[AI 分享] CodeX入門實戰全指南 2

 [AI 分享] CodeX入門實戰全指南

摘要：從安裝、介面、權限到網站、文件、影片與自動化任務，帶你真正上手CodeX。

內容:

CodeX 不是傳統的聊天型 AI，而是更接近「會直接幫你做事的 AI 員工」。一般聊天 AI 比較像顧問，你問問題，它給答案；但真正執行、整理、建立文件、操作工具的人還是你自己。CodeX 則屬於 agent 類型，不只會思考，還能直接把任務一步步完成，從建文件、整理資料、執行程式，到操作瀏覽器都能處理。

對一般人來說，CodeX 很可能是目前最值得學習的 AI agent 之一。尤其對學生、上班族、知識工作者而言，看完後很可能會改變對 AI 的理解。因為它不只是「回答你」，而是能逐步成為你真正可用的數位助手。

在使用前，主要需要準備 GPT 帳號。若是高頻重度使用者，可以考慮升級到 Pro；一般使用者使用 Plus 通常已經足夠，免費方案也能體驗，只是額度較少。安裝並登入後，如果介面是英文，可以到左下角設定中把語言切換成中文，之後就會更容易上手。

CodeX 的介面主要分成幾個部分。左側上方有新對話、搜尋、外掛與技能、自動化等功能。中間最重要的是「專案」與「對話」兩種結構：對話比較適合零碎型任務，像查資料、問問題；專案則更像一個對應電腦資料夾的工作空間，你在裡面產生的程式碼、PPT、文件等都會保存下來。每個專案下還能開很多對話，用來分別處理不同工作。

建立專案後，就可以直接在輸入框中用中文描述需求。下方可以設定使用的模型、思考強度與速度。思考強度通常分為低、中、高、超高，日常任務用中等即可；複雜任務則可調高。速度則分標準與快速兩種，趕時間時可以切換。若不想打字，也能直接使用語音輸入需求。

輸入區旁邊還有幾個很重要的功能。第一是上傳資料，可將本地檔案或資料夾交給 CodeX 使用。第二是「計畫模式」，開啟後它會先跟你討論方案，不會直接修改檔案，特別適合做網站、開發專案、流程設計等較複雜任務。第三是權限模式，通常有預設權限、自動審查與完全訪問三種。對新手來說，建議先用預設或自動審查，不要一開始就開完全訪問，以免 AI 做出你不想要的操作。

 CodeX 的工作場景與使用邏輯，讓使用者能理解它不只是聊天工具，而是能在本地、專案、雲端等不同環境裡協助你執行任務。這種能力，讓它更像是「可操作、可交付結果」的工作助手。

在實作案例中，CodeX 展示了多種應用。像是影片製作，只要給出需求，搭配對應外掛，就能生成影片、動畫、音樂等內容。即使只是簡單指令，也能快速做出可預覽的成果；若有更明確的腳本、素材或畫面要求，還能持續與 AI 對話，逐幀調整畫面細節與效果。

除了影片，它也能幫你產出表格、SEO 文件、Word 文件等各類辦公內容。過去這類工作往往需要查資料、整理資訊、排版校對，可能要花上好幾個小時；現在透過 CodeX，可以大幅縮短製作時間，而且還能在生成後直接預覽，若不滿意再請它持續修改。

外掛與 skill 的概念。外掛像是給 CodeX 增加能力模組，而 skill 則像是把一整套工作規則與流程，整理成可重複使用的標準操作手冊。例如圖片生成的流程，可以先定義畫面描述、風格與模型調用方式，再把這些規則寫成 markdown 文件，讓 CodeX 在不同對話中都能依照一致標準執行。

這裡特別提到一個實用技巧：在專案根目錄建立 `agents.md` 文件。因為 CodeX 在不同對話視窗之間不一定會記得先前所有規則，所以把重要規範、風格、流程寫進這份文件，就像給 AI 一份入職手冊。之後每次開新對話，它都能依據這份手冊做事，形成穩定、可複用的長期記憶與工作標準。

自動化則是 CodeX 的另一個高價值功能。如果你每天都要重複整理資料、搜尋熱門話題、彙整報告，就可以直接用自然語言建立自動化任務，例如「每天早上九點幫我搜集今日熱門資料並生成報告」。設定後，CodeX 就會定時執行。你也能在自動化頁面中調整執行時間、模型、思考強度、環境與任務描述，並隨時暫停或刪除任務。

