KeyFrame內部研究專用

Codex 新手教學,非技術人員也能上手的 AI Agent 新手指南

Gary Chen·6月14日週日·17 min中文

三句話摘要

從零上手 Codex:一個能直接操作你電腦檔案的 AI Agent,與 ChatGPT 的本質差異及四大使用基本功。 --- Codex 的價值在於它是真正在你電腦裡幹活的 Agent,而不是聊天機器人;掌握「專案、權限、上下文、AGENTS.md」四個基本功,就能把它從一個聰明的工具升級成越來越懂你的工作夥伴。 Codex 與 ChatGPT 的本質差異是執行層級不同。 ChatGPT 住在瀏覽器,你上傳它回答,動手的還是你;Codex 住在電腦裡,直接在授權範圍內讀檔、改檔、產生成品,是真正的執行者而非顧問。

重點整理

重點
  • 1

    Codex 與 ChatGPT 的本質差異是執行層級不同。 ChatGPT 住在瀏覽器,你上傳它回答,動手的還是你;Codex 住在電腦裡,直接在授權範圍內讀檔、改檔、產生成品,是真正的執行者而非顧問。

  • 2

    專案資料夾是 Codex 的工作邊界,整理資料夾本質上就是 Context Engineering。 把相關檔案歸入同一資料夾並取清楚的名稱,能讓 Codex 專注正確範圍、不亂翻整台電腦,同時避免白白消耗 token。

  • 3

    AGENTS.md 只放最低限度的規則,冗長 SOP 做成 Skill 另存。 每次開新 session Codex 都會先讀完這份文件,規則越肥佔用的思考空間越多,反而拉低回答品質;Skill 則是用時才叫出,不佔常駐空間。

  • 4

    Codex 除了是助理也是家教,使用者應以「帶新同事」的心態管理它。 給背景、確認計畫、驗收成果、錯了要說明哪裡錯、為什麼錯,這樣才能讓 Codex 越來越貼近你的工作方式,形成可持續校正的工作系統。

  • 5

    --

實用技巧與重點

乾貨
  • 工具 / 平台 / 模型
  • Codex(OpenAI AI Agent 桌面版)、ChatGPT、Claude Code、Claude Cowork
  • 圖像生成模型:image 2(Codex 內建)
  • 外掛程式:Gmail、Google Drive
  • 權限三模式
  • 要求核准模式(預設):只能讀,改檔需逐一授權
  • 待我核准模式:工作資料夾內自由讀寫,出資料夾或連網才問
  • Full Access / YOLO 模式:完全放行,含網路與整台電腦
  • 介面功能
  • 三欄式:左(對話/專案/外掛)、中(輸入)、右(預覽/結果)
  • `@` 附加特定檔案、`/` 查看狀態或指定 Skill
  • Fork(分叉):從同一節點產生平行 session,A/B 測試兩條路徑
  • 視覺化註解:在網頁預覽直接點元素下指令,不需會寫 code
  • `/compact`:手動壓縮上下文,建議上下文達 80% 時執行
  • AGENTS.md 範例規則
  • 請用繁體中文輸出
  • 不要刪除原始檔
  • 修改文件前先說明要改哪裡
  • 所有報名名單輸出成 Excel
  • 做完附上處理摘要
  • 講座籌備案例步驟
  • 掃描資料夾 → 重新命名檔案(如 `final最後版` → `202606_講座活動說明`)
  • 整理報名名單 Excel,保留姓名/部門/信箱/出席/飲食欄位,產出處理日誌
  • 串接 Gmail,針對每人寫客製確認信
  • 用 Planning Mode 先列網站架構計畫,確認規格後才動手
  • 用 image 2 生成活動主視覺、簡報封面、講者卡片
  • 語音輸入使用比例:講者本人約 80%
  • --

結論

結論

Codex 的價值在於它是真正在你電腦裡幹活的 Agent,而不是聊天機器人;掌握「專案、權限、上下文、AGENTS.md」四個基本功,就能把它從一個聰明的工具升級成越來越懂你的工作夥伴。

完整解析

詳細

現在的 AI 工具可以粗分成兩類:住在瀏覽器的聊天機器人(如 ChatGPT、Claude 網頁版),以及住在電腦裡的 Agent(如 Codex、Claude Code)。前者的工作流程是「你上傳 → 它回答 → 你下載整理」,人還是主要的執行者;後者則是直接鑽進你的工作環境,在授權範圍內自己讀檔、改檔、產出成品。把 Codex 當 ChatGPT 用,就像買了特斯拉只拿來聽廣播——功能根本沒發揮到。

正因為 Codex 能碰你的電腦,新手必須先掌握四個基本功才能安全駕馭它。第一是專案:把相關檔案集中在一個資料夾,Codex 就只在這個邊界裡運作,不會大海撈針地翻整台電腦;這件事本質上就是 Context Engineering,資料夾整理乾淨,AI 協作效率才會高。第二是權限:三種模式從保守到全開,建議新手從「待我核准」模式起手,被問幾次摸清邏輯後再逐步放手,進階用戶可開 Full Access 但要在 AGENTS.md 裡鎖死不可逆操作(如「不得刪除原始檔」)以降低風險。第三是上下文管理:上下文太長會壓縮 Codex 的思考空間,建議每完成一個階段就用 `/compact` 手動壓縮,上下文指示器到 80% 就處理,不要等滿了被迫自動壓縮而漏掉重要資訊。第四是 AGENTS.md:這份放在專案資料夾的規則書是每次 session 的最高指導原則,只寫最低限度的必要規則(輸出語言、禁止動作、格式要求),冗長的 SOP 另存為 Skill,需要時再叫出,避免常駐佔空間拉低品質。

AGENTS.md 與 Memory 的區別值得特別說明:AGENTS.md 是你親手寫的專案員工守則,跟著資料夾走、可精確控制;Memory 是 Codex 自動累積的個人觀察筆記,會越來越懂你,但可能過度解讀(例如你只是短暫試了某個框架,它卻以為是長期習慣)。因此 Memory 要定期清理,直接問 Codex「你現在記了我哪些東西」再告訴它哪些可刪。簡單說:個人長期偏好給 Memory,專案規則與地雷寫進 AGENTS.md。

實際應用上,以籌辦一場線下講座為例,Codex 可以依序完成:掃描並重命名資料夾裡的混亂檔案、整理報名名單成格式乾淨的 Excel 並產出處理日誌(含缺漏欄位清單)、串接 Gmail 寫客製確認信、用 Planning Mode 先規劃網站架構再動手做活動頁、用 image 2 生成視覺素材。除了執行,Codex 也能扮演「家教」角色——不懂某個工具,可以叫它邊裝邊解釋;拿到別人的 Skill 看不懂,丟給它問怎麼用、怎麼改成適合自己的版本。最終目標不是省幾分鐘,而是建立一套可持續訓練、校正、沉澱的個人工作系統。

---

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。