大家好,我是孫重重。歡迎大家來到這個Codex教程。
最近Codex活到不行。7月9號GPT5.6發布以後,它在處理這些複雜任務、知識工作、設計和電腦操作這些方面的能力又往前邁了一步。
我個人認為它就是當下我們最需要掌握的AI工具。
因為它並不只是適合寫代碼,它是真正能夠在工作環境中去處理文檔、表格、數據分析、工作流自動化
以及直接制作出来产品
而且它在技术上的门槛并不高
哪怕是你之前没有写过任何一行代码
甚至是当你看到终端上的那一行行英文
想把电脑合上
这也没有关系
这条视频就是从零开始教你怎么使用Codex
我不会莫认为你已经知道什么叫框架
依赖
Gate
进程等等这些名词是什么意思
遇到这些词的时候
我们先看一眼它在这里到底是什么用
然后再做进一步的解释
那这堂课我会先从Codex
它到底是什么东西开始讲起
然后项目任务模型推理强度
权限计划目标终端
DIF代码审查
这些听起来有点陌生神秘的名词
我都会把它放到具体操作里
用普通人能听明白的话语
去把它讲解清楚
那理论讲完以后
我会带着大家一起做一个案例实战
从一个控网键夹开始
做出一个专面版APP
素材批量命名助手
它是一个对内容创作者和电商从业者
都很实用的工具
它可以把你选中的
录屏 视频 图片和音频文件
导入进来
批量选中
按照项目名称 序号 素材类型
和可选标签
实时生成一套统一的新名称
而且在真正批量改文件之前
还可以完整看到
旧名称 新名称和风险
它会保护扩展名
检查 筹名 非法字符
文件占用和目标冲突
在执行之前
也会给你一页完整的确认
执行以后
可以查询操作记录
还可以安全撤销最近一次任务
没错看完这条视频
你就可以跟着做出一版非常接近的产品
不过边界也要说清楚
每一步操作
每一条提示词和每一个工作成果要如何验收
我都会放到视频里
但是我不能替你看屏幕
如果你的结果和我操作的不一样的话
先别跳过去
把你的结果截图发给Codex
让它去进行诊断
这其实比复这一段永远不会出错的报告更有意义
因为在真实做项目的时候
我们的电脑和AI偶尔会有自己的想法
这是没有办法完全避免的
好 下面的内容我们分为两部分
理论片和实践片
理论片听起来可能会有点枯燥
主要就是把Codex的核心功能讲清楚
实践片就是从零开始制作出来刚才展示出的那个中原APP
好 那我们现在正式开始Codex的理论片
首先是Codex到底是什么
我们可以先把它简单理解成一个
能在实际工作环境里
动手的AI助手
普通聊天工具
它最擅长的是
在对话框里给你答案
但Codex除了回答
还可以在你允许的范围内
查看项目文件
创建和修改内容
运行终端命令
启动程序
打开网页
检查改动
再把结果交给你验收
这句话里最需要留意的是
在你允许的范围内
它不会因为你说了一句
帮我做个APP
就理所当然的
接管了整台电脑
顺便把你的桌面也收拾了
把你的回收站也清理了
甚至把你的人生也规划了
而是你给他一个工作现场
告诉他目标和边界
他就在这个现场里执行
遇到需要额外权限
或者是比较重要的工作
他就会停下来问你
和普通聊天相比
比如说ChatGPT或者是豆包
Codex最明显的变化在这里
他只能围绕一个项目
持续的读改运行和验证
他的行为不再只停留在对话框里
你暂时只要记住这四件事
读文件
改文件
运行
验证
以后再看到复杂的功能
也可以先问
它到底是在帮我理解项目
改变项目
还是验证结果呢
Codex适合什么人
它不适合拿来做什么呢
很多人一看到Codex就会问
这是不是只有程序员才能用
当然不是
程序员当然可以用它来写代码
修bug
做代码审查
但如果你是内容创作者
产品经理
设计师
业人公司研究人员或者是普通的办公用户
你也可以让他做网页
整理本地资料
批量处理文件
生成文档
分析表格
制作演示文稿
或者是把一个重复流程变成小工具
对普通用户来说
更实际的门槛是
能不能把下面几件事情说清楚
我想解决谁的问题
哪些内容必须保留
哪些动作不能做
最后我要怎样确认他真的完成了
也是一个验收的过程
当然Codex也有不适合直接放手做的事情
涉及到真实付款
公开发布
批量删除
生产数据库
密码密钥
中药合同
或者是可能影响到别人的外部操作
都要非常慎重的把任务交给他
Codex可以把你的执行力放大
但判断责任还是要放在你这里
安装登录以及本次演示
为什么要以MacOS为主线
安装的话
只要网络环境没有问题
直接从OpenAI的官方入口下载
专门App就可以了
现在Codex已经和ChatGPT合并了
这个专门APP也叫ChatGPT
按照系统提示安装
然后使用你的ChatGPT的账号登录就可以了
您看到的具体按键的位置
套餐和额度说明
可能会随着版本变化而不同
我是在7月22日录制的视频
使用的是目前的版本
如果你以后看到的名字略有不同也没有问题
这次演示会以MacOS作为主线
以我目前的使用体验
Codex和MacOS的整套工作流程配合得很好
不过这不等于Windows用户不能用
桌面App的核心工作方式在两个系统上都成立
第一次看Codex界面先了解功能区
第一次打开Codex
很多人可能会从左上角开始
试图把每个按钮都记住
但其实界面经常更新
按钮的位置也经常变化
我们可以先了解各个功能区
左边通常是你的项目和任务记录
你可以把它理解成办公楼的楼层和房间
中间是当前任务发生的地方
