现在，很多业务同学开始尝试用 AI 重构自己的日常工作流，但在创建skill的过程中却遇到很多问题：
1. 日常工作流程散在不同地方：系统页面、本地文件，甚至部分流程需要经验判断。很多人不清楚怎么清晰描述流程，导致 AI 一遍遍混淆，最后只好放弃；
2. 即使 AI 搞懂流程，让它亲自执行时也有很多问题：登陆态无法获取、本地环境缺少依赖、浏览器操作点击不准确等等；
3. 好不容易跑通一次，换个对话窗口、换个输入、隔天再执行，又冒出新问题。因为当时聊明白的逻辑，很多没有写进 Skill，只留在那次上下文里。
经过多轮业务场景调研和实际验证后，京东健康产研提出了一条稳定高效的业务流程 Skill 化路径。
二、如何把业务流程创建成高质量Skill
Mac 可以用 Codex Record & Replay 记录操作过程。Windows 可以先录屏，把视频交给 Codex 生成初版 Skill。 生成出的 SKILL.md如果是英文，让 Codex 翻译成中文。补充相应业务背景，说明这件事为什么要做，谁会用，输入从哪来，输出给谁看。字段口径、专有名词、异常情况和安全红线，建议人工审查。 涉及到浏览器操作的，后续需要转换成API接口版本。 涉及到本地应用操作（如Excel操作、文件改名、目录归档等），后续需要让Codex转换成本地脚本。 使用真实数据验证Skill，跑不通的地方，直接让 Codex 修改 Skill。
1. 用录制生成 Skill
创建Skill时，可以使用 Codex 的 Record & Replay 插件，把一次手工操作录下来，再让 AI 生成可复用流程。这样创建Skill不仅快速，而且能够迅速让AI实际理解业务流程，后续进行优化时不用人工反复描述。
安装插件Record & Replay
使用
录制
复用
注意：
第一次只录低风险读操作，不录自动提交、自动发布、自动改价。 录完要让 AI 解释每一步在做什么。 页面变更后要重新验证。
目前Record & Replay只在Mac版本的Codex中支持，Windows可基于自己录制的视频制作Skill
提示词&中间过程
最终效果
codex根据视频生成skill，token消耗统计：
工作内容：打开浏览器，跳转部门风险统计页面，查询并下载excel，基于Excel进行聚合统计
视频长度：1分30秒
codex推理等级：中，模型：GPT5.5
codex生成skill时长：6分钟
cc-switch统计-token消耗：$22. 页面操作逐步转 API 操作
使用Record & Replay创建的Skill，尽管创建流程简单，但它的本质实际是让 AI 去操作页面，这不但有可能影响我们对电脑的操作，还有可能无法稳定复现。如果流程长期一致，可以逐步升级为 API 操作，效率更高并且更稳定。
升级路径：
2.1. 录制成功路径并同步保留网络请求记录
打开浏览器开发者工具的 Network 面板，执行业务流程，导出 HAR 给 Codex。HAR 会包含请求、响应、Header、Cookie、耗时等信息。
如何获取并下载HAR？1. 在Chrome浏览器页面按F12，会唤起如下图左的开发者工具。
2. 唤起开发者工具后，正常操作页面。
3. 浏览器全部操作结束后，依次点击网络->Fetch/XHR->下载，下载har文件。
开发者工具
下载
2.2. AI 输出替换升级方案
首先让 Codex 解释页面动作，再分析 Network 请求。一次页面操作会触发很多请求，但是真正需要自动化的通常只有几个业务接口。让 Codex 同时读旧 Skill 和 HAR，让它帮助我们筛选出核心接口，并输出替换方案。
可以让Codex这样做：
请基于我提供的旧 `SKILL.md`以及 HAR 文件输出一份Skill升级替换方案。
先不要修改 Skill，也不要执行接口。请先完成分析并给出替换方案。
要求：
1. 先还原原流程
- 每一步页面操作对应什么业务目的。
- 每一步需要什么输入。
- 每一步产生什么输出。
- 最后怎么判断结果正确。
2. 再分析网络请求
- 从 HAR 中找出核心业务接口。
- 过滤静态资源、埋点、日志上报等无关请求。
- 标出和登录、鉴权、CSRF、任务轮询、文件下载有关的请求。
- 如果一个页面动作触发多个接口，请说明它们的先后关系。
3. 输出替换方案
请按表格输出：
- 原 Skill 步骤
- 当前执行方式
- 建议替换方式：API / 本地脚本 / 继续浏览器操作 / 人工确认
