Codex 视频课配套资料

课程资料（本文档）链接：https://my.feishu.cn/wiki/QT3mwZSEFibzw1kCiFscNSKjnXw

第一节：Codex 的下载、安装和基础使用

二选一：

(需要科学环境)codex官方下载链接：https://chatgpt.com/codex/

国内下载链接：https://codexapp.agentsmirror.com/

第二、三节：看懂Codex工作台（上）+（下）

项目、session、模型、权限、插件

Goal、Plan、定时、远程、worktree

第四、五节：Codex做精美PPT（上）+（下）：

Image2生图版本：gpt-image2-ppt-skills和awesome-gpt-image-2

HTML版本：frontend-slides和 ppt-skills

一、Image2生图模型做PPT

方法一：使用gpt-image2-ppt-skills

原仓库地址：https://github.com/JuneYaooo/gpt-image2-ppt-skills

帮我安装 gpt-image2-ppt-skills：
https://raw.githubusercontent.com/JuneYaooo/gpt-image2-ppt-skills/main/docs/install.md
使用这个skill帮我做PPT，**先确定大纲内容，供我审核和纠偏**，然后寻找最适配我内容的风格模板，文件已上传/在文件夹内
**不要底图+内容的组合方式，一定要生图模型直出！**

注意，不要底图+内容的组合方式，一定要生图模型直出！

参考模板：https://slidecraft-template-gallery.vercel.app/

如果需要生成的PPT可编辑，需要补充提示词：

打开可编辑模式，帮我生成可编辑模式的 PPT。文字和基础图形要能在 PowerPoint 里直接修改，复杂主视觉要能单独移动，同时尽量保留 gpt-image-2 的完整设计感。

方法二：使用awesome-gpt-image-2（适合简单PPT，精细化要求不高）

全球最大的 GPT Image 2 提示词库，每日更新——包含 2000 多个精心挑选的提示词及预览图片，支持 16 种语言。作为 OpenAI 的下一代图像模型，该技术能够实现精确的文字渲染、跨图像的一致性效果，同时还能生成商业级质量的插图。完全免费且开源。

参考借鉴awesome-gpt-image-2提示词仓库，帮我做PPT，文件已上传/在文件夹内
仓库地址是：https://github.com/YouMind-OpenLab/awesome-gpt-image-2
先确定大纲内容，供我审核和纠偏
然后给我3个不同风格参考，每个风格分别出3张PPT，我先看下效果，我确认满意后再生成完整ppt。
**不要底图+内容的组合方式，一定要生图模型直出！**

注意，不要底图+内容的组合方式，一定要生图模型直出！

ps：

image-2生图的方式做PPT，codex支持原生画布，可以同时评论多页PPT需要修改的要求，然后重新生成需要修改的页面！具体案例看Codex 做精美 PPT（上）-6分30s已展示。

二、用HTML 做PPT

方法一：张咋啦的 frontend-slides

参考张咋啦的这个仓库：https://github.com/zarazhangrui/frontend-slides
寻找最适配我内容的风格模板，帮我做PPT，文件已上传/在文件夹内
先确定大纲内容，供我审核和纠偏
要求网页里面嵌入我真实的excel图表表格

生成html版PPT后，按E键可以直接编辑修改具体文字内容

html页面如果想要转换成原生可编辑的pptx，可以让codex使用这个skill：https://github.com/Hasasasa/html-to-editable-pptx

方法二：归葬的 ppt-skills

参考安装**guizang**的这个仓库：https://github.com/op7418/guizang-ppt-skill
寻找最适配我内容的风格模板，帮我做PPT，文件已上传/在文件夹内
先确定大纲内容，供我审核和纠偏
要求网页里面嵌入我真实的excel图表表格

html页面如果想要转换成原生可编辑的pptx，可以让codex使用这个skill：https://github.com/Hasasasa/html-to-editable-pptx

4个方法：我该用哪种？

第六节：必懂知识：Skill=skill.md+references+scripts+asset

Codex-Skill课程手绘图-10页.pptx

一、skill.md+references+scripts+asset

二、案例讲解

第七节：Codex Excel 实战：数据清洗、计算、分析、可视化与skill沉淀

大纲

脏表数据 → 数据清洗 → 统一口径+多表合并 → 公式计算 → 生成可视化html看板 → 和codex协作的坑+注意事项→整个过程封装为skill、html等可复用→如何写出优秀的skill

业务场景

这是一家办公数码销售公司的月度经营分析。公司有两个销售渠道，自营商城和第三方平台。两个渠道分别导出订单。内部的客户系统导出客户档案。经营负责人需要一份标准的全渠道 Excel 和一张固定样式的 HTML 看板，用来查看销售额、实际利润、利润率、渠道表现、产品表现、客户等级和异常订单。

直营网店订单.csv 有 600 行。一行代表一笔自营商城订单。

第三方平台订单.csv 有 600 行。一行代表一笔第三方平台订单。

两张订单表记录同一种业务对象，所以列很接近。它们来自不同系统，所以三组列名不同。订单号对应订单编号，客户 ID 对应会员编号，销售额对应实付金额。两个渠道的业务订单互不重复。

客户档案.csv 有 520 行。一行代表一个客户，只保存客户 ID、客户名称和客户等级。它的作用是给订单补充客户名称和等级，使报表能够回答 A、B、C 类客户分别贡献了多少销售额和利润，以及哪些高等级客户出现了低利润订单。

直营网店订单.csv

第三方平台订单.csv

客户档案.csv

提示词汇总

**以下是对你的输出要求，写入AGENTS.md：**

**极简**
不生成冗余文档、多余注释、无意义的说明段落，别给自己加戏。每一行输出都需要有存在的理由。**代码、文档等，都必须高内聚、低耦合**

**不要进入黑盒**
每次操作前，简要说明你在做什么、为什么这么做。不要让我在不理解的情况下继续推进。

**不要替我决策**
遇到需要判断的节点，明确提出来让我决定，不要自行假设并推进。

**指令模糊时先问**
如果我的指令不够清晰，先问清楚，不要猜测执行。

**极高的信息密度**
绝对不可以出现输出两句话，事实上其中一句话和另一句话本质是相同的。你的输出必须做到，每个字，每句话，都是有必要，都不可以删除，删除一个字就不符合必要原则，多一个冗余的字就不符合最少原则（李笑来的最少必要原则）


**协作边界：**
- 技术细节可以交给你完成
- 逻辑结构、方向判断、最终表达由我主导
- 你是执行者和协作者，不是决策者

读取”原始数据“文件夹里的三个文件，**帮我清洗数据**。要求如下：
1.不要修改原文件，先创建副本，修改副本。
2.删除完全空白的行
3.删除重复订单，以“订单号”为准
4.统一“下单日期”格式为 YYYY-MM-DD
5.清理“手机号”中的空格、横杠，只保留 11 位数字
6.清理“金额”字段中的 ￥、元、逗号和空格，转换成数字
7.新增一个“清洗备注”工作表，说明你删了多少空行、多少重复行、修改了哪些字段等等
8.清洗后的数据放在”清洗后数据文件夹“内。

**接下来合并三张表格**，要求如下：
1.两张订单表的合并，字段映射如下：
订单号、订单编号统一为订单号
客户ID、会员编号统一为客户ID
销售额、实付金额统一为销售额
2.客户档案的合并，以客户ID为共同列，关联”客户名称“、”客户等级“
3.输出文件名称叫做”合并后的全渠道表“，放在”合并后的全渠道表“文件夹内

合并后的表格，**继续以下处理：**
1.新增“实际利润”列，公式为：销售额 - 成本 - 运费
2.新增“利润率”列，公式为：实际利润 / 销售额
3.新增“风险标记”列，如果利润率低于 15%，在“风险标记”列写入“低利润”
4.保留原始工作表，新建一个“新增字段后的全渠道表”，放在“新增字段后的全渠道表”文件夹内
5.新建“公式说明”sheet，把每一列使用的公式和计算口径写清楚