Codex的回复
执行过程
权限请求
测试结果
主要都会在这里出现
下面是输入区
你可以在这里布置任务
补充条件
添加文件
截图或者语音
任务运行以后
你还会看到文件感动
中端输出
浏览器和审查结果
那新手第一次看见面
抓住四个位置就够了
我在哪个项目里
我正在和哪个任务对话
我的要求从哪里发出去
结果和证据都在哪里看
Codex的项目任务和文件夹
项目任务和文件夹
是新手最容易混在一起的几个词
放在同一间办公室里看
可以这么理解
项目呢它像一间办公室里面
放着这个产品的文件规则和历史
任务像你在办公室里召开的一次具体会议
比如说设计网站首页
它是一场会议
检查文件安全
又是另一场会议
文件夹相当于是电脑里真正存放资料的位置
Codex打开哪个文件夹
就相当于你把它带进哪家办公室
如果文件夹选错了
它可能非常努力
但它努力在错误的方向里了
长期项目和临时问题最好分开
同一个APP的需求
实现测试和打包
可以留在同一个项目里
但没必要全塞进一条无线变长的对话
任务目标明显变化时
新开一条任务会更干净
这样Codex更容易知道
眼前在解决什么问题
Codex到底能记住多少
换一个对话框以后
他还记不记得
这个问题经常会出现
最安全的理解是
不要把重要项目决定
最安全的理解是,不要把重要項目決定只放在我記得我們聊過這件事上。
當前任務的消息,你附加的文件,他讀取到的項目內容,都會形成這次工作的上下文。
但Codex的上下文记忆不是无限的
不同任务之间也不应该默认拥有完整永久逐字的记忆
产品范围、匿名规则、安全底线、视觉规范
这些以后会反复用到的决定
最好写进项目文件
你可以使用productspec.md这个文件来保存产品需求
使用agents.md来保存这个项目长期需要遵守的工作规则
这就像公司要有公司的行为准则
Codex也有记忆和长期规则的相关能力
但具体入口可能随版本和设置而不同
新手先掌握一个最稳的方法
就是重要的决定落到文件里
开始新任务时让它先读取这些文件
Codex的输入框
附件截图和语音
这里是Codex的输入框
除了输入文字
它还可以使用语音输入
点击这个麦克风
其实Codex的语音转文字模型
识别中文的准确度
现在还是可以的
包括你轻声说一句话
活着时会将一些
抵防防艳
只要口齿清晰
一点问题都不大
除了直接用文字来表达任务
也可以添加文件
图片或者截图
很多时候与其花几分钟去描述
右上角那个有点歪的按钮
给我改一下
不如截一张图
然后在图里清楚地指出
这个按钮的位置
让它理解得更好
但附件也不是越多越好
真正值得放进任务里的通常是完成工作必须看的文件
能够证明当前问题的截图或报错
还有明确的参考样式和不能改的部分
另外一定要注意不要上传密码
私钥身份证件私人聊天记录
或者任何与任务无关的客户资料
如何给Codex布置一条能执行的任务
怎样把一句想法变成Codex能执行的任务呢
一个好的任务不一定很长
但通常要能回答五个问题
我最终想要得到什么
Codex你需要知道什么背景
哪些事情是不能做的
怎么样才算完成
你是先检查
先计划
还是可以直接动手
比如说不要只对Codex说
给我做一个素材管理助手
要高级一点
不能这么说的原因
不是你对Codex不能不礼貌
而是高级这个词
它没法验收
可以执行的表达是
请先不要写代码
我要做一个给内容创作者使用的本地素材批量命名助手
第一版必须支持导入文件
实时预览新名称
安全检查
原地除命名和撤销
不上传文件
不覆盖目标文件
请先判断需求里最影响方向的五个问题
等我回答以后再写需求文档
你会发现这里没有一行代码
全是人类的自然语言
甚至全是中文
但任务已经非常明确
我们要扮演的角色
就是会有人类的自然语言
给AI布置任务的老板
还有一个非常实用的习惯
当你自己也没有想清楚时
不要假装已经想清楚
你直接告诉Codex
先不要做
你先问我关于这个产品的问题
你要相信起码现阶段
Codex要比你聪明得多
这样做是借助他的智慧
把我们模糊的想法摆到桌面上
让Codex替我们去思考
当然最后怎么选
还是由我们自己负责
Codex是使用的模型推理强度速度和用量
这里是模型选择区域
不是什么任务都需要使用最高级的模型
复杂工作可以使用GPT5.6
轻量的任务就可以选择更快更节省的模型
那怎么去选呢
对新手来说可以先爱任务难度去选
比如说我设计录制这个视频时
复杂的产品规划架构安全审查和困难的问题
我会交给更强的模型
格式整理
简单的改文案
一些机械的检查
则可以交给更快更节省的模型
模型和界面会更新
所以大家也不要把这条视频里的名字
当做永远不变的菜单
推理强度可以理解成
你愿意让它在回答前
花多少力气去思考
不是所有的任务都适合用高强度
如果你改一个标点符号
也开最高推理的话
那有点希望你请公司的总结
你去会议室给一盆驴锣
浇了浇水
质量优先
但没必要让所有的任务
都排在同一个重量级
高风险
跨文件
设计产品结构和文件安全的工作
慢一点也没有关系
重复
可逆
容易检查的任务
用更快的配置
通常更合适
速度模型
也是类似的逻辑
你是在等待节省时间
还是在牺牲必要的思考
这也要看具体的任务
至于用量
别只盯着一条消息
它花了多少
如果是你的任务含糊
一次塞的太多
做完又被验收
最后反复又推导重来
这些不健康的行为
往往比选了一个更强的模型
更快的速度
