codex云端怎么跑

codex 现在能直接接上奥了吗？本地开源模型也能跑进编程工作流里了？这个变化很关键，因为以前很多 ai 编程能力都绑在云端，想用就得付费，联网受限制。 现在不一样了，模型可以放在自己机器上， codex 负责把这套能力接近开发流程，成本和门槛儿一下就变了。 codex 本身不是普通聊天框，它更像一个面向软件开发的 ai 助手，能做构建、编辑、审查、发布。更绝的是，欧拉玛的作用也很明确，就是把开源模型搬到本地跑。 这样一来， codex 管工作流，欧拉玛管模型运行，两者一拼，开发者就能在同一个环境里完成。写代码、改代码、看结果。这整套动作真正有意思的是，它不只是能写代码， 本地模型接入后， codex 还能加载本地网站和本地服务器，直接在浏览器里看页面，页面哪里不对可以圈出来标出来，再通过聊天把修改意图传给模型。 也就是说，代码页面反馈不再是分开的三件事，而是连成了一个闭环。对前端和迭代开发来说，这种格式化写作会比纯文本问答顺手的 多。当然，路线也分两种，想省事可以用官方推荐的云端模型，但那通常要订阅。想真正把成本压下来，就自己用本机算力托管开源模型，再接到 codex、 jama、 q 问。这类模型都在这个范围里， 前提也很现实，先装 codex， 再装奥拉玛。而且要先看硬件够不够，因为本地 ai 不是 点一下就有，它吃的是 gpu、 内存和算力。 说到底，这次变化的意义不只是免费，而是把 ai 编程从租服务变成了用自己的机器做自己的助手。 在模型推荐上，先别盯着最强要先盯着能不能装得下。这里给出的方向很清楚，就问三点六和 jam 四，都属于适合本地部署的后选。也就是说，选模型不是拼参数面子，而是看机器能不能扛住。 更实用的做法是先把硬件摸清，再决定上哪个版本，判断这台电脑能跑什么。最直接的办法就是用康 i run、 ai locally 这类工具，把 gpu、 显存、内存、 cpu 核心数填进去，结果就不再是猜，能轻松跑，勉强可用，完全不适合。分得很明白， 这里的关键案例是 jam 四，先确认当前配置能跑，再选具体变体， e 二 b 更轻， e 四 b 更完整，但体积也更大，下载接近九点六 g b。 也就是说，本地部署不是零成本，只是把成本从订阅费换成了硬盘和等待时间。真正有意思的地方是把它接近 codex， 操作并不复杂，先让奥拉玛在后台跑起来，再启动 codex， 选择本地已经安装好的键盘四 e 四 b。 这里最关键的一点是，奥拉玛版本要在零点二四以上，不然联动会卡住。 联通之后， codex 还是那个 codex， 但底层推理已经换成本地模型了。换句话说，编码助手的界面还在付费， api 的 依赖却没了。最后的测试也很直接，让他去做一个前端 landing page。 这 这个任务不只是看能不能聊天，而是看它能不能真的产出页面结构、文案和设计感。结果是页面顺利生成，说明这套组合不是能启动而已，而是能干活。 真正值得注意的不是某个模型有多神，而是本地开源模型已经足够把很多日常编码任务接住了。 ai 最有价值的地方，往往不是替人做决定，而是把那些重复昂贵还不想交出去的工作安静的接过去。关注全球 ai 速递，获取更多 ai 前沿资讯！

codex 太厉害了，给你们看一下啊，就是我跟他说我的需求啊，就是自动化生成图片，然后对应的 cds 二点零的分镜提示词，然后直接生成视频，你看这个流程，直接他就能帮我做了啊， 他先让我啊，登录授权我们这个呃节目的账号啊， 然后我登上去之后啊，他说让我确认，我说我的意思是用 image 二模型生成图片啊， 就是目前来说最强的生图模型，然后好，他用了 gpt 的 生成了这四张啊图片看，然后他就写好了这个完整的分镜提示词， 点进来看一下啊，我对他这一版其实是不是很满意啊，我就又上传了我的塑身形象和这个音频音色一起给他生产啊，他就直接啊添加进去后啊，升级后的，其实是看见没有啊， 他的运镜啊，他的音频音色，还有啊他的模型啊，比例， 分辨率描述，他都会一并成交，让我确认，确认之后，好，你看八分钟之后生成完成， 虽说非常的厉害。你看到这边我自己来剪一下。看这套新中式 主楼加旁边小院房，一进门就是双层挑空门厅气场一下就出来了，面宽十三米，进深十一米五，屋檐声带一亮，晚上比白天还好看。细节看这里，门厅线条，灯光，院子比例，这房子盖的讲究，老家准备建房的评论区打别墅，我把这套思路讲给你听， 怎么样，是不是非常的厉害，就是现在哦，如果说你还没有体验过这种 and just give 就是 这种自动化的啊， 模型就真的是，呃，你现在所有的工作方式都可以通过它给你复制出来了，不信你你问一问他，他都能给你复制出来， 真的。所以如果你还没有体验过的可以好在评论区啊，打个一啊，或者说想体验我会教你怎么去做。我真的想在 ai 时代啊他们大家一起无限进步啊。