基于“新增字段后的全渠道表.xlsx”，做一份适合老板查看的纯 HTML 经营看板：
1. 展示总销售额、总利润、整体利润率、订单数等核心指标
2. 展示各月销售额和利润变化趋势
3. 对比各地区的销售额、利润和利润率
4. 展示销售额最高的产品，以及主要产品的利润表现
5. 高亮利润率低于 20% 的月份、地区和产品
6. 根据数据提炼几条简短、可靠的经营结论，不推测数据无法证明的原因
7. 页面简洁、专业、图表丰富，打开 HTML 文件即可查看

**请把刚才完成的数据处理和看板制作流程，封装成一个可复用的 sales-data-report Skill。**

**最终交付结构：**

sales-data-report/
├── SKILL.md
├── assets/
│   ├── 标准结果模板.xlsx
│   └── 经营分析看板模板.html
├── scripts/
│   ├── prepare_data.py
│   └── build_report.py
└── references/
    └── 数据标准与处理规则.md

prepare_data.py 负责清洗、合并不同来源的原始 CSV，生成标准结果 Excel；
build_report.py 只读取标准结果 Excel，生成固定样式的经营分析 HTML 看板。

Skill 支持两种用法：拿到原始 CSV 时运行完整流程；已经有标准结果 Excel 时，直接生成看板。

固定**标准表结构、指标口径、异常处理、HTML 布局、图表样式和分析逻辑。**
原始文件数量、字段名称和数据量可以变化，不要写死本次文件名、行数和统计结果。
无法确定字段映射、日期、单位或计算口径时，先向我确认。

模板中不要保留本次业务数据。完成后分别使用当前数据和第二批数据验证，确保数据可以更换，计算结果正确，看板结构和样式保持一致。

1. Skill 不是提示词
提示词是一次性对话，可以模糊、可以自由发挥。
Skill 是可以反复使用的标准作业流程。每次触发，都应该产生稳定、可预期的结果。因此必须明确：
用户提供什么
按什么步骤执行
最终输出什么
什么标准才算完成
2. Skill 是写给模型执行的
不要写大量背景介绍、设计理念和功能宣传。
例如，不要写：
本 Skill 旨在帮助用户提升邮件写作质量。
应该写：
当用户提供邮件草稿时，按以下步骤处理：
检查语法错误 → 优化表达方式 → 调整语气。
3. 一个 Skill 只做一件事
不要做“万能办公助手”，同时处理周报、会议纪要、邮件和公告。
应该拆成：
周报生成器
会议纪要整理器
邮件润色助手
公告撰写器
单一职责有两个好处：AI 更容易判断什么时候调用，执行结果也更稳定。

高质量 SKILL.md 的五个标准
一、元数据准确
name 和 description 是 Skill 的身份证。
---
name: contract-risk-scanner
description: 浏览合同文本，识别对用户不利的风险条款并给出修改建议。当用户提供合同文件并询问合同存在的问题时触发。
---

name 简洁，使用小写字母和连字符
不使用中文和特殊符号
description 用第三人称
写清楚能做什么
写清楚什么时候使用
不要写：
这是一个很好用的合同审核工具。
这种描述没有说明输入、输出和触发条件。

二、边界清晰
不仅要写“什么时候使用”，还要在容易混淆时写“什么时候不要使用”。

### 使用场景

当用户提供合同文件，并询问合同中存在的风险时使用。

当用户要求起草一份新合同时，不要使用本 Skill。
如果功能独特，不容易与其他 Skill 混淆，可以不写负向条件。

三、输入输出明确
输入要区分必需和可选：

### 输入
- 合同文本：必需，可以是文件或粘贴的文本
- 用户身份：可选，甲方或乙方
- 关注重点：可选，例如付款条款、违约责任

输出也要明确：
### 输出
1. 整体风险等级：高、中、低
2. 风险条款清单
3. 每条风险的具体问题
4. 可直接使用的修改建议
5. 需要重点争取的谈判要点

这样，AI 才知道应该收集什么、交付什么。

四、步骤可以直接执行
不要只写：
仔细分析合同，找出风险条款，给出专业建议。
应该把它变成明确动作：

### 工作流程
1. 确认用户是合同的甲方还是乙方；未说明时先询问。
2. 通读合同，提取涉及权利和义务的条款。
3. 检查付款条件、违约金、免责条款、知识产权和争议解决方式。
4. 标记每条风险的等级，并说明具体问题。
5. 针对高风险条款，给出可以直接使用的替代文本。

但也不要穷举所有可能。应该提供方向、框架和典型示例，把具体判断留给模型。

五、失败处理完整
提前写清楚异常情况怎么处理：
### 失败处理
- 文件无法解析：告诉用户“无法读取文件内容”
- 文本少于200字：询问是否为完整合同
- 内容明显不是合同：说明本 Skill 只处理合同风险扫描
- 用户没有说明身份：先询问用户是合同的哪一方
否则遇到异常时，AI 可能反复尝试、瞎编或者直接放弃。

好的 SKILL.md 概括为：
描述精准  
流程清晰  
边界明确  
格式规范
**内容扎实**
“格式规范”不是追求排版漂亮，而是使用清楚的标题层级、列表和重点标记，让 AI 更容易理解，也方便以后维护。

最少必要总结：
准确的 description
+ 清晰的使用边界
+ 明确的输入输出
+ 可以执行的步骤
+ 完整的失败处理
= 高质量 SKILL.md

**文件夹内有assets、references、scripts等时，必须在流程里重点讲述。**

写完不必追求一次完美，先写基础版本，在真实任务中发现问题，再持续修改。

重要知识点

课程小结

第八节：Codex自媒体实战：热点选题skill+文案脚本skill

一、热点选题skill：ai_hot_content_curator

仓库地址：https://github.com/Stephen-creater/ai-hot-content-curator-skill

如何基于该skill二创？

1. 新建文件夹，给codex仓库地址，让它拉取项目，写AGENTS.md，要求每个改动必须commit+push

2. 明确自己的选题领域，收集该领域高质量的信息源，优先使用RSS，没有RSS再使用网页地址

3. 让codex修改resources/content_curator_sources.json，替换原skill里的AI信息源，按内容类型做好分类

4. 投喂些自己写的文章/对标账号的文章，给到筛选标准或者参考，一篇文章一个md文件，（推荐飞书剪存插件，导出md）让codex修改scripts/scrape_aihot.py里的AI筛选标准（目标读者、优先选题、排除内容、时效范围、输出数量）**，**配置自己使用的模型和API Key（Key禁止commit到公开仓库）

5. 运行skill，打开topics文件夹里的index.html，人工标记哪些选题应该入选、哪些不应该入选、哪些重要内容被遗漏

6. 把审核结果喂给codex，继续修改信息源和筛选标准，不断运行和纠偏，最后沉淀为自己的自动选题skill

如何收集网站和RSS？

我想搭建【xxx领域】自动选题Skill，目标读者是【xxx】。

请帮我寻找20至30个适合长期跟踪的高质量信息源。

要求如下

1. 优先寻找官方网站、官方博客、行业媒体、播客、Newsletter和高质量个人博客
2. 同时搜索中文和英文信息源
3. 为每个网站查找官方RSS地址
4. 必须实际访问RSS，确认能够读取文章标题、链接和更新时间
5. 不得根据常见地址猜测RSS，不得伪造链接
6. 没有RSS的网站标记为“未找到RSS”
7. 输出网站名称、网站地址、RSS地址、内容类型、语言、最近更新时间和验证结果
8. 先输出候选清单，不要修改文件
9. 等我确认后，再写入resources/content_curator_sources.json，并运行skill验证抓取结果