更费额度
我们把任务拆小
把边界说清楚
每一步先检查
减少这个反复推导重来的过程
这是一个比较好的习惯
Codex的普通执行目标和计划
普通执行目标和计划
这三个名字排在一起
很容易让人产生一种错觉
好像在使用Codex之前
还得先补一门项目管理
但其实判断方法没有那么复杂
我们主要先看眼前的任务有多大
比如说页面上的选择素材
要改成导入素材
这个要求很清楚
改动也很小
直接告诉Codex该拿几个字
改完运行页面
再点一下按钮
确认功能还在
这件事就结束了
但后面我们要做的素材批量命名助手
就完全是另一种体量
它从空文件夹起步
会碰到界面
文件读取
重命名
冲突检查
撤销和打包
等等一系列的任务
在代码还没写之前
我更想先看清楚
它准备选什么技术
文件放在哪里
哪一步开始接触用户素材
以及最后拿什么证明没有改错
那这个时候就要用计划
它把路线提前摊在屏幕上
让我们在大改动之前
先挑问题
哪一步太大
哪一步漏了安全检查
顺序是不是反了
而目标是和持续时间更长的任务
比如说希望Codex分多个阶段
一直追着完成整套课程交付物
这个目标往前走
而不是一条消息结束之后就停
这个时候就可以用目标创建或者管理
平常我们只需要这样判断
事情小而明确就直接做
范围大风险高就看计划
同一个结果需要跨很多阶段持续推进的话
再考虑目标
什么是Codex的插件和Skill
下面了解一下插件
这里显示的是已经安装了的
还没有安装过插件的话点这里
插件它的作用是给Codex增加原来没有的工作能力
或者是把它连接到你正在使用的其他工具
在这里搜索需要的插件
打开详情再点击加号就可以安装
有些插件装完就能使用
有些还需要登录比如说Google Drive
GitHub Notion之类的外部服务
安装完成之后
最好新开一条任务
让新插件的能力完整加载进来
开完插件
我们再看到旁边还有一个技能
这就是非常重要的skill
官方解释是通过任务专用技能
扩展codex的能力
它就是可以服用的专业工作方法
比如说以后把
怎样根据我的语言样本
参考内容和课程结构
写出口播稿
整理成固定流程
它就可以成为一个内容skill
下次我再换选题
但流程还在
就不用重新描述工作方法
现在的开源Skill非常非常多
很多人是非常乐意
分享出来自己的方法论的
所以安装的时候至少要看一下它是谁提供的,里面包含什么,需要连接哪些服务,以及它可能读取或者修改什么。
插件和skill都不是安装得越多越好的,我们要有选择的去安装。
如何理解和设置Codex的权限
权限这部分非常重要
因为Codex它是能直接在我们的工作环境中
读取和写入文件运行命令访问网络的
有些情况下还会操作浏览机和桌面
它是真的能动手
所以我们一定要给它合适的权限
如果你刚开始使用Codex
我更建议你先选择第一种
请求批准
这个模式并不是说Codex它每改一个字都要跑来问你一次
只要操作它是发生在当前项目允许的范围内
比如说读取项目文件
修改代码
运行普通的本地命令
它通常可以正常地完成
真正需要填下来询问你的
是访问项目外部的文件
连接互联网
或者是执行超出当前安全范围的操作
比如说它只是想访问互联网
下载我们这个项目需要的正常依赖
而且来源和用途都很清楚
这种情况就可以批准
但如果它准备读取一个
和当前项目完全无关的文件夹
或者运行一条
你根本不知道是干什么的命令
那就先不要批准
完全可以点拒绝
然后直接问他
先不要执行
请用普通人能听懂的话
告诉我这项操作要做什么
为什么需要它
会影响哪些文件
以及有没有权限更小的替代方案
审必窗口
有时候还会让我们选择
仅允许这一次
或者在更大的范围内持续允许
刚使用的时候
尽量选择放个比较小的那一个
能只批准一次
就先不要把整场任务的门都给他打开
能只允许访问一个文件夹
就不要把你的整台电脑的权限都交出去
等你已经熟悉了当前项目
知道Codex大概会做哪些操作
又不想被一些重复低风险的审批
频繁的打断
就可以考虑第二种T-WO审批
这里的T-WO审批不是Codex
自己给自己审批
它会把符合条件的审批请求
交给一个独立的审批机制进行检查
风险较低
理由合理的操作
它可以自动通过
但如果检测到风险
或者是这项操作
不适合它自动决定
它还是会停下来询问你
所以这个模式比较适合
已经跑通过几次的项目
比如说我已经确认
项目来源可靠
也知道它需要安装哪些依赖
会修改哪些文件
只是接下来
还有一批重复的操作也完成
这个时候使用提供审批
它的体验会顺畅很多
最后一个是完全访问权限
这个模式相当于
你把给Codex设置的安全围栏
基本上全部打开了
Codex可以访问互联网
也可以读取和操作
当前项目之外的文件
它的执行过程会更少的被打断
但风险也明显更高
我只会在几个条件
同时满足的时候
考虑使用它
项目的来源可信
任务范围非常清楚
重要的文件已经备份
使用了GIT
也就是版本管理工具
而且我知道
它为什么确实需要访问到
当前项目之外的内容
所以如果你现在还不知道应该选哪个
选请求审批就可以
权限也不是一次选择以后永远不能改编的东西
我们随时都能根据任务去重新调整
Codex任务的引导和排队
任务发出去以后
Codex正在运行
这个时候我们也还可以说话
假设它正在整理一段文字
我忽然发现任务少说了一个条件
比如说必须起一个响亮的标题
那我们就可以在输入框里输入
