Codex「复读机」实战：手把手教 AI 录制与复现你的日常工作流

在日常工作中，你是否经常遇到一些繁琐、重复，但又很难用几句话跟 AI 解释清楚的操作？

比如每周固定的报销审批、特定格式的周报整理，或者往系统里录入一堆格式零散的数据。

Codex 近期推出的 Record & Replay（录制与复现） 功能，正是为了解决这类“说不清楚，但做一遍就能懂”的复杂工作流。

简单来说，你只需要在电脑上完整演示一遍操作，Codex 就会在后台观察并学习，自动将整套流程打包成一个可复用的“技能（Skill）”。

下次遇到同样的任务，你只需一键调用这个技能，剩下的工作全部交给 AI 自动执行。

---

一、 什么是 Record & Replay？核心适用场景分析

传统的自动化工具（如 Zapier 或 Python 脚本）通常高度依赖软件开放的 API。如果某个系统没有 API，或者操作步骤因人而异，自动化就会直接卡壳。

Record & Replay 另辟蹊径，它让 AI 直接通过图形界面（GUI）学习人类的操作逻辑。

这种“学徒模式”特别适合以下几类场景：

• 规则复杂的日常报销：需要根据不同发票类型填入不同的系统字段，且伴随个人偏好。
• 周期性报表拉取：每周登录后台，筛选特定日期，下载 CSV 并重新命名归档。
• 特定格式的 Issue 创建：在 GitHub 或 Jira 中，根据特定模板和标签规范创建任务。
• 多平台内容分发：将视频或文章手动上传至多个平台，并配置不同的封面和标签。

这些任务的共同点在于：步骤繁琐，且包含大量只有你才知道的“隐性规则”（如命名规范、默认勾选项）。

与其花时间写几百字的操作文档给 AI，不如直接在它面前演示一遍。

---

二、 手把手教程：如何录制你的第一个 AI 技能

录制一个可用的工作流技能并不复杂，整个过程可以拆分为以下几个标准步骤：

第一步：启用插件

在 Codex 客户端中打开 Plugins（插件） 页面，搜索并添加 Record & Replay 插件。

第二步：授权录制

点击插件后，系统会弹出权限请求窗口，允许 Codex 观察你的屏幕操作。准备就绪后点击同意。

第三步：开始演示

在你的 Mac 电脑上正常执行一次完整的任务。

在此期间，Codex 会在后台静默观察，记录你点击了哪些按钮、切换了哪些窗口、输入了哪些文本。

第四步：结束录制

任务完成后，通过菜单栏、悬浮窗的停止按钮，或者直接在对话框中对 Codex 说“录制完成”，即可结束。

第五步：生成与微调技能

录制结束后，Codex 会自动复盘捕捉到的步骤，并起草一份技能说明书。

这份说明书会明确：

• 该技能的触发场景。
• 需要用户提供哪些变量输入。
• 具体的执行步骤与预期结果。

如果生成的步骤有偏差，你可以通过对话直接让它修改和打磨。

---

三、 进阶配置：多模型服务与本地环境接入

许多开发者不知道的是，Codex 客户端不仅支持官方模型，还支持通过修改配置文件来接入第三方模型服务。

如果你需要更灵活的模型选择，可以在 config.toml 文件中配置 model_providers，将其指向本地模型（如 Ollama、LM Studio）或符合标准接口的第三方模型服务。

在配置自定义模型服务时，我们需要关注 API Key、Base URL 以及模型名称的正确填写。

为了方便演示，本文采用 iThinkAPI 作为 OpenAI Compatible API 的配置环境。

在实际部署时，你可以参考以下配置块进行环境设置：

Base URL：https://token.ithinkai.cn/v1
API Key：YOUR_API_KEY
Model：以服务文档为准，最新模型 gpt-5.5、claude-opus-4-8、gpt-image-2 等可按文档查看；涉及图片生成时，以 0.05¥/图起、2k/4k 支持等服务文档说明为准。

