codex推荐哪种方式

如果你在使用 codex 一 段时间后，感觉它越来越慢，那么我推荐大家安装这个 skill keep codex fast， 直接复制这个命令行，丢给 codex， 让它自行安装。安装好后，第一步可以将这行命令丢给 codex， 让它先扫描，告诉你哪些对话该归档，哪些 word tree 残留以及日期有多大等等。 第二步进行交接，直接将这行命令丢到你比较重要的项目中，它会针对旧项目生成交接文档， 记录你这个项目改了什么，跑了什么命令，以及下一步应该怎么做。第三步就是归档模式，它会备份移除旧的 word tree， 清理日期等等。关键是它不是自动执行，它主要是每周或者是每半个月来自动提醒你该做这个事情了，这样会更安全。

分享一个特别实用的小技巧，很多朋友现在喜欢在 gpt 的 官网生成图片，但是如果你想批量做图，做分镜，做短片素材，其实我更推荐的用 codex， 我 为大家演示一下。首先我在 codex 里边告诉他，我想做一个跨服追日的短片，让他帮我生成一个完整的故事，故事出来之后，我再让他继续拆成文字分镜， 这个时候我只需要判断一下这个节奏对不对，画面感够不够。确定分镜没有问题之后，我告诉他，按照这些分镜生成对应的图片，统一放到指定的文件夹里边， 他就会自动的一张一张的生成。结果生成完毕之后，我突然有点后悔了，于是我又让他重新生成竖版的分镜， 它就继续的开始生成。这就是智能体真正有意思的地方，它不只是一个聊天工具，还能围绕着你的目标，一步步的把事情推进下去。我相信未来的 codex， 它很有可能会成为一个超级应用， 它不只是写代码，也不只是生成图片，而是帮助我们普通人把想法变成流程，变成工具，变成作品。

给大家推荐一个 codex 的 非官方移动端 app， 我 用了一下，非常的丝滑，基本上在 codex app 里面能做的操作在这个移动端都可以进行。那因为 openai 它一直没有提供移动端的 codex app， 所以我觉得这个可以作为一个非常好的替代。那它的安装也非常简单，两条命令就可以起起来绑定，只需要在移动端扫描二维码就可以绑定，大家可以去尝试一下。

在更新了，我实际上体验下来 kodas 的 一个进步速度，我觉得是非常的快的。我觉得对于 cloud， 我 更推荐你买 kodas 啊，因为 kodas 并不会给你随随便便封号啊。你可以以非常低廉的价格，大概十几块钱你就可以买到 kodas 的 一个会员了。你买 gpt 的 会员就好了，你开最近那个团队 team 不是 已经开不了了吗？以后你直接买个人 plus 就 好了， 你去闲鱼去搜个人 plus， 你 去购买就行了，基本在十几块钱以内。它最近上了很多插件，它的整个功能的完善度是越来越高了， 有对于我们这种设计行业来说，其实帮助也非常大，不管是做任何的趋势，还有这些了解一些款式啊，都是非常方便，特别是写一些提示词，比如说我有一些 衣服款式要去给他去修改的时候，也是非常的方便。有他这次更新了，整体来说都是非常不错的。他现在多了一个聊天区，还有个项目区，之前你要找他去， 之前他这个分类我觉得分的不是特别清楚，这现在分的还算是 ok 的， 他会出各种自动化的一些东西，还有一些插件， 反正就这些了。我觉得这次的更新，虽然它的大模型并没有变，但是我明显感觉它的一个速度还有一些能力还是变强了。这就是我想说的，对比于 cloud code 来说，我更推荐你使用 code s， 这是我的实话啊。这期视频就到这里了。

cloud code 浏览器自动化方案应该怎么选？先说结论，再介绍这几个方案。如果你是普通用户，只是想抓取简单页面的内容，订酒店机票，填写一些网站的表单，就用 agent browser。 如果你是开发者，想在开发中排查页面 bug， 查看接口信息，分析性能瓶颈，就用 chrome dvodes mcp。 如果你是测试，想生成测试脚本，执行测试流程，或者是抓取复杂页面的内容，更推荐使用 playwrite mcp。 如果是一些复杂图标 converse 实现的页面，不想依赖其他方式，例如 mcp 的 话，单纯依靠浏览器来操作，那么 cloud in chrome 几乎是你唯一的方案。 那么接下来具体的介绍一下每个方案。首先是 agent browser， 它会解析页面结构，过滤掉样式图片后，将内容交给大模型识别，在对页面变化的适应性和内容识别的准确度方面得到比较好的平衡， 适合进行日常的浏览操作。例如抓取内容平台数据，预定酒店机票，监控商品信息，填写在线表单深层咨询日报 chromos mcd 底层是通过远程调试端口直接控制浏览器，所以天然的比其他查看页面结构的工具可以做更底层的事情，更适合开发者来使用。 例如排查前端页面的 bug， 查看 api 接口信息，分析性能瓶颈，甚至能绕过页面的反爬虫机制人机验证等拦截。 playwrite mcp 会把整个页面的完整结构都交给大模型，所以它能面对很复杂的页面。如果通过 agent browser 抓取一些页面上的内容时，发现不能抓取或者抓取不完整， 可以考虑用 playrite mcp 来抓取，更多的时候会适合 qa 使用。例如辅助生成自动化测试代码，执行自动化测试脚本。微软还推出了 playrite and coi， 可以 搭配 playrite mcp 来干活。 最后是 cloud in chrome 最大的特点是采用纯视觉方案，好处是显而易见的拟人程度最高，任何人类能够操作和看到的内容它都能执行。例如执行 figma 这样的 canvas 画布类应用操作，可直观图标，填写图形验证码。 最后我们看一下它们大致的任务投币消耗量，从低到高依次是， agent browser、 chrome、 dvodes、 mcp、 per write mcp、 cloud in chrome。

