Demonstrate It Once, and AI Replicates the Workflow? My Hands-On Test of Codex Record & Replay

OpenAI在Codex上線的Record and Replay功能，代表著AI在白領工作自動化中的一次範式轉換。這個功能的核心創新在於打破了自動化對技術能力的依賴——過去只有懂編程或寫提示詞的人才能驅動AI完成工作，現在任何人通過一次完整的工作演示就能生成可復用的Skill資產。講者特別強調這感受到「後背發涼」，因為它暗示了OpenAI在下一步有多大的野心。

從技術實現看，Record and Replay包含三個層次的設計。首先是Record層，Codex觀察用戶的所有操作、窗口內容、交互路徑，整個過程越乾淨越好以減少噪音。其次是Skill Drafting層，AI在大約5分鐘的思考中，將捕獲的工作流程抽象為一份明確的Skill說明書，包括何時使用、需要哪些輸入參數、按什麼順序執行步驟、如何驗證結果。最後是Replay層，當新任務到來時，AI將該Skill作為可重用的上下文，配合Computer Use插件和瀏覽器操作能力，自動在新的環境和數據下執行相同邏輯的任務。講者在實測中演示了兩個典型場景：一是YouTube完整視頻發佈流程，涵蓋視頻、標題、簡介、封面、字幕、播放列表、創收設置等多個步驟，AI成功生成了「Youtube studio folder upload」Skill，重放時基礎內容完全正確；二是剪映智慧剪口播任務，AI不僅完成了口播視頻中重複表達和停頓的刪除，甚至自主發現並啟用了講者原工作流中未用過的智能粗檢功能進行優化。

這個功能的深層意義在於OpenAI正在系統地吃掉數字世界的操作數據。過去OpenAI的訓練數據來自文本、代碼和多模態內容，現在它通過每次用戶的Record過程，獲得了數百萬人與GUI軟體交互的第一手記錄。這種數據特別寶貴，因為Codex的周活用戶已超500萬且在指數級增長——OpenAI甚至通過激進的邀請碼拉新機制（充值額度從10倍降至5倍，剩餘額度全用於拉新）加速這個數據收集。每一次的操作記錄都代表著真實的、有商業價值、高頻重複的工作內容，這些數據會被用來訓練模型在更廣泛的場景中完成相似的任務。

更根本的是，這個功能揭示了AI取代工作的真正邊界——並非90%與100%的差別看起來不大，實質卻是生死之別。如果一份工作90%由AI完成但最後10%需要人工確認和決策，那這份工作仍然保有高價值且無法被徹底替代；但一旦100%被AI接管，這份工作就面臨消亡。Record and Replay通過觀察和記錄人類完整的工作流程，正在逼近這條致命的100%臨界線。與此同時，傳統的GUI軟體正在被削弱——OpenAI官方建議改用MCP和API接口而非圖形界面，因為API模式的效率更高、穩定性更好；但這也意味著GUI操作的數據越來越多地被用於訓練AI，最終加速這些傳統軟體的邊緣化。從企業視角，工作流程的沉澱方式也在轉變：過去企業用SOP文檔記錄工作流程，未來這些經驗將自動沉澱為Skill資產庫，由Agent執行、人類把關最後的結果。