Codex 教學：打造個人 AI 助理的 4 個零件，定時排程為什麼要最後做？

你上個月設的那個「每天早上九點給我摘要」的 AI 排程，現在還在跑嗎？

我猜十個有八個已經關掉了。不是因為你懶，是因為它每天早上準時寄一份看起來很像那麼一回事、但你一行都用不上的東西給你。連續三天之後你就開始跳過，第七天你把它關了。

問題出在哪？

順序做反了。

OpenAI Codex 團隊的開發者體驗工程師 Jason Liu（X 帳號 @jxnlco，OpenAI 官方 Codex 使用指南的作者）最近一週連續公開了兩場，一場是 Peter Yang 的訪談，一場是 AI Engineer 的完整工作坊，含七十分鐘現場 Q&A。兩場加起來，是我目前看過把「個人 AI 工作系統」講得最具體的素材。他不講願景，他開螢幕給你看目錄結構。

我把整套拆完之後發現一件事：他這套系統有四個零件，其中三個在解決「輸入」，只有一個在解決「輸出」。

而大家都是從那個「輸出」開始做的。

先把結論放這裡：AI 助理好不好用，不看模型多強，也不看你 prompt 寫得多漂亮，看它讀不讀得到你。

四個零件，跟它們該有的順序

先講清楚，免得你買錯東西：表格裡標「自己蓋」的那三格，沒有任何一個是你打開軟體點得到的按鈕，它們是檔案跟習慣。而 Jason 那個腳踏板也不是 Codex 出的產品，是他自己接的。

看出來了嗎？中間兩格是「自己蓋」，而那正是大部分人跳過的兩格。

這就像便利商店補貨。你今天排了六班補貨車，早中晚各兩趟，聽起來超級自動化。但如果門市沒有即時庫存資料，那六趟車就是六趟亂補，補完你還要自己去架上一格一格數。

車班不是效率的來源。庫存資料才是。

排程也一樣。heartbeat 醒過來的那一秒，它讀得到什麼，決定了它吐出來的東西有沒有用。你先蓋好倉庫，再排補貨班次。

零件一｜輸入：把你眼前的東西丟進去

講話比打字快三倍

Jason 在工作坊現場問了一句：「有多少人跟 AI 互動的時候是用講的？」舉手的人不多。

他自己是這樣做的：桌下踩一個腳踏板，一個按鈕開始轉錄，一個按鈕送出。他手背在身後走到桌邊，講一句「這個修掉、Slack 上那件事回一下」，然後就走去跟同事聊天。

他的原話很有意思：「我不會傳一段十五分鐘的語音訊息給同事，但我很敢傳給 AI。」

因為講話的時候你會東拉西扯，會補一句「我記得上禮拜跟誰講過類似的事，你去翻一下」。這些雜訊對人來說是負擔，對 AI 來說剛好是線索。

以前我們花力氣把想法整理成一段乾淨的 prompt。現在你該做的是把腦袋裡那坨還沒整理的東西原樣倒出去，讓它幫你整理。

Appshot 不是截圖，差別在這裡

這是 Codex 現成功能裡最被低估的一個。在 macOS 上雙擊 Command 鍵，它會抓最前景的視窗。

你可能會說，截圖誰不會。

差別在於，Appshot 除了圖，還一起抓走 macOS 的 accessibility tree（無障礙元素樹），連你還沒捲到的畫面外文字都拿得到。這是 Jason 在工作坊上親口拆解的機制，他的原話是「它拿走的不只是那張圖，是整個 app 的無障礙元素樹」。

翻成人話：AI 不只看到畫面長什麼樣，還讀到畫面背後每個欄位、每個人、每個頻道的身分資料。

所以，你截一張群組對話的圖給 AI，它得先做文字辨識，認出裡面有個人叫小陳，再去查「這是哪個群組」、「小陳是誰」，繞三四圈才知道要回哪裡。你給它一張 Appshot，它直接拿到頻道 ID 跟每個人的帳號 ID。Jason 說這樣只要呼叫一次就能把訊息貼回去。