点击引导
这样送进当时正在进行的任务
另一种情况是
我想在正文整理完以后
还想再要三条摘要
它不影响眼前这一步工作
所以放进队列里排队就可以了
Codex它会在做完当前任务之后
再进行下一步的处理
所以是排上队就可以了呢
还是要点击下这个引导
关键就在于你提出的条件或者是任务
和当前正在进行的工作又没有关系
Codex的终端 审阅 浏览器 文件和侧编任务
那下面我们要看一些有点抽象的东西了
第一个就是Terminal 终端
终端大概是整套界面里最容易让零基础用户紧张的地方
在电影或者是短距离
电脑高手他们面对着黑色的屏幕霹里啪啦的操作的就是这个东西
Terminal 它的中文叫终端
不过大家不用被它的长相吓到
终端它并不是黑客专用的工具
它只是一种操作电脑的方式
我们平常使用电脑主要是用鼠标去点击按钮
比如说双击打开文件夹
点击图标去启动一个软件
或者是把一个文件拖到另一个位置
终端它做的事情其实差不多
只不过它不用鼠标
而是通过文字的命令告诉电脑
所以你可以把终端案例解成一个
用文字直接给电脑下指令的窗口
再看终端右上方的这几个按钮
第一个叫切换摘要
它主要是用来显示或者收起当前任务的摘要区域
长的时候可以通过这里快速的去回看Codex
做了哪些事情得到了什么结果
以及有没有需要我们继续确认的内容
点击这个按钮只是在调整页面显示
它不会修改项目
也不会让正在执行的任务停下来
暂时不想看摘钥匙就可以把它收起来
需要回顾的时候再打开
第二个叫切换底部面板显示
它主要是控制下面这个底部面板的显示和隐藏
而我们现在看到的底部面板里主要就是中断
如果终端占据的空间太大
它就会影响我们查看上面的内容
这个时候点击一下
就可以把它暂时收起来
需要检查预行结果
或者包错信息的时候
再点击一次把它点开
第三个是显示或隐藏侧边栏
点开以后右边会出现一个工具区域
里面可以看到审阅
中端
浏览器
文件和侧边任务
审阅主要是用来查看Codex
修改了哪些内容
后面讲代码审查的时候
我们还会回来仔细看它
终端就是刚才我们介绍的这个命令窗口
浏览器主要用于打开和检查
我们制作的网页或者是应用界面
比如说按钮能不能点击
页面显示是否正常
都可以在这里查看
文件是用来浏览当前项目里的文件和文件夹
在Codex工作的时候会生成很多的文件
即便我们看不懂代码
也可以通过这里大概的了解
Codex它创建了哪些东西
侧边任务则用来查看主任务之外正在处理的辅助任务
刚开始使用的时候我们不用着急去研究它
等以后任务变多
需要同时处理几件事情的时候再回来了解它
所以这几个按钮没有大家想象的那么复杂
它主要是帮我们整理我们的界面
摘要负责回顾
底部面板负责显示终端
侧边任务栏负责集中查看
审阅终端浏览器文件和其他任务
Codex的文件改动
Diff代码审查和测试
Codex每完成一个任务
我们都可以打开右侧边栏里的审阅
在审阅面板里看到这些红色和绿色的对照
就是大家经常听到的Diff
它没有那么的神秘
我们可以把它理解成Word里面的修订记录
红色呢通常表示它删掉了什么
绿色则通常表示增加了什么
即便完全看不到代码
也可以先看两个很直观的地方
我们可以先看文件名
我们如果只是要求修改了一个按钮
它改了一个相关的文件呢
还是突然动了十几个文件
然后大概看一下改动量
这里我们不需要逐行的去研究
只需要观察红色和绿色多不多
如果是一个很小的要求
却出现了大面积的修改
这个时候我们就需要考虑一下
是不是改了太多了
比如我们只说三个下拉框没有对齐
结果页面的颜色布局和按钮的样式也一起变了
虽然页面可能还能打开
但他已经顺手修改了我们没有要求他动的东西
我們就需要考慮一下是不是改的太多了。比如我們只說三個下拉框沒有對齊,結果頁面的顏色布局和暗有的樣式也一起變了。雖然頁面可能還能打開,但它已經順手修改了我們沒有要求它動的東西。這種情況我們不要直接接受,也不用自己印著頭皮改代碼。我們可以回到對話框裡告訴Codex。這次任務只需要解決三個下拉框沒有對齊的問題。請保留原來的顏色、布局和交互,不要修改其他
并尽量缩小改动范围
等修改完成以后
我们再回到实验面板看一眼
如果这次修改比较重要
或者是改动的文件比较多
还可以让Codex再做一次代码审查
可以直接告诉他
请审查当前的修改
检查有没有明显错误
安全风险或者遗漏
暂时不要修改文件
先把发现的问题解释给我听
代码审查呢
就有点像请另一位同事过来看一眼
这个功能虽然已经做出来了
但是又没有我忽略的问题
所以大家只需要记住这个区别
审阅面板里的Diff
告诉我们Codex改了什么
代码审查帮助我们继续判断
这些修改有没有明显的问题
关于Codex的一些进阶能力
后面制作产品会反复用到的核心能力
我们已经认识的差不多了
大家可能还会在Codex的界面设置
或者其他的教程里
看到比如说
Agent.md
MCP
Worktree
Cli这些名字
这些呢就属于Codex的进届能力
不是今天必须全部学会的新手清单
这里我先有几分钟来告诉大家
他们大概非别解决什么问题
以后真的遇到了对应的需求
再深入学习
我们先看Agence.md
它本质呢是一个放在项目里的说明文件
比如说一个项目要求所有的回答使用中文
不能覆盖原始文件
每次修改完成后都要进行检查
这些都是一些需要长期遵守的规则
就可以写进agents.md