ok， 很多时候呢，我们跟 ai 的 沟通啊，都是一次性的交易，解决之后呢，可能回过头你就忘了，等你下次再问到同样的问题的时候呢，你可能又得重复多一遍，又得重新输入一遍，而且答案可能还没有你第一次的好。这是我之前在跟 ai 对 话的时候经常会出现到的一个问题， 直到我最近转到了 codex 和 codex 两款产品之后呢，我发现如果用支持酷的方式来去管理你跟 ai 的 每一次对话的话，会让你在下一次使用 ai 的 时候呢，变得更加容易的。 所以今天这个视频呢，我就想跟你介绍一下，我是如何使用 color x color 这样的工具来去做知识管理以及搭建知识库的。比如如何把你跟 ai 的 对话呢，变成可以反复调用的知识，如何让 ai 呢？把你平时看过的那些文章、视频和播客等等呢，都整理到知识库和更新 好。首先从工具来讲呢，我这里用的是 codex， 你 可以理解为它就是一个能够理解修改文件和处理任务的一个协助工具吧。所以如果你要把 codex 变成一个知识库的话呢，除了本身它这个工具之外啊，你还需要一套能够让工具运行的一套方法。 那年初的时候呢，我就在开发上面了解了一个叫做 lolm wiki 的 方法，大概意思呢就是如何把你跟 ai 沟通过的觉得有价值的内容呢，编成知识然后积累起来的这么一个过程。所以呢，我就参考了这套 wiki 的 方法，自己也做了一套知识管理的工作。六、 那比如 command shift and g 打开 codex 的 目录呢，这里就会有一份 a 准的文档，相当于 codex 在 每次对话之前都会参考的一份说明书。然后这份说明书呢，就会有两个部分， 除了第一部分是定义他回答的一些规范，比如说不要把我的口语变成书面语，先给结论再给解释，不要输出一些无意义的客套话等等之类的呢。 更重要的是，下面这个部分，这里呢，我连接了一个 memory 的 文档，意思就是如果你认为你跟 ai 的 对话内容是值得沉淀下来的话呢，那他就会参考这个 memory 的 文档给他储存起来， 然后打开这个文档呢，这里面就罗列了我整个知识库里面的目录，也就是储存的位置。比如说 memory 呢，是用来定义储存的一些规则的，而 index 呢，是帮助 ai 快 速定位哪些知识应该归类到哪个条目里面。所以呢，下面这些文件夹呢，就是支持对应归类的一些地方啦。 所以这么看起来啊，你就会发现，首先你需要一个有动手能力的 ai 工具，能够帮你去管理这个知识库，其实是你需要创建一个叫做 a 准的文档，能够去规范 ai 的 输出。最后呢，你还需要创建一个叫做知识库的管理文件夹，也就是 memory 的 文档，能够让 ai 把一些好用的他觉得不错的东西存放和更新进去就可以啦。 而且我自己其实是很少会去手动更新这个知识库的，因为他有一个自动化的功能呢，就是每天晚上十一点五十分呢，他就会自动回顾你这一天跟 ai 的 一些对话，看看是否有一些有用的点可以更新到知识库里面？所以这一段时间下来呢，你就会发现他其实一直不停的在更新，越来越丰富的。 那现在啊，这个知识点建立好之后呢，我觉得他解决了我最大的一个难题，就是他让我视频创作的选择题变多了啊。因为像以往呢，我们做完一期视频之后啊，其实最头疼的就是，哎呀，新的一期又开始了，又得坐下来从零开始去想接下来该分享些什么，但是你又想不出来我 但其实在你每天跟 ai 对 话的这个过程呢，其实里面就产生了大量的半成品的观点，只要在每次对话完之后呢，输入沉淀一下，保存一下之类的话呢，他就会帮我积累下来了。 所以这里面呢，都是我最近这大半个月，每次跟 ai 对 话完之后，他帮我积累出来的东西，都是我的一些半成品选择题了。然后我是怎么让他来帮我去推荐一些视频的选择题的呢？ 那老朋友们应该都知道啊，我的视频一般都是在 notion 里面写的，有一个专门的数据库呢，是用来管理我视频里面的内容的。所以呢，我就做了一个 skill。 首先在 codex 里面呢，你需要先确保你已经下载了 notion 的 这款插件，然后在对话框这里，只要输入斜杠 memory， 然后选择这个 notion video topic 我 做的一个 skill， 然后输入我存的这些内容里面有没有哪些观点是我反复提到过的，但从来没有专门讲过的，那他就会去对比我的 note 呢？还有这是库的文档，看哪些是我还没有分享过的一些话题，再推荐给我， 比如你看呐，他就推荐了我讲最近这个知识长期服用的这个话题，因为刚好最近做了很多的收集，都是我自己反复思考过的，只不过还没有讲透而已。 当然，诸如此类的方法呢，其实也有很多啊，如果你也好奇，也想尝试去建立一个类似这样的知识库的话，刚好最近我会做一个小的分享，如果你也感兴趣的话，可以点点一下。 好，刚才我们已经介绍了如何将 ai 的 对话变成一个知识库的这么一个过程，但如果不是 ai 的 对话呢，而是外部的一些内容，比如说我 我们看的一些视频、文章，甚至这些扑克等等的话，那我们该怎么让 ai 来帮我们去整理这些内容呢？怎么发给他呢？一个一个发吗？ no， 所以呢，我在 no 选还建了一个收集外部资料的页面，因为我真的不想再手动把一些链接文字再复制在那给他 qq 的 x 啦，我想省去这个步骤。所以呢，我就真的把 no 选当成一个中转站来用了。 如果看到一篇有意思的文章的时候呢，我就可以右键 save page to notion， 提前设置好位置，就可以自动存放到我这个新进的你看碎片笔记的这个页面了。 因为 codex 呢，是可以连接到我的 note 的 嘛，之前也说过，所以在每天晚上接近十二点的时候啊， codex 呢，就会自动收集我 note 里面的内容，把当天这些信息呢，全都整理到我的知识库里面来了。噔噔，你看，全都整理好了， 而这个过程呢，其实都是这套自动化的工作流来帮我完成的，比如说你看这里啊，就是我 node 数据库的一个 id 啦， codex 呢，就是每次都会从这里面去调取数据的。规则呢，就是只筛选当天的未处理的一些条目，以及处理完之后呢，需要将这些资料归到哪个位置，也就是我支持库里面的某个文件夹啦。 最后呢，我们再回到 nodex 呢，会自动帮我勾选这个 process 的， 就表示已经完成啦。 所以呢，这就是我现在用来收集碎片化的信息，然后整理使用的这么一个过程啦，每天只要看看新闻，跟大家对话，他就能够帮我整理出来啦， 而且最重要的是，随着这个知识库的积累啊，当你再回头过去看的时候呢，你就会发现一个特别有趣的规律，就是什么样的内容呢？是你反复去关注的什么样的判断呢？是你反复做出的什么问题，是你一直没有想清楚的。 所以我觉得支持管理的这个过程啊，其实他的最终目的也并不是让你去记住更多的东西嘛，对吧，而是通过积累的这个过程呢，让你更清楚自己到底想要些什么，更擅长些什么，更关注些什么，对吧？而 a 呢，只不过是把这个过程给他加速了一下而已， 最希望这期视频真的能够帮到你吧，然后当然它也只是冰箱一角而已。如果你想更深入了解一些，比如说 codex code 的 一些 ai 相关的一些用法的话，刚好我最近会做一些小的公开的分享，如果你感兴趣的话，可以推荐一下。 ok， 那 么今天就到这失败，拜拜。