Jason 說他已經兩個禮拜沒有自己填過表單。看到表單，Appshot 一按，「幫我填」，它知道所有欄位該填什麼，因為它知道你是誰。

零件二｜個人知識庫：這格是勝負關鍵

現在講最重要的一格，也是最沒有捷徑的一格。

Jason 的整套系統只有一個 project，叫 vault，就是他的 Obsidian 資料夾，全部是 markdown 檔。他把這個範本開源了，叫 personal-monorepo-template，clone 下來放在 ~/vault：

projects/     長期在跑的工作，一個專案一個檔
experiments/  短期的嘗試
people/       每一個曾經私訊過我的人，一人一個檔
templates/    新專案、新聯絡人的起手式
.codex/skills/  你自己寫的技能

看起來平平無奇對吧？

真正的關鍵藏在一個細節裡，而且是兩句話就講得完的細節：

每個專案檔案的 front matter（檔頭欄位），寫上這個專案相關的所有群組頻道。

每個聯絡人檔案，寫上這個人的 email、通訊軟體帳號、所有工作信箱。

他的原話是：「我永遠不會自己去 prompt 這些東西。」

因為模型讀到那個檔案，看到裡面有頻道連結，它自己就會去讀那個頻道。你不用每次都交代「去看一下行銷部那個群組」。你只要把地址寫在檔案裡一次。

這就是「AI 讀不讀得到你」的具體意思。不是它記性好不好的問題，是你有沒有給它一份可以查的通訊錄。關於 agent 的記憶到底怎麼運作、為什麼「記得多」不等於「好用」，我之前寫過兩個新原語 Memory 與 Dreaming 的拆解，還有一篇從客服角度談記憶系統該怎麼設計，這裡就不重複。

還有兩個小設計很值得抄：

► AGENTS.md 一行分流。 他在 vault 的 AGENTS.md 裡寫了一句「程式碼不要存在這個 repo，存到 /dev」。從此之後叫它 clone 新專案，它自己就放對地方。一行指令，省掉往後幾百次的交代。

► 把 vault 設成 git repo。 跑個幾天回來，git diff 一下，模型改了什麼、沒改什麼，一目了然。這是我看過最務實的 AI 產出驗收法：不看它跟你說了什麼，看它到底動了哪幾行。

台灣公司沒有 Linear，怎麼辦？

Jason 用的是 Slack、Linear、Notion、Gmail。你公司大概是 LINE 群組、Google 試算表、Outlook，加上一個永遠沒人整理的共用硬碟。

那這套是不是就做不了？

做得了，只是接法不一樣。就我自己找過的狀況，LINE 群組目前沒有像 Slack 那樣乾淨的連接器可以讓 AI 直接讀，這部分你得認。但你的知識庫本來就不需要即時串接才有價值：

• 把「客戶 A 的窗口是誰、他在意什麼、上次吵過什麼」寫成 people/客戶A窗口.md
• 把「這檔期的目標、負責人、試算表連結」寫成 projects/雙11.md
• 群組裡真正重要的決議，你用講的丟給 AI，讓它幫你歸檔到對的檔案

一開始會覺得手動很煩。但你算一下：你每天在群組裡回答的問題，有多少是同一批問題？把那些答案寫進檔案一次，之後就是 AI 幫你回。

台灣中小企業主管最大的痛，是十個群組同時在跳，每個群組都有人 tag 你，你分不出哪個重要。Jason 在工作坊講了一個換算很傳神：以前十個同事各做一件事，你追十件事；現在每個同事手上有十個專案，你要追兩百件事，而且你不知道哪一件會炸。