codex 帮我重构了一个多小时，我手电关错窗口，四十多个文件的进度啪一下全没了。那次之后我不敢再裸跑长任务，不是模型不行，是 codex 默认根本没有进度这个概念，而每一轮都活在当下， 窗口一关，记忆为零。我现在跑长任务只靠一个机制，在 ajax 点 md 里写死一段规则，让 codex 每走一步就把状态落到一个叫 progress 点 md 的 文件里。这一段规则就三条，你直接抄。第一条，每完成一个子任务更新 progress 点 md， 里面就三行，已完成进行中。下一步不是写心得，是写状态。比如已完成拆出 os 模块的五个函数， 进行中再重写 login handler。 下一步跑 past tests 斜线 os。 第二条，每条状态后面必须挂一个可跑的命令，不是基本完成这种废话是 past test 斜线 os 通过 npm test 还剩两个失败。 没有命令等于没有证据，你重启之后就接不上。第三条，重启会话，第一句话不要说，继续说，继续，它会自己脑补，越脑补越离谱。 正确的开场白是读 progress 点 md， 从进行中接着干，不要重做已完成。就这一句。 这套规则最关键的地方在哪？ agents 点 md 是 codex 每次绘画都会自动读的文件，你写一次，他每次都记得你不用每次开任务都重新交代规则。我自己加了这段之后，上周跑了一个四十分钟的批量改动， 中间 vpn 断了一次，我重开绘画，发了那一句开场白，他接着第七个文件继续改，没重做一次长任务保命不是靠模型更强，也不是靠你不关窗口， 是靠你把状态落到文件规则写进 agent， 点 md 评论区打 checkpoint。 我 把这段 agent 点 md 规则原文加 progress， 点 md 模板一起发你。

