# 影片筆記：【59分钟·零基础】Codex完整教程｜做出可安装桌面App，讲清界面、权限与Skill（2026.7）


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=3 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=4 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

> **⚠️ 警告：逐字稿辨識品質檢核**
> 本筆記基於提供的分段筆記與逐字稿生成。經檢核，以下片段存在 `unnatural_sentence_boundary`（標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）的問題，可能影響語意完整性與準確性。請使用者特別留意以下段落，並將其視為「待校正清單」，不宜直接作為確定事實引用：
> *   **Segment 3**: 斷句異常
> *   **Segment 4**: 斷句異常
> *   **Segment 8**: 斷句異常
> *   **Segment 9**: 斷句異常
> *   **Segment 10**: 斷句異常
> *   **Segment 719**: 斷句異常

## 一句話總結

本影片為 OpenAI Codex 的零基础教程，講者孫重重演示了如何從零開始，透過自然語言溝通、權限設定與模型選擇，使用 Codex 開發出一個具備「素材批量命名、安全檢查與撤銷功能」的 macOS 桌面 App，並完成了從需求分析、開發計劃制定、環境配置、隔離開發到冒煙測試與文件生成的完整流程。

## 核心重點

1.  **Codex 的定位與差異**：Codex 不僅是對話 AI，更是具備「讀、改、運、驗」能力的動手型助手。它能讀寫文件、執行命令、操作瀏覽器，但需由用戶設定邊界與權限，不建議直接處理高風險操作（如付款、刪除生產數據）。
2.  **專案與任務管理邏輯**：
    *   **項目 (Project)**：存放產品文件、規則與歷史的「辦公室」。
    *   **任務 (Task)**：具體執行的「會議」。
    *   **資料夾 (Folder)**：實際存放資料的位置，Codex 打開哪個資料夾即進入該工作環境。
    *   建議將產品規範 (`productspec.md`) 與長期規則 (`agents.md`) 寫入項目文件以維持上下文記憶。
3.  **權限與執行模式**：
    *   **權限**：分為「請求批准 (Ask to Act)」、「T-WO 審批 (疑點)」與「完全訪問」。新手建議使用「請求批准」。
    *   **執行模式**：普通執行 (Act) 用於明確小任務；計劃 (Plan) 用於高風險大範圍任務；目標 (Goal) 用於跨階段持續推進。
    *   **引導與排隊**：可在任務中補充條件（引導），或將新任務放入隊列（排隊）。
4.  **模型選擇策略**：
    *   複雜工作（規劃、架構、安全審查）使用強模型（如影片中提到的 GPT5.6）。
    *   輕量任務（格式整理、簡單改文案）使用更快、更省成本的模型。
    *   推理強度 (Reasoning Effort) 需根據任務風險與複雜度調整。
5.  **實戰案例：素材批量命名助手**：
    *   **需求**：針對自媒體與電商素材，實現批量導入、預覽、安全檢查（排除非法字符、重名）、批量重命名、操作記錄與撤銷功能。
    *   **開發流程**：確認設計方向（單窗口固定規則）與視覺風格（淺霧藍） -> 生成設計文檔 -> 利用 Skill 自動制定 13 項開發計劃 -> 建立隔離工作區 (Gateworktrees) -> 安裝環境依賴 (Xcode) -> 開發執行 -> 冒煙測試 -> 生成 PDF 說明文件。

## 詳細大綱

### 一、 Codex 核心概念與定位
*   **定義**：能在允許範圍內讀寫文件、執行命令、操作瀏覽器的「動手型」AI 助手。
*   **核心行為循環**：讀文件 -> 改文件 -> 運行 -> 驗證。
*   **邊界控制**：不會自動接管整台電腦，需給予工作現場、目標和邊界。
*   **適用人群**：程式員、內容創作者、產品經理、設計師、企業研究人員、普通辦公用戶。
*   **不適合直接放手做的事**：涉及真實付款、公開發布、批量刪除、生產數據庫、密碼密鑰、中藥合同（疑點）、影響他人的外部操作。