在正式建立自動化之前，影片也建議先手動跑一次流程，確認輸出符合預期，再交給自動化執行，避免浪費額度。這是一個很實際的使用建議，特別適合剛開始接觸的人。

關於額度管理，CodeX 也提供清楚的查看方式。你可以在左下角設定中查看五小時內與本週剩餘額度，也可以透過對話中的狀態指令查看上下文與使用情況。若達到上限，不必太緊張，因為系統通常會按照滾動時間重新釋出額度。若真的不夠，再考慮升級方案即可。

另一個節省額度的重要方式是管理上下文。當一段任務完成後，可以手動壓縮上下文，讓模型把注意力聚焦到新任務上，這樣不只提升效率，也能減少不必要的消耗。

最後，直接請 CodeX 製作一個寵物貓咪主題首頁，並開啟計畫模式，讓 AI 先提出完整方案，再逐步確認風格、內容、設計方向。確認後，它便開始初始化專案、生成內容，最後完成網站頁面。內建瀏覽器還能直接預覽成果，並透過批註功能即時提出修改意見，再重新整理檢視更新效果。

整體來看，這支內容不只是介紹 CodeX 是什麼，更重要的是讓人理解它和傳統 AI 的本質差異：一個偏向建議型助手，另一個則是能幫你真正完成工作的 agent。從安裝設定、權限控制、文件生成、影片製作、網站開發，到 skill 與自動化任務，影片用大量實操案例展示了 CodeX 如何成為個人工作流中的 AI 員工。

第一性原理看科學世界

 [AI 回顧] 第一性原理看科學世界

摘要 : 這本書用第一性原理串起引力、量子、粒子與宇宙學，幫助非科學背景讀者快速理解科學底層邏輯。

內容:

第一性原理 試圖解決一個常見困擾：很多人一聽科學就覺得艱深難懂。作者馬克思·喬恩提出，不必背下繁雜知識，只要抓住各領域最根本、無需再被證明的「第一性原理」，再沿著邏輯逐步推演，就能理解整個知識框架。這也是他能把量子計算機講給完全沒有科學背景的聽眾聽懂的原因。

書中先從引力談起。引力的第一性原理很簡單：任何兩個有質量的物體都會彼此吸引。雖然引力在四種基本作用力中最弱，但因為它只有吸引、沒有抵消效果，當物體質量累積到足夠大時，就能主導天體形狀與運動，例如讓大型天體趨近球形，也讓月球繞地球、公轉天體繞太陽運行。

牛頓的重要突破，在於把地上的蘋果落地與天上的月球運行看成同一種力的結果，進一步建立萬有引力與平方反比定律，打通了天地規律。由此不只解釋行星軌道，也能說明潮汐現象。潮汐本質上不是單純「月亮拉海水」，而是月球對地球不同位置造成的引力差，甚至連岩石地層與大型科學設施都會出現微小的固體潮汐效應。

在微觀世界裡，量子理論顛覆了日常直覺。原子與粒子具有不連續性、波粒二象性、疊加態與量子糾纏等特徵；粒子在被觀測前可以同時處於多種狀態，但在宏觀世界中，因為持續與環境互動，疊加態會快速消失，這就是退相干。雖然量子現象反常識，但其應用早已深入生活，包括雷射、半導體、醫學影像與量子計算等。

進一步到粒子物理，標準模型統整了電磁力、強力與弱力，並將基本粒子分為構成物質的費米子與傳遞作用力的波色子。希格斯場與希格斯波色子則提供了粒子質量的來源，電弱統一更顯示不同基本力在高能條件下可能原本是一體的。不過標準模型仍無法納入引力，也無法完整解釋暗物質與中微子質量，因此科學家仍在尋找更底層的統一理論，例如弦理論。

在宇宙學部分，作者指出現代宇宙學的核心原理是：宇宙正在膨脹，並起源於約138億年前的大爆炸。哈勃定律與宇宙背景輻射為此提供了強力證據，但現代理論仍面臨暗物質、暗能量等重大未解問題。整體來看，這本書不是要讀者死背科學細節，而是教人用第一性原理掌握世界運作的底層邏輯，從而更有效率地理解科學。

[AI 衝擊] AI價格戰將成主戰場

 [AI 衝擊] AI價格戰將成主戰場

摘要 : OpenAI擬降價迎戰Anthropic，AI競爭重心正從模型能力轉向成本與商業化效率。

內容:

AI產業最激烈的競爭，未必是比誰的模型更聰明，而可能是比誰的價格更低。OpenAI正考慮大幅調降AI服務價格，目標是提前應對主要競爭對手Anthropic的壓力。