新手入门 a 镜盒到底该怎么选？我想 q dax 就是 你的最终答案。很多人可能会说，为什么不选虾或者马，那我想说就是他们在功能上有什么优越性吗？有什么事情是虾和马能做而 q dax 做不了的吗？ 我的答案是，没有。而且虾和马能做的事情， q dax 能比它们做的更好。最关键的是，如果你使用 q dax， 你 不需要关注命令行，不需要关注环境变量， 需要关注这一堆的配置文件，你只需要应用商店安装一下，打开就能用。直接开始编排，直接开始你的工作流程，你完全不需要把精力放在去养什么工具，去养这个虾或者去养这个马。 养虾和养马，它本身就是一个伪命题。你有没有想过，你的虾看起来好像养的非常聪明了，他又懂这个又懂那个，但是他的上下文已经膨胀到了一个没有办法控制的地步了。 你刚打开一个新窗口，就已经有四十 k 的 上下文不见了，而大部分两百 k 上下文的模型，它的有效上下文也就只有一百 k 而已， 也就是说上来什么都没干，先耗掉了百分之四十。而且现在平台上有一个非常魔幻的事情啊，就是很多人会教你用 codex 或者 cloud code 去养虾或者马。 那既然这样，我为什么不直接用 codex 呢？原来可能是因为这个 codex 它是一个命令行工具，但是现在 codex 它已经有了自己的命令行界面，包括你们现在看到的画面，其实都是 codex 帮我生成的。所以，如果你想找一个真正好用的 a 镜头，而不是去养， 去跟风，去跟随这个潮流。那么我建议你使用 codex， 因为这就是新手的最短路径，你上手之后可以少走弯路，直接去进行这个 a 镜和编排。

目前来说呢，非常推荐大家去开通这个拆的 g p t 的 会员啊，一个月呢也就二十美元，你就可以得到当前世界上最强的图片生成大模型。好，大家可以看到这个图片呢就是 g p t 的 e m g 二点零去生成的，可以看到里面没有任何的错别字，而且它对于图像质感上，质感方面的一个处理也可以说非常的强 啊，你生成任何的一个海报啊，任何的一个图片都可以去用它，而且呢它最近呢也推出了这个 gpt 音音五点五，这个大模型，在多项领域内的都属于啊非常靠前的一个地位啊，大家日常去使用完全就没有任何问题，更重要的一个理由是什么呢？它可以去用这个 codex 本地的这个 ai 智能体， 好，大家可以看到这个呢才是 ai 的 一个完全体的状态。那么什么是 codex 啊？你可以把它理解为它跟小龙虾是一样的，它是直接安装在你的电脑本地的， 他可以直接就控制你的电脑里面的所有的文件，帮你去批量的去生成文档，批量的去修改任何的文件都是可以做到的，而且呢他还还可以去控制你的电脑，最重要的就是他的这个额度啊，就是他的会员是跟咱们的这个 gpt 的 会员完全是通用的，所以说你开通一个会员就可以了， 然后这在这里面呢，你也可以去用这个 gpt， 呃，五点五这个最新的这个大模型，如果你有一些编本地编程的一些项目， 或者说你需要有一些本地自动化的一个流程，包括你有非常多的 skills 技能，都可以完全迁移到这个 codex 上面，可以说目前来说它是最实惠的一个方案，大家呢？真的可以去试一试。

ctrl x 装完之后，百分之九十的人都没动过审批模式这个设置，要么全程用默认的 suggest， 每一步都要点确认，写一个小功能，按了几十下 y， 效率白给。要么听人说 fallot 牛逼，直接开最高权限， 结果 ai 一个命令把本地未提交的代码干没了。今天用两分钟把三种模式的试用场景讲清楚，你以后每开一个项目看一眼就知道该用哪个。 先说三种模式分别是什么。第一种叫 suggest， 也就是默认模式， ai 每做一件事，读文件，改代码，跑命令，都会停下来问你同不同意，安全但慢。第二种叫 auto edit， ai 可以 随便改文件，不问你，但是要执行命令，还是得问一下，快， 但代码改动你要自己盯。第三种叫 fall auto， ai 自己决定读啥改啥跑啥，全程不打断最快，但出事了也最难挽回， 关键是怎么选。记住三个判断维度。第一个维度，你对这个代码库熟不熟？陌生项目，别人的代码，线上生产代码，老老实实用 suggest， 你 每点一次确认，其实是在学习这个项目的结构，熟了之后再升级。 第二个维度，改动可不可逆，如果你在主分支上直接改，没有测试覆盖，没提交过可 meet， 就 用 suggest。 如果你开了新分支测试，跑得起来， beat 状态干净，可以放心用 auto edit。 第三个维度，这活重不重要？写个一次性脚本，做个原型，跑个数据分析开发 auto 没事，但凡是要合进主干的代码，不管多小都降一档，用 autoedit， 至少让你有机会看一眼 d f， 给你一个我自己的默认配置，新项目第一天 suggest 走一遍，摸清楚 agent 德 m d 怎么写，第二天切 auto。