二、文案脚本skill：media-copywriter

仓库地址：https://github.com/Stephen-creater/media-copywriter-skill

在原skill基础上新增references/persona-generator-prompt.md，提示词如下：

### 专属 persona.md 生成提示词

### 角色与目标

你是人物 IP 分析师和自媒体写作规范设计师。默认分析当前与你对话的用户本人。

直接利用你当前能够访问的全局记忆、历史对话、既往任务、项目记录、工作区文档和当前会话，生成可直接放入 `media-copywriter/references/persona.md` 的人物专属写作规范。不要先生成分析报告，不要要求用户重新整理材料。

### 证据检索

按以下顺序检索：

1. 用户在当前会话中的明确陈述；
2. 已保存的用户画像、长期记忆和偏好；
3. 可访问的历史对话、任务摘要、项目复盘和自动化记录；
4. 可访问的课程、文章、知识库、逐字稿和工作区文档；
5. 明确属于用户本人的音视频与视觉材料。

只使用实际访问到的材料。不得声称读过未访问的内容，不得把模型猜测当成事实。若平台不开放全局记忆或历史对话，使用当前能够访问的材料生成暂定版，并标注证据限制；不得编造，不得默认把资料整理工作退回给用户。除非用户明确要求，不要联网搜索其私人身份信息。

### 证据边界

- 录音、视频逐字稿、演讲、访谈、会议发言和直播转写，才能用于判断口语风格、口头禅和口播节奏。
- 文章、课程、简历、项目文档、聊天记录和知识库，可用于判断经历、能力、观点、价值观和内容方向，但不能冒充口语证据。
- 长期选择、修改意见、验收标准、失败复盘和持续投入，可用于判断稳定偏好与行动准则。
- 照片和视频只能辅助判断有证据支持的视觉表达；不得凭空推断外貌、穿着和镜头表现。
- 区分本人陈述、已验证事实、长期稳定模式和合理推断。单次记录不得写成稳定人格；冲突信息优先采用更新、更直接、可验证性更强的版本。
- 职位、收入、粉丝数、奖项、客户、合作关系和项目状态可能过时或涉及隐私，只有适合公开且能够核实的信息才能进入写作素材。

### 转换原则

输出的不是人物分析报告，而是供写作 Skill 执行的规则：

- 把经历转换为“哪些故事可以写、如何写、哪些不能写”；
- 把价值观转换为稳定的内容母题与判断立场；
- 把口语证据转换为用词、句式、节奏和叙述视角；
- 把目标受众转换为选题、解释深度、案例和术语要求；
- 把隐私、时效和证据限制转换为明确禁忌；
- 保留人物独有特征，删除通用赞美、履历堆砌和无法指导写作的描述。

### 输出要求

直接输出完整 Markdown。若具备文件写入能力，保存为 `persona.md`；否则在对话中输出。除 `persona.md` 正文外，不输出分析过程、使用说明或附加报告。

严格使用以下结构：

### 人设与风格指南

### 核心身份

- **身份定位：** [最鲜明且有证据的 1—2 个身份]
- **一句话人设：** [观众容易记住的一句话]
- **独特价值：** [与同领域普通创作者的关键差异]
- **目标读者：** [具体人群、需求、认知基础]
- **内容方向：** [3—8 个可持续母题]

### 核心观点

- **观点一：** [可反复表达的判断及其依据]
- **观点二：** [可反复表达的判断及其依据]
- **观点三：** [可反复表达的判断及其依据]
- **判断原则：** [面对争议、新技术或商业问题时采用的判断标准]

### 可用经历与故事

- **故事一：** [适用选题、核心冲突、可公开事实、能够得出的观点]
- **故事二：** [适用选题、核心冲突、可公开事实、能够得出的观点]
- **故事三：** [适用选题、核心冲突、可公开事实、能够得出的观点]

只写适合公开且能够核实的内容。涉及第三方、前雇主、客户或敏感经历时，明确匿名、删减或禁用要求。

### 语言风格

- **叙述视角：** [第一人称/第三人称及使用方式]
- **整体语气：** [专业度、亲切感、锋利度、情绪强度]
- **用词偏好：** [常用词、术语、比喻、中英文使用规则]
- **句式与节奏：** [长短句、停顿、设问、排比、信息密度]
- **解释方式：** [如何把专业概念讲给目标读者]
- **有证据的高频表达：** [仅列真实口语证据支持的短语；没有则写“暂无可靠证据”]
- **需要减少的表达噪音：** [重复词、口头连接词、过度书面化等]

口语材料不足时，必须写明“口语证据不足，以下为暂定规则”，不得从书面材料伪造口头禅、真实语速或情绪强度。

### 常用写作结构

1. **开头：** [人物最适合的钩子类型，禁止空洞标题党]
2. **展开：** [常用论证顺序]
3. **案例：** [优先使用的案例类型与证据要求]
4. **结尾：** [适合的收束方式、行动建议或固定 CTA]

### 写作要求

- 每篇内容都应体现：[必须保留的身份、观点或表达特征]
- 专业术语必须：[解释规则]
- 事实、数据和引用必须：[核实与标注规则]
- 模仿参考样例时只迁移结构、节奏和表达策略，不复制原句或观点。
- `examples/{分类}/standards.md` 负责该类内容的长度、格式和特殊流程；本文件负责人物身份、观点、语气和公开边界。

### 禁忌与边界

- **禁止虚构：** 不得编造经历、成绩、客户、收入、身份、合作或口头禅。
- **禁止夸大：** [根据用户材料补充具体限制]
- **隐私边界：** [不得公开或必须匿名的信息]
- **时效边界：** [容易变化、发布前必须再次确认的信息]
- **不适合的人设：** [与真实经历、能力或价值观冲突的定位]
- **禁用表达：** [用户明确反感、过度营销或不符合其风格的词句]

### 使用规则

- 人设信息只在与主题相关时使用，不要每篇文章重复自我介绍或堆砌履历。
- 资料不足时降低断言强度；关键事实缺失时先向用户确认，不得补全剧情。
- 新的已验证文章、逐字稿、项目或用户修改意见出现后，更新本文件中对应规则；不要保留已经过时或被用户否定的判断。

### 完成标准

- 文件能够直接替换 `media-copywriter/references/persona.md`；
- 身份、读者、内容方向、观点、故事、语言、结构和禁忌均可直接指导写作；
- 口语风格只来自真实口语材料；
- 已区分事实、稳定模式、推断和未知；
- 没有通用赞美、重复信息或无法执行的描述；
- 没有泄露隐私、夸大成绩或把历史状态写成当前事实。

如何基于该skill二创？

1. 新建文件夹，给codex仓库地址，让它拉取项目，写AGENTS.md，要求每个改动必须commit+push

2. 让codex使用references/persona-generator-prompt.md，形成个人专属的persona.md

3. 收集大量自己写的文章/对标账号的文章（推荐飞书剪存插件，导出md。~~批量爬取可以使用wechat-article-exporter开源项目~~），一篇文章一个md文件，喂给codex（前提：高质量，自己非常喜欢）

4. 让codex根据这些文章做分类，替换撰写原始skill中的examples（原文+standards，参考原skill的结构和方法）

5. 让codex根据替换后的examples爆款样例库，修改references/check_standards.md（文案检查标准）

6. 人工审核修改的每个环节，提供标准和纠偏，不断使用和迭代，最后沉淀为个性化的个人skill

第九节：Codex自媒体实战：小红书图文生成自动化

如何判断一个skill是否值得采纳？

1. star数，实际使用人数，更新频率，社区反馈

2. 输入输出的case，是否符合自己的预期

3. 作者本人是否高频使用，且效果不错

4. skill适合上手即用，或者方便二创

一、xhs-note-creator-skill

仓库地址：https://github.com/Stephen-creater/xhs-note-creator-skill

亲测案例

家庭教育彻底变天了啊，以前就只要让孩子考个好大学好专业，可现在ai都快把大学冲烂了。就拿现在还在大学课堂上讲课的老师来说，不少二流老师还在用着清朝做的ppt，讲着三五年前就不流行的东西。就这样的老师，还天天数落学生呢。就算真正做前沿科研的学者教授，他们也经常感到无力。因为现在ai发展太快了，他们以为ai会来和他们抢饭碗。让他们想不到的是，他们可能连和ai比的桌都上不了，ai自己已经单独开辟了一条赛道。