代码的目标功能怎么开？什么样的任务适合开？用第三方模型能不能用这个功能？怎么保证目标模式完成的任务的质量？怎么给他权限？ 这是我上个视频评论区关注最多的一些问题。哈喽，大家好，上个视频我发了关于 codex 的 后功能的使用体验，收到了大家很多的关注。今天我会一个视频，讲清楚 codex 的 目标功能到底怎么用，什么时候用， 如何高质量的用。希望大家帮忙点赞评论关注。首先需要说明， codex 的 go 不是 让模型突然变聪明，也不是你丢一句话它就可以无限的自动驾驶 go， 它本身是和模型无关的，并不是模型的功能，而是 agent hines 同面实现的一个机制，是 codex 的 产品和运行环境这一层的能力。所以首先第一个问题， 用第三方模型到底能不能用这个功能？答案是可以的，只要你是通过扣代词使用这功能，再更新到最新版的 app 都是可以使用的，但是效果就不一定有 g p u 五点五那么好了。 官方对目标的定义是给扣代词一个持续存在的目标，这个目标既是他开始工作的指令，也是他判断到底做完没有的标准。所以 go 最重要的不是跑的久，而是有一个清楚完成的标准。所以第二个问题，什么样的任务适合开 go？ 答案是，如果你只是改一个按钮的颜色，或者修一个很小的 bug， 实现一个很简单的需求，其实没必要上钩。当然，如果你是给他一个 ui， 让他完全对齐这个 ui 设计稿去实现你的 ui 页面，那还是可以的， 真正适合构的是那种多步骤会中途跑，测试会反复修，而且你不想一直在旁边盯着打 continue 的 任务，比如说迁移一个项目，重构一块模块，修一批测试，做性能优化这种任务，你可以给他一个明确的目标，他就可以围绕这个目标去持续的推进。 再比如前面讲的，你给他一个 ui 稿，我个人感觉扣代词在审美这块还是差点意思的，但是你给了他明确的标准，对其 ui 设计稿去实现 ui 页面，他就会一直修改，并且修改完之后去启动项目对比 ui 稿，做到像素级的还原。甚至你都可以用 gpt 一 米二去生成一个精美的页面， 毕竟 gpd 一 米二的生普能力大家是有目共睹的。评论区有人说只有十个小时，最后写出一坨，其实这个问题不是 go 本身能解决的，而是你给的 go 太空了。 go 的 核心是有一个明确的目标加验收标准，不要写帮我优化一下这个项目，优化这个动作本身是没有一个明确的验收标准的，也就不是一个明确的目标，优化哪个方向，功能交互还是性能优化到什么程度才算是完成？这些都没有一个明确的标准。那第三个问题，应该怎么使用 go 呢？ 特别是你没办法明确说出你的目标和验收标准的时候。其实有两种办法，第一种是先 plan， 再去用 go 去执行， 提出你的需求，先让 codex 把任务拆清楚，你确认验收范围没有跑偏，再把这个 plan 去变成 go。 第二种，如果你的 codex 已安装上了 superpower 插件，那么你可以直接开启目标模式，你可以说出你模糊的目标，这个时候他前几步会主动的去跟你澄清，直到明确为止才真的去执行这个目标。 也有人问死停完怎么办？比如他用方法 a 跑不通过，一会又用方法 b。 也有人问做科研做复旦任务能不能一阶段一阶段的验收。这里就聊到了第四个问题，如何高质量的用目标功能去提高产物的质量。这里有几个技巧。 第一个就是构力最好加上停止条件，同一个方案失败两次就必须换方案，或者停下来报告原因，不要让他在错误的路径上你去预谋。注意，这里并不是停止你的目标， 在没有满足你的目标之前， codex 是 不会给这个目标去标记上已完成的标志的，它只是暂停了，等你澄清或者纠正之后，是可以点击继续目标去执行的。 第二个技巧， go 不是 让你完全不看了，而是让你不用每分钟问一句继续，不用中间持续的去给他解释上下文，但是中间你随时可以插话纠正。阶段性的去看 def， 看测试，看结果。你仔细观察就会发现， codex 的 go 并不是想象中的，你给他一个 query， 他 一直跑，中间不停止， 反而更像是他自己把围绕这个目标的实现拆解成了很多的小步骤，并且每实现一个小步骤，他都会做充分的测试和验收， 验收通过了这小步骤就会被提交。那他是怎么继续开始新的小步骤的呢？其实更像是完成一个小步骤之后，他自行判断这个目标是否完成了，然后判断下一步该做什么，给自己了一个下一步骤的新宽瑞。 只不过之前这个昆瑞是需要人觉得上一个步骤没问题了，人去判断下一步应该做什么。了解了这个机制，在他执行某个步骤的过程中，你就随时可以点击停止目标，并且对他进行纠错或者提问，确认没问题了，再点击继续目标即可。最后再说一个额外不算技巧的内容。 很多人对目标都是小心翼翼的，开了一个目标之后不敢随便乱点，不敢电脑合上，不敢重启 app， 会担心中间网断了怎么办？账号额度没了怎么办？ 答案就是这些都不会影响目标。你的网断了，在网络恢复的时候，可以重新进到那个规划去点击恢复目标，你账号额度没了。一般情况下，在这个账号额度恢复的时候，目标都会自动的继续，但如果没有的话，你也可以手动点击继续。 像我的 pro 账号是五倍的订阅，经常会在五个小时额度重置之前额度消耗完。我这个时候就会用一个账号切换器去切换账号，切换完 app 是 要重启的，重启完之后我就会去点击这个规划里面去继续目标。最后，关于权限这个问题，官方确实支持减少 approval， 比如不想他每一步都问你。 首先说明一下我自己，其实是开的完全的权限，但是是建立在一个干净的分支可信项目的基础上，确保它有 get 记录。此外，再通过外的 hux 机制去保证不操作项目之外的内容上的。 最后总结一句， go 的 价值不是让 codex 永远跑下去，而是让 codex 不 在每一步等你。推一下智能用法，不是让它干活，认清楚什么叫干完。关注我，了解更多 ai 技巧。

我宣布，所有的老板和管理者请马上打开 codex， 跟他说一句话，帮我分析飞书上每个人的工作产出，用乔布斯马斯克认真飞的管理思维给每个人打个分。我跑完直接跪了， 他连我自己都没有注意到的绩效黑洞全全部揪出来了，谁在真干活，谁在混日子？比你自己看半年还准。快拿去测一下你的团队，跑完评论区告诉我你的感受。