codex 跟 c c 到底哪个好？我想大家各自都有自己的判断。在我个人为二者都充了二百刀的 pro max 会员以后，我个人的体感是 二者的模型能力之间并没有本质的差异，甚至都足够惊艳，让人心喜。但它们其实代表了两种完全不同的人。与 ai 合作的费洛索费 本质上，我们不是选择两个工具，而是选择两种与 ai 交互的模式。你习惯使用哪种模式，你的工作场景是哪种模式，你就应该选择支持哪种哲学的普顶工具。通常来说，抽象的讲， 软件工程开发的模式可以粗略地分为两大类，首先一类是那些探索性不确定的 idea。 在这种场景下，我们自己可能对需求要做什么，最终的一个中态是什么，甚至过程中该如何实现，它都没有一个明确的定义，它更多是我们一个拍脑袋的灵机一动的想法。当我们解决这类问题时，我们期待的一个 partner， 无论是不是 ai， 它应该都要能 快速的与我们进行交互，通过一些他主动的提问甚至判断给我们更多的信息输入，通过一系列的沟通，最终确定出一个相对更结构化，信息密度更高的思维原型来指引我们后续的执行。 而另一种常见的工作模式则是一个更明确的需求，比如说产品已经给我们了相对明确的 p r d， 那 我们剩下要做的只是说把这个项目 真正转移为一个可以被执行的代码而已。对于绝大多数的研发而言，这种场景下想要做的事情是基本完全确定的，我们在此时要做的无非只是一些 dirty work， 把那个 p r d 转化为真正写出来可用的代码而已。 而结合我自己的使用经历来看， c c 更适用于前者者的工作模式。它会在你输出一些观点之后快速地给你响应，并且高频地向你发出提问，以确定它后续的一些方向执行思路。但 codex 则完全相反，它会在你给完需求以后， 非常认真且可靠地将你的需求描述执行完。这个过程会花很长的时间，但是 结果往往是令我们满意的。想要更明确的拆分这两种工作模式的分野，我们不如从三个维度上来进行拆分，首先是任务商，也就是目标的清晰程度以及约束条件的多少。其次则是以我们预期的交互结构， 我们到底期待着与其他 partner 是 同步的沟通，还是说是一些异步的沟通模式？另外则是一个人类所占主动性的比例， 我们到底期望 ai 占据多少责任？他们是只是执行任务，还是说给我们也有一些他自己的认识建议？其实这三者并非是一个非常正交的关系。一个很明显的结论是，如果一个 目标的本身并不清晰，只是我们拍出的粗糙 idea， 那 我们显然就需要我们的协作者能快速的发问，帮我们把 自己大脑中一些比较模糊的观念导出出来，并且通过一些沟通确定哪些思考是我们需要的，哪一些是可以被删除的。通过这种 快速的同步沟通，得出来一些更结构化的结果，那在这个流程中， ai 需要介入的部分以及引导的主动性就会占比更多，但如果这个需求本身就像我们之前讲的已经相对来说明晰，是一个低伤的场景，那我们就不太 需要。它是一个很同步，事无巨细都要向我们发问的流程，它完全可以在我们把事情说清楚之后，一步的完成这个工作，从而解放我们人类自己的时间。我们也不需要给他太多主动发挥的空间，他只需要忠实的执行我们给他的需求就可以。我觉着对未来工具的使用以及工作流的设计，也都是从这三个维度去进行判断，动 态的选择。我们到底适用于哪种工具，应该主要采用哪一种工作流的思路？如果要打一个比方的话， c c 更像是坐在你隔壁工位的好蜂蜜， 会在有了一些 idea 之后立马的打断你现在的所作所为，跟你去探讨它的一些碎片化想法。而 codex 则更像是一个你忠实可靠的下属，在你交代完任务需求以后，忠实的可靠的帮你把事情完整的办完再通知你。我已经做好了。 每个模型都有它们自己的性格，我们也可以顺应的这种性格，在不同的工作场景中选择不同的工具以及模型。 以上是二零二六年二月我对这两个投影工具的一些使用场景总结，但我相信这个领域是日新月异的，二者工具之间 大概率在未来也会发生一些融合。不会说一个工具只是一种工作流场景，那就需要我们未来本身人类自己有一些对需求使用场景的预判，从而能告诉模型它应该采用哪些工作流模式。软件工程永远没有银弹， 不可能说我们用着一种模式，一条道走到黑，就可以得到一个很完美的结果。如果你在错误的场景使用了错误的工作模式，那模型给你提供的支持也就会非常有限。 结合自己的需求，场景动态切换自己的工作流模式才是一个更高效率开发的必经之途。以上是本视频的全部内容，如果你有一些想法或者建议，期待评论区讨论，谢谢大家！

兄弟们，周报日报加成会没啥事就开始卷写总结，程序员有程序员的应对办法， ai 时代了，兄弟们，我是怎么写总结的？完全交给 ai agent， 都不需要你设置，用提示词让 ai 帮我们创建自动化任务， codex， 龙虾， codecode 都可以帮我们自动总结。推荐大家使用 codex 啊，虽然它是一个写代码的 ai 侦探工具，实际上它也是一个通用 a 侦探工具，而且它的 ui 交互界面非常友好，不像 codecode 还在使用原始的命令行操作界面，和 gpt 还有 zipcode 差不多。 一个聊天框搞定一切，打开 codex， 选择自动化，然后新建一个自动化，我们可以在这里写提示词，描述我们的定时自动化任务， 比如说自动根据我们的本地代码库还有 get 提交，然后总结周报或者日报，因为我们的项目代码都是在 codex 中去完成的，所以它完全可以读取到我们的工作内容，也就是说它有总结的物料， 不在 codex 中完成也没有关系， codex 也可以去操作我们的浏览器和操作我们的电脑，进行更全面的总结。然后我们还可以设置自动总结的时间，比如说每天晚上或者每两天一总结，或者每周一总结。 比如说像我们公司是五点发周报，我四点就让它自动总结，并且总结完成以后自动发到我的飞书机器人，这样我收到飞书消息就能提醒我要提交周报了，然后我看一下总结没有问题，我就把它直接提交， 当然也可以直接把它发到群里，但是我还是做了一个缓冲，让它先发到我的机器人，我先看一下，确保没有问题再提交。怎么把自动总结内容发送到飞书呢？也是 ai 告诉我的，我直接问 ai 总结的周报能不能发送到我的飞书，它会告诉我去飞书里面找到飞书机器人助手， 然后新建一个指令，然后添加外部快捷触发，这里会有个地址，这些都是 codex 告诉我的步骤，我只是照着 codex 去执行，然后把这个地址再告诉 codex， codex 就 会把总结好的周报发到这个地址，这个地址就是我飞书机器人接收的地址， 如果你不会配置，还可以让 codex 帮我们去操作电脑，让它去配置。我这里举一个简单的例子，给大家展示一下 codex 如何操作电脑，帮我们打开飞书， 帮我打开飞书，并且打开飞书机器人助手配置界面。 codex 提示我没有权限，引导我去开权限，我已经把权限打开了，并且它还要这个屏幕权限， 它这个权限设置也非常方便啊，只要一拖就有权限了。然后它就自动帮我打开飞书了，并且它现在在操作我的电脑，去帮我查看指令，看到了吗？这个鼠标是 codex 的 鼠标， 它现在在操作我的电脑，它帮我找到了这个飞书机器人助手，创建指令界面。所以说如果我们不会配置，让 codex 帮我们去设置也是完全没有问题的，只是它效率低了一些，让它给我步骤，我按照步骤去操作， 可能速度更快，但是 codex 已经能完全托管电脑了。如果自动化任务的提示词我们不会写，我们还可以使用模板，直接使用现成的自动化模板，帮我们去写 pr， 写文档。创建完成以后，它就能根据我们设定的时间，自动帮我们去总结周报了。我们也可以选择立即执行测试一下， 这是 codex 自动帮我总结的日报，内容非常的完整，如果格式不符合，你还可以修改替制词，让它按照你想要的格式去帮你总结。甚至它还能帮我预测我下周大概要做什么。 兄弟们， ai 时代了，周报、日报、小时报都不是问题，就看领导有没有时间看，再也不用担心写各种总结了， ai 一 句话的事。