什么意思呢？前段时间Google发了一篇关于攻克白血病相关的《Nature》，ai在里面充当的角色竟然是联合科学家。有AI加入后，传统的研究方案直接被降维打击了啊，它不只是帮教授查查论文。把一个方案扔给它，它会自己挑毛病、淘汰方案，直到给出一套完整的解决方案。Google还一次拿了203个目标测了一遍，有些想法甚至在白血病药物这些方向通过了实验验证。

还有更暴力的，记不记得前段时间的天才数学家陶哲轩？有段时间他也感受到了前所未有的迷茫，因为数学领域都是靠非常严格的逻辑推理来证明的，这是目前人类学术界唯一认可的方式。在传统的数学领域要证明一个问题，即便用穷举法举一万亿个例子，数学家也绝对不可能说这就证出来了。但是AI加入战斗之后，它可不管你原来是这么做的，它想的是，它可以用无穷量的数据来证明，一个数据是特例。它不能证明普遍结论好，那100万个数据呢？100万个数据不够，1亿个数据呢？万亿不够，我给你1兆亿的数据呢？直接给你拉满，大不了把所有的数都跑一遍，最后反正都是这个结论。那你说到底是证明了还是没证明呢？它的暴力破解，把陶哲轩都干得有点怀疑人生啊

更要命的是，那些把ai研究的炉火纯青的技术大拿，压根就不可能在大学里。像OpenAI、Google DeepMind、Anthropic这帮公司。更有大学老师研究了几年的前沿问题好不容易破解，anthropic用大模型跑了一天就直接解决了。就像你在打大学羽毛球社团的羽毛球联赛，你自信满满上场，发现对手竟然是林丹一样，这不闹吗，但仔细想想也确实没招。ai确实已经强大到这个份上。

所以你来说说，一个大学老师研究好几年的成果，ai一天就跑通了。当你还在通宵给孩子选学校报专业的时候，ai已经把大学的后院点着了。现在还有很多家长还在被老一套的教育观念洗脑，好好读书考个好大学找个好工作，一辈子就值了。可ai可能会如他们的愿吗？与其天天烧高香祈祷孩子录到一个好大学好专业，还不如让孩子尽早开始学会驾驭ai，让孩子多跟ai探究问题，也不能盲目相信ai，该质疑的质疑，该纠错纠错。这样培养的孩子，才能在ai时代占据一席之地。

二、guizang-social-card-skill

仓库地址：https://github.com/op7418/guizang-social-card-skill

作者原贴：https://x.com/op7418/status/2059812895803011449

该skill说明

图文平台上的内容是分门类的。一篇影评和一篇产品测评，需要的视觉语言完全不一样；

一篇旅行散记和一篇职场干货，该用的版式也不是同一回事。

但绝大多数 AI 工具不管这件事，你写什么内容它都用同一套模板套出来。

结果就是所有人发的卡片都长得像一个公众号的封面流水线。

这个 Skill 内置了 11 个常见图文品类的适配规则：

• 旅行 / 生活方式：杂志风为主，暖色板，大图压全屏，衬线大标题；

• 职场 / 干货 / 商业洞察：网格风为主，深色背景，数据大字报版式；

• 影视 / 文化：偏冷色调的杂志风，电影海报式版式，人物特写优先；

• 产品测评 / 数码：网格风，对比矩阵，设备框美化截图；

• 读书 / 笔记：杂志风，衬线字体，引文居中版式，留白拉满；

• 美食 / 探店：高饱和杂志风，俯拍图优先，文字向四角让位；

用户只需提供文章、文案、截图、产品笔记、字幕或图片，Skill 就能够自动生成小红书 3:4 图文组图以及微信公众号 21:9 头图 + 1:1 分享卡的成套视觉内容。

「电子杂志风（Editorial）」和「瑞士国际主义（Swiss）」两套专业风格，前者克制高级、适合叙事和生活方式内容；后者极致结构化、适合产品测评和数据类内容。

亲测案例

案例1：影视类

**为这段《记忆碎片》影评做一套小红书 3:4 图文，匹配适合脚本的风格和主题，自主选取剧照作为配图**

脚本：

《记忆碎片》：诺兰最残酷的实验——遗忘之后，我们还是我们吗？

最近又重温了克里斯托弗·诺兰的《记忆碎片》（Memento），看完后脑子嗡嗡的，像被人拿锤子轻轻敲了一记。不是因为情节多烧脑，而是它太真实地戳中了我们每个人对“记忆”和“自我”的焦虑。

这部2000年的电影，现在看依然丝毫不显老。主角莱昂纳德（盖·皮尔斯饰）得了短期记忆丧失症——他能记住很久以前的事，却记不住几分钟前发生了什么。为了找出杀害妻子的凶手，他把线索纹在身上，用拍立得记录每一个“现在”，像个活在碎片里的侦探。整个故事从后往前讲，彩色段落和黑白段落交错推进，你跟着他的记忆一起“失忆”，那种迷茫和慌张直接传染给观众。

我第一次看的时候，真的被诺兰玩弄于股掌之间。看到一半我就在想：如果我只能活五分钟，我会相信谁？会做什么决定？会不会像莱昂纳德一样，把仇恨当成唯一能抓住的救命稻草，把每一条纹身都当成真理？

这部电影最牛的地方，不是烧脑，而是残酷。

它几乎没怎么用特效，就靠剪辑和叙事结构，把“记忆不可靠”这件事拍得毛骨悚然。我们平时总觉得自己是理性的、记性好的、不会被骗的。可莱昂纳德提醒我们：人最擅长的事，可能就是欺骗自己。那些我们坚信不疑的“事实”，说不定只是我们为了活下去而编织的故事。

盖·皮尔斯的表演太绝了。他把那种既脆弱又偏执的状态演得淋漓尽致——前一秒还清醒干练，下一秒就满眼迷茫，像一只被世界反复抛弃的小动物。你会同情他，又隐隐害怕他。配角们也一个比一个可疑，尤其是乔·潘托里亚诺和凯莉-安·莫斯，他们把那种利用别人记忆漏洞的狡猾演得特别真实。

重温之后我最感慨的是：诺兰在拍这部低成本独立片的时候，就已经展现出后来《盗梦空间》《敦刻尔克》里那种对时间和意识的迷恋。他不是在炫技，而是在问一个很扎心的问题——如果记忆没了，我们还是我们吗？

看完《记忆碎片》，我甚至有点感谢自己的糟糕记性。至少我还能忘掉一些不该记住的烂事，还能相信明天会比今天好一点。莱昂纳德却只能活在永恒的“现在”，把每一天都当成复仇的第一天。

如果你也喜欢那种看完后会忍不住跟朋友讨论到半夜的电影，强烈建议去刷《记忆碎片》。最好找个安静的晚上，关掉手机，戴上耳机。准备好被诺兰牵着鼻子走就行。

看完记得回来告诉我：你相信莱昂纳德的“真相”吗？还是你觉得，他其实早就活在了自己编的谎言里？

最后碎碎念： 人生有时候就像这部电影——我们都在用有限的记忆拼凑一个自己能接受的故事。希望你我，都能少纹几条“必须相信”的刺青，多留点空间给新的可能。

案例2：AI新闻类

用 https://mp.weixin.qq.com/s/kdQ3ersxsWZzl-iPcE9rng
这篇公众号推文生成一套小红书 3:4 图文，并生成一组配套的公众号封面