今天是我们 codex 的 第一讲 codex， 它到底解决什么问题呢？其实 codex 最值得讲的地方就是它把 ai 写代码拆成了四种工作方式， c l i、 ide、 桌面 app 和 cloud。 你 可以在终端里面慢慢改，也可以把它 交给 cloud， 在 云端上慢慢跑。那接下来我就带大家一起来看一下这四种形态。好，我们先来看 c l i， c l i 适合及时的迭代，然后来读代码、改文件、跑测试、解释、报错，你坐在旁边验收它，一步一步来推进 c l i， 你 可以在终端里面直接去输入 codex， ok， 当你看到 openai codex 以及它的 model 显示的时候，就代表你已经进入到 c l i 里面了。接下去你就可以直接跟它去进行一个交流，比如说我现在可以切换对目前最高的，它就指到 g p d 五点四， codex 的 桌面板目前已经支持 windows 和 mac， 这里你看到的就是 codex 的 一个桌面版的一个页面，它就比较适合多任务并行。你看我在一个界面里面，这里就打开了深图的，然后打开了很多做课件的，对吧？以前还有一些做项目的，它是完全都可以并行的，包括这里会展示一个自动化的一个入口，就我配置了一个日报和 ai 日报的一个素材沉淀， 还有一些插件。啊，这个我们在后面再去细聊。那接下去我们来看它的第三种形态，是 ide， ide 的 话，你可以在 vs code 或者是 codex 里面都能够看到它的一个 codex 的 面板。我现在点击 codex， 在 codex 里面，我们在左侧面板的上方点击这个下滑箭头，看到这个 codex 就 可以进入了， 那这里恰巧是我用的比较少的地方，像 ide 呢，它比较适合你，左侧就是派发任务，右侧来看代码，比较适合已经习惯在编辑器里面工作的朋友。 好，那最后我们来看一个云端的入口，可以打开你的浏览器啊，上面就会有啊， g p t 点 com code 在 这里呢。云端的入口呢，比较适合后台的任务，你可以把你的仓库和任务交给他，他会在一个隔离环境里面跑，最终给到你一个可 review 的 一个结果，这里你就会可以选择你的一个 github 的 一个远程仓库了。今天这一节呢，我们主要来认识一下 codex 的 四种工作方式。 ok 啊，今天我们就先分享到这里，拜拜。

codex 跑一个大任务两小时，跑到一半突然终端关了，或者网断了，所有进度全没。这是用过 codex 都遇到过的痛点，丢一次进度，心态直接崩。 hermes 的 解法是三步把进度接住，一步都不能省。第一步是任务拆分， hermes 会在任务开始前把大任务自动切成小单元， 每个单元十五到三十分钟能跑完，力度小到出问题也能快速重跑，不会一掉就丢。两小时，这个力度是踩过坑摸出来的。 第二步是状态外置， codex 跑每一步的中间，结果会被 hermes 实时写到本地存储里，包括用了哪些文件，改了哪些地方，跑到第几步，当前的上下文摘要用到的外部工具调用全部留痕，不依赖 codex 自己的内存，关掉终端也丢不了。第三步是断点续跑， 任务中断后， hermes 读最后一个状态记录，直接从中断点接着跑。把之前的上下文重新组装好喂回去。不用从头再来，也不用你重新交代背景，接续无感。这套价格跑下来长任务的完成率会有明显提升， 人也不用一直守在电脑前盯进度，注意力解放。我用这个方案跑过几个上千行代码的重构任务，中间断过两次都自动接上了，最长一次跑了六小时，没人盯也照样完成你的长任务掉过链子吗？评论区聊聊你踩过哪些坑。

一个人怎么同时开五个 ai 程序员？关键不是把同一个需求复制五遍，而是把项目拆成五个互不打架的任务。 codecloud 的 价值是让任务在云端环境里后台跑，甚至并行跑。每个任务读仓库，改代码，跑检查，最后给你 diff 或 pr。 第一步，先划任务版，比如修登录 bug， 补测试，改文档，做类型，清理，查性能，每张卡只允许碰自己的文件范围。 第二步，每个任务都按四段写，目标是什么，给哪些上下文限制，改哪里，做到什么才算完成，越窄 codex 越可靠。 然后再开五条线路，一号修 bug， 二号补测试，三号改文档，四号清类型，五号查性能。记住，不要让两个县城同时改同一块代码。并行不是放飞，你要看日制，看失败原因，看 diff， 哪个方向对就继续，哪个跑偏就关掉，重开， 最后别一次性全合按，风险从低到高，文档测试，小修重构，每合一步跑一次。关键检查 口诀是先拆任务，再分权限，先看 diff， 再跑测试。想要这套五线城提示词模板，评论区打并行？