- 对应接口或脚本
- 关键入参
- 关键出参
- 验收方式
- 风险等级
- 是否建议现在替换
4. 登录态处理
- 使用 Python 的 `browser-cookie3` 来获取jd.com的Cookie登录态，用这个登录态访问接口。
- 不要把 Cookie 写进 `SKILL.md`、脚本或日志。
5. API 替换要求
- 查询、筛选、导出、下载这类低风险读操作，可以优先改成 API。
- 提交、审批、发消息、改状态等写操作，必须保留人工确认。
6. 本地脚本替换要求
- Excel 处理、文件改名、目录归档、数据清洗，可以改成本地脚本。
- 请说明脚本入口、输入参数、输出路径、失败日志和验收方式。
7. 信息不足时
如果缺少必要信息，请列出还需要我补充的材料，例如新的 HAR、接口返回样例、字段口径、截图、业务规则说明。
最终只输出升级方案，不要直接改文件。
2.3. 固化到 Skill
修改 Skill 时，把“点页面”和“操作电脑”的描述替换成更稳定的执行方式：
浏览器查询步骤 -> 调用查询 API。 浏览器导出步骤 -> 调用导出 API，并轮询任务状态。 下载后打开 Excel -> 用脚本读取 Excel。 手工复制粘贴 -> 用脚本合并、筛选、生成结果。 人工看一眼 -> 保留抽样核对和确认点。
可以让Codex这样做：
请基于刚才的替换方案优化这个 Skill。
要求：
1. 保留 Skill 的适用场景、输入项、输出项和业务规则。
2. 把可替换的浏览器点击改成 API 调用步骤。
3. 把可替换的电脑操作改成本地脚本步骤。
4. 不要自动执行写操作；涉及提交、审批、发消息时保留人工确认。
5. 给每个 API 或脚本步骤补充验收方式。刚开始切换时，很容易遇到接口报错，可以让Codex排查原因进行优化，直到可以稳定执行；也可以增加各种不同筛选条件来重复步骤1，为Codex提供更多可参考的HAR文件。
3. 让 Skill 在多台电脑稳定跑通
Skill 第一次跑通，只能说明它理解了一个样例。要交给日常工作，需要让它在自己的电脑、不同输入、他人电脑上多跑几次。每次失败后，把原因写回 Skill 或脚本，减少下次临场解释。
建议按三轮验证：
3.1. 本机连续验证
先在自己电脑跑三次：一次用录制时同一组输入，一次换新的真实输入，一次故意制造边界情况。
3.2. 跨环境验证
把 Skill 发给一位同事，或者换一台电脑运行。重点看四类问题：是否依赖个人绝对路径；是否写死账号、Cookie、Token；是否缺少浏览器插件、Python 包、Node 包或系统权限；输出目录和文件命名是否能被别人理解。发现环境差异后，把处理方式补到 Skill 的“前置条件”和“常见问题”。
3.3. 业务结果验证
要抽样核对结果是否符合人工口径：筛选条件是否生效，导出数量是否对得上，写操作是否停在人工确认。涉及 API 替换的步骤，还要核对接口返回数量、文件下载状态、最终表格行数。
运行发现接口报错
给出参考请求让AI修改
正常使用
4. 定时自动执行
当Skill能够稳定跑通后，可以通过Codex中的定时任务功能定时自动执行Skill，省略人工操作；也可以考虑交给内部定时任务或正式系统执行。
示例：
每个工作日上午 9 点，执行/XXX-skill这个技能，
汇总关键指标，生成一页摘要存到“汇总”文件夹。注意：
定时任务要有失败提示。 电脑休眠、关机、软件没开时，本地任务可能无法执行。（可以用JoyClaw云端或者JoyAgent执行） 关键业务结果仍需人工看一眼。
原始流程：
打开JoyHR 找简历页面。 选择所需的筛选范围。 点击查询。 逐个搜索简历并点击导出。 下载 Pdf。 人工检查。 
API Skill 流程：
把招聘需求转换成 JoyHR 搜索参数。 调用 JoyHR 人才库搜索接口，分页获取候选人列表，保留候选人的安全摘要和 reviewRank。按候选人逐个调用简历详情接口，提取工作经历、项目经历、教育经历、技能标签等筛选证据。 用脚本替代页面逐个点开简历的动作，生成初筛结论和不推荐原因。 对推荐候选人做二次排序，分成“优先关注”“备选关注”“复核不通过”。 只下载“优先关注”和“备选关注”的简历附件，写入指定目录。 输出筛选条件、候选人清单、推荐理由、风险点、简历文件路径和下载状态。 人工确认。
Record & Replay 版本
API 版本
升级过程：
目前在把内部的网站、软件逐步替换成CLI，进一步降低业务流程AI化的成本。