这样大家每次开始新任务的时候
就不需要把相同的要求重新复制
告诉Codex一遍
Codex进入这个项目以后
它就会读取这里面的规则
大家就可以把它理解成为
这是写给Codex看的项目说明书
MCP解决的是连接外部工具和数据的问题
Codex本身可以读取项目文件
运行命令
但如果希望它访问数据库
内部系统或者是某个专门的服务
就可能需要通过MCP去建立连接
它有点像一个统一的接口
让Codex知道怎样和外部工具去交流
理人基础阶段呢
就先不用去研究它的配置
只需要知道以后看到
给Codex连接更多的工具
背后呢就经常会出现MCP
多Agent比较容易从名字去理解
当一个任务很搭的时候
可以把研究制作和检查
拆分给不同的Agent分别处理
再由主任务去汇总总结果
不过多个agent不代表结果一定会自动变好
如果是任务本身很简单的时候
一个agent反而更清楚
只有工作确实可以拆开
而且不同部分能够相对独立进行时
多agent才真正的有价值
work tree也就是工作
数则是为了避免多个任务互相干扰
比如说同一个项目里
一个任务正在修改界面
另一个任务同时修复文件处理逻辑
如果他们都直接修改同一份文件
就容易互相覆盖
那Worktree可以为任务建立相对独立的工作区
让他们先分别完成
再决定怎样合并
所以大家今天先知道
它是把不同修改暂时隔开的工具就可以了
剩下的Cli
Ide
Cloud和Remote
主要是在回答另一个问题
我们可以在哪里使用Codex
那现在演示的时候使用的是桌面APP
CLI是运行在终端里的Codex
它更适合已经习惯命令行的人
ID1版本会出现在代码编辑器旁边
方便一边看代码一边和Codex交流
Cloud是让任务在云端环境里运行
适合连接代码仓库
或者把工作交给远程环境去处理
Remote则可以让我们从手机
或者其他已经授权的设备
继续查看和管理连接电脑上的任务
如果项目本来就已经在远程主机上市
也可以连接远程环境
现在Codex可以连接手机操作
非常方便
屏幕上的这些进阶名词
现在不需要记住具体操作
只要留下一个大概印象
Agent.imd负责保存项目规则
MCP负责连接工具
Door Agent和Worktree是帮助处理更复杂的任务
而Cli IDE Cloud和Remote
只是不同的使用环境
好前面的基础理论部分
我们先讲到这里
如果你现在还是搞不清楚哪个功能在哪
或者是觉得还是有些抽象
这完全正常
接下来我们把它放到一个真实的项目里
你对这些功能就有了更具体的了解
好 下面我们进入实战环节
选第一个实战案例的时候
我不太想为了证明AI很厉害
专门做一个画面很热闹
看起来很厉害
但实用性不强的东西
我更希望这次做出来的产品
真正能够进入到某一个人的工作流程
所以我选的案例是
素材批量命名助手
如果你是内容创作者
或者电商从业者
拍过视频
做过剪辑
整理过商品图片
或者是课程素材
应该对这种场面不陌生
Image 8392
屏幕录制20267月18日
最终版
最终版2
真的最终版
文件少的时候
还能明显靠记忆
但是素材一多
光是找对版本
你就已经很消耗耐心了
所以我们今天要做的这个APP
它可以把视频
图片 录屏和音频添加进去
再按照项目的名称
续号 素材类型和可选标签
一键批量生成整齐的新名称
而且改名之前可以先预览
发现重名或者非法字符的时候会提醒
执行之前还有完整确认
改完以后保留操作记录
如果真的改错了
还能撤销最近一次的操作
它虽然只是一个小工具
但它能解决一个真实具体
而且很多人会反复遇到的问题
那么对于第一堂零基础的实战课来讲
我觉得这比做一个只能摆在那里看的页面更有意义
现在我们正式开始
会用最简单最容易理解的方式去跟大家讲
大家看了之后肯定会觉得没想到它那么简单
那第一步就是新建一个项目
我们就把它命名为素材批量命名助手
然后我们可以跟Codex说
我现在希望你帮我做一个素材批量命名助手
但是我目前只有这么一个模糊的想法
我还没有想好
你能帮我构思一下这个APP
哦对了
我要做的是一个桌面板APP
目前我用的是一台MacBook
那你告诉我
这个app大概是需要什么功能
然后我有哪些需要注意的地方
你先跟我说一下
我跟你讨论一下
还有什么需要我一起决定的
你也跟我说出来
用语音输入法去跟它沟通
真的特别方便
很多人他们都会说
我们在和Codex沟通的时候
要给它一个身份
比如说你是一个非常有经验的产品经理
或者说你是一个非常有经验的产品开发
但实际上这个5.6这个模型
我自己的体感是
你已经不需要跟他说那些背景了
他自己就知道他需要站在一个什么样的角色上
然后为我们思考
尤其是装了一些skill
像这个superpowers这个skill
他在自动识别套用这个skill的时候
就已经给自己设定了一个非常优秀的产品开发和产品
常用模板
还有可以查询的操作记录
包括一键撤销
后续可以扩展的一些功能
然后我们回答他给我们提出来的问题
比如说我们最想解决的是哪种真实的场景
那对于我个人来讲
我需要解决的是A
但其实我们也可以
做一个适合多种人群的通用工具
那我们就说A
用语音输入法
主要是自媒体和电商
我主要想面向这两方面的用户
然后我们再看
他会给我们一个什么样的回复
可以看到他给我们的这个定位
就收敛成了
面向自媒体和电商从业者
把大量杂乱的图片
