Skill 技能

刚刚，Codex 大更新，你在电脑的操作正在成为 AI 经验包

2026 年 6 月 22 日

Codex 推出 Record & Replay 功能，让AI通过观察学习直接接管你的重复性工作。核心内容： 1. Record & Replay 功能的核心原理与“学徒”模式 2. 该功能适用的具体场景与操作步骤详解 3. 录制技巧与Skill复用机制的实际应用

你坐在电脑前干活，旁边有个家伙一声不吭盯着你。你点哪它看哪，你填什么它记什么，等你做完，它说一句：下次这活我来。

这就是 Codex 刚刚发布的重磅功能，叫 Record & Replay。

翻译过来就是录制加复现。

你把一套操作完整演示一遍，Codex 在旁边观察学习，然后把整套流程打包成一个 skill（技能）。下回要干同样的活，新开个对话，让它调这个 skill，再告诉它这次哪里不一样，剩下的它自己搞定。

图形界面，这个原本为了让人类摆脱命令行而发明的伟大创造，现在有望成了 AI 接管电脑的现成基础设施。

「学徒」模式上线，Codex 开始复制你的工作流

当然，不是所有任务都适合这么玩。

Record & Replay 瞄准的是那种重复、看个人偏好、说不清楚但做一遍你就懂的活。适用场景有这么几个：报销、订停车位、建一个配置正确的 issue、发视频、拉周期性报表。

这些活有个共同点。要么步骤又固定又繁琐，要么里头藏着一堆只有你自己知道的隐性规则。

比如文件该怎么命名、某个字段默认填啥、到了某个岔路口该往哪走。这种东西你要用文字一条条写清楚给 AI，成本极高。不如直接做一遍，让它自己看。

操作过程也比想象中省事，主要拆成了七步。

先在 Codex 应用里打开 Plugins（插件），搜索并添加 Record & Replay 插件。

然后它来要录制权限，你准备好了就点同意。

剩下的就是你在 Mac 上正常把活干一遍。

这期间 Codex 全程观察，学这套操作要点哪些地方、动哪些窗口的内容。

录制会一直开着，直到你主动停止。所以记住，专心做那一个任务就行，别录着录着开始干别的。

干完从菜单栏或悬浮层停止，或者直接跟 Codex 说一声已经录完。

录完之后 Codex 会复盘一遍刚捕捉到的流程，自己起草一个 skill。这个 skill 里写得很清楚：什么时候该用这套流程、需要哪些输入、按什么步骤走、做完怎么验证结果。

你要是觉得它写得不够好，还能让它再打磨。

几条录制建议值得照做：

演示尽量短而完整；录之前先把目标和那些每次会变的输入告诉 Codex；用真实输入，但密码和敏感数据千万别录进去；录完后补上那些重要的隐性偏好，比如命名规范、字段默认值、决策点怎么选；流程做完就停，别拖到无关的收尾动作上。

至于，下次复现就简单了。新开对话，让它调这个 skill，把这次的具体值喂给它，比如要传哪个文件、建哪个 issue、报表要哪段时间。

有个关键设定需要注意：Codex 会把这个 skill 当作可复用的上下文（reusable context）。

什么意思呢？这个 skill 不是一段写死的脚本，而是一份它每次都能拿来参考、再结合当前环境灵活执行的说明书。所以同一个 skill，这次传 A 文件、下次传 B 文件，它都能套着用。

具体干活的时候，它会调动当前环境里能用的工具，包括 Computer Use、浏览器操作和已安装的插件，把流程跑完。

Codex 到底怎么「用电脑」

来看一次公开演示。

这回 Codex 要学的是上传 YouTube 视频的完整流程。它的工作方式是盯着用户在 YouTube Studio 里操作，把点击、选文件、敲文字这一整串动作全捕捉下来。

诸如选视频文件、填标题和描述、传缩略图、加字幕、设隐私选项等等，Codex 全记下来了，随后展示了独立复现的能力。

更有意思的是，它不只是机械地照着步骤复读，还试图搞懂背后的逻辑和门道。

比如什么时候该把视频设成 Private、什么时候设 Unlisted，怎么管 .mp4 视频文件和 .srt 字幕文件这种成对的东西，元数据字段该怎么填，字幕怎么跟视频对上号。

它甚至现场处理了一次报错：

缺 Python 环境的时候，它直接从已安装的 skill 位置读信息，自己适配过去了。而这一整段录下来，转译成一个随时能调用的 skill。

换句话说，Codex 一旦学会，理论上就能在没人盯着的情况下反复执行。对那些天天要传一堆视频的内容工作流来说，这事确实有用。

要搞懂它凭什么能复现，得先看 Codex 到底怎么操作电脑。

OpenAI 工程师 Jason 之前梳理过 Codex 用电脑的三条路，能力有重叠，各有各的地盘。总原则是：能用插件或 MCP 就先用，视觉控制留给结构化工具够不着的边角。

第一种叫 Computer Use，覆盖面最广。

它能在 macOS 和 Windows 上看见并操作图形界面，通过窗口、菜单、键盘、剪贴板来动那些授权过的应用。

代价是慢，因为它得看界面、判断点哪、等响应、再确认状态，一步一回头。但好处也明显，那些没有 API 的应用它也能对付，比如 Spotify、Xcode、系统设置、iOS 模拟器，甚至能通过 iPhone 镜像去操作 iPhone。