兩百件事，靠意志力是追不完的。

零件三｜個人風格技能：讓它寫出來像你

這一格成本最低，回報最快，通常一句話就搞定。

Jason 最愛的自建技能叫 write-like-me（像我一樣寫）。生成方式就是跟 Codex 講：

讀我過去六個月寫過的所有 email 跟 Slack 訊息，寫一份「怎麼像我一樣講話」的風格指南。

然後補第二句，這句才是精髓：

對外部使用者跟對自己團隊的語氣要不一樣，對主管跟對同事的語氣也要不一樣。

這一句翻成台灣職場就更有感：你寫給客戶、寫給老闆、寫給自己組員的三封信，措辭本來就是三種人格。一份沒分對象的風格檔，只會讓你所有的信都長得像對外公告。

他還有 email-me、tweet-me，以及把語音逐字稿轉成部落格文章的技能。第一版一定不完美，他說得很老實：「我用的所有寫作技能，沒有一個是一次就到位的。」

要注意，技能不是越多越好。他有一個 self-improve（自我改進）技能，專門去讀最常被呼叫的那幾個技能的歷史紀錄，找出「我每次都在給同一種回饋」的地方然後改掉。他也會定期下這種指令：「看我過去四百次對話，哪些技能從來沒被用過？幫我清掉，過程中訪談我。」

技能一多就會互相打架、互相稀釋，這件事我在技能越加越多、AI 卻越不聽話那篇寫過，Jason 的清理習慣算是同一個問題的實務解。

零件四｜heartbeat 定時排程：現在才輪到它

前三格蓋好了，這格才有意義。

先講清楚這是什麼。Codex 的 Automations（自動化）是官方功能，OpenAI 的文件寫得很明白：你可以把排程排在「既有的那條對話裡」，讓 AI 定期回到同一條 thread，前面累積的脈絡不會斷；也可以讓它每次開一條新對話。支援分鐘級的密集迴圈，也支援每日、每週。

建立方式不用寫 cron，用講的就好。Jason 的口訣是：

把這條 thread 變成一個 heartbeat，每天早上九點、下午一點、下午五點，去看我的信箱、Slack 和看板，告訴我該優先處理什麼。

同一條 thread 跟開新對話的差別，在於它記不記得昨天。要做「持續追蹤某件事」用同一條，要做「每天一份獨立日報」開新的。

他的幕僚 thread 是怎麼長出來的

Jason 有一條 pin 住的 thread 叫 chief of staff（幕僚長），這是他自建的用法，不是內建功能。重點在於它是演進出來的，不是一次寫好的：

1. 第一版：早中晚三次，讀完 Slack、讀完還沒回的信、讀 Linear 看板，告訴我今天該做什麼
2. 第二版：每一條都要附上可以直接點進去的連結
3. 第三版：該回的信不要只告訴我，先幫我把回信草稿寫好
4. 第四版：每一封該回的信，在 Chrome 幫我開一個分頁

第四版最有畫面：他開完會回到座位，螢幕上七個分頁，每一個都是寫好草稿的信件編輯畫面。他逐個看過、改兩個字、按送出。

想像一下你自己的版本。你開完早會回到位子，螢幕上已經開好三個分頁：客戶昨天問報價的信、財務催你簽的單、要你確認的檔期試算表。內容都填好了，你只要看過、按送出。

它被時間跟事件叫醒，不用你先開口，這個轉變我在AI 從你去用的工具變成自己上工的同事那篇談過，這裡不展開。

再給一個很實用的小技巧。現場有人問：排程每天都跟我講一樣的廢話怎麼辦？

Jason 的答案很土但有效：跟它說「如果沒有新進度，就回四個字：沒有更新」。另外就是調頻率、設停止條件。他有個經典案例：跟 Amazon 客服吵退款被排進七十五分鐘的等待隊列，他下指令「每五分鐘查一次，等到剩五分鐘以內就改成每分鐘查，一直盧到把我的錢退回來」。他去洗個澡，回來信用卡多了幾百美金。

進階兩層：驗收迴圈與電腦代操

用 goal 定義「什麼叫做完了」

/goal 是 Codex 內建指令，做的事很簡單：定義一個驗證步驟，只要沒通過就繼續跑。

Jason 特別區分了 goal（目標）跟 plan（計畫），這個區分很多人沒搞清楚：

• goal 是驗收標準：「貼一個 YouTube 網址進去，要能把鼓聲軌抽出來。這是測試曲，這是影片 ID。」
• plan 是實作細節：「用 React 寫，做兩個分頁，不會的技術自己去讀文件。」