過去兩年，企業大量導入AI應用，包括程式生成、客服自動化、內容生產與資料分析等，幾乎各環節都在使用AI。然而隨著使用量快速增加，企業也發現AI雖然提升效率，但成本上升得更快，原本數萬美元的支出可能迅速膨脹到數十萬甚至上百萬美元。

當不同AI模型之間的能力差距逐漸縮小，企業評估重點也開始改變，不再只看效果，而是更重視成本配置。誰能提供更低價格，誰就更有機會取得預算，這也成為OpenAI考慮降價的重要背景。

Anthropic憑藉Claude系列模型，特別是在程式設計相關場景中快速擴張，吸引不少企業客戶。一些開發團隊甚至開始將原本使用OpenAI的工作流程轉移出去。對OpenAI而言，真正的風險不只是流失少數客戶，而是市場一旦形成「模型同質化」認知，使用者切換平台的門檻就會愈來愈低。

同時，整個產業也面臨更大壓力。愈來愈多企業開始採用更便宜的開源模型，或來自不同供應商的低成本方案，甚至透過自動路由系統，把任務分配給最便宜且夠用的模型處理。過去需要頂級模型完成的工作，如今可能以十分之一甚至更低的成本達成。

如果OpenAI與Anthropic正式展開價格戰，使用者與企業將是直接受益者，AI部署門檻與開發成本都會下降。但對AI公司而言，訓練與運行頂級模型本就需要巨額資金與算力，一旦降價速度快過收入成長，利潤空間將迅速被壓縮。未來AI產業的勝負，可能不只取決於誰的模型最強，而是誰能以更低成本提供強大能力。

#AI

[AI 分享] Codex實戰 superpowers 用需求拆解打造新聞稿生成工具

 [AI 分享] Codex實戰 用需求拆解打造新聞稿生成工具

摘要 : 透過實際案例說明，如何用Codex與技能工具梳理需求，打造新聞稿、簡報與公眾號內容生成網頁。

內容:

主題不再只是簡單的網頁或小功能，而是進一步進入真實需求的開發情境。整個過程大約花了 30 分鐘，從開啟連結、進入網址內容，到把素材拖入網頁中，逐步建立出一個可落地的新聞稿生成工具。

這次案例的核心目標，是製作一個能生成高品質新聞稿的 HTML 網頁工具，甚至延伸成新聞稿、圖文簡報、公眾號內容等多種輸出形式。對於沒有網頁或程式背景的使用者而言，最重要的不是直接開發，而是先學會如何提需求，特別是先釐清「輸入是什麼、輸出是什麼」。

在輸入端，需要明確提供的內容包括：新聞主題、參與人員、活動基本資訊、活動照片、圖文作者，以及最後的落款時間。此外，也可以直接說明素材放在哪個資料夾，或支援拖拽上傳到網頁中。這些都是需求規劃時必須先整理清楚的部分。

而在輸出端，則要先定義最終要產出的形式，例如是新聞稿、簡報，還是同時輸出多種宣傳內容。這裡的關鍵觀念是，不要一開始就急著讓系統開發，而是先讓工具幫忙把需求補完整、把結構梳理清楚，避免後續開發偏離目標。

過程中提到了一個名為 superpowers 的技能工具。這個技能的作用，是把原本零散的想法與功能點，整理成能夠真正落地的產品需求，並釐清目標、邊界、流程與輸出標準。它不只是單純整理文字，而是協助使用者把專案的輸入、輸出、限制條件與執行方案具體化。

superpowers 還包含多種商業功能，例如需求分析、目標與邊界說明、方案設計、writing plan，以及技術與欄位說明等。分享中也提到一個重要的學習方法：不需要一開始就把所有功能研究透徹，而是先從最基礎、最實用的功能開始用，邊做邊理解，這樣比一次想搞懂全部內容更有效率。

在實際規劃產品需求時，系統先協助定義這是一個「高校活動報導的本地 HTML 工具」，再進一步讓使用者選擇產品定位。例如可選擇新聞稿裁剪助手、素材自動整理成稿工具，或是新聞稿加簡報排版工具。最終更符合實際需求的定位，是一套能同時處理新聞稿、圖文簡報、活動快訊甚至公眾號出稿的整合型工具。

不過，考量開發成本與複雜度，分享中也提到不需要一開始就把所有功能都做滿，而是先聚焦在較實用的組合，例如「新聞稿＋簡報＋公眾號內容」這類中等規模的輸出形式，既符合新媒體使用情境，也比較容易落地。

在需求細化時，還進一步討論了素材輸入方式，例如是拖入整個資料夾、拖入多個檔案，還是以表單填寫為主。最適合的方案，是讓使用者直接拖入整包素材或資料夾，因為這樣更接近真實工作場景，也能減少手動整理資料的負擔。