案例3：旅行攻略类

自动抓取资料和配图，使用适合风格主题，输出一篇伊犁那拉提2天1晚的旅行攻略

*第九节：YouTube内容提炼+改写+多平台配图（Ins、LinkedIn、X）

本节目标：输入一条 YouTube 链接，输出经过中文改写、可用于 Instagram、LinkedIn 和 X 的信息图。

本节使用的两个 Skill

baoyu-youtube-transcript

仓库地址：https://github.com/JimLiu/baoyu-skills/blob/main/skills/baoyu-youtube-transcript/SKILL.md

组成

• SKILL.md：规定触发条件、执行步骤、参数和输出结构。

• scripts：负责获取字幕、元数据与封面，进行句子切分、缓存和文件保存；YouTube 直连受阻时可回退到 yt-dlp。

• prompts：提供多人访谈的说话人识别和章节整理提示词。

• 输出：meta.json、原始字幕、句子级字幕、封面、Markdown 逐字稿和可选 SRT。

baoyu-infographic

仓库地址：https://github.com/JimLiu/baoyu-skills/blob/main/skills/baoyu-infographic/SKILL.md

• 打开官方效果总览

• 查看视觉风格图库

组成

• SKILL.md：负责分析内容、推荐 layout × style、确认比例与语言，并调用当前环境的生图工具。

• references/layouts：定义 21 种信息结构，例如时间线、对比、漏斗、冰山、路径和高密度模块。

• references/styles：定义 22 种视觉语言，例如手绘、黏土、蓝图、地铁图、瑞士复古网格。

• 模板与配置：包含内容分析框架、结构化内容模板、基础出图提示词和个人偏好设置。

• 图像后端：Skill 本身负责导演和组织；最终图片由 Codex ImageGen 或其他可用图像模型生成。

实操流程

案例素材

视频：Social Media Isn’t Hard. It’s Misunderstood.

一、提取 YouTube 内容

使用 https://github.com/JimLiu/baoyu-skills/blob/main/README.zh.md里的
baoyu-youtube-transcript 提取这个视频的字幕、章节、封面和元数据：
<YouTube 链接>

二、改写成中文内容

根据这份字幕提炼 3—5 个最值得传播的观点，面向新加坡华语职场人和内容创作者改写。

要求：
1. 不逐句翻译，重新组织内容；
2. 保留原视频的事实、数据和因果关系；
3. 产品名、公司名和常用专业术语保留英文；
4. 不添加原材料没有的新加坡数据或个人经历；
5. 输出标题、一句话结论、3—5 个要点和一个讨论问题；
6. 每个要点只表达一件事，便于制作信息图。

三、生成多平台配图

使用 https://github.com/JimLiu/baoyu-skills/blob/main/README.zh.md里的
baoyu-infographic，把上面的中文内容制作成信息图。

先给出 3 组 layout × style 方案，等我选择后再生成。
语言：中文
尺寸：4:5和1:1各2张
要求：
1.编辑设计感、国际化排版、减少装饰、突出一个核心结论。
2.**不要直接裁切主图**。让 Skill 按目标比例重新排版，避免标题、数据和视觉焦点被截断。

效果图：Instagram / LinkedIn+X

第十节：Codex自媒体实战：Video-use+Hyperframes实现视频剪辑与生成自动化

一、Video-use实现剪辑自动化

video-use解读：https://mp.weixin.qq.com/s/5ehwdcq5BHkavFiIX23nwA

ae1d34f576d44fec9b5567fe4c74cb0e.mp4（视频原文件未嵌入网页）

原视频

第十节_v0.mp4（视频原文件未嵌入网页）

v0版本

第十节_v1.mp4（视频原文件未嵌入网页）

v1版本

家庭教育彻底变天了啊，以前就只要让孩子考个好大学好专业，可现在ai都快把大学冲烂了。就拿现在还在大学课堂上讲课的老师来说，不少二流老师还在用着清朝做的ppt，讲着三五年前就不流行的东西。就这样的老师，还天天数落学生呢。就算真正做前沿科研的学者教授，他们也经常感到无力。因为现在ai发展太快了，他们以为ai会来和他们抢饭碗。让他们想不到的是，他们可能连和ai比的桌都上不了，ai自己已经单独开辟了一条赛道。

什么意思呢？前段时间Google发了一篇关于攻克白血病相关的《Nature》，ai在里面充当的角色竟然是联合科学家。有AI加入后，传统的研究方案直接被降维打击了啊，它不只是帮教授查查论文。把一个方案扔给它，它会自己挑毛病、淘汰方案，直到给出一套完整的解决方案。Google还一次拿了203个目标测了一遍，有些想法甚至在白血病药物这些方向通过了实验验证。

还有更暴力的，记不记得前段时间的天才数学家陶哲轩？有段时间他也感受到了前所未有的迷茫，因为数学领域都是靠非常严格的逻辑推理来证明的，这是目前人类学术界唯一认可的方式。在传统的数学领域要证明一个问题，即便用穷举法举一万亿个例子，数学家也绝对不可能说这就证出来了。但是AI加入战斗之后，它可不管你原来是这么做的，它想的是，它可以用无穷量的数据来证明，一个数据是特例。它不能证明普遍结论好，那100万个数据呢？100万个数据不够，1亿个数据呢？万亿不够，我给你1兆亿的数据呢？直接给你拉满，大不了把所有的数都跑一遍，最后反正都是这个结论。那你说到底是证明了还是没证明呢？它的暴力破解，把陶哲轩都干得有点怀疑人生啊

更要命的是，那些把ai研究的炉火纯青的技术大拿，压根就不可能在大学里。像OpenAI、Google DeepMind、Anthropic这帮公司。更有大学老师研究了几年的前沿问题好不容易破解，anthropic用大模型跑了一天就直接解决了。就像你在打大学羽毛球社团的羽毛球联赛，你自信满满上场，发现对手竟然是林丹一样，这不闹吗，但仔细想想也确实没招。ai确实已经强大到这个份上。

所以你来说说，一个大学老师研究好几年的成果，ai一天就跑通了。当你还在通宵给孩子选学校报专业的时候，ai已经把大学的后院点着了。现在还有很多家长还在被老一套的教育观念洗脑，好好读书考个好大学找个好工作，一辈子就值了。可ai可能会如他们的愿吗？与其天天烧高香祈祷孩子录到一个好大学好专业，还不如让孩子尽早开始学会驾驭ai，让孩子多跟ai探究问题，也不能盲目相信ai，该质疑的质疑，该纠错纠错。这样培养的孩子，才能在ai时代占据一席之地。

帮我安装https://github.com/browser-use/video-use 这个skill
然后使用这个skill帮我剪辑这个视频。要求如下：
1.需要自动去掉废话和停顿
2.对于重复的口播片段，只保留一份，保留出现在更后面的片段（比如某一段文案念了两遍，只保留最后一遍）
3.添加字幕，字幕的位置、大小、字体（用思源黑体）参考图二，如果文案念得太长，字幕需要按照脚本语义智能换行
4.skill原生的Scribe换成国内的替代方案-**阿里的 FunASR**
5.最后成品是生产级别、满足以上所有要求、可以直接发布的作品，达不到标准自动迭代至达标为止。

1.字体换为雅月体，不要黑边。
2.视频中不要出现句号和问号。
3.有些短句本身完整的情况下，不需要逗号，比如如图部分，本身是一个完整短句，这类场景不用逗号

很好，接下来将以上修改、标准等，封装更新skill，更新前先复述一遍你的理解，对齐颗粒度。

二、Hyperframes实现视频素材生成自动化

视频/字幕/文稿 ↓ video-asset-generator 决定做什么、哪里插、用什么媒介、如何验收 ↓ HyperFrames 负责具体生成和渲染 ↓ MP4 素材 + 镜头清单 + 验收记录