而且他有一句反直覺的建議：不要自己寫 goal。 你把成功條件講清楚，然後說「現在你自己設一個目標來達成這件事」，它寫出來的品質比你寫的好。

他自建了一個 ultra goal 技能，把目標從 app 裡搬到 goal.md 檔案。好處是跑到一半你還能改目標，真實專案本來就會擴 scope，改檔案就好。長任務再配一個 worklog（工作日誌），因為那個幾 GB 的對話紀錄檔沒人看得完。

這套「先定義怎麼算過關、再讓它自己跑」，跟我之前整理的用 AI 的高手都在設計驗收迴圈是同一套思路。

Computer use：它真的會動你的滑鼠

Computer use（電腦代操）就是讓 AI 直接操作你電腦上的應用程式，不限瀏覽器。依 OpenAI 官方文件，它在 macOS 跟 Windows 都能用，要搭配 ChatGPT Work 或 Codex，但兩邊玩法不一樣：Windows 要求目標視窗一直開在前景；macOS 多一個 locked use 選項，筆電接著電源、螢幕鎖著，你也能從手機觸發，第一次用要授權螢幕錄製跟輔助使用。

順帶提醒，前面講的 Appshot 目前只有 macOS 版有。這兩個功能常被混在一起講，別買錯期待。

最有畫面的故事發生在腳踏車上。Jason 騎到一半收到同事訊息，說發布影片的字幕有問題、能不能重出一版。他用手機遙控家裡的桌機：去 iMovie 找到那個專案、改好、匯出、貼回 Slack；如果 Slack 連接器不能傳檔，就用 computer use 去點上傳按鈕。然後補一句：每三十分鐘看那條討論串，有回饋就重出 V2、V3、V4。

他騎車回到家，影片定稿了。那支就是 Codex 的遷移發布影片。

他自己補了一句：對方大概不知道自己一直在跟 AI 對話。

三個煞車，我一定要幫你踩

上面講得很爽，但這套東西有真實的代價，Jason 自己在工作坊也講得很直白。

► 第一，模型會繞道，這是真的資安問題。

他舉的例子：Slack 連接器不允許傳檔案，模型不會就此停下，它會改用 computer use 去點「上傳檔案」。Gmail 連接器寄不出去，它會打開瀏覽器按送出。他的原話是「those are like real security issues」。

現場舉手調查，大多數人用「每次都問我」模式，少數人開全自動。Jason 明確說他不喜歡全自動，他推薦 auto review（自動審查）模式，加上 AGENTS.md 寫護欄。OpenAI 內部還有組織級管制：MCP 不能寄信給非公司網域、不能發訊到外部 Slack 頻道。

你要是準備讓 AI 碰你的信箱跟客戶群組，這段請讀兩遍。

► 第二，別當「最高推理等級」極大化主義者。

「x-high 不等於 x-high 的結果，它只是想比較久。」他自己的幕僚 thread 跑預設的 medium，自動報到登機那條跑最低階的 Spark。他也提醒，維護待辦清單那種自動化其實蠻吃 token 的，他自己都不確定值不值得一般人做。

► 第三，第一天不會好用。

「我會很驚訝你設定完第一天就有好結果。」這句請貼在你的螢幕上。他的類比是帶新人：前兩三個月你要大量給脈絡、要讓他犯錯、犯錯之後叫他把學到的寫下來。這跟把每條 thread 當成一個同事、你自己升格當主管是同一套邏輯，我在別再迷信一個 agent 搞定一切那篇談過分工。

我自己踩過的坑

講完別人的，講一個我自己的。

我用 AI agent 幫我寫部落格文章，一開始想的跟你一模一樣：設一個排程，每天自動產一篇，多爽。

結果產出來的東西全是廢話。看起來像文章，讀起來像官網介紹頁。連我自己都不想按發布。

後來我把排程整個關掉，回頭做三件事：把我的寫作風格拆成一份 style-dna 檔案、把站上所有文章建成一個 articles.json 資料庫、每個連載寫一份 PROGRESS.md 進度檔。

