KeyFrame內部研究專用

Build & Sell with Codex (5+ Hour Course)

Nate Herk英文
觀看原始影片

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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。