Build & Sell with Codex (5+ Hour Course)
三句話摘要
Codeex 新手到進階教程:18 個核心概念加上如何建立個人 AI 作業系統與第二大腦。 從完全無技術基礎到建立功能完整的 AI 作業系統的關鍵,在於堅持漸進式的四 C 框架與持續的反饋改進循環,讓 AI 從通用工具進化為真正懂你的業務共同創辦人。 18 個核心概念層級遞進:從基礎的專案與 agents.md,到環境的本地/雲端與工作樹,再到控制定制的模型選擇與技能建立,最後擴展到瀏覽器使用、網站部署、子代理委派與語音控制,每層都是下一層的基礎。
重點整理
18 個核心概念層級遞進:從基礎的專案與 agents.md,到環境的本地/雲端與工作樹,再到控制定制的模型選擇與技能建立,最後擴展到瀏覽器使用、網站部署、子代理委派與語音控制,每層都是下一層的基礎。
agents.md 是知識系統的樞紐:儲存專案規則與路由邏輯,每次開始對話時 AI 會先讀取它,確保 AI 理解業務脈絡與文件位置,讓通用 AI 轉變為懂你的商業助手。
四 C 框架驅動 AI 作業系統:Context(季度目標、商業模式等不常變的資訊)與 Connections(日常變化的工具如 Email、Slack)構成第二大腦,Capabilities(技能集)與 Cadence(自動化與排程任務)構成實際作業系統,四者環環相扣。
漸進式改進循環:透過 Onboard 收集初始資訊、Audit 評分檢查、LevelUp 獲得改進建議、Build 實施改變,然後重新 Audit,持續反覆優化系統而非一次性完成。
實用技巧與重點
- 18 個核心概念
- Part 1 基礎:Projects、Agents.md、Agent Loop、Slash Goals
- Part 2 環境:Local vs Cloud、Work Trees、Codex Config
- Part 3 控制定制:AI Models(Astra、Sonnet、Terra)、Effort Level(Low/Medium/High/Extra High/Ultra)、Permissions(Full Access/Approval for Me/Ask for Approval)、Skills、Agents、Plugins
- Part 4 工具與規模:Browser、Sites、Sub-Agents、Scheduled Tasks、Voice Mode
- 定價模型
- 訂閱:$20/月、$100/月、$200/月
- $200/月訂閱等於約 $14,000 推論額度
- API 定價:Astra $10/百萬輸入 token、$50/百萬輸出 token;Sonnet 與 Terra 更便宜
- 使用限制:按週重置,超額可購買 Codex 點數
- 四 C 框架定義
- Context:季度/年度目標、商業模式、客戶困點、優先事項(相對穩定)
- Connections:Email、Slack、ClickUp、Calendar、Financial Data(每日變化)
- Capabilities:建立的技能與自動化
- Cadence:排程任務與自主執行的代理
- 免費資源包五大技能
- Onboard:初始問卷,建立基本 Context 與 Connections
- Audit:評估系統完整度(滿分 100)
- LinkMap:建立文件與資訊路由邏輯
- LevelUp:基於 Audit 結果建議改進方向
- 3DBrain:將知識轉化為視覺化 3D 圖譜
- 其他工具
- Carpathy's LLM Wiki:爬取資料來源,自動發現知識間的關聯性
- Skills:重用工作流程與提示詞範本,支援自然語言或斜線命令呼叫
- Sub-Agents:委派工作給多個代理並行執行,可指定不同模型
- Browser Use:Codeex 控制瀏覽器進行真實網頁操作(GPT-6 Astra 表現最佳)
- Sites:將本地應用部署到雲端 URL,支援自訂網域與後端資料庫
結論
從完全無技術基礎到建立功能完整的 AI 作業系統的關鍵,在於堅持漸進式的四 C 框架與持續的反饋改進循環,讓 AI 從通用工具進化為真正懂你的業務共同創辦人。
完整解析
Nate 是本課程講師,他無任何技術背景卻因優秀的 AI 使用能力,將 AI 諮詢公司擴至月營收 $100,000 以上,現跨多個商業單位月均創造 $400,000 營收。他透過 Codeex 這個 OpenAI 開發的 AI 工具,將其轉變為個人的 AI 作業系統與第二大腦。
Codeex 核心價值在於 18 個漸進式概念。首先是基礎層:Projects 讓所有工作集中在一個專案資料夾,AI 會逐次理解你的業務脈絡,毋需重複介紹自己。Agents.md 是 markdown 檔案,儲存專案規則與路由邏輯(例如「需要商業建議看 Wiki」、「需要聲音風格看 References」),每次對話時 AI 優先讀取,確保上下文完整。Agent Loop 是 AI 的思考與行動循環,你可觀看 AI 如何運用工具逐步完成任務。Slash Goals 讓 AI 持續努力至達成目標,甚至在遇阻時重試。
環境層次涉及 Local vs Cloud:本地檔案只存在你的電腦,允許 AI 編輯修改;雲端則提供沙箱隔離。Work Trees 用於實驗性修改而不影響主分支(適合團隊開發)。Codex Config 分為專案級與全域設定,儲存技能、自動化與個人記憶。
控制定制層涵蓋模型選擇(Astra 最強最貴,Sonnet 與 Terra 漸進便宜)、Effort Level(低等級便宜但能力弱,高等級反之)、Permissions(完全存取、僅危險操作詢問、或全詢問)。Skills 是可重用的工作流程範本,執行一次後反饋改進,下次使用即得優化結果。Agents 資料夾儲存技能,支援全域或專案級別。Plugins 連接 Gmail、ClickUp、GitHub 等外部應用,或用 API Key 與 MCP Server。
工具規模層則展現 Codeex 的威力。Browser 讓 Codeex 控制你的瀏覽器進行實際操作,保存登入狀態後可代理管理帳戶。Sites 功能將應用部署至雲端 URL,支援連接資料庫與自訂網域,取代 Vercel 或 Squarespace。Sub-Agents 允許主對話委派工作給多個代理並行執行,可指定不同模型以節省昂貴模型的額度。Scheduled Tasks 讓 Codeex 自主執行,甚至可選擇本地或雲端執行、指定頻率(日/週/小時)。Voice Mode 讓你用語音操控一切,甚至在手機上遠端控制桌面代理。
建立 AI 作業系統的核心是四 C 框架。Context 是相對穩定的背景資訊(商業模式、年度目標、客戶痛點),而 Connections 是每日變化的工具數據(Email、Slack、Calendar)——這兩者構成第二大腦。Capabilities 與 Cadence 則是實際作業系統,前者是建立的技能與能力,後者是自動化與排程任務。當 AI 擁有完整 Context 與即時 Connections,它不再是通用聊天機器人,而是真正懂你的業務夥伴。
設定流程如下:先在電腦建立資料夾,在 Codeex 開啟為本地專案。使用免費資源包的 Onboard 技能進行初始問卷,系統自動建立 Context 資料夾(如 about_me.md、business_priorities.md)。接著手動連接工具與 App,建立 Connections。定期執行 Audit 技能評估系統完整度(滿分 100),LevelUp 技能會基於評分提建議方向。透過 Grill Me 技能反覆訪談自己,深化業務知識。使用 Carpathy's LLM Wiki 爬取資料來源並自動發現知識關聯。最後執行 3DBrain 技能將知識轉化為視覺化圖譜。此後,進入「Audit → LevelUp → Build」的循環改進流程。