在 macOS 上它还能后台跑，你能同时干别的。它信任边界也最宽，凡涉及钱、账户、支付、凭据的改动，建议你全程在场盯着。

这也解释了为什么 Record & Replay 只能跟着 Computer Use 一起开启。它录下来的操作要复现，靠的就是 Computer Use 这套看界面、动鼠标键盘的底层能力。

第二种是 Chrome 扩展。

它接管你已经登录好的 Chrome，适合那种靠账号、cookie、已认证标签页的任务，比如 Gmail、Salesforce、内部仪表盘。它能玩多标签，把同一个任务的好几个标签页串成一个完整工作流来理解。

代价是它带着你的身份在动，网站会把它的点击和提交都当成你本人，所以发送、发布、购买这种步骤一般得先过你审核。

第三种是应用内浏览器。

它活在 Codex 对话内部，跟你共享同一个渲染页面，特别适合开发调试 Web 应用。它最大的特点是隔离，不碰你的浏览器配置、cookie、扩展和登录会话。

需要的时候这是限制，不需要的时候反而是个干净的边界。开发者能让它改代码、操作页面、截图、修完再跑一遍，形成一个紧密的反馈循环，还能直接点页面元素留设计意见。

另外还有个叫 Appshot 的机制，它不操作电脑，只负责把 Codex 的注意力指到你眼前的东西上。在 Mac 上连按两下 CMD 键，它就抓最前面那个窗口，把图像和文字附进对话。你对着一个报错、一封邮件、一个看不懂的表单直接发问就行。

用 Jason 的话说，Appshot 负责指方向，浏览器、Chrome 扩展和 Computer Use 负责动手。而 Record & Replay 录下来的 skill，正是可以随时调动上面任意一种或几种方式来复现。

人类操作软件的经验，正在变成 AI 技能

从今年以来，Codex 的发布节奏仍在不断加速，许多人都不知道的是，Codex 应用、CLI 和 SDK 不是只能配 OpenAI 自家模型。

在 config.toml 里配一下 model_providers，你可以把 Codex 指向 Ollama、LM Studio 这类本地开源模型，也能接 Mistral、Azure、Amazon Bedrock 这些第三方。传个 --oss 参数就能跑本地 provider，不指定的话默认走 oss_provider。

🔗 https://developers.openai.com/codex/config-advanced#oss-mode-local-providers

也就是说，Record & Replay 这种能力，载体本身是个对模型开放的客户端。

它也有适用范围。Record & Replay 是从一次演示里快速造 skill 的捷径，但如果你想把一个稳定的包发给整个团队、捆绑好几个 skill、加应用集成或 MCP 服务器、管安装元数据，那就别停在录制层面，老实打包成独立插件。

还有几个上手前最好先知道的限制。

Record & Replay 目前只在 macOS 上能用，首发不覆盖欧盟、英国和瑞士，而且必须先开启 Computer Use 功能。

如果你是组织管理员，还有个坑得避开：

要是你们用 requirements.toml 统一管 Codex，那 [features].computer_use 这一项是连 Record & Replay 一起管的。

🔗 https://developers.openai.com/codex/record-and-replay

哪天把 computer_use 设成 false，你会发现这俩功能一起消失。所以要是你发现「我这儿压根看不到 Record & Replay」，先去查这一项是不是被关了。

「Record & Replay」的上线，看起来只是一个录制和复现操作的小功能，但放到更大的背景里，它代表的是 AI 与软件交互方式的一次变化。

过去，自动化的基础是 API。软件必须先开放接口，把能力封装成机器能够调用的服务，自动化工具和 AI 才能接手流程。没有 API，没有结构化入口，很多任务就无法实现自动化。

因此，传统自动化的边界，往往取决于软件愿意开放多少能力。

但现在，OpenAI 试图绕开这层限制。它不再要求软件专门为 AI 提供接口，而是让 AI 直接学习人类使用软件的方式。人能看懂按钮、菜单和窗口，它也去理解；人能完成点击、输入和切换页面，它也去执行。

这意味着，AI 的工作对象开始从 API 扩展到整个图形界面。换言之，「Computer Use」负责赋予 AI 操作电脑的能力，而「Record & Replay」则负责把人的操作经验沉淀成可复用的技能。

这背后对应的，其实是操作系统角色的变化。过去，操作系统是所有软件的组织者。我们在 Mac 或 Windows 上安装各种应用，再由人自己在不同软件之间切换、复制、整理和传递信息。

人始终是连接各个软件的中间层。

而当 AI 能够跨应用观察、理解并执行任务时，它开始承担这层角色。对于用户来说，关注点逐渐从「如何操作软件」，转向「想完成什么事情」。

报销软件怎么填、视频后台怎么配置、多个系统之间如何来回切换，这些细节理论上都可以交给 AI 处理。照这样发展下去，未来真正频繁使用软件的，未必是人，而是 AI。

对于 AI 来说，漂亮的界面没有意义，复杂的菜单也没有意义。它更关心的是：这个软件能不能完成任务、能不能被调用、能不能稳定执行流程。

从这个角度看，「Record & Replay」真正有意思的地方，不是又多了一个自动化功能，而是它透露出一种新的趋势：人正在从软件的直接操作者，逐渐变成软件能力的训练者。

今天我们学习怎么使用工具，未来或许更重要的一项能力，是教会 AI 使用工具。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

刚刚，Codex 大更新，你在电脑的操作正在成为 AI 经验包

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单