我建议每一个刚装上 cloud code 或者 codex 的 人都去跑一遍这个任务，你就直接跟他说，扫描我的电脑，列出十件你可以帮我做的事情，再给我一个我们长期写作的计划，最后告诉我，在你心目中，我是一个什么样的人。 真的跑完你会很震撼，因为你会第一次发现， ai 不是 一个只会陪你聊天的工具，他开始理解你的文件，你的习惯，你的工作流，甚至开始判断他到底可以怎么真正帮到你。尤其是最后一个问题，特别有意思，他会根据你的项目、你的表达、你的关注点，反 推出你是一个什么样的人。那一刻，你会突然意识到， ai 最厉害的地方可能不是帮你做一次任务，而是慢慢变成一个越来越懂你的长期搭子。如果你刚装好，一定去试一下，然后回来告诉我，在 ai 眼里，你到底是个什么样的人。

那本期给大家分享一下我是如何用 codex 实现用 ai 来去做一个账号自动化运营的这个过程。除了录视频这个事情以外，那其实还有很多的 运营的一些琐碎的事情，比如说我要去看我的账号数据，视频录完了我还要写封面标题等等，这些琐碎的工作其实很多，它不是光是录制一个这么简单的事情， 现在我的流程是可以这么做的。我现在是用 ai 的 这个 computer use 这个功能，直接去我的创作者中心帮我去把所有的账号拉出来，在本地上分析，分析完以后它会沉淀出几个特定的文档，这个文档呢就是我的这个 粉丝的文档，账号定位的文档，内容策略的文档。那基于这几个文档， ai 就 会去读取了这几个固定的文档以后，去帮我搜索相关的同行的一些对标的文档以后，去帮我搜索相关的内容， ai 就 会一个一个介绍一下。 每一次我视频拍完结束以后导出字幕，它就可以基于我的这套方法论，帮我批量的自动化的把我的视频的封面标题、描述标签全部搞出来。那也就说现在的主要是它在于你 内容我们已经拍摄好以后的那些环节，那内容的生产前面还是主要是由你自己来想的，不是内容生产前面数据分析它会给我选 dj， 它会跟根据你的账号定位去帮我们来看一下实际的效果就好。那你看 在这里我跟他讲我用了那个 codex 里面 computer use， 他 可以操纵我的浏览器嘛？然后去访问我的这些账户，我让他去分析一下，呃，跟我相关的一些对标账号，然后他是优先读取了我四个 m d 的 文档，嗯，这个文档里面是有我的粉丝画像的，呃，有我的所有的账号的策略定位，我的爆款的复盘， 以及我的选题方向的这几个定位，这是我之前就会有一个引导对话，我这边就跟他讲，我说我发现这些内容太过时了， 你要去重新帮我把这些内容梳理出来，他本来已经准备在做了，最后发现他读的内容太旧了，你就改了他的方向。对，我先去帮你更新你的这些账号定位，对，我要去更新，这个时候我就跟他说，我说你去读去账号吧，你看他在这里面先读了五十一条小红书的内容， 又去读了所有抖音的数据内容，那小红书的所有的明细，然后抖音的所有明细他自己全部读完了以后存在本地，基于这些内容 他开始来做重要的判断，他这几个判断内容是自己判断的，还是你给他自己判断？他根据我的数据分析了我的账号内容，爆款的内容梳理出来的， 那他总结了以后，我说好，那你居然已经调研完了。我说你去把我之前的粉丝画像，账号策略，你去更新一轮，他就叭叭叭叭叭叭更新了一轮最新的内容，所以这是他最后给我的一批我的一些材料，基于这些材料以后，他才会帮我去做这件事情，根据我账号的策略定位， 去帮我寻找跟我匹配的账号的数据。好，注意到小细节，这边这个选题推荐这个 skill 是 你自己写的还是你外面找一个？是我跟他之前合作沟通出来，就是你刚才这生成的一些整套 skill 形容一个，对，是的， 这个里面他就会拿了我很拿到了很多的标题数据。嗯，然后他就给出了所有我这个像内容的爆款的一些封面的建议，然后包括他还给我了一些我能做的选举的建议，都是爆款的选举建议。