### 二、 安裝、登入與介面介紹
*   **安裝**：從 OpenAI 官方下載 App（現與 ChatGPT 合併，名稱為 ChatGPT），使用 ChatGPT 帳號登入。
*   **介面解析**：
    *   **左側**：項目和任務記錄。
    *   **中間**：當前任務發生地（回覆、執行過程、權限請求、測試結果）。
    *   **下方**：輸入區（文字、語音、附件）。
*   **新手關注點**：項目位置、對話任務、發出要求的位置、結果與證據查看位置。

### 三、 專案、任務與文件管理
*   **概念釐清**：
    *   項目 = 辦公室（存放規則與歷史）。
    *   任務 = 會議（具體執行）。
    *   資料夾 = 實際數據存放地。
*   **記憶與上下文**：
    *   上下文由當前任務消息、附加文件、讀取的項目內容形成。
    *   建議將產品範圍、匿名規則（疑點）、安全底線、視覺規範寫進項目文件（如 `productspec.md`, `agents.md`）。
*   **輸入方式**：支援文字、語音、附件。
    *   **附件原則**：僅放入完成工作必須看的文件、證明當前問題的截圖或報錯、明確的參考樣式。
    *   **禁忌**：不要上傳密碼、私鑰、身份證件、私人聊天記錄或無關客戶資料。

### 四、 任務佈置與模型選擇
*   **佈置任務五問**：最終想要什麼、背景資訊、不能做的事、完成標準、執行順序。
*   **模型選擇**：
    *   複雜工作（規劃、架構、安全審查）用強模型（如 GPT5.6）。
    *   輕量任務用更快更節省模型。
*   **推理強度 (Reasoning Effort)**：
    *   高風險、跨文件、設計結構用高強度。
    *   重複、可逆、易檢查任務用低強度。

### 五、 執行模式與權限設定
*   **執行模式**：
    *   普通執行 (Act)：事情小而明確。
    *   計劃 (Plan)：範圍大、風險高，先攤開路線。
    *   目標 (Goal)：結果需跨多個階段持續推進。
*   **權限設置**：
    *   **請求批准 (Ask to Act)**：建議新手使用。項目內操作自動完成，項目外或超範圍操作暫停詢問。
    *   **T-WO 審批 (疑點)**：將符合條件的請求交給獨立審批機制檢查，風險低自動通過，有風險則暫停詢問。
    *   **完全訪問 (Full Access)**：打開安全圍欄，可訪問互聯網及項目外文件。僅在項目來源可信、範圍清楚、文件已備份、使用 Git 且明確需要時考慮。
*   **任務引導與排隊**：
    *   引導 (Guide)：在任務運行中補充條件或修改當前工作。
    *   排隊 (Queue)：將與當前工作無關的新任務放入隊列。

### 六、 進階功能與工具欄簡介
*   **工具欄按鈕**：切換摘要、切換底部面板顯示（終端）、顯示或隱藏側邊欄。
*   **審閱 (Review) 與 Diff**：
    *   Diff 類似 Word 修訂記錄，紅色為刪除，綠色為增加。
    *   檢查原則：觀察文件名和改動量。若小要求導致大範圍修改，需考慮是否改太多。
    *   代碼審查 (Code Review)：請 Codex 審查當前修改，檢查錯誤、安全風險或遺漏，暫不修改文件。
*   **進階名詞簡介**：
    *   Agent.md：項目說明文件，保存長期遵守規則。
    *   MCP：連接外部工具數據的統一接口。
    *   多 Agent (Multi-Agent)：將研究、製作、檢查拆分給不同 Agent 處理。
    *   Worktree：為任務建立獨立工作區，避免互相覆蓋。