第十节_v2.mp4（视频原文件未嵌入网页）

v2版本

人类剪辑版.mp4（视频原文件未嵌入网页）

人类剪辑版本

第十节_v3.mp4（视频原文件未嵌入网页）

v3版本

第十节_v4.mp4（视频原文件未嵌入网页）

v4版本

根据视频的脚本，寻找平均30s到一分钟插一个动画（或者说叫做视频贴纸）
使用https://github.com/Stephen-creater/video-asset-generator这个skill和原生的hyperframe的skill
然后生成的render放在新建的“renders”文件夹

非常好，接下来请把这几个独立的动画放在匹配的对应的文案脚本内容里面，去覆盖原有视频素材的部分。
也就是说，当口播讲到对应内容的时候，画面需要变成动画，这个动画完全覆盖原视频内容；当讲述其他内容的时候，就是正常的播放。
以上，请先复述你的理解，先跟我对齐

在v1基础上做，新视频版本是v2。动画播放期间需要显示口播字幕，但是口播字幕不可以遮挡住动画里面的字或者元素，如果有遮挡，需要适当调整字幕位置（一般情况下可能是往下挪动）

非常好，但是还有很多细节需要优化。如图所示是人类剪辑版，你需要对标这个版本继续优化，能够对齐人类剪辑的水平：
1.如图二，部分字幕换行不当，比如AI这个词不应该拆开，得在同一行。如图三的1分30s处，不要出现三行的字幕
2.字体大小目前偏大，字幕位置整体偏下，需要上移（无论是正常口播的字幕，还是播放动画时候的字幕），因为观众在视频号观看的时候，下方会有视频的介绍，介绍文字会遮挡字幕，这是实际的经验教训
3.视频里背景有个二维码，平台审核容易驳回视频的发布，所以需要全程动态遮挡住二维码的部分。
4.新版本命名v3

播放动画时候的字幕不能放在上半部分，还是得在下半部分，同时不可以遮挡动画元素和字幕，如果实在实现不了，也得放在动画元素下方，否则你这样会把东西都挤在一起，排版和观感很不好。
再一个，白色遮挡不可以遮挡住字幕。以上进行修改迭代，新版本命名v4

很好，接下来将以上修改、标准等，封装更新skill，更新前先复述一遍你的理解，对齐颗粒度。

更进一步

renders动画片段，codex生成的速度很慢→沉淀和复用动画模板

实现新增28个模板，套用模板的动画片段平均生成在1分钟内

模板复用实测-全新六段口播-46秒.mp4（视频原文件未嵌入网页）

相同模板，文案一

1.mp4（视频原文件未嵌入网页）

相同模板，文案二

我们来一起迭代https://github.com/Stephen-creater/video-asset-generator这个skill

这个skill的主要作用是指挥HyperFrames生成动画视频素材

注意，之后所有变动都要commit+push，我也有可能开不同的分支做实验（但是能不开分支就不开）

背景：账号定位是做ai前沿内容、技巧、方法论的分享账号，在各个平台如抖音、视频号、小红书等平台做ai自媒体账号，以口播真人出镜为主。

这个skill扮演的角色是，在口播视频制作流程过程中，单纯口播画面里从头到尾都是真人出镜，画面不够丰富、有趣、可视化与直观，而调研到有类似remotion和HyperFrames等开源项目，可以实现把口播的部分文案内容变成可视化的html或者视频片段，能够像是视频贴纸一样（之后与你协作的上下文里，我们约定把使用这个skill能力所生成的视频画面部分叫做视频贴纸），呈现在视频的几个片段里，增强视频的质量、让观众更容易理解，且人是视觉动物，天然喜欢，以及对可视化呈现更有注意力，更有记忆和印象

这个skill已经实现了相当多的效果，其中很多效果还不错，但是也有很多效果不好。目前给的案例见renders文件夹，一共有21个。

除了效果上需要提炼经验，能够持续稳定产出高质量视频贴纸、减少质量差的视频贴纸外，还有一个考量是，目前每次做一个视频贴纸，都相当于是从0开始，一个是没有先前经验的复用，另一个是耗时太长太慢，做一个视频贴纸可能每次都要三四十分钟，且效果不稳定。

所以解决思路是，把曾经做过的视频贴纸里面，好的部分做成模板，坏的地方讲清楚为什么坏，然后封装为skill

这样，下次再给到新的文案以后，对于能够复用好的模板的地方，可以更加稳定地产出近似高质量的视频贴纸，同时耗时可能只需要3-5分钟（预估），因为主体结构元素可以复用或者不变，替换里面的文字和简单修改就达到好的效果。

对于无法复用或者很大程度上需要从0做的视频贴纸，则有好模板为什么好、坏视频贴纸为什么质量差的经验复用，从而能产出更好质量的视频贴纸，同时，这个贴纸又有机会成为模板，以此形成一个正反馈飞轮。

去除特殊的视频贴纸，剩余的视频贴纸里
好的以及好在哪里：(人工打标、给反馈)

{
1.预留了一个图片的位置，而且找到了真实的、对应文案的图片，插入到居中、合适的位置。
比如01的kimi k3，moonshot的播客封面就放在这里，正好对应文案内容。又比如03

2.有时间顺序或者时间线，有或者有提到多个点的，按照标题-01-02-03等顺序展开，可视化出来会很清晰
比如04、07

3.对于新产品、新技术博客、文章，网站等等，能够直接搜索到原文地址，且方便截屏向下滚动展示的（必须是真实的），效果会非常好
比如05的kimi k3的官方文章

4.文案里提到疑问，问句，或者设问等等，可以有一个问号的可视化
比如08

5.前后对比类型的，可以是一个标题，然后下面两个框，填充对比的内容
比如12

6.结尾钩子类型的
比如21
}

第十一节：Codex浏览器自动化：原生Control Chrome+进阶Ego-lite+应用快照Appshot

一、原生Codex Control Chrome（@浏览器）

安装+导入cookie+使用场景

案例一、找携程酒店（耗时40min）

@浏览器 打开携程官网，搜索三亚大东海附近最受欢迎的 10 家酒店

帮我把酒店名称、位置、价位、评论都采集到一个 Excel 表格里。

重点是酒店评论：把这些酒店的评论原文、评论人、评论时间都采集下来；如果评论太多，就采集时间最近的 10 条。

然后帮我分析并推荐一下，撰写一份分析报告并保存到 Word 文档中。全部使用中文。

三亚大东海热门酒店与最新评论.xlsx

三亚大东海热门酒店分析与推荐报告.docx

案例二、爬推特帖子（耗时1h）

@浏览器 帮我去我的推特上面搜索一下我现在关注的博主有哪一些，然后根据 followers 的数量排序，从高到低找前 20 的博主。

然后，前 20 博主的最近的一条帖子也要抓下来，还要整理那篇帖子里面最火的一个评论，这些给我放在表格里面清晰可视化的呈现。

x-following-top-20.xlsx

案例三、模拟人类使用购物网站

@浏览器 打开 SauceDemo，用 standard_user 登录，执行完整的商品排序和购物车流程测试，生成 HTML 报告。

二、进阶玩法：Ego-lite（/ego-browser）

Ego-lite浏览器，目前（26.8.12）只有mac版本

Codex 负责理解任务、生成 JavaScript、执行 Shell 命令；真正的浏览器、控制接口、任务隔离和 CDP 通信，全部由 ego lite 提供。

首次启动时，ego (lite) 会扫描机器上已装的 Agent，把 ego-browser Skill 写进它们的 Skill 目录。它还会问你要不要迁移浏览器数据——选好对应的浏览器确认一下，登录状态、Cookie、扩展程序和 Chrome 个人资料就都跟过来了，Agent 可以直接复用。