视频快速变成规范
可搜索可交付的素材名章
包括他分析了下这两类用户
共同的需求
这个共同的需求
其实也就是我们产品的功能
包括他们有各自的专属的规则
这意味着我们的这个APP
以后可以内置两套入口
第一版我觉得不用做的这么复杂
那我们就把我们关于这个产品的想法
也实时的告诉他
第一版我觉得做的不用这么复杂
只要一个入口就行了
电商素材和自媒体素材用同一个入口
如果以后我要再升级我的这个产品的话
我再设置两套入口
然后他向我抛出来了一个问题
最重要的是弄清楚用户希望APP
如何理解文件
那我就把我刚才展示给大家的我
这个文艺夹里面
我的这些素材有的叫image7826
有的叫最终版
有的叫最终版的最终版
那我希望你最后给我编程的名字
就是以这个素材
它的拍摄时间为顺序
去给我从第一一直列到最后
然后根据这个素材
它的使用场景
再去给我做一些分类
另外还有其他的
你认为可以给我做的一些
分类和标签
你都给我添加起来
但是不要给我添加太多
只给我一些比较通用的必要的就好
那在等待他给我们回复的这个间隙
我们看一下
在做这个产品的时候
用的是什么模型
现在是7月22日
目前是更新到了
GPT5.6这个模型
那这里有5.6
Soul
Terra
Luna
还有5.5
5.4
5.4
mini
和5.3
Spark
它们具体是什么区别呢
目前5.6
Soul
这个模型
它是旗舰模型
它适合的是
复杂的开发架构
一难bug
高风险
上线
深度研究
这张表里面
它的编程能力
可以看出来
Soul
它整体
是非常明显的
强于5.5的
Terra
它整体高于
或者是接近5.5
LUNA呢
它在部分代码修改测试中
是超过5.5
但是在复杂的中端工作流中
是略逊于5.5的
所以LUNA呢
它更适合边界清楚的执行
快速试错或者小逻辑的调整
其实用5.3 Spark
也是可以的
它的优点就是快
真的很快
5.4 Mini
它也是比较便宜快速
但是如果是复杂的工作
还是交给5.6来处理
那做这个演示的时候
我希望它能质量稍微高一点
速度也稍微快一点
因为我要给大家录视频嘛
所以我就选了推理强度
即高和速度快速
它是1.5倍的速度
但是它用量更多
那我们给Codex的建议
它已经反馈回来了
它说它也同意第一版
只做一个入口
最合理
我们就不区分电商和自媒体了
他理解的一个核心流程
把素材拖进来
读取拍摄时间并排序
从001开始编号
自动识别少量的分类和标签
预览确认改名
然后还有一个比较重要的边界
是第一版建议指重命名
不自动移动文件
这样更安全
我觉得这个也是合理的
他现在需要我们决定的是
分了个标签最后放在哪里
我们可以选
A就是自动写到文件名
B是自动创建
分了文件夹
或者是
多能使用
也就是在我们的APP里
再多一个功能
但其实第一版
功能不需要做那么多
我们就把这个标签
直接写到文件名里
我选择A
我们先跟他
把这个问题确定下来
他在这里又给我们提了一个建议
说增加一个批次主题
因为如果每批都是叫001
不同项目放在一起就很容易重名
我选择A
你说的这个我的理解是
在我把素材拖进去之后
重命名之前
我可以在APP界面上输入一个主题词
然后这个主题词
它会批量出现在
我重命名的这些文件里
我的理解对吗
在后面写代码的时候
我们需要跟Codex说清楚
有哪些是一定要改
哪些是一定不能碰的
但是在前面我们讨论需求的时候
你就想怎么说就怎么说
有语法错误也没有什么问题
只要你把你的想法表达清楚就可以
他给我回复说理解的是正确的
接下来需要确认一个影响比较大的问题
商品人物场景特写这些标签
我希望APP是自动分析画面
同时允许我在确认前手动修改标签
我不希望他在自动分析画面
我直接手动修改标签就行了
因为也不是什么很复杂的事情
所以我直接根据文件类型
尺寸横竖方向
添加简单的标签就可以了
所以我选B
他自动
没有关系
他明白我在说什么
他说选B很合理
而且更符合第一版
简单稳定好用的目标
对
这个稳定其实也很重要
自动分析画面
它能不能稳定的识别出正确的画面
正确的类型
我也不能很确定
我觉得他问我问题问的太慢了
我希望他能快一点回来
快点问
快问快答吧
这一个一个到什么时候
下个问题是尺寸怎么表示
可以
我觉得可以选A
另外你能不能把一些问题
全部都给我说出来
你不要这样一个一个的问
我觉得很耽误时间
只要是这个问题的答案
不会影响到其他的选项的逻辑
那你就把这些问题全部都抛给我
另外把这些推荐也都告诉我
就是你的推荐答案
你也告诉我
我会最后回复你
是不是全部按你的推荐来
或者是哪个单独的我要修改
我讨厌磨磨叽叽的
可以这样更高效
只要这些问题之间互相不依赖
它就会一次性的给我列出来
目前已经确定的设计
它写在这里
然后剩余的决策
可以
图片和视频如何编号
图片和视频放在一起按时间统一编号
也可以
下面我就自己大概看一下
就不一一的给它加列了
好的好的
全部按你推荐的
来
好的
然后它给我反馈
给了我三个产品方向
第一个是单窗口固定规则及时预览
也就是拖入素材
同一个窗口收入主题
马上就可以看到新闻件名
第二个是分布就向到
多了一个检查排序的这么一个过程
第三个是专业规则编辑起
可以自由组合这些字段
目前我觉得不需要
像方向三一样这么复杂
但是第一个方向一又太简单了
我还是希望它有一些什么功能呢
就是排除非法字符