嗯，好。然后这些内容我跟他讲，我说你要去思考一下你怎么样去更新到现有的 skills 里面。对， 你看他就告诉我直接可以写进 skills 里面的一些规则。好，然后我们看一下我怎么使用的。嗯，然后当我这边输入案例包装，它就自动去调用我的 skills， 然后它的 skills 都是关联在一起的，然后当我把我的字幕给他以后，它就会自动唤起它的一个写作的一个 skills， 然后来去把我这个整个包装发布的内容给它写出来啊，包括标签，包括里面的封面。然后呢？有了封面以后，这个时候他会说他去调用封面 skills 来处理这个图，他就做了好多，你俩玩起来啊，然后他就做了很多不同的图，它还会自动去生成， 因为我还有别的平台，所以它就会生成不同尺寸的图片，你看生成各种尺寸的这个图片给我，生成完了以后，它其实是标题描述标签都是有的，我直接复制就结束了。对，这就是一个全的流程，其实这套方法论 就是最重要的，其实它是不断进化，不断迭代之后。现在不是有那个 codex， 不是 有那个定时功能吗？比如说每个礼拜五去 check 我 所有的视频数据，然后去自动化更新我的相关的一些策略。写作啊，对，写作 skill 更更新过去以后，我每次用到都是新的，就它可以跟着我的账号一同成长，我觉得这个是很牛的。然后再比如说你看这这次的内容生成完了以后，我发现有些过程是可以调优的啊，这个时候我就跟让它去 思思考一下他学到了哪些经验，然后将这些经验告诉我，然后我来判断这哪些经验可以沉淀为 skills， 然后这样的话他下一次就不需要我再教他了，你看他会整理出一批，然后呢？我确认过了以后，他会说他更新了 skills， 他 整理了哪一节步骤，所以我的 skills 是 越来越能够符合我的要求的， 而且再加上 image two 这个深普能力来了以后，封面指出的概率非常高了，我几乎很少去调了。那现在你的就是整个工作流程里面，哪些是 ai 帮你做，哪些还需要你人来做？呃，现在目前我在坚持真人拍摄，然后包括其实选集主要还是我们自己来，就是视频剪辑完了以后，我们直接字幕出来了以后， 视频的封面啊，描述、包装、标签，各个平台的封面的差异，全部都是 ai 在 做的啊，你就露了一个前面就是拍摄前面的啊，就说选题的大纲的准备，嗯，对，选举其实我们自己在准备，但是选题大纲我们会让它来梳理 一下。对，其实我先把我自己，因为我们有的时候内容会需要很多配套的一些材料，比如说我今天要讲 q d s， 嗯， q d s 背后很多一些功能背景，它会帮我收集很多资料。准备好或者这样子，然后呢继续接资料，然后一个大纲， 然后呢？大纲我确认好后再去输出一个 ppt 大 纲， ppt 大 纲里每一页需要画什么，嗯，然后时候再用，再用 ppt skill， 它会帮我做 ppt， ok， 这样子。 嗯，所以这是我们拍摄之前的一些准备。对，其实下次我们可以分享一下拍摄前的一些内容准备，对，这个是我们拍摄完以后数据输出，对，运营数据输出盘，对对对，是，然后最后一个想讲的就是我的整套方法论并不能让我的所有的内容都成为爆款， 是因为去不断地才根据我现有的数据去给我提供建议，也就说他其实是跟我一起成长的。嗯，所以他并不能让我一个 偏账号小白的人立刻成为一个每天爆款的大牛，他只是能不断地基于我现在的重复工作帮我去减少跟我的工作量，就是他没办法取代你的经验。对，他也可以取代你的流程。对，是的，所以他不能让我立刻就变成一个大牛啊。对， ai， 现在时代就是这样，就是成为你能力的杠杆。 对，他是我能力的最上限，所以这个就是我们今天想要分享的，然后包括这一期准备了哪些 skills， 到时候我会变成一个文件，然后放在我们的那个群文件里，大家可以去参考一下。好，那本期视频就这样，拜拜。