大家好，今天跟大家分享一下我这几天使用 windows codex 桌面端的一些体验和感受。我先把结论放在这里，我觉得这是一个非常有趣的应用，如果你正在使用 ai 进行 web coding 的 话，我强烈推荐你去试一试， 我觉得它弥补了 web coding 生态里面一个非常有趣的空白点。虽然这个事情见仁见智，但是我会推荐你去尝试一下，因为说不定你会发现它很对你的胃口，或者你会跟我有一个类似的一些感受和想法。 呃，首先呢，怎么得到这个 codex windows 桌面端呢？其实在三月四号的时候，也就是前天，呃， open i 已经给出了 codex windows 版的正式版，不过要注意的是，你必须在微软商店里面下载这个软件，你不能在这个浏览器里面去下 载，所以对于国内的用户来说，这个微软商店的连接可能会构成一个问题，这个需要具体去解决一下， 那么在下载完之后就来到这样一个界面了。呃，首先我要说的是，我不会介绍太多技术面的东西，比方说 gittree， 比方说这个 mcp skills， 自动化，这些东西我不会展开去讲，我主要是谈一谈我对它的一些定位和理解。 那么我当时在第一时间下载完这个东西，打开之后我是懵的，因为我在问我的 coding 界面哪去了？我的代码在哪？ 我一开始以为这个东西是一个跟 antigravity 类似的东西，就是 antigravity， 其实就是一个，呃，把谷歌自家的 ai 嵌进了 ide 里面的这个这样一个东西，它的这个整个对环境的控制能力，对这个工具的调用能力，确实比 用 vs code 的， 然后用别家的呃，这个插件会更强一点，但是本质上它还是一个 ide， 所以 在下载这个 codex 之前，我会以为它也是一个 ide， 当时就是抱着一个尝试的心态去的，结果打开之后就发现完全没有 ide 的 影子，完全没有代码的影子。 我就去读了一下 openai 的 官方文档，又去看了一下很多博主已经公开的在 mac 上面的一些评测视频，我在仔细研究了一下之后，就发现这个东西其实是一个 ai 项目管理器， 就是在这个东西的左侧，你会看到有一个你的项目列表，你在这个地方是可以添加非常多项目的，你只需要把你对应的这个项目的文件夹给到他就可以了啊，我随便添加一个都可以啊。然后呢，你可以在这个里面去进行一个跟 ai 的 沟通， 随后如果你想看代码怎么办？在这个右上角，你可以用很多种不同的方式去看代码，比如说使用 cs code， 你就可以打开这个代码。那么这个时候有的人就要问了啊，我当时也有这个疑问，那 open ai 做这个东西是干嘛呢？对吧？它既然我在 vs code 里面，你可以看到我是有 codex 的 插件的，我可以在这里面直接沟通。我为什么需要一个单独的软件来直接跟 ai 沟通，而且还看不到代码呢？啊？ 我稍微用了使用了两天，把我的一两个项目放进了这个里面跑了跑，我就发现这个是一个非常聪明的而且有趣的设计，就是在没有 ai web coding 这个概念之前， 我们是没有必要做一个项目管理器的，因为你只需要把你所有的项目放在一个文件夹里面，然后你开很多 vs code 的 窗口去写代码就可以了。就是写代码的重点永远在 coding 上，而不是在对这么多项目的管理上。你只要把它放到文件夹里就可以了 啊。对每一个单独的项目，你单独使用 get 就 可以了，对吧？不需要别的工具。但是现在情况不一样，现在很多时候我们写代码 可能一个小时的拷定时间里面有四十分钟都是 ai 在 思考， ai 在 写代码。如果说 我还需要面对着一个传统的 ide， 需要花大量的精力和这种注意力在代码这个事上，然后我的 ai 的 插件挤在旁边，会觉得有一点点的主次失调。即使在 vs code 里面，你是可以通过调整这个布局，把这个代码缩的小一点，然后把这个插件放到一个更主体的位置上。但是你如果想进行多个项目的话，你终究是需要开很多个窗口的。 在以前你想同时写多个项目的代码，这是一件几乎不可能的事情，因为你所有的注意力都要放在代码上。你不可能说我先写一会这个代码，点击运行，然后又去思考另一个代码，这个人脑是很难接受这样的 呃强度的劳动的，但是 ai 可以。 所以现在对于这样一个管理器来说，你只需要在左边把你所有的项目放进来，每一个项目可以同时调用 codex， 同时并发地去进行操作。你就有点像什么。我打一个比方啊，你是一个很厉害的产品经理， 你手底下同时管着四五个项目，然后你这个时候开了一个微信聊天窗口，这里面有五个人都在跟你聊天，你只需要跟他们不断地提需求，提反馈就可以了，你不需要去一直盯着每个人代码， 当然了，我们有的时候仍然是要 review 代码的，仍然是要去做一些手动的调整的，那这个时候你再调映，调出相应的这个 vs code 或者是别的什么工具的界面再去做，那就可以了。 那么我本来呢是有一块负屏的，我为了方便演示就没有打开它，你如果有一块负屏的话，你就把 vs code 的 界面，把别的 ide 的 界面放到负屏上，你的主屏幕永远就是这样一个项目管理器。 我们来具体看一下，在 codex 这个桌面端的应用里面到底保留了什么，到底有什么，我们才能更好的理解。呃，它的定位就首先第一你会看到 ok， 它有一个项目列表，然后在每一个项目下面是你跟它进行多轮的这种对话。好， 然后呢，在这里你可以使用这个别的 id 去查看代码，然后在这里它有一个 get 的 操作，就是如果你这个项目还没有 get， 你 可以在这里，呃，如果没有 get， 比如说我们换一个，你会在这里有一个创建 get 存储库，然后在这儿就会出现一个 get 相关的东西，就是 vs code 上面的 get 的 插件已经够简单了，但是甚至还是没有它简单。然后呢，包括这个 get 界面，你会发现这个界面现在变成了项目 跟 ai 的 沟通以及 get， 它完完全全地去掉了所有，比如说断点、 debug， 呃环境的这些东西，什么这些东西很多都都没有了，我们只保留了作为一个项目本身最需要的东西。当然还有一个东西是终端，因为你需要终端去对写好的代码进行一个运行调试或者是之类的， 就是它完完全全是以一个项目的视角去看一个代码工作，代码本身是交给 ai 去处理的，我们只需要进行项目管理、版本管理，跟 ai 的 沟通， 我们现在再打开它这个设置界面来看一下，就更理解这个事儿，你会发现它包括怎么打开这个代码文件，然后你的环境是什么？然后关于这个在跟 codex 沟通的过程里面呃它的一些基本的行为， 然后呢你可以呃改变它的语气， m c p， 然后 get， 然后还有就是这个环境我觉得是非常有趣的， 就是在之前在本地运行的时候， ai 都会遇到一个问题，就是对环境的处理是比较差的，然后在这个地方他显示的把环境这个问题给你解决了，就是你可以告诉他该怎么样来访问你正在运行这个项目的环境啊？这个我觉得是超级有用的一个东西，所以就是总体来讲，你 回到这样一个项目的界面，你就会发现非常的干净，非常的清爽。如果说 ai 如果他真的可以完成大部分代码构建，我现在目前对 codex 五点三 extra high 的 这个体验的话，呃可能最多十次， 呃沟通你需要亲自看一次代码，大部分时候我可能二三十次沟通都不需要看，他就可以给到我一个非常好非常好的结果啊，所以我觉得他真的是非常非常有趣的。 我其实也不认为这是一个非常必要的东西，但是当你真的在多个项目并行开发的时候使用这个东西，你会感觉到你变得更加的轻松，你变得更加的专注，而且你的 呃就是你整个工作的流程会让你感觉非常的流畅而舒适，我个人是这样感觉的。 当然了，这个事情完全是见仁见智的，有的人会认为对于高手来说是根本不需要这种 g u i 图形界面的高手都用命令行啊。也有人会认为对小白来说他又太过于复杂了，毕竟你还是得知道终端，还是得知道 get 等等这些东西。但是我觉得 起码对于我这样的用户来讲，我很乐意使用图形界面，我也非常乐意使用 ai 进行多步的开发，所以我觉得 它是有一定的可取之处的。它填补了一个从人的需求到 web coding， coding 本身的空白，就是从人到 coding 中间还有一个 web， 这个 web coding 的 这个 web 的 这个部分其实之前没有被单独拎出来去讨论成一个单独的软件或者工具，但是现在 codex 其实就是这个定位，它填补了中间这个链条上的这个空白 啊。不管你认为他是不是有用的呃，我都推荐你还没有尝试的人去尝试一下，我呢，也不敢说他一定就是正确的。这个生态链上的答案可能过几个月，过半年、一年之后我们才能看到市场对他真正的一些反应。不过目前来说，我觉得他是一个非常值得尝试的工具， 所以如果说，呃，你看到我的这个视频，然后还没有下载他的话，我非常推荐你去尝试一下。

