2026 年 6 月 19 日端午节，OpenAI 提前一天送了个礼物——随 Codex app 26.616 发布的 Record & Replay 功能。别人送礼送粽子，OpenAI 送礼送自动化。它让用户通过一次操作演示，自动生成可复用的 skill，后续由 Codex 自动执行。

说人话就是：你做一遍，它记住了，下次它自己来。你只管吃粽子。

一、功能定位

Record & Replay 解决一个核心问题：重复性操作需要反复用 prompt 描述。

过去让 Codex 执行重复任务，用户必须在 prompt 里逐步说明步骤、字段、规则。Record & Replay 将这个过程简化为：用户完整演示一次流程，Codex 观察并记录，然后自动生成一份结构化 skill。

官方将其定位为 skill 创建的新入口，与手写 SKILL.md 并列。

二、工作流程

Record & Replay 分为三个阶段：

Record（录制）：用户在 Codex app 中点击 Record a skill，补充上下文 prompt 后开始录制。Codex 通过 Screen Recording 和 Accessibility 权限观察用户在 macOS 上的操作。流程完成后用户停止录制。

Distill（提炼）：Codex 检查捕获到的操作和窗口内容，自动起草一份 skill 文件，包含：使用条件、输入参数、执行步骤、验证方式。生成结果为草稿（draft），并非最终版。

Replay（回放）：用户在新线程中调用该 skill，提供本次变化的输入（如不同文件、日期），Codex 结合 Computer Use、browser actions 或插件执行流程。

三、与传统自动化的区别

传统宏或 RPA 工具记录的是固定坐标和固定 UI 元素路径，界面变化即失效。

Record & Replay 生成的 skill 是基于自然语言描述的工作流程文件。执行时 Codex 通过视觉理解识别当前界面状态，再按 skill 描述的步骤灵活执行。因此它对界面变化的适应能力优于固定脚本，但确定性低于传统代码自动化。

它的定位介于"人工操作 SOP"和"代码脚本"之间。

四、适用场景

官方建议的适用条件：重复发生、依赖个人偏好、演示比描述更容易、步骤稳定且成功标准清晰。

典型用例：

• • 提交费用报销

• • 预订停车位

• • 创建配置好的 issue

• • 发布视频

• • 下载周期性报表并归档

不适合的场景：

• • 一次性任务

• • 高风险不可逆操作

• • 需要大量隐藏业务判断的流程

• • 需要强确定性、可审计、可回滚的核心生产操作

五、注意事项与风险

1. 1. 单次演示过拟合：一次演示只覆盖一条顺利路径。文件已存在、登录过期、表单校验失败等分支不会自动纳入 skill，需要人工补充。就好比教人包粽子，你只演示了包成功的那个，没教他米漏了该怎么办。

2. 2. 隐含偏好未被记录：演示时用户凭经验做出的判断（如命名规则、默认字段）不会自动写入 skill，需要后续补充。

3. 3. 敏感数据暴露：录制依赖窗口内容观察，官方建议避免在录制中输入密码、token、客户隐私。想想看，端午节别人送你粽子，结果你把自己的密码也包进去了。

4. 4. 平台限制：目前仅 macOS 可用，排除欧洲经济区、英国、瑞士。Windows 用户可能得先吃个粽子冷静一下。

5. 5. Skill 治理问题：创建成本降低后可能出现 skill 膨胀——重复、过时、命名不清的 skill 累积，需要团队建立审查和淘汰机制。

6. 6. 早期可用性：有用户反馈插件安装并授权后仍提示"Record & Replay is not enabled for this user"，可能存在服务端 feature flag 控制。属于是粽子已经上桌了，但你的筷子还没到。

   

六、使用建议

录制前明确目标，使用低敏样例数据，只演示目标流程，到达成功状态后立即停止。录制后审查生成的 skill，至少补充输入参数、前置条件、失败分支、成功标准。上线前用不同输入验证多轮，高风险步骤添加人工确认。

团队使用时建议将 skill 纳入版本管理，指定 owner，记录 changelog，定期淘汰。

七、总结

Record & Replay 的核心价值不是"录屏回放"，而是将人类的一次操作演示转化为可读、可改、可复用的 agent 工作说明。它降低了创建 skill 的门槛，但不会自动解决流程完整性问题。生成的 skill 是草稿，可靠性来自后续的人工审查、分支补充和验证。

---

参考来源：

• • OpenAI Developers: Record & Replay

• • OpenAI Developers: Codex changelog

• • OpenAI Developers: Agent Skills

• • OpenAI Developers: Computer Use

• • Feng et al. Get Experience from Practice: LLM Agents with Record & Replay

• • OpenAI Developer Community: Introducing Record & Replay