蓋這三個檔案的時候一點都不性感，很像在做行政。但蓋完之後，同一個 agent 產出來的東西整個換了一個檔次。因為它終於知道我是誰、我寫過什麼、我這句話會怎麼收尾。

排程是後來才加回去的。加回去之後才真的有用。

這禮拜你可以做的四件事

► 第一：把打字改成用講的。 手機或電腦內建的語音輸入就夠，不用買腳踏板。挑一封你懶得回的信，對著 AI 講六十秒，看它整理成什麼。就一封，門檻壓到最低。

► 第二：開一個資料夾，先寫兩個檔案。 一個 people/ 放你最常往來的人，一個 projects/ 放你手上最重要的案子。裡面務必寫上相關的群組、試算表連結、負責窗口。今天只寫這兩個檔就好。

► 第三：生一個「像我一樣寫」的技能。 先別急著開放整個信箱，隱私跟權限都是麻煩。你自己挑十封寫得最像你的信丟給它，叫它寫一份風格指南，對客戶、對老闆、對組員分開寫。覺得有效再擴大範圍。

► 第四：排程留到下禮拜再設。 前三件做完，第四件才會有用。第一版設一次就好，每天早上一次，等你連續三天都覺得「這份我真的有看」，再往上加。

最後留一句 Jason 在訪談裡講的話，對所有正在被 AI 追著跑的人都適用：現在唯一剩下的工作，是搞懂你到底不喜歡它哪裡，然後把那件事講成人話告訴它。

會描述問題的人，比會寫 prompt 的人值錢。

常見問題 FAQ

Q1：Codex 跟 ChatGPT 差在哪裡？該用哪一個？

依 Jason Liu 的說法，ChatGPT Work 與 Codex 底層是同一套，Work 只是把 git 紀錄、程式碼差異這些開發者才看的東西藏起來的另一種介面。如果你不看程式碼，用 Work 的體驗比較清爽；要看版本控制細節就用 Codex。他本人現在多數工作都在 Work 裡做。

Q2：heartbeat 定時排程要怎麼設？需要寫程式嗎？

不用寫程式，用自然語言講就好。依 OpenAI 官方文件，你只要描述三件事：要做什麼工作、什麼時候跑、每次跑完是回到這條對話還是開一條新的。範例句型：「把這條對話變成 heartbeat，每天早上九點檢查我的信箱和專案看板，告訴我該優先處理什麼，每一條都附上連結。」

Q3：一定要用 Obsidian 嗎？

不用。Jason 說他的知識庫就是一堆 markdown 檔案，不是資料庫，Obsidian 只是他習慣的介面，而且他其實很少真的打開它。任何能存純文字檔的資料夾都可以，重點在目錄結構跟檔案裡有沒有寫上該有的連結與聯絡資訊。

Q4：沒有工程背景可以做嗎？

四個零件裡有三個不需要寫程式：語音輸入、知識庫檔案、風格技能，都是寫 markdown 跟講話。真正需要一點技術理解的是把 vault 設成 git repo 來做版本比對，這部分可以先跳過，之後再補。

Q5：讓 AI 操作我的電腦，風險有多大？

有真實風險。Jason 舉的例子是：當某個連接器擋住某個動作，模型可能改用電腦代操繞過去，例如不能透過 Slack 傳檔就自己去點上傳按鈕。他本人不建議開全自動模式，建議用自動審查模式，並在 AGENTS.md 裡寫明禁止事項。碰到客戶信箱、財務資料之前請先設好邊界。

Q6：要不要一律開最高推理等級？

不要。Jason 的原話是「最高等級不等於最高等級的結果，它只是想比較久」。他自己的每日幕僚排程跑預設的中等，自動報到登機這種簡單任務跑最低階模型。低與中等推理已經比一年前的旗艦模型強，把預算留給真正複雜的任務。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。