好了，大家好，这段时间 codex 相信很多小伙伴已经上手，开始用了一个非常好用的 openai 的 桌面端的一个 agent 工具。那么今天我想推荐一个 codex 里面的一个很强很厉害的一个做视频的插件叫 hyperframes， 它可以帮你按照网页的形式去做成一个视频，相当于用写前端的代码去做一个视频。首先我们知道 ai 在 写前端代码这块已经是非常厉害的，所以说这个插件就可以帮你 让你的 ai 像写代码一样去做视频。好的，那么我们就直接来试一试这个插件到底有多厉害。使用是在这边点击这个插件下面找到这个 hyperframes， 安装之后我们直接右上角点在对话中使用。这里我把 cloud 的 一个官网给他，我说一句，请根据这个网站做一个产品的宣传视频。好的，我们这里让他开始执行。好的，可以看到他跑了一段时间，他去官网去拉取了一些他需要用到的素材， 他接着在执行。好的，现在他已经生成好了，他已经跟我们说宣传视频已经生成好，在这里只需要点开就可以去预览。 并且他除了宣传片以外，他还使用了官方的素材，产品的文案，他还有动画的分镜，他还给这个宣传片加了旁白的阴鬼。让我们来一起看一下 the ai for problem solvers breakdown complex work together research write analyze data and code with expert level collaboration bring code to your desktop browser tools and team code by anthropic think bigger work clearer。 可以 看到整个效果还是非常好的，除了可能画面中有个别的小细节， 有一些排版上的问题，整个的效果你敢相信是我只用了一句话，没有经过任何修改它就出来的一个结果。随着 ai 进一步的发展，一开始的文字、 图片、视频以及到现在的全自动的生成视频以及剪辑， ai 的 发展只会越来越快，而且这个工具对于很多想要制作一些宣传视频、科普视频的人来说非常的有帮助。

零零后马龙一个视频讲明白三个编程 agent 的 体感区别， caller， cloud code code x 天天有人吹，到底有啥不一样？听完你比大部分程序员还门清。 caller 是 个图形化界面的 ui， 呈现的感觉是个代码编辑器，核心是后面的 ai 随便切。 cloud gpt gemini 写不好再换一个体感就像你坐在旁边的同事，脑子还是能换的那种。 另外两个登录官方账户之后只能用他们公司自己的模型，都是命令行在黑框打字，用法完全不同。可 outcode 像一把瑞士军刀，你指一个问题，他推理一下直接切进去去修， 能接工具，能派小弟分头干活快种狠。但是对代码的整体情况没有那么明白。 codex 风格相反，一个需求或者 bug 说出去，他先把整个项目看完一遍再去下手， 所以体感非常慢，等三十来分钟很正常，但是经常一次性成功改的全面说人话。 coser 是 编辑器， ai 脑子随便切。 cologad code 是 瑞士军刀，指哪打哪。 code x 是 解剖刀，慢，但是一个没漏。下次聊聊这三个月费怎么买最便宜？评论区说说你最喜欢哪个？

