   插件調用：`@browser use`。
    *   功能：控制瀏覽器進行測試與互動。
    *   示範：將 HTML 檔案轉為應用程式，並測試介面按鈕與導航功能。
    *   特徵：代理控制瀏覽器游標，執行點擊、滾動、驗證按鈕功能等測試步驟。

### H. 自動化 (Automation)
1.  **功能說明**
    *   透過與 Codex 對話即可創建自動化任務。
    *   可將已創建的技能設定為定期執行（每週、每日或每小時）。
2.  **操作示範**
    *   基於之前創建的「品牌合作研究技能 (Brand deal researcher skill)」。
    *   指令：「請在每個星期五上午 9:00 執行此操作，並更新此試算表」。
    *   結果：
        *   UI 中顯示自動化任務狀態（Active）。
        *   設定為每週五上午 9:00 重複執行。
        *   使用 `brand deal researcher skill` 掃描 Gmail 以獲取品牌贊助資訊。

### I. 新功能：Chronicle 研究預覽版
*   **啟用方式**：Settings > Personalization > 開啟「Chronicle research preview」。
*   **運作機制**：
    *   持續記錄螢幕畫面。
    *   獲取使用者當前工作內容的上下文。
    *   看似具有侵入性（invasive），但能提供即時情境感知。
*   **操作示範**：
    *   指令：「use Chronicle」。
    *   請求：「告訴我應該在我的 Codex 視覺簡報中添加什麼」。
    *   結果：AI 識別近期螢幕截圖，建議添加「Codex super app map」、「prompt files 的全控制迴圈圖表」、「Chronicle 演示投影片」等內容。
    *   關鍵點：無需上傳圖片或 Excalidraw 文件，AI 僅憑螢幕監控即可理解簡報內容。

### J. Codex 功能總覽回顧
*   **檔案控制 (Full file control)**：建立、編輯、刪除任何檔案。
*   **記憶系統 (Persistent memory)**：
    *   自動記憶。
    *   手動記憶（透過 `agents.md` 檔案）。
*   **外掛 (Plugins)**：平台內建，連接 Agent 至所有工具。
*   **技能 (Skills)**：將 Agent 執行的任務轉換為技能。
*   **影像生成 (Image generation)**：
    *   支援影像生成。
    *   宣稱為全球最佳模型：GPT-image-2。
*   **瀏覽器控制與電腦使用 (Browser control and computer use)**：
    *   Agent 可像人類一樣控制電腦。
    *   介面包含鍵盤、滑鼠、螢幕。
    *   效能持續指數級提升。
*   **自動化 (Automations)**：
    *   將任務設定為定期執行（每日、每小時、每週、每月）。

## 工具 / 模型 / 名詞整理

*   **OpenAI Codex** (或稱 Code X)：影片主要介紹的 AI Agent 工具。
*   **ChatGPT**：對比對象，檔案儲存於雲端。
*   **Claude**：對比對象，檔案儲存於雲端。
*   **Claude Code**：對比對象。
*   **Claude Co-work**：對比對象。
*   **GPT 5.5 high**：影片中選擇使用的模型版本。
*   **GPT 5.5**：提及的模型名稱。
*   **GPT-image/2** (或 GPT-image-2)：Codex 內建使用的圖像生成模型名稱。
*   **Canva**：桌面應用程式名稱，用於創建簡報；簡報匯出目標工具。
*   **Slack**：Codex 支援連接的外掛工具。
*   **Gmail**：Codex 支援連接的外掛工具。
*   **Notion**：Codex 支援連接的外掛工具。
*   **Excalidraw**：用於繪製圖表的工具；提及「give it an Excalidraw document」。
*   **Finder**：macOS 檔案管理系統（提及「Open in Finder」）。
*   **agents.md**：儲存手動記憶的檔案名稱。
*   **Codex / memories**：儲存自動記憶的資料夾路徑。
*   **@computer use**：控制電腦應用程式的插件調用方式。
*   **@browser use**：控制瀏覽器的插件調用方式。
*   **@Gmail**：引用 Gmail 外掛的方式。
*   **@Notion**：引用 Notion 外掛的方式。
*   **brand deal researcher skill.md**：講者手動創建的技能檔案名稱。
*   **image gen skill.md**：Codex 內建的圖像生成技能檔案。
*   **Excalidraw diagram skill**：用於創建圖表的技能。
*   **YouTube researcher skill**：用於研究 YouTube 相關內容的技能。
*   **YouTube thumbnail skill**：用於處理 YouTube 縮圖的技能。
*   **Chronicle**：Codex 內的新功能/模組名稱，位於 Settings > Personalization。
*   **index.html**：瀏覽器中打開的檔案類型。
*   **CLIs and MCPs**：提及影片主題包含 "CLIs" 與 "MCPs"。
*   **seven capabilities folder**：使用者建立專案資料夾時命名。
*   **receipts to process**：資料夾名稱。
*   **learn 90% of OpenAI Codex in under 2 minutes**：生成的 Word 文件標題。

## 操作流程整理

### 流程一：建立專案與處理發票 (完整檔案存取)
1.  建立專案 (Project)，選擇從現有資料夾開始。
2.  指定模型為 **GPT 5.5 high**。
3.  Agent 識別資料夾內的發票照片。
4.  Agent 執行 OCR 提取文字並分類交易。
5.  Agent 建立 Excel 工作簿，包含儀表板、總支出、類別摘要、付款摘要及趨勢圖表。
6.  檔案自動儲存至專案對應的本地資料夾。

### 流程二：創建與使用技能 (Skills)
1.  **創建技能 (手動工作流程法)**：
    *   要求 Agent 執行特定任務。
    *   反覆調整與迭代直到滿意。
    *   輸入指令：「我對這個輸出很滿意，將其轉化為我可以使用的技能」。
    *   Agent 生成 `.md` 檔案 (如 `brand deal researcher skill.md`)。
2.  **使用技能**：
    *   在聊天中輸入斜線 (`/`) 訪問技能列表。
    *   選擇並執行該技能。
3.  **更新技能**：
    *   若發現更好格式，要求 Agent 更新技能，使其未來採用該格式。

### 流程三：圖像生成 (內建 GPT Image)
1.  創建新專案 (Content)。
2.  上傳參考圖片 (如毛衣)。
3.  輸入提示詞要求生成不同國家模特兒穿著該毛衣的圖片。
4.  Agent 使用內建 `image gen skill.md` 生成圖片。
5.  圖片保存至內容資料夾。

### 流程四：電腦與瀏覽器控制
1.  **電腦控制**：
    *   調用 `@computer use` 插件。
    *   Agent 自動打開桌面應用 (如 Canva)。
    *   Agent 自動點擊、操作，將生成的圖片放入幻燈片。
2.  **瀏覽器控制**：
    *   調用 `@browser use` 插件。
    *   Agent 控制瀏覽器游標，執行點擊、滾動、驗證按鈕功能等測試步驟。

### 流程五：設定自動化 (Automation)
1.  基於已創建的技能 (如 `brand deal researcher skill`)。
2.  輸入指令：