此外，素材目錄結構是否需要規範，也是需求設計的重要一環。若完全自動混放，雖然最省事，但辨識錯誤率較高；若有一定的結構要求，則能提升生成品質與穩定性。分享中傾向先採取較簡單、較低門檻的方式，再依需求逐步優化。

整體來看，這次分享的重點不只是教大家如何做一個新聞稿生成工具，更重要的是示範了一種實戰思維：在開發之前，先用工具把需求講清楚、拆清楚、選清楚。透過一步步的選擇與界定，讓 Codex 更準確理解需求，降低反覆修改的成本，也減少 token 浪費，最終提高內容生成的精準度與可用性。

最後也點出一個值得延伸思考的方向：如果未來要把這類產品做得更智慧化，接入 AI 大模型幾乎會是必要條件。雖然這次流程中還沒有完整談到這一點，但這將會是後續產品升級的重要基礎。

[AI 觀察] 招聘博弈與組織變革

 [AI 觀察] 招聘博弈與組織變革

摘要 : AI正重塑招聘與管理，但高階人才判斷、信任建立與組織協調，仍離不開人的深度參與。

內容:
現在招聘市場出現一種明顯的「雙向AI博弈」：企業用AI篩選簡歷，求職者也用AI優化甚至撰寫簡歷，讓自己更容易被演算法選中。這種現象未來只會越來越普遍，但也意味著招聘不可能只靠AI完成，而會演變成人與AI共同參與的競爭與篩選過程。

AI在招聘流程前段確實能大幅提效，尤其適合做簡歷初篩、資訊整理與基礎匹配。不過它也有盲點，例如當越來越多簡歷由AI生成後，如何辨識真實能力與經驗就成為新問題。因此，真正有效的招聘仍需依賴獵頭顧問或招聘者對產業、企業需求與候選人的深入理解，進行更細緻的人對人評估。

尤其在高階職位招聘上，AI更難取代人。像CFO這類C-level職位，所需能力高度複合、情境灰度很高，不是靠幾頁簡歷就能完整呈現。候選人的歷練、判斷力、與老闆是否合拍，甚至彼此間的chemistry與信任感，往往需要透過深入交流才能感知，這些都不是AI或文字描述能完全捕捉的。

面試與簡歷本身也並不足夠，因此企業會特別重視背景調查。背調能補充候選人在長期工作關係中的真實表現，例如前老闆、前同事對其能力與合作方式的評價。當然，背調也存在利益衝突風險，因此可交由第三方機構執行；而專業獵頭公司也會重視自身品牌與信用，必要時甚至會主動撤回有疑慮的候選人，以避免影響名譽。

除了招聘，AI也正在推動組織架構變革。它可能讓組織更扁平化、平臺化，讓「超級個體」更容易脫穎而出。部分觀點甚至認為，未來CEO與基層員工都會借助AI工作，而中間層因資料彙報、流程管理等工作被AI取代而逐漸淡化。這種趨勢在標準化、程序化、資料型工作上確實已有跡象。

但只要管理對象仍然是人，中間層就不會完全消失，而是角色會改變。未來AI更適合負責流程化、標準化與資訊歸納工作；中層管理者則需更多承擔溝通協調、情感連結、培訓與激勵的職能。也就是說，AI會重塑組織分工，但真正讓團隊高效運轉的，仍是人與人之間的信任、理解與帶動。

#AI

[AI 觀點] AI風口未必屬於你，但AI工具一定用得上

 [AI 觀點] AI風口未必屬於你，但AI工具一定用得上

摘要：普通人不必焦慮追AI風口，真正能抓住的是用AI提升工作與生活效率的紅利。

內容:

近來各大平台都在談AI，彷彿不學AI就會被淘汰，甚至有人說這是普通人最後一次翻身的機會。這類說法聽起來很刺激，也很容易讓人焦慮。但事實上，AI雖然重要，卻不代表每個人都要去追逐所謂的「風口」。很多鋪天蓋地的焦慮言論，更多是在利用人們害怕錯過機會的心理。

為什麼大家會對AI特別緊張？很大一部分原因，是因為我們總覺得自己曾經錯過了很多重要機會。像是網際網路、電商、短影音，甚至更早期的房地產紅利，很多人回頭看時都會產生一種遺憾：如果當初早一點進場，人生也許就不同了。如今AI來了，這種「不能再錯過」的情緒被再次放大，於是人們更容易陷入焦慮。