### 七、 實戰案例：素材批量命名助手
*   **案例選擇**：解決自媒體與電商從業者面對大量雜亂素材的問題。
*   **功能需求**：
    *   支持導入視頻、圖片、錄屏、音頻。
    *   按項目名稱、序號、素材類型、可選標籤批量生成新名稱。
    *   改名前可預覽，發現重名或非法字符提醒。
    *   執行前有完整確認。
    *   保留操作記錄，支持撤銷最近一次操作。
*   **實戰步驟**：
    1.  **新建項目**：命名為「素材批量命名助手」。
    2.  **初始溝通**：告知模糊想法，請求構思 APP 功能及注意事項。
    3.  **角色設定**：無需特別指定身份，模型會自動識別；若安裝 Skill（如 superpowers），會自動套用優秀開發模板。
    4.  **需求收斂**：
        *   目標受眾：自媒體和電商從業者。
        *   功能定位：將雜亂素材變為規範、可搜索、可交付的名稱。
        *   第一版策略：單一入口，不設置雙重入口。
        *   命名邏輯：按拍攝時間順序編號，並根據使用場景分類，添加通用必要標籤。
    5.  **模型選擇**：演示使用 GPT5.6（旗艦模型）。

### 八、 開發執行與測試流程（第二段重點）
*   **產品設計與決策確認**：
    *   拒絕複雜的「方向三（專業規則編輯器）」，選擇「方向一（單窗口固定規則及時預覽）」並增加「安全檢查」步驟。
    *   拒絕「方向二（分步就向到）」，認為方向一太簡單，需加入安全檢查。
    *   **UI 視覺設計**：選擇方案 A（霧藍），理由是具有較強的工具感。確定的視覺規範：淺霧藍背景、白色工作區、輕綠色主操作與成功狀態、琥珀色/紅色用於安全檢查狀態。
    *   **設計文檔產出**：Codex 產出包含產品概述、目標用戶、原則、功能範圍、命名規則、用戶流程、視覺規範、系統結構、數據與隱私、錯誤處理、驗收重點、風險與應對的文檔。
*   **開發計劃與環境設置**：
    *   利用 GPT 5.6 模型內建的 `Superpowers` 中的 Skill 自動制定開發計劃。
    *   計劃包含 13 個任務，覆蓋原數據讀取、命名、安全檢查、事務改命、跨重啟撤銷、完整 UI 及 3000 項性能測試。
    *   執行方式選擇：「子代理逐任務開發」（並行實施）。
    *   **環境依賴處理**：使用者電腦無完整 Xcode，Codex 建議通過 App Store 手動安裝，後使用者要求 Codex 自動安裝，Codex 執行並完成安裝。
*   **開發執行與策略調整**：
    *   Codex 使用 `Using Gateworktrees` 建立隔離工作區，避免任務間互相污染。
    *   **策略調整**：開發初期執行細緻，耗時較長。使用者在第 9 個任務時追加指令，要求「少做測試，盡快出產品」。
    *   調整後模式：切到「盡快出產品」模式，保留安全核心最小聚焦測試和一次構建檢查，UI 完成後立即提供可雙擊 App，後續冒煙測試由使用者自行執行。
*   **冒煙測試與最終交付**：
    *   **冒煙測試定義**：源自電路板維修，通電驗證核心功能是否跑通，極簡基礎測試。
    *   **測試步驟**：拖入素材/資料夾 -> 輸入批次主題 -> 進入安全檢查 -> 執行重命名 -> 測試撤銷歷史記錄 -> 重新打開 App。
    *   **測試結果**：成功打開、主題詞填入、安全檢查通過、重命名完成、撤銷功能正常、重新打開正常。
    *   **後續優化**：使用者指出 UI 細節問題，可後續溝通調整。使用者要求將 `readme.md` 轉換為 PDF 格式的使用說明，Codex 快速生成。