大家好，这期聊 code code 和 open ai。 codex 都是 ai 编程工具，名字也都很响， 但实际用下来你会发现它俩根本不是一个路数的东西。先说原理，差别就是从这开始的。和 code code 跑在你自己电脑上， 单线乘，它的循环是看代码，动手验证，跑完一轮再来一轮。它干活的时候你能随时打断改方向，遇到敏感操作还得你点确认。换句话说，你坐在驾驶位上，它是副驾。处理大项目时，它会自己做几层上下文压缩， 腾出脑子继续往下读。 codex 是 另一种活法，应无意甩到云端沙乡，他自己跑自己浇，中间不用你管。底层是 ross 写的，启动快调 api 的 token 也算得很醒。 一句话，你下单他送货。所以一个是本地搭档，一个是云端外包，接着看场景。原理决定了他们各自能干什么。 cloud code code 适合那种容不得出错的活，比如几十万行的老代码库，要重构，他会先把项目依赖图在脑子里画一遍，再下手 跨文件追 bug。 动架构，它能扛项目里放一份 cloud 大 瑞逆，写好规范团队风格就能压住不跑篇。接 c i 接项目管理工具也都顺扣。 death 走的是另一条路，快，多便宜，从零搭一个 mvp， 几分钟出原型，批量改十几个 bug， 或者一次性生成几百个，测试用力，它能一起开盖 写脚本转数据。这种边缘活也合适，非技术同事拿它处理一些，办公自动化，出个简单网页也跑得通。它更像一个手快的外包团队，能同时接很多活，到了具体维度，几个数字给你做选择参考。工作方式上， cloud code 在 本地直接动你的文件系统，每一步关键操作你说了算。 codex 在 云端沙箱里跑，跟你本地环境隔开，活干完直接照向下闻窗口。 cloud code 基础二十万 token， 最大可以拉到一百万，整个代码库塞进去都没问题。 codex 是 四十万 token， 够用，但定位更偏单任务，专注推理和成本 sw 减。 bunch 上， code code 大 概八十点九分，思考深，但同样的活透肯消得多，差不多是 codex 的 三到四倍。 codex 在 六十九到八十分之间，推理速度更快，账单更友好。并发能力， cloud code 靠子代理，能开一点并行， 但有上限。 codex 天生是云端并发，扔进去几十个独立任务，它一块儿跑。最后怎么选？要是你再维护一个大项目， 代码质量比交付速度更要命。过程你想盯着选， code code 要是你要的是快，是量，是省钱， codex 更划算。这俩不是谁干掉谁的关系，是两种活法。想清楚自己手头是什么活，选起来就不纠结了。本期到这，下期见！

我真的建议你一定要找一个时间把 codex 认真的去用起来，不是简单的收藏一下，也不是看别人评测一下，而是真正的打开它，让它去跑一个真实的任务。 我发现很多人现在对 ai 的 理解还停留在我去问一句，他去答一句，但是现在这一步的工具，它已经不是一个简单的聊天机器人这么简单了，尤其是 codex 这种东西， 很多人一听就会觉得，这不就是程序员写代码用的吗？我又不写代码，那和我有什么关系呢？如果你真的这么想的话，那你就是把它给看小了。 codex 表面上是一个编程助手，但他真正厉害的地方是他开始像一个能够执行任务的 ai 助手， 你不用每一步都去点都去查，你可以直接去告诉他，我想要做一个页面，想要去整理一份资料，我想要去分析一个项目，我想把一个想法变成一个可运行的一个项目，他就会帮你拆步骤，看文件，查资料、摆内容和命令，检查结果。 那这个东西一段用顺了以后，会发现它不仅仅是帮你节省一点时间，而是在帮你放大你的整体执行力。 为什么我觉得普通人现在一定要重视这个？黄仁勋在公开访谈里就讲过，因为达内部已经开始大规模的去使用 ai 了，那软件工程师、芯片工程师都在去使用 ai， 都在去使用 codex， 它的意思非常的直接，未来不是 ai 强调你的工作，而是会用 ai 的 人强调不会用 ai 的 人的机会。所以普通人真正要警惕的不是某一个工具今天又更新了什么功能，而是你还在用原来的工作方式，但别人已经带着 ai 一 起在干活了。 以前你想做一点东西，门槛非常的高。比如说你要做网站，得找程序员，要做自动化，得懂技术，做数据分析，还要会用各种各样工具啊，做内容矩阵，还要靠人来堆时间。但现在不一样了，很多事情你只需要把你的需求想清楚， ai 就 可以帮你跑出一个小的版本， 这对普通人来说其实就是一个很大的机会。当然，我并不是说所有的 ai 工具能力都很强，都适合所有人。 比如说我就认为 cloud code， 它虽然很强，但它对于普通人来说上手门槛还是有点高。 jimmy chat g p 这些都很强，但很多时候你只是停留在和他聊天，在问答的这个环节。 而 code text 这类工具，它的价值就是在于它把想法和执行之间的距离给缩短了。以前你很难，只是想，我要去做一个工具，我想要去做一个资料库，我想要去做一个自动化的流程，或者说我要搭一个自己的内容工作台，只是想想就结束了，因为你不会去做。 而现在不一样，你直接把这个想法丢给 coach， 他 就可以帮你搭出一个雏形，搭出一个 mvp， 哪怕第一版做的很粗糙也没有关系。重要的是，你从以前我不会就算了，变成了 我可以先试一试。这个变化对普通人来说非常的关键。如果你现在还是一个在校的大学生，比如说刚刚毕业，或者说你是一个自由职业者，或者说你正在去运营你的自媒体账号，或者说你是一个小团队的创业者，那么我真的建议你不要只是去观望 ai 了，因为未来几年差距可能不是比谁更努力 啊，因为大家都在努力，真正的差距是同样一天八个小时，有的人已经带着好几个 ai 一 起去干，你说这个效能能够一样吗？