但問題在於，真正能吃到AI技術風口的人，其實只有極少數。第一類是做技術的人，例如寫程式、做演算法、研究底層模型與架構的人；第二類則是有資本、有資源、懂產業邏輯的投資者。這些人往往早已身在局中，並不是今天才突然衝進場。對大多數普通人來說，自己並不屬於這1%，更多時候只是AI工具的使用者。

所以，普通人真正能掌握的，不是技術風口，也不是投資風口，而是「效率紅利」。意思是，你不一定要懂AI怎麼被造出來，但你可以學會怎麼把AI用在自己的工作與生活中。就像你不需要會造冰箱，卻完全可以享受冰箱帶來的便利。AI最大的價值，對多數人來說，就是把原本耗時又重複的工作大幅縮短，讓你把時間留給更重要的事。

以健身教練來說，過去替每位學員設計訓練計畫，需要花很多時間去考量體能狀況、訓練目標、可訓練次數與傷病背景。現在只要把這些條件整理給AI，它就能快速生成一份完整初稿，包括動作安排、組數、休息時間與注意事項。教練真正要做的，是用自己的專業去調整與把關，而不是從零開始重複勞動。

教育工作者也很適合運用AI。像是批改作文、檢查語病、整理備課素材、延伸案例與教案內容，AI都能先做第一輪處理。老師不需要把時間浪費在大量重複性的基礎工作上，而能把重心放在真正重要的教學判斷與個別回饋。

對學生而言，AI在閱讀文獻、整理資料、建立論文框架方面也很有幫助。面對大量PDF、研究資料與學術文章時，可以先讓AI協助摘要、分類、比較貢獻與侷限，再決定哪些文獻值得深入閱讀。寫作上也可以利用AI協助梳理結構與邏輯，但真正的核心觀點與判斷，還是必須由自己完成。

職場工作者同樣能直接受益。像是做PPT、寫週報、整理會議紀要、撰寫郵件，這些原本容易消耗時間的事務，都能透過AI大幅加快。你不需要從空白頁開始焦慮，而是可以先有一版可用的初稿，再進一步優化內容與表現方式，把時間拿去處理更高價值的工作。

對設計師、攝影師這類創意工作者來說，AI也不是要取代創作，而是能成為靈感工具。只要輸入幾個風格關鍵詞，AI就能快速生成多種參考方向，幫助創作者更快找到視覺語言與概念起點。真正的審美判斷與作品完成，仍然仰賴人的能力。

銷售、微商與電商運營人員，則可以把AI應用在文案、產品介紹、社群貼文與客戶回覆模板上。當你需要快速產出不同風格的內容，或針對常見問題建立標準回覆時，AI可以大幅減少反覆構思的消耗。這不是讓人變得機械化，而是讓人從低效重複勞動中被釋放出來。

說到底，普通人面對AI，最重要的不是去幻想自己一定要成為那1%的技術高手或投資贏家，而是認清自己真正能拿到的是什麼。如果你只是想讓工作更輕鬆、更快、更有效率，那AI和你就非常有關係。它不是一場非追不可的競賽，而是一套值得學會使用的工具。

所以，AI不一定是普通人的風口，但一定可以是普通人的助手。你不需要因為它而焦慮，也不必被市場上的話術推著跑。真正值得做的，是學會如何在自己的工作場景中提問、使用、調整，讓AI替你完成那些重複、繁瑣、耗時的部分，而你把精力留給更重要的判斷與創造。

#AI

[AI 反思] AI時代先找方向，再談工具

[AI 反思] AI時代先找方向，再談工具

摘要 : AI時代真正的焦慮，不是你不會用AI，而是你還沒找到自己真正想做的事。

內容:
AI時代最大的問題，往往不是不會用AI，而是不知道要拿AI來做什麼。網路上充滿各種焦慮：今天說AI要淘汰人類，明天說不會用AI的人會被甩開，後天又告訴你只要學會某個工具就能快速成長。人因此越看越焦慮、越焦慮越想學，但真正的關鍵其實是：學會之後，你要把它用在哪裡？

如果一個人沒有真正想做的事，AI再強也只是高級玩具。你可能收藏很多教學、買很多課程、開很多工具，最後卻依然沒有改變生活，只是在忙碌與焦慮中原地打轉。這不是不努力，而是努力沒有方向，能量也無法集中，所以很容易陷入一種空心、迷惘的狀態。

相反地，真正有方向的人，會進入良性的成長循環。他知道自己為什麼學AI、為什麼讀書、為什麼練表達、為什麼提升技能。因為有明確目標，所以學到的東西能立即用在自己的方向上；因為能解決問題，所以能幫助別人；因為幫助別人，所以得到報酬與肯定，再把這些資源投入學習，讓能力、收入與成就感持續上升。