## 工具 / 模型 / 名詞整理

*   **Codex**：OpenAI 推出的 AI 編程/操作助手。
*   **GPT5.6 / GPT 5.6 Soul**：影片中提到的模型版本（疑點：實際 OpenAI 模型版本編號通常為 3.5, 4, 4o 等，此處「5.6」或「5.6 Soul」可能為口誤、內部代號或聽寫錯誤，需查證）。
*   **ChatGPT**：與 Codex 合併後的 App 名稱。
*   **OpenAI**：開發公司。
*   **MacOS / Windows**：演示操作系統及支援的操作系統。
*   **productspec.md**：建議用於保存產品需求的文件。
*   **agents.md**：建議用於保存項目長期工作規則的文件。
*   **Superpowers**：提及的 Skill 名稱，內建「制定開發計劃 Skill」。
*   **Google Drive / GitHub / Notion**：插件示例。
*   **Git**：版本管理工具。
*   **MCP**：Model Context Protocol（疑點：影片中解釋為連接外部工具數據的接口，需查證標準定義）。
*   **CLI**：Command Line Interface。
*   **IDE**：Integrated Development Environment。
*   **Diff**：代碼差異對比工具/概念。
*   **T-WO 審批**：影片中提到的權限模式名稱（疑點：標準術語可能為 "Two-Step Approval" 或其他，需查證）。
*   **Xcode**：開發工具，需通過 App Store 安裝。
*   **Swift 5.10 / SwiftUI / Swift Package**：開發語言與框架。
*   **冒煙測試 (Smoke Test)**：驗證核心功能是否跑通的極簡基礎測試。
*   **Gateworktrees / Worktree**：隔離工作區相關術語（疑點：標準 Git 術語為 `git worktree`，「Gate」可能是口誤或聽寫錯誤）。
*   **事務改命 / 事物改命**：逐字稿中交替出現，疑為「事務（Transaction）」或「重命名（Rename）」的聽寫錯誤或口誤。

## 操作流程整理

1.  **準備階段**：
    *   下載並安裝 ChatGPT App（含 Codex 功能）。
    *   登入帳號，熟悉介面（左側項目、中間任務、下方輸入）。
    *   建立新項目，命名並設置資料夾路徑。
    *   撰寫項目規範文件（`productspec.md`, `agents.md`）。
2.  **需求溝通與設計**：
    *   通過自然語言描述模糊想法，請求 Codex 構思功能。
    *   與 Codex 互動確認功能範圍（如拒絕複雜選項，選擇單窗口固定規則）。
    *   確認視覺風格（如淺霧藍）與 UI 規範。
    *   審核 Codex 產出的設計文檔。
3.  **開發計劃與環境配置**：
    *   利用 Skill（如 Superpowers）自動制定開發計劃（如 13 個任務）。
    *   選擇執行模式（如子代理逐任務開發）。
    *   處理環境依賴（如自動安裝 Xcode）。
4.  **開發執行**：
    *   Codex 建立隔離工作區（Gateworktrees）。
    *   執行開發任務，根據反饋調整策略（如從「細緻測試」調整為「盡快出產品」）。
5.  **測試與交付**：
    *   執行冒煙測試（拖入、重命名、撤銷、重新打開）。
    *   修復 UI 細節問題（可選）。
    *   生成說明文件（如將 `readme.md` 轉為 PDF）。
    *   交付可執行 App。

## 值得注意的限制或風險

1.  **權限風險**：
    *   「完全訪問」模式會打開安全圍欄，可訪問互聯網及項目外文件，僅在項目來源可信、範圍清楚、文件已備份、使用 Git 且明確需要時考慮。
    *   不適合直接放手做的事包括：涉及真實付款、公開發布、批量刪除、生產數據庫、密碼密鑰、中藥合同（疑點）、影響他人的外部操作。
2.  **上下文限制**：
    *   上下文記憶非無限，不同任務間不預設擁有完整永久逐字記憶。
    *   建議將產品範圍、匿名規則（疑點）、安全底線、視覺規範寫進項目文件。
3.  **Token 與成本**：
    *   避免任務含糊、塞入過多、反覆推導重來。
    *   拆小任務、說清邊界、先檢查是好習慣。
    *   自動安裝環境依賴（如 Xcode）可能產生網絡流量成本，但主要成本為 Token 消耗。
4.  **模型選擇誤