为了让自定义模型顺利运行，我们需要完成以下两个配置步骤：

第二步：挑选模型与确定分组

首先，登录你的多模型聚合平台控制台，进入模型广场。

在搜索栏中输入 gpt、claude 或 image 等关键词，筛选出适合你当前自动化任务的模型。

由于不同任务对推理能力的要求不同，你需要确认所选模型对应的分组或线路。

请注意，同一模型在不同分组下的响应速度、调用额度和可用状态可能会有所不同，具体选择应以平台服务文档的实时说明为准。

第三步：创建 API 令牌

确定好模型和分组后，进入控制台的令牌管理页面，点击“添加令牌”。

在创建令牌时，将其与你在上一步中选定的模型分组进行绑定。

如果你不确定后续会使用哪些具体的模型限制，可以先不限制模型范围，直接创建。

生成令牌后，复制系统提供的 API Key，回到 Codex 的 config.toml 或客户端设置界面，填入对应的 Base URL 和 Key，即可完成环境配置并开始测试。

---

四、 深度解析：Codex 到底是如何控制电脑的？

要让录制下来的技能稳定复现，Codex 依赖于其底层的三大“电脑操作”机制。

这三种机制相辅相成，覆盖了不同的应用场景：

1. Computer Use（系统级控制）

这是覆盖面最广的控制方式。AI 可以直接“看”到 macOS 或 Windows 的屏幕，并通过模拟鼠标点击、键盘输入和剪贴板操作来控制软件。

• 优势：即使应用没有提供任何 API（如本地的系统设置、Xcode、甚至通过镜像连接的 iPhone），AI 也能正常操作。
• 劣势：执行速度较慢。因为 AI 需要“看一眼、想一下、动一下”，一步一回头地确认状态。
• 安全建议：涉及支付、敏感账户权限的操作，建议人类全程在场监督。

2. Chrome 扩展（浏览器接管）

该机制直接接管你已经登录的 Chrome 浏览器，非常适合处理基于 Web 的任务（如 Gmail、Salesforce 或企业内部后台）。

• 优势：可以直接利用你已有的登录态和 Cookie，支持多标签页协同操作。
• 限制：由于代表的是你本人的身份，涉及“发送”、“发布”或“购买”等关键动作时，通常需要你手动确认。

3. 应用内浏览器（沙箱隔离）

这是活在 Codex 对话内部的独立浏览器，与你的日常浏览器配置、Cookie 完全隔离。

• 优势：非常适合网页开发与调试。AI 可以在这个干净的沙箱里修改代码、刷新页面、截图并直接排错，形成高效的反馈闭环。

此外，Codex 还配备了 Appshot 机制。

在 Mac 上连按两下 CMD 键，AI 就会自动截取当前最前端的窗口，并将其作为上下文读入对话。

用一句话总结：Appshot 负责指明方向，而 Computer Use 和浏览器扩展则负责具体动手干活。

---

五、 实战避坑指南与管理员配置限制

在正式上手 Record & Replay 之前，有几个关键的配置细节和限制需要提前了解，避免踩坑。

1. 录制时的实用建议

• 保持流程短而完整：不要一次性录制过于冗长的跨天任务，尽量拆解为单一目标的短流程。
• 明确输入变量：在录制前，先明确告诉 Codex 哪些数据是每次都会变的（例如“这次要上传的文件是 A.mp4”）。
• 保护隐私安全：录制过程中，切勿输入密码、验证码或敏感的个人隐私数据。

2. 组织管理员配置限制

如果你在企业环境中使用 Codex，并且发现客户端里找不到 Record & Replay 功能，这通常是因为管理员在全局配置文件中关闭了相关权限。

在企业统一管理的 requirements.toml 文件中，[features].computer_use 这一项是与 Record & Replay 绑定的。

如果管理员将该项设为了 false：

[features]
computer_use = false

那么 Computer Use 和 Record & Replay 功能将会同时被禁用。遇到此问题，需要联系系统管理员开启对应权限。

---

六、 结语：人正在从“软件操作者”变成“AI 训练者”

Record & Replay 的出现，标志着人机交互方式正在发生本质的变化。

在过去，自动化的边界取决于软件厂商愿意开放多少 API。

而现在，AI 开始直接学习人类使用图形界面的方式。

操作系统不再仅仅是人类操作各种独立软件的平台，而是逐渐演变为 AI 理解和执行任务的介质。

未来，我们或许不再需要花大量时间去学习各种复杂软件的琐碎操作，而是需要学会如何把自己的行业经验，高效地“录制”并传授给 AI。