而沒有想做之事的人，常會掉進兩種惡性循環：一種是靠花錢緩解焦慮，透過吃喝、購物、社交來獲得短暫快感，之後卻更空虛；另一種是靠娛樂麻痺自己，刷短影片、打遊戲、熬夜，看似休息，實際上是在逃避人生。時間久了，工作更無聊、生活更無力、錢沒存到、能力也沒提升，對現狀只會越來越厭倦。

自己並不是一開始就知道想做什麼，而是做過主持人、書店店員、創業者、直播工作者，現在又投入編劇與內容創作。表面上經歷很跳躍，但底層始終在尋找一件能讓自己持續投入、持續成長、持續興奮的事。真正重要的，不是追上每一個熱點，而是找到那個讓你願意長期學習、精進，並拿來幫助別人的方向。

想做的事不是憑空想出來的，而是可以透過自我認知慢慢找到。工作、創業、跳槽都只是實現它的手段。隨著年齡增長，人很容易被各種「應該」綁住，活成失去自由的人。與其被AI熱點推著焦慮前進，不如趁現在正視自己，找到真正想做的事。當你願意為那件事持續投入、主動學習、自然行動，人生就會逐漸進入更開心、更有成長感的良性循環。

#AI

[AI 分享] Codex Skill 技能新手入門指南

 [AI 分享] Codex Skill 技能新手入門指南

摘要 : 從概念、建立、管理到進階配置，系統整理Codex技能的入門重點。

內容:

這是一份關於 Codex 技能的新手入門整理，目的是幫助開發者與 AI 愛好者，快速理解如何為 AI 助手建立更強大的任務處理能力。整體內容從基礎概念出發，逐步帶到建立、使用、管理與進階最佳實踐，讓學習路徑更清晰。

首先，Codex 技能可以理解為一個打包好的工作流單元，裡面包含指令、參考資料與指令碼。它的核心價值在於提升 AI 處理複雜任務的能力，同時增加執行的穩定性與可重複使用性。官方工具如 CLI 與 IDE 擴充套件都支援這套技能系統。

技能與外掛是兩個容易混淆的概念。技能代表「如何完成一件事」的工作流定義；外掛則是用來打包與分發技能的形式。簡單來說，技能是內容本體，外掛是分享技能的包裝方式，通常是先建立技能，再透過外掛對外分發。

在載入機制上，Codex 採用按需展開的方式來節省模型上下文。系統啟動時只會先載入技能的原資料，而不是完整內容；只有在真正需要時，才會讀取完整指令。這樣的設計有助於提高效率，也讓更多技能有機會被系統辨識與使用。

技能的使用方式分為兩種。第一種是顯示呼叫，也就是由使用者明確指定要使用哪個技能，例如透過介面選取，或輸入特定技能指令。第二種是隱式呼叫，Codex 會依照使用者輸入內容，自動判斷並匹配最適合的技能。因此，技能描述必須寫得清楚、準確，並把關鍵字盡量放在前面，才能提高匹配效果。

如果是第一次建立技能，可以直接使用內建的 `$SkillCreator` 工具。只要輸入指令並依提示回答問題，就能快速產生一個技能框架。對初學者而言，建議先從純指令型技能開始，把工作流程邏輯設計清楚後，再逐步加入指令碼能力。

若需要更高的控制彈性，也可以手動撰寫 `Skill.md` 檔案。這個核心檔案通常包含技能的名稱、描述、原資料與具體操作指令。當技能修改後若未立即生效，通常重新啟動 Codex 就能解決問題。

一個完整的技能不只是單一檔案，而是一個具結構的目錄。除了核心的 `Skill.md` 外，還可以包含 `Scripts` 目錄存放指令碼、`References` 存放參考資料、`Assets` 放置靜態資源，以及 `Agents` 目錄進行進階配置。這種模組化結構讓技能更易於擴充與維護。

在管理層面上，技能可以存放於不同層級。倉庫級技能通常與專案程式碼綁定，適合放在專案根目錄或模組目錄下，方便團隊共用與版本管理。除此之外，還有使用者級、管理員級與系統級技能，分別對應個人使用、全機器共用，以及 Codex 內建技能。必要時，也能透過符號連結來彈性組織技能。

如果技能只在專案內部使用，通常直接放在 `Skills` 目錄並透過 Git 管理即可。但若希望分享給更多人，或釋出為通用工具，則適合將技能打包成外掛。外掛是技能標準化分發的重要形式，也更利於安裝與流通。