强烈推荐大家去使用 open ai 的 ai agent 编程助手的终端 codex， 甚至你可以用 codex 来修复龙虾中的 bug， context 加 openclaw， 简直是天作之合，完美的搭配。而且啊， open ai 在 这个点上还真的是比较大方的， 如果原来你是 openai 的 plus 或者是 pro 会员订阅用户的话，在 codex 上面会给你配备一定额度的 token 的 使用配额。 大家好，欢迎来到玲姐说一 i 这期视频啊，我们聊聊同步在 windows 上线的 codex 的 使用，非常推荐，之前其实他在苹果的终端也上线了，所以我在这里给大家做一波强烈的推荐。 原来你在使用 cloud code， 同样的二十美金或者两百美金的这个订阅计划。大家知道那个配额啊，是很不够用的，稍微干点活就不能用了，就要另外买 token 了。但是 codex 使用的配额还是相对比较充沛的。 open ai 你 花二十美金每个月的订阅啊，给你整个的配额还是挺多的，又可以聊天，又可以申图，还可以用 sora 每天大概十到三十条的 这个使用条数，同时你还可以使用 codex， 现在苹果用户和 windows 用户都可以使用了，赶紧在电脑端把它下载下来。这个编码助手啊，也可以说是 cloud code 的 平替， 当然叫平替啊，也不太合适，我只是说 cloud code 在 这个领域上面我之前讲过，它做过很多刻意的练习，解决过很多开放性的生产任务，所以它整体的位置是行业老大的位置。我说这个领域啊，不是说呃，所有领域 是在这个生产工具的 call 顶的领域啊，它是属于引领的位置，而且它也一直在定义行业的标准，包括大家熟知的 m c p， skill， co work 等等的工作方式。但是呢， codex 这一波的上新呢，确实是有它的创新点在里面的，它用户的交互界面体验比较好， 对于那种比较厌恶命令行的这种交互方式的用法会特别的丝滑。它会有自己的特色，比如说像工作数这样的任务的并行的方式啊，我觉得对于多任务并行啊也特别的友好。另外使用它你基本不用付出 额外的成本和费用，更重要的是加持上了它最新的五点四的模型。 五点四最重要的一个优化是什么？就是它加强了在 computer use 上面的能力，也就是这个 agent 的 编码助手，它有更强的执行操作和理解的能力，相当于它的闭环能力更强了。 所以听到这里，是不是已经迫不及待去微软商店下载 codex 了？这期视频我会给大家介绍 codex 的 特性，以及如何从零到一。使用 codex 我 会给它几个实战任务，看看它这个过程中会遇到什么 bug， 怎么执行解决，会不会有翻车的情况。 如果你是苹果用户呢，直接在 app store 里面去下载就可以了。如果说你是 windows 用户啊，你是 win 十及以上的用户， 你就直接在微软的这个 microsoft store 里面直接下载就可以了，它的整个的下载安装非常丝滑，你就按着它的引导一步步完成就可以了，这里我就不做深入的演示了，这个就是 codex 安装后打开的界面， 是不是一股熟悉的味道扑面而来，特别像 try gpt 的 聊天窗口，对于那种使用命令式的交互窗口，仍然有一些抗拒的。这份使用者 codex 我 认为是一个非常好的选择。 在这里啊，你可以很好地过渡。我就结合 codex 的 使用，从零到一实操，给大家也讲讲 codex 的 使用特性。 首先啊，在设置这个地方，点开，大家在这里登录自己的 try gpt 的 账号，同时在这里可以很快地切换你经常使用的语言，英语或者中文都可以。在这个地方会显示你这个账号的额度， 它是通过两个维度限制你，一个是五小时的使用量，还有一周的使用量。如果说你真的做很多深度密集的 这个使用任务的话，我觉得这个额度可能还是不够。但是对于大部分的使用者而言，我认为这个额度啊，已经比 cloud code 要大方很多了，基本你们都是够用的。 在出事安装的时候，在这个地方，现在我已经弹点掉了啊，就是它会弹一个窗口让你安装这个沙箱。 这个专用的沙箱也是 codex 针对 windows 的 一个设计，有这样的沙箱，让它的整个的命令的执行在一定受控的环境里面，也可以有效地保护你系统本身运行的文件， 就按照它默认的配置去选就可以了。在下面这个位置啊，可以更改权限的范围，除非你非常笃定啊，给它完全的访问权限， 大份情况下建议使用默认权限。另外，在模型这个位置，可以选择不同类型的模型。 现在比较推荐初学者使用的是 g p t 五点四，因为五点四是一个综合型的模型，它既有理解能力，又有推理能力，还有 computer use 的 能力，还有 coding 的 能力，它是一个综合型的模型。另外呢，如果是针对专门的 扣顶的工作，可以选择五点三 context， 它是针对 context 这个环境和 context 的 任务，专门进行过优化的这么一个模型。 在这个地方，推理强度一般默认是高，也可以选择超高，当然这个背后所消耗的 token 数就会不一样。另外在加号这里啊，你可以去上传文件和照片， 这里就会有很多的玩法了，又可以对一些多模态的内容啊进行加工，比如说对视频进行剪辑。同时在这里可以调它的 speed standard 和 fast。 这里啊，我觉得它有一个做得很好的地方，相当于它在用户体验侧的一个优化，它这里有一个计划模式， plan 模式。其实这个技巧呢，我在之前给大家教学 chain 这个软件的时候，也会讲过类似的技巧， 只是说他现在把它单独拎出来了，对于这个功能进行了优化。你在做一些项目的时候，你可以先计划，先和这个 gpt 去沟通， 这个项目怎么规划，它的框架是什么，怎么设计，计划完了之后再开始执行 coding。 所以 从这个层面来说， context 它的定位啊，其实分为三层，第一层它是一个代码助手，它可以帮你写代码，解释代码，审裁代码。第二层，它是一个工程型的 agent， 它可以帮你去识别 bug， 修 bug、 提 pr 等等。而且它还可以做很多并行的任务， 比如说我在这里有个任务啊，你点击这个右击鼠标，在这里啊，它就有一个特色，叫做派生到新的工作树，叫做 walk g， 就是 你在做一个项目的时候，当它出现问题的时候， 你会发现可能有好几个东西要修。如果做过生产实践，你会发现啊，你修 a 的 时候， b 也在修，那么它们有可能把 a 修好了， b 又出了问题，就是它会出现相互的交叉污染这个情况。有了这样的 work tree， 你 就能够并行地进行很多工作任务，那么你发现没有，你的效率就提上来了。 codex 的 第三层，它还是一个电脑操作型的 agent， 比如说我刚刚讲的剪辑视频这样的任务，或者说其他的这个文件名批量命名的任务，整理会议资料的这样的任务，它其实都是电脑操作型的， 它也是一个电脑操作型的 agent， 这是我对 codex 这个 agent 工具的三层的理解。