codex 全自动完成 access fluent 飞行器外部流畅驱动仿真分析仿真过程除了模型的建立，其他全部过程皆由 codex 全自动完成。 虽然仿真过程中出现了一些问题啊，比方说这个流畅的方向是错误的，不是我想要的方向，但是 codex 还是全自动的把这个仿真给完成的。

前两天，有位朋友在评论区问我，能不能出一期我做视频的保姆级教程安排。不过在开始之前，我要向你们坦白一件事，你现在看到的我听到的声音，甚至整个画面的运镜，其实都不是真实的。没错，这期教你怎么用 ai 做视频的教程，百分之一百也是由 ai 自己做出来的。 今天我要教你的秘密武器就是 codex 结合黑肩的 hyperframes 插件。很多朋友觉得做这种风格的视频需要强大的后期团队，但其实只要你掌握了它的逻辑，一个人就是一支特效队伍。 hyperframes 最大的魅力在于它能把干瘪的文字指令直接变成有情绪、有画面张力的视觉作品。接下来，我用三个步骤带你复刻我的工作流。 我们需要先在 codex 里构思好剧本和分镜，记住提示词，越具体， ai 越懂你。第一步，先为整个视频的文案生成配音，我用的是 index t t s， 在 github 上搜索就行。 第二步，创建一个文件夹，放入你希望用到的图片或视频素材， codex 作为 agent， 会自己去寻找你的素材。最后一步，把整个视频的剧本过程以及视频的风格会自己去寻找你的素材。最后一步，把整个视频的剧本过程并引用 hyperframes 插件。 其实 ai 只是工具，真正让视频脱颖而出的，是你脑袋里那些天马行空的灵感。如果你觉得这期 ai 教你用 ai 的 视频对你有启发，记得点赞关注，我们下期见！

这五个 codex skill 装好项目，从写页面到云端上线，别人真的能打开，不再卡本地演示别乱装 skill。 这套顺序覆盖代码体验、 ai 架构、云端部署，少踩坑，省时间，刚好形成闭环。 第一个 versatile react 管代码，专治一改需求就崩的前端烂尾病，让 codex 少写垃圾混乱结构。它让 codex 拆组建管状态提性能，写 next 项目 更像能上线版本，后面少返工，不乱改。第二个 web design 馆，体验首屏重点按钮层级，用户一眼看懂，愿意点下去，不迷路，不犹豫。它不看页面炫不炫，只看用户第一秒能不能找到按钮，继续点下去，少迷路。第三个方队馆 ai 架构， 别让 codex 只套聊天框，就说产品完成后面容易翻车返工。他先规划模型工具数据流，让工作流自动跑起来，不用临时救场，少补坑洞。第四个， i g o i 接云端，让本地演示变真实服务，能被别人访问调用，不再自嗨。演示 模型接口、云资源安全配置，让 codex 按上线清单一项项补齐，少踩大坑，别临门翻车。第五个， angel deploy 管上线，专治项目，只在自己电脑里能跑，别人打不开，真的太尴尬了。它处理环境变量、部署配置、访问链接，让截图变成这网页，能分享给别人看顺序别搞反， 先稳代码，再稳体验，后面搭 ai 系统才会少返工，少改错，不乱跑。页面稳住后，再用方嘴把 ai 系统蓝图先搭清楚再动手开发，后面少踩大坑，别急， 再用 a j ai 接能力。最后 deploy 推上线，项目才真正能交付，不再停在本地演示里空转乱装 skill 只是囤货， 这样装才是给 codex 搭项目生产线，少绕路，更快交付完整成果。代码有人修，体验有人看， ai 有 人搭，云端部署有人负责， 一路推，上线不掉链子。装完这五个 codex， 才不是写代码工具，而是能交付项目的执行小队真正干活。你是变量，不是常量，这里是人间变量。我们下期再见。