安裝技能方面，Codex 提供了 `$SkillInstall` 工具。使用者只要輸入像 `$SkillInstall Linear` 這樣的指令，就能快速安裝指定技能。若只是想暫時停用某項技能，也可以透過修改全域配置檔來完成，將對應技能設定為停用即可。不過在修改後，通常也需要重新啟動 Codex 才會生效。

進入進階應用後，可以透過額外配置檔案來強化技能體驗。例如在技能目錄中建立對應設定檔，進一步定義技能的顯示方式、呼叫策略與依賴工具。在介面設定中，可以調整顯示名稱、圖示與顏色；而在策略設定中，則可控制是否允許隱式觸發。若將自動觸發關閉，就能確保某些敏感技能只能由使用者手動啟用，提升安全性。

此外，也可以在依賴設定中宣告技能所需的外部工具，例如 MCP 伺服器。這不僅方便其他開發者理解執行環境，也有助於 Codex 在特定情況下協助完成相關配置，讓技能真正具備與外部系統互動的能力。

在開發高品質技能時，有幾個重要原則值得遵循。第一是單一職責原則，每個技能盡量只專注完成一件事，這樣更容易複用、維護與測試。第二是優先使用自然語言指令，而非一開始就依賴指令碼；只有在需要更精準控制或整合外部系統時，再考慮加入腳本。第三是指令撰寫必須清楚，明確說明每一步的輸入、輸出與操作要求，避免模糊描述造成結果不穩定。第四則是充分測試，不只要測試正確情境下是否能被觸發，也要驗證在無關場景中是否會保持安靜，避免誤觸發。

若想進一步學習，建議參考 OpenAI 官方技能範例倉庫，以及相關的智慧體技能規範文件。透過閱讀高品質案例與標準規範，可以更快掌握實作方法，並寫出更容易分享與維護的技能。

總結來說，Codex 技能是一種封裝工作流能力的重要機制，能以顯示或隱式方式被觸發。建立技能可以從 `$SkillCreator` 開始，核心在於 `Skill.md` 與良好的結構設計；管理上則可依不同層級存放，並透過外掛進行分發。若能搭配清楚的設計原則與測試流程，就能有效打造出穩定、實用且可擴充的技能系統。

[AI 分享] Codex Agents.md 新手入門指南

 [AI 分享] Codex Agents.md 新手入門指南

摘要 : 介紹 Agents.md 的用途、查找與覆蓋規則，協助建立可重複使用的 Codex 工作約定。

內容:

這次內容主要帶大家認識 Codex Agents 的入門觀念，重點在於如何透過 Agents.md 檔案，為 Codex AI 助手建立持久且可重複使用的工作約定。這能幫助使用者在自動化任務中提升效率、一致性與準確性，無論是剛接觸 Codex 的新手，或是想優化工作流程的開發者，都很適合從這裡開始。

Agents.md 可以理解成提供給 Codex 的一份操作手冊或備忘錄。使用者可以在其中定義各種工作規則，例如程式碼風格、測試要求、套件管理偏好與文件更新方式等。Codex 在執行任務前會先讀取這些內容，讓後續行為更符合預期，因此它的核心價值就在於建立穩定且可靠的工作流程。

在檔案查找機制上，Codex 每次啟動都會重新從頭讀取設定，並不使用快取，因此每次都會採用最新版本的規則。它會先檢查全域層級的指導檔案，再檢查專案層級的檔案，最後把所有有效內容合併成最終指令集後才開始工作。這樣的流程能確保配置即時生效，也有助於維持指令的一致性。

查詢規則分成全域層與專案層兩部分。全域層位於使用者目錄下的 Codex 資料夾，用來定義適用所有專案的通用規範；專案層則會從專案根目錄一路往目前工作目錄逐層查找。每一層都會按照固定順序尋找指導檔案，並將找到的內容依序納入。

在合併邏輯上，最重要的原則是「越具體越優先」。也就是說，全域規則的優先順序最低，專案根目錄次之，而目前工作目錄下的規則優先順序最高。距離當前工作位置越近的設定，就越能覆蓋上層較通用的規則。除此之外，指令內容總大小也有預設上限，若有需要可透過設定檔進行調整。

在實作方面，可以先從建立全域指導開始。做法是先建立 Codex 主目錄，再新增 agents.md 檔案，將個人的通用工作約定寫入其中，例如測試習慣、套件管理器偏好或提交前檢查流程。接著再透過 Codex 指令驗證設定是否正確載入。若有臨時需求，也可以利用 override 類型檔案來快速調整全域規則。