当你需要新建一个项目的时候，可以点击这个位置，这里点击 add project， 新建一个项目文档，然后在里面呢点击这个新县城。 同时呢，它这里有一个功能啊，叫做自动化，你可以让它定期的帮你制作一些任务，那么你就可以设置一些定时任务，比如说让它每天定期的帮你去搜集某个领域的专业信息，或者定期的跑一些这个整理文件文档的这么一个信息 等等等等。这里需要关注的一个点就是它的权限问题啊，你给它开多大的权限？当然它这里也少不了最近最流行的 skill 技能 这个板块我在 cloud code 的 这个视频里面讲过，它也是类似的，你看它这里，它的官方 skill 里面放在最前面的也就是 skill create 创建一个新技能的技能， 你在这里可以去调用它的技能啊，它不是那种命令的交付窗口。比如说你想要用这个 figure 码，你就可以点击这个加号，它就直接帮你安装了这个 skill。 如果说你想用这里面的视频生成工具，你就可以用这个 sora 生成视频的技能，并且啊，你想生成新的技能，点击右上角的新技能， 这里呢，它就自动调用了 skill creator， 你 就可以跟它去交互聊天，告诉你你要创建怎么样的技能，然后它帮你进行封装。并且啊，如果说历史你用的是 vs code 这样的终端，你也可以同步很好地去打开对应的项目， 很好的平移切换到这里。而且我自己用下来的体验，它会比 vs code 更好用一点。所以对于 vs code， 我 觉得大家可以放一放，然后平移切换到 context 这个终端来使用。下面我就讲一些具体的实操的案例来启发一下大家，可以用 context 做什么任务？它有哪些魔力？效果怎么样？好，我们进入任务实操，我先给他一个任务，我让他给我批量修改文件的名称。在这个文件夹里面我放了五条视频，这个视频是我 youtube 上面已经剪辑好的成品视频。 现在他的命名啊，只是有日期的标签，是没有主题的，我希望他能够基于这个视频的前六十秒所表达出来的内容抽取主题，把这个主题加上日期，对这些文件进行批量命名。 在 context 里面，我就把我的要求和希望达到的结果告诉给他，这里是我写的提示词。在任务的进行过程中啊，因为我们对它进行的是一个有限的授权，在一些关键步骤上面，它会来询问你的授权和意见。 比如说这里啊，它问你是不是直接就对这些文件名进行重命名了，你可以回答是，或者一直允许，或者是告诉他如何调整。这里啊，我就允许是 在这个思考过程中啊，他也会说，从命名的这个动作是越过沙箱的一步，可以看到，在这个过程中，你的文件，你的系统内的东西是比较安全的，这也是我比较推荐大家使用 context 的 一个原因。同时在这个任务跑的过程中啊，我再同步地开一个新的项目，新的县城， 点击这里的 add project， 创建一个新的文件夹， orange cad game， 然后选择这个文件夹，这样我就进入了一个新的项目文档。我现在想做的这个任务是类似这个经典的 flappy bird 的 这个网页小游戏这样的开发，把这个游戏的主角形象换一下，把那只经典的黄鸟 换成一只橘猫，飞行员稍微做一个调整。但是整个游戏的框架和逻辑啊，还是去参考 flappy bird 的 这个设计。在这里啊，我就把这个游戏的要求放到这个 context 里面。 注意啊，这个游戏的要求的需求文档和整体的项目框架，我也是让 g p t 给我写的，为什么我会这样操作呢？其实这也是一个技巧，因为虽然 open ai 在 codex 上面的配额还是相对比较大方的， 但是如果你要做比较极致的生产任务，这个配额可能还是不够，所以我就尽量可以省一点，把前面的需求设计和构建的这个阶段蓝图规划的内容交给 gptchat 去聊，用五点四 thinking， 这样子相当于前后的模型，是前后连贯的这么一个状态。先把需求沟通好， 然后呢，再回到 context 里面，在这里面我们还可以再极致一下，再细划一下，打开这里的计划模式，让它再给我规划一下这个游戏开发的任务。这里的推理功能，我选择一个超高，然后点击发送， 在右侧，这里就可以看到不同的项目文档，不同的县城，它们就在并行。如果说你比较关心的县城呢，你还可以使用这里的这个钉钉一下，它就会置顶在前面，这样子你关心的核心在修的一些 bug， 重点在做的项目就在最前面。使用了这么多款 编程助手的终端 app， 我 自己的感觉 projects 是 我整体用下来觉得最丝滑的。这里帮我把整个的开发计划规划出来了，包括需求理解，文件结构，关键接口，七步 mvp 开发计划，以及最后的验收，还有第二阶段的功能等等，都包含了。 他问我是否实施此计划，我点击确认实施。哎，这个文件夹从命名的任务已经完成了，他告诉我每个文件分别从命名了什么，而且他这里还讲了这个转写的逻辑是什么。前六十秒他识别出了 这个视频主要是讲什么内容的，然后提炼出的主题是什么，然后把这个主题加上日期格式的转写，变成了这个新的命名。我们打开 d 盘看一下， 欸，都命名好了，完成的很棒哦，以后这种批量重复的工作啊，都可以尝试交给 codex 来使用。当然对于这个 codex 这个工具啊， gpt 对 它的定位，还是说把它作为一个 agent coding 的 工具， 你要尽量让他做他擅长的工作。再回过头来看，他的执行路径是比较清晰的，因为他扫描发现我这台计算机没有装离线的音频转文字的转写的工具，这个不可用， 所以他就通过工具把这个视频的前六十秒进行抽帧，核心去保留底部的字幕区域。因为我的这个视频啊，有时候也会有这个背后贴了这个 ppt 的 信息，所以他会同时用 windows 的 ocr 去读这个字幕，以及 ppt 的 标题和页面的文字 综合来形成对这段视频主题的判断。最后呢，再把它整合成新的文件名，并且啊，它强调这次的授权仅在这个指定的文件夹里面进行操作，不能够碰其他目录的文件。 整个过程流程清晰，权限的边界也很清晰。这个任务其实对于 codex 都是非常简单的任务啊，我给他上一个高的推理权限，实际上也是有点大炮打蚊子的感觉。我想表达的是可以用 这个工具去执行以往我介绍的在其他终端的其他任务都是可以的，它的能力上限啊，和智能程度还是比较高的，甚至你可以用 codex 来修复龙虾中的 bug。 context 加 openclaw 简直是天作之合，完美的搭配。这个游戏的任务它完成了，总共花了十七多分钟，给了我这个试跑的链接。这个试跑的链接啊，就存在我的 d 盘里面的项目文档里面一个 html， 我 们在浏览器里面打开这个界面啊， 空格，点击上升穿门就得分，我们开始飞行试试。哎呦哎呀，碰到柱子了，再试一下。哎呀，还挺难的，再试一下。哎呀，这个有点难通过呀。 一分，哎呀，一分，结束了， 得两分。哎呀，得两分，这是我的最好成绩了。以上就是 context 的 介绍和实操，它可以帮你写项目，写代码，也可以帮你修 bug， 提 pr， 还能够做电脑的 computer use。 你 打算用它来做什么呢？欢迎在评论区分享你的想法，我们下期再见！记得订阅玲姐说 ai 的 频道哦，拜拜！