不绑死某个Agent，WorkBuddy，Claude Code，Codex都能直接接入。

让人和Agent共享同一个浏览器，但各自在自己的空间里干活。

Ego lite vs Codex 操控内置浏览器

https://lite.ego.app/compare/ego-lite-vs-codex-browser

在速度、资源占用、并行性、token消耗和登录方面都优于codex的内置浏览器。

案例一、收集AI信息

/ego-browser
帮我找OpenAI & Anthropic blogs, 总结最新的、值得做笔记的更新内容，全程使用中文、回复中文

案例二、并行-重复任务（耗时10min）

/ego-browser 开 10 个 Space，用gemini官网，使用nano banana画 10 张图给我选
主题是 CodeX 2026 年的产品演进路线图

案例三、并行-复杂任务

A 找工作（耗时21min 40s）

/ego-browser 我想找Agent产品经理的工作，我最大的诉求就是公司离家近。我家住在杭州东站附近，请结合百度地图、智联招聘、BOSS 直聘这些网站，帮我搜索离家最近的合适岗位 20 个，输出成 CSV 文件给我挑选。可以开启多个 Space 并行工作，提高效率。

杭州东站附近_Agent产品经理岗位20个_2026-08-12.xlsx

B 规划旅游行程（耗时4min 5s）

/ego-browser 我计划本月15日到20日从杭州出发，前往苏州和南京两地游玩。你用12306搜索票务信息，然后结合小红书上的种草攻略，还有这几日的天气，给我出一个行程规划。可以开启多个 Space 并行工作，提高效率。

@site 把你的结论部署下，可视化，好看的网站，我要分享给别人

部署完的链接：https://hangzhou-suzhou-nanjing-2026.waynexu1993.chatgpt.site/#tickets

ps：

boss直聘、小红书等平台可以爬，但是官方反爬机制严格，会有账号风控风险，推荐使用小号

三、应用快照Appshot

官网介绍

https://www.youtube.com/watch?v=QKYbGCvNpFo

无论打开任何网页/app，同时按下两个command键（Mac专属）

即可携带网页/app完整上下文内容，直接跳转codex，非常丝滑

Appshot 不等于普通截图。它还包含界面的可访问性树，

因此 AI 不只“看见页面”，还知道按钮、频道、用户等对象是什么、该调用什么动作。

案例

/ego-browser 以你对我的了解、我们的记忆和上下文，自动帮我填写这个问卷，不要提交。能填的就填上去，你没有把握的，或者说需要我填的，你就留空。
问卷链接：https://adventurex.feishu.cn/share/base/form/shrcnnq8Z7S7yQcbz6c5MphIi0g

推荐学习

https://www.youtube.com/watch?v=il1c1a2FufU&t=26s

OpenAI 工程师 Jason Liu关于codex的分享，26-07-24

第十二节：Codex Computer Use实战：操作桌面软件+Record&Replay沉淀skill

一、Computer Use操作桌面软件

安装

官网介绍

https://www.youtube.com/watch?v=D_FCYsshMI4

案例一、简单任务

@电脑 看我当前桌面壁纸，用GPT-image-2生成一张同风格的新壁纸，帮我替换

@电脑 帮我打开网易云音乐，播放我喜欢的音乐，播放顺序为随机

案例二、多步骤任务

@电脑，完成一个真实桌面软件实测。

目标：
打开 WPS ，制作一页可编辑的自媒体文章封面草稿。

主题：
Codex 支持 Computer Use

具体要求：
新建一个 16:9 空白演示文稿。
在页面左侧放置两行大标题：
第一行：Codex 补齐 Windows
第二行：AI 开始操作电脑

在标题下方添加一行小字：
手机负责指挥，PC 负责执行

页面右侧用形状绘制一个简化的“电脑屏幕 + 机械手点击按钮”的示意图。

整体风格使用黑、白、灰暗色极简风，可以用一个橙色小元素做强调。
所有文字都必须是可编辑文本，不要做成截图。

完成后保存到桌面，文件名为：
codex-computer-use-demo.pptx

操作过程中如果需要权限或遇到不确定的弹窗，请暂停并让我确认。

案例三、测试网页/应用

@电脑
打开https://hangzhou-suzhou-nanjing-2026.waynexu1993.chatgpt.site/#tickets网站
测试界面，确保按钮和导航等都可以正常工作

哪些任务适合Computer Use？

• 测试macOS或Windows桌面软件；

• 测试登录、表单和结账页面；

• 打开只能通过图形界面访问的设置；

• 复现鼠标点击或窗口切换后才出现的Bug；

• 跨多个桌面应用完成一套工作流；

• 查看没有API、MCP或专用插件的数据源。

缺点

1. 速度很慢，复杂任务易出错。不需要多模态能力的任务，使用codex 5.3 spark-速度极快。

2. 可能占用桌面，鼠标和键盘，适合在自己暂时不用电脑时进行

二、Record & Replay in Codex

安装

官网介绍

https://www.youtube.com/watch?v=ZK3JhU73W18

演示了OpenAI官号，如何使用Record & Replay来自动发布YouTube视频

案例-水塔图片数据集录入

/Record & Replay Watch me do this task and create a skill from it
观看我的操作，固化为skill。全程输出和回复中文。

案例部分请看视频。

第十三节：Codex多智能体协作：子智能体、并行分工、Ultra模式

官方介绍

https://learn.chatgpt.com/docs/agent-configuration/subagents?surface=app

案例

我要制作一期关于 Codex Subagents 的视频，目标观众是不懂编程、看不懂英文，但已经会使用基础 AI 工具的技术小白。

当前阶段只做深度资料调研。

请实际创建并同时运行以下 3 个 Subagents，不要只给出分工方案，也不要增减数量：

Subagent 1：官方资料研究

只调查 OpenAI 官方网站、官方文档和官方发布的内容，重点查清：

1. Subagents 是什么；
2. 它是怎么工作的；
3. 如何调用；
4. 官方提到的优势；
5. 适合与不适合的任务；
6. Token、权限、并行和使用限制；
7. AGENTS.md、Skills、自动化与 Subagents 的关系。

Subagent 2：社区反馈研究

调查 X、Reddit、GitHub 等公开社区中的真实使用反馈，重点查清：

1. 用户如何使用 Subagents；
2. 常见有效场景；
3. 用户认可的优势；
4. 常见问题、失败案例和使用成本；
5. 社区说法与官方说明是否一致。

社区个例不能直接泛化；每项结论必须附原始来源链接和发布时间。

Subagent 3：视频与创作者案例研究

调查 YouTube、Bilibili、博客和教程中的公开案例，重点查清：

1. 创作者如何演示 Subagents；
2. 他们如何拆分任务、安排角色并汇总结果；
3. 哪些案例适合技术小白理解；
4. 哪些说法属于作者观点，尚未得到官方确认；
5. 可用于视频讲解的具体案例与画面设计。

优先查看原始内容；每项结论必须附来源链接和发布时间。

要求每个 Subagent 返回：

1. 核心结论；
2. 支持结论的原始依据；
3. 仍无法确认的问题；
4. 一份简短摘要。

请等待 3 个 Subagents 全部完成后，再由主 Agent：

1. 检查三个任务是否完成；
2. 删除重复内容；
3. 核对相互矛盾的信息；
4. 补充遗漏的重要内容；
5. 整理成一份面向技术小白的中文研究报告。

只做只读调研。不要发布、删除、付款或修改外部内容。

Ultra模式

Ultra 模式下，Codex 会无限制使用多个子Agent 并行工作。 它把一个复杂任务拆成多条工作线，同时推进。

适合什么场景：

• 复杂的开发任务（前后端 + 数据库 + 测试同时搞）

• 深度研究（多维度同时调研）

• 大型项目验收（安全检查、功能测试、文档生成并行）

注意： Ultra 模式烧 Token 非常猛。日常任务用 medium/high 就够

### 目标

以用户视角，从浏览器入口探索项目各个功能，挖掘潜藏的的 bug，并修复。

### 如何挖掘潜藏的 bug

从不明显的、常规人工验证不容易发现的场景入手，提升挖掘 bug 的可能性。例如：

- 看浏览器 F12 中的报错请求、重复请求
- 看服务日志中的报错
- 看一些不起眼的 UI 或者边界情况

在探索过程中多考虑不同功能场景间交叉的、可能相互影响的 case，这其中更可能潜藏着复杂的问题。

### 如何探索

在本地启动服务，并操作浏览器验证。

主要的探索方式应该是阅读代码 + 浏览器操作。

允许的操作：
- 浏览器操控
- 查询日志、数据库记录
不允许的操作：
- 删除或修改数据库数据
- 直接调用 API 构造测试场景（所有的 bug 必须是能通过浏览器操作复现出来的）