排除重命名等
这样一些安全检查的这个步骤
我觉得这个是不能少的
所以我要再跟大家提一下
我同意你说的这个方向一
但是我希望多一个安全检查
这个步骤
也就是查一下是否有重命名
是否有非法字符
等等一系列
这些问题
你把这一步再给我加进去
另外关于UI的配色
我还是希望能再跟你讨论一下
你刚才说的那个太简单了
你再给我三个方案
我来对比选择一下
最近我发现它的一个新功能
在7月上旬用的时候
还没有这个功能
它可以直接在Codex的浏览器里面
几个配色在右边这边展示出来
这样就比较直观
给了我三个方案
雾蓝青绿暖纱工作室和石墨电光蓝
它的建议是A
我觉得A的工具感也比较强
我给大家演示的之前我做的产品
是一个偏暖色的方案
现在我们在做工具气质更强一点的
我选A
那我们现在这个产品的视觉方向就定下来了
它是一个浅雾蓝背景白色工作区
轻绿色主操作与成功状态
减高和错误另外使用琥珀色红色
安全检查状态加入了进去
我们看一下它的视觉效果
可以执行返回修改
开始重命名
可以
可以
现在它更新了视觉页
说展示了三个关键状态
我们再打开看一下
这是检查被阻止
重命名成功和撤销完成的三个状态
都可以
在它思考了一段时间之后
给了我们一整套完整的产品设计方案
有产品边界
完整的操作流程
安全检查范围
内部构成
也就是功能上的六个模块
执行和吃销的原则
视觉规范
第一版验收的重点
我在这里演示就稍微快一点
大家在自己做项目的时候
还是要更深入
更详细的和大家去讨论一下
如果哪里你觉得不符合你的预期
你就直接和它提出来
包括验收重点
你要再多提一些
这里我就不再过多的去对它进行要求了
那我们就确认完整设计
我们等待它整理成一个正式的设计文档
然后我们最后再审议一次
它应该就会进入开发阶段了
那我们在这里再复习一下
这里我们有加号
绿色的加号339
红色的减号
这就是Dev
我们加
就说明他在写东西
在输入东西
减
因为目前我们没有进行一些修改
基本上都是新设新增的一些内容
所以他没有删掉的一些
比如说我们要把一个红色按钮
改成一个绿色按钮
那这个红色部分也会显示
他会删减一些代码
那我们现在看一下
它给我们交付的第一版产品设计文档
这是一个MD格式的文件
我们直接在右边看
包括产品概述
目标用户与问题
产品原则
第一版的功能范围
命名规则
用户流程
视觉与交互设计
系统结构
数据与隐私
错误处理
验收与测试
风险与应对和后续可能的方向
看了这个产品设计文档
没什么问题的话
我们就回复它文档通过
制定详细的实施计划吧
这里可以看到
它自动使用了一个
Superpowers里面的
制定开发计划的一个skill
所以其实
这并不是我和Codex之间的交流太随意
而是目前GPT 5.6 Soul的这个模型
它的聪明程度完全可以理解
我与它之间这么轻松随意的沟通中
表达出来的我对这个产品的要求
和这个产品它的内核
我觉得可以这样理解
就是我只要把我的想法告诉它
它会通过一系列的追问
以及补充去帮我把这个产品丰富成8到9分
包括是如果你的系统环境缺了一些依赖
它会自动帮你安装
或者是选择绕过这个依赖
用其他的方法去解决问题
它都会自己去进行这方面的思考
比如说在这里
它发现我的环境里没有完整的Xcode
但是我装了这个Swift 5.10
它就规划了另外一个能实现的路径
但实际上说实话
Swift UI Swift Package
我确实也不知道有什么东西
但是这都没有关系
你不懂代码这个事情
在Codex眼里它一点都不是问题
经过15分钟的等待
它现在是已经把详细的实施计划
给我们做出来了
这个计划里面包括了13个任务
覆盖原数据读取
命名安全检查事物改命
跨重启撤销
完整UI和3000项性能测试
這個3000項其實就是我們最多能給他約3000個受支持素材的導入和本機的APP打包。
那他给我们执行方式推荐了两种
一种是子代理逐任务开发
也就是这每个任务他独立实施
然后相当于他同时进行
然后第二个任务是当前任务内连续开发
他在这里按批次的执行
所以我觉得我们可以选第一个
因为这十三个任务之间没有非常明显的
互相逻辑上有牵绊的这么一种情况
当时
现在我们就可以看到
他使用了Superpowers里面的Using Gateworktrees
我们前面学到的这些理论上的东西
在这里就可以看到了
他建立了一个隔离的工作区
互相之间不会污染其他任务的进度
在直线之前
他又给我们提出了两个问题
让我们确认一下
第一个是是否同意他创建隔离工作区
我们肯定是同意的
第二个是因为我的电脑上没有完整的Xcode
他说让我通过app store安装手次打开
或者是这个还是要安装的
可是我不想自己安装
我让他手动帮我安装
我同意你建立工作区
但是我希望你帮我装Xcode
我不想自己装
你帮我装就行了
自从有了codex之后
真的是越来越懒了
很多事情我都会先问他一句
你能帮我做吗
如果是你能帮我做你就帮我做
我就不自己动手了
如果是你实在没法帮我做的
我才会自己去做
所以我觉得大家也可以养成这样一个习惯
有什么工作可以先问他一句
你能替我做吗
因为我们使用AI最终的这个目的
还是要Agent化
自动化
能让他帮我们做的工作
我们就一点都不多做
那这里我们就先试一下
Xcode它能帮我装好呢
还可以在这里去复习一下我们学的引导
就是追问引导这个功能