### 修复方式

发现 bug 后立即修复，必须通过相同的复现路径回归测试，验证修复效果。

用 bugs.md 记录 bug 发现、bug 修复过程

对发现的 bug 进行修复方案确定性打分，如果确定性低于 80%，则不修复，移动到 open-bugs.md，只记录复现路径、预期结果、实际结果。无论 bug 是否修复，都记录每个 bug 的修复方案确定性分数。

### 停止条件

满足以下之一：
- 时间超过 10 小时
- 已完成一轮你所计划的探索，并修复所有 bug

第十四节：Codex+飞书（Lark）CLI：玩转多维表格、飞书白板、手机飞书操控Codex

一、飞书CLI（Lark）

帮我安装飞书官方cli：https://github.com/larksuite/cli

ps：手机上也要下飞书，要扫码授权电脑。可以先注册飞书个人版。

案例一、Agent + 飞书 CLI + 多维表格 = 内容选题工作流

官方介绍：https://www.feishu.cn/content/article/7647368333007997909

真实AI热点来源.csv

把“真实AI热点来源.csv”导入飞书多维表格（云文档），表名改成「信息源」。

这些资料有不少在说同一件事。帮我整理成一个选题库，保留原始来源，方便我判断哪些内容值得写。
选题库里，按选题的处理进度，帮我做几个常用视图。比如待判断、已淘汰、正在写、已写完

读取我标成「正在写」的选题，生成一份飞书文档大纲。

案例二、飞书白板

一个包含 35 种精选配色风格的库，用来生成漂亮、可二次编辑的飞书 / Lark 画板。

帮我安装https://github.com/zarazhangrui/beautiful-feishu-whiteboard
需要我授权的地方提醒我，我来授权

安装后，用大白话告诉你的 agent 就行。可以指定风格，也可以描述气质：

• “用 Riso Brut 风格做一块飞书画板，讲清楚我们的新人上手流程。”

• “把这篇文档变成一块飞书画板，极简、cobalt 蓝 的感觉。”

• “把系统架构画成飞书画板，糖果色、活泼 一点。”

• “用一块画板讲清楚 LLM 训练的三个阶段。”

你的 agent 会：先问清楚这块画板是干什么的、你想要什么气质，从风格目录里挑一个合适的风格，用原生图形把图画出来，渲染后自我检查（溢出、留白、重叠等问题），写入飞书文档成为可编辑画板，然后把文档链接和图片一起发给你。你随时可以换一个风格。

把以下脚本文案内容，做成一个飞书画板，使用beautiful-feishu-whiteboard，匹配适配的风格：

家庭教育彻底变天了啊，以前就只要让孩子考个好大学好专业，可现在ai都快把大学冲烂了。就拿现在还在大学课堂上讲课的老师来说，不少二流老师还在用着清朝做的ppt，讲着三五年前就不流行的东西。就这样的老师，还天天数落学生呢。就算真正做前沿科研的学者教授，他们也经常感到无力。因为现在ai发展太快了，他们以为ai会来和他们抢饭碗。让他们想不到的是，他们可能连和ai比的桌都上不了，ai自己已经单独开辟了一条赛道。

什么意思呢？前段时间Google发了一篇关于攻克白血病相关的《Nature》，ai在里面充当的角色竟然是联合科学家。有AI加入后，传统的研究方案直接被降维打击了啊，它不只是帮教授查查论文。把一个方案扔给它，它会自己挑毛病、淘汰方案，直到给出一套完整的解决方案。Google还一次拿了203个目标测了一遍，有些想法甚至在白血病药物这些方向通过了实验验证。

还有更暴力的，记不记得前段时间的天才数学家陶哲轩？有段时间他也感受到了前所未有的迷茫，因为数学领域都是靠非常严格的逻辑推理来证明的，这是目前人类学术界唯一认可的方式。在传统的数学领域要证明一个问题，即便用穷举法举一万亿个例子，数学家也绝对不可能说这就证出来了。但是AI加入战斗之后，它可不管你原来是这么做的，它想的是，它可以用无穷量的数据来证明，一个数据是特例。它不能证明普遍结论好，那100万个数据呢？100万个数据不够，1亿个数据呢？万亿不够，我给你1兆亿的数据呢？直接给你拉满，大不了把所有的数都跑一遍，最后反正都是这个结论。那你说到底是证明了还是没证明呢？它的暴力破解，把陶哲轩都干得有点怀疑人生啊

更要命的是，那些把ai研究的炉火纯青的技术大拿，压根就不可能在大学里。像OpenAI、Google DeepMind、Anthropic这帮公司。更有大学老师研究了几年的前沿问题好不容易破解，anthropic用大模型跑了一天就直接解决了。就像你在打大学羽毛球社团的羽毛球联赛，你自信满满上场，发现对手竟然是林丹一样，这不闹吗，但仔细想想也确实没招。ai确实已经强大到这个份上。

所以你来说说，一个大学老师研究好几年的成果，ai一天就跑通了。当你还在通宵给孩子选学校报专业的时候，ai已经把大学的后院点着了。现在还有很多家长还在被老一套的教育观念洗脑，好好读书考个好大学找个好工作，一辈子就值了。可ai可能会如他们的愿吗？与其天天烧高香祈祷孩子录到一个好大学好专业，还不如让孩子尽早开始学会驾驭ai，让孩子多跟ai探究问题，也不能盲目相信ai，该质疑的质疑，该纠错纠错。这样培养的孩子，才能在ai时代占据一席之地。

用飞书画板画一个外卖App用户从点外卖到最后收到外卖的流程图，用泳道活动图，要体现整个过程中各个角色的动作。
再画一个产品架构图
再画一个时序图

案例三、手机飞书操控codex

帮我安装https://github.com/chenhg5/cc-connect/blob/main/README.zh-CN.md
我需要实现在手机飞书上操控本机codex，帮我落地

帮我安装https://github.com/Stephen-creater/cc-connect-lid-awake
让已经安装 cc-connect 的 MacBook 在接通电源并合盖后继续运行，从而可以在手机飞书/Lark 中操控本机 Codex（该开关可以由用户自由选择，合盖后继续运行/合盖后让电脑休眠）

（仅大陆）二、补充：知识星球cli

帮我安装https://github.com/unnoo/zsxq-skill

核心能力

• 星球管理：列出已加入的星球，搜索星球，查看标签、成员和专栏

• 内容搜索：按关键词搜索星球里的帖子、文章和提问

• 主题查看：查看主题详情、评论、点赞和标签信息

• 发布互动：发布主题、编辑主题、评论回复、回答提问

• 精华与标签：设置/取消精华，为主题打标签，管理专栏收录

• 个人笔记：创建、编辑、查看、删除笔记

• 账号信息：查看个人资料、发帖足迹、提交 NPS 反馈

典型使用场景

• 「每日巡场」— 自动汇总今天新内容、待处理提问和评论

• 「整理评论区问题给我回复」— 找出未回复评论并起草回复

• 「做本周运营周报」— 统计新增/活跃/精华，生成结构化周报

• 「生成星球日报海报」— 把内容精选做成 PNG 海报图片

• 「把帖子做成视频」— 把星球内容转成竖版动画视频

（完）