比如说你帮我装Xcode会不会浪费我的很多token
其实我知道答案
它不会浪费我们很多的token的
软件或者是依赖的下载
它和我们的token消耗量是没有什么关系的
它不属于这种输出的部分
但是我们还是问它一下吧
它回答我们说
不会明显的浪费Token
真正的成本是网络流量
所以我们刚才问的这个问题
它在回答我们这个问题的同时
它手里的工作并没有停
只是把我们问它的这个问题
给我们顺便回复了一下
然后它又对我们进行了一些安抚啊
说这个下载到了16%左右
消耗的是时间
不会按照等待时长大量消耗token
让我们放心
刚刚我让Codex帮我安装了Xcode
确实就是它自动帮我安装好了
中间我登录了一下
我的App Store的账号
其他的都是它帮我完成的
那现在它已经开始
同时进行着13个任务
我们再等一会儿
我准备出面拿个快递
这个任务它跑了两个小时
4分钟25秒
现在是123456
任务都已经完成
并且通过审查了
任务7的事物共同测试通过了
但是审查的时候发现
缺少稳定身份的恢复记录
然后Codex给了我们一个建议
调整这个事物模型
他认为这是属于安全架构的调整
所以他停下来问了我一下
同意
然后我们再继续等待
现在任务期的事物模型调整了之后
这个任务继续
继续已经进行了两个小时零五分钟了
其实他每一步都做得非常细
这个架构完成之后
都会再进行测试
他要写测试
然后测试如果出现不通过的地方
它要再进行修复
修复完之后再进行测试
这能够保证我们的产品更加的稳定
更加完整
但有时候这个模型
它有可能也会想的太多
而且这个工具
其实它相对还是一个比较轻量的工作
所以在它做到了第九个任务的时候
我跟它追加了
让它少做一点测试
我希望能尽快出产品
这个冒烟测试我可以自己去做
然后他就说明白
从现在开始切到尽快可以出产品的模式
不再反复的扩充边界测试
也不会每轮都跑全量套件
保留安全核心的最小聚焦测试和一次构建检查
在UI完成之后尽快给我一个可以双击的APP
以我本人去做这个冒烟测试
现在有的178项测试它不会删除
只是不会在每一步的重复跑
给它吹加这句之后明显的速度快了很多
应该是快要完成了
再稍微等一等
好的
那我们第一版App就已经出来了
我们现在要对它进行一个冒烟测试
什么是冒烟测试呢
它的来源是说早年这个电路板
它在维修的时候
我们就给它通个电
先看看它会不会冒烟
会不会烧毁
所以其实它就是一个非常极简
非常基础的测试
就只是验证最核心必用的功能
它能不能跑通
所以针对于这个素材命名助手的APP
我们做冒烟测试
也就是下面这几步
把素材或者文件夹拖进去
输入主题词
然后进入安全检查
执行重命名
测试一下撤销历史记录和重新打开APP
那我们就试一下
首先这几个图是成功的打开了
然后在这里输入批次主题
比如说教程示例
我们在这里就能看到新闻件名
就统一都把教程式例这个主题丝给填了进去
现在进行一下安全检查
这里没有出现违规的地方
所以它就直接显示可以开始重命名
那在右下角点击开始重命名
这里显示重命名完成
我们再放大理名查看一下
可以看到确实是已经
把名字都改好了
那我们现在再撤销一下
看看能不能返回
撤销本次重命名
检查并撤销
这里显示
這裡顯示撤銷完成。確實是又回到了之前的狀態。
這說明它撤銷的這個功能也是可以的。我們再開始新的批次。
好,把它關掉。重新打開。還是可以的。
当然目前这个产品它只是在功能上跑通了
它并不是一款非常完美的产品
比如说可能你对它的一些按键的位置不是很满意
像右下角的这个进入安全检查
我们觉得它可能太不显眼了
我们想把它往上挪一挪
或者是这里的安全检查下面这几个按钮
我们觉得它位置太靠下了
这样整个画面不均衡
或者是这些字体
我们觉得它比较小
这些都可以跟Codex说
还有这些位置
比如说你想把它们整体的向上挪一点
另外在Codex完成这个APP的同时
我们可以让它给我们出一个实用说明
比如说这里
它给了我们一个readmeMD的文件
相当于一个产品的说明书
但是我们平常看MD文件
电文件不是很方便
所以你可以跟他说
说明再给我一份PDF格式的
然后他处理了3分44秒
就把这个PDF格式的文件做好了
发给我们
那么这整个过程大概就是这个样子
好
到这里
我们真的从一个括文文件夹
做成了一个可以使用的素材批量命名注射
最后还是想说
如果你是灵基础
不用强迫自己去记住
今天我们学到和用到的每一个案件和命令
真正值得学习的是我们处理问题的方法
学会怎么样跟Codex把问题讲清楚
发现不对
怎么样去跟Codex反馈
以及最后怎样去验收Codex给我们的成果
其实在这个时代
我们最需要学会的能力就是
成为AI的老板
学会指挥他去干活
如果你跟着课程走到了最后
也欢迎你在评论区里告诉我
你在哪里做得比较顺利
又在哪里卡住
这将有助于我
把我的这个课程修改得更好
你也可以在当前的这个版本中
增加更多你想要的功能
但是我个人是建议
在真实的使用了一段时间之后
再去考虑
是不是要增加一些
类似于搜索复制
AI自动识别等等
这样一些功能
因为一个好的产品的需求和功能迭代
往往是在真实的使用过程中发现的
我是森成冲
以后我会继续公开记录
自己是如何用Codex和Agent
去建立自己的一人公司工作系统的
也会继续把这些看起来有点技术难度的工具
用普通人能够理解的方式去分享
我们下期见