針對特定專案，則可以利用分層設計進一步客製化。專案根目錄可以放置專案通用規範，而在特殊子目錄中，例如某個支付服務模組，則能額外建立 override 檔案，覆蓋更上層的設定。透過這種方式，同一個專案中的不同模組就能依需求套用不同工作約定，同時又保留整體規範的一致性。

如果某個目錄中存在 override 檔案，通常會優先於同層的 agents.md 生效，達到明確覆蓋的效果。這也代表不同模組可以非常細緻地控制自己的工作流程。例如某個子模組需要更嚴格的測試命令或安全檢查，就能在該目錄單獨定義，不影響其他區域。

進一步來看，Codex 也支援高級配置。如果團隊原本就有自己的指南文件，例如 team_guide.md，可以透過全域設定檔將這些檔名加入備用文件列表，讓 Codex 在查找 agents.md 的同時，也能識別這些既有文件。這樣不但能減少重複維護規範，也更容易與現有團隊流程整合。

另外，也可以調整指令內容大小上限，避免大型專案因規則過多而被截斷。除了修改查找檔名與大小限制外，還能透過切換不同的配置目錄，讓 Codex 在特定專案或自動化腳本中使用獨立設定。這種方式非常適合需要隔離環境或客製化流程的情境。

完成設定後，驗證配置是否生效非常重要。建議先讓 Codex 總結目前載入的指令內容，確認是否正確讀入規則。也可以切換到不同目錄進行測試，觀察各層設定是否有依照預期被覆蓋。如果發生異常，查看日誌通常是最有效的排查方式，因為它會記錄實際載入了哪些檔案。

常見問題包含指令沒有載入、規則被意外覆蓋、備用檔名未生效或內容超出大小限制等。遇到這些情況時，可以先確認目錄位置是否正確、檔案是否為空、上層是否存在未注意到的 override 檔案，以及修改設定後是否已重新啟動 Codex。若內容被截斷，則需進一步調整大小限制。

總結來說，Agents.md 是一個非常實用的工具，能透過全域與專案分層機制，為 Codex 建立清楚、可延續的工作約定。只要掌握「越具體越優先」這個核心原則，再搭配 override 檔案與進階設定功能，就能更靈活地管理不同專案與模組的需求。對於希望提升 AI 協作效率的人來說，這是一個非常值得立即動手實作的功能。

[AI 分享] Codex子智慧體新手入門指南

 [AI 分享] Codex子智慧體新手入門指南

摘要 : 說明Codex子智慧體的概念、運作方式、實戰案例與最佳實踐。

內容:

這次內容聚焦在 Codex 的「子智慧體」功能，目的是幫助初學者快速理解如何把複雜任務拆解成多個可並行處理的子任務，進一步提升開發、審查與除錯效率。整體指南涵蓋基本概念、工作流程、自定義智慧體建立、實戰案例、實驗性功能，以及最後的最佳實踐整理。

所謂子智慧體，可以理解為主智慧體的「分身機制」。當面對大型或複雜任務時，主智慧體可以建立多個子智慧體，讓每個子智慧體各自處理不同的子任務，並行完成後再統整結果。這種做法的核心價值，在於提升效率、強化分工品質、維持任務隔離，並且更靈活地平衡資源與成本。

子智慧體特別適合用在需要多角度分析的場景，例如程式碼合併請求（PR）審查、大型程式碼庫分析，或重複性高的自動化工作。透過不同智慧體分別處理安全性、程式碼品質、潛在錯誤、文件驗證等面向，可以讓整體結果更全面，也更具專業深度。

在可用性方面，子智慧體功能目前預設啟用，但系統不會主動替你建立。使用者必須在提示詞中明確要求 Codex 建立子智慧體來完成任務。這點相當重要，因為只有在指令中清楚表達需求，Codex 才會啟動多智慧體協作流程。同時也要注意，並行處理雖然更快，但會增加 token 消耗，因此使用時需要兼顧效率與成本。

從工作流程來看，子智慧體的執行是高度自動化的。使用者只需下達任務，Codex 就會負責建立子智慧體、分發工作、等待全部完成，最後再整合成一份報告。整體運作就像一位專案經理指揮多位專家同時作業，而使用者則扮演負責發號施令與審核成果的管理者角色。

以 PR 審查為例，使用者可以要求 Codex 針對安全性、程式碼品質、潛在 bug 等不同審查面向，各自建立一個子智慧體。這樣系統就能同時從多個角度展開分析，最後彙整出一份完整且具層次的評審報告，大幅減少單線審查所需的時間。

子智慧體在執行期間也不是完全不可控。使用者可以透過 CLI 指令或自然語言方式查看進度、補充更具體的指令，甚至中途停止某個不再需要的子智慧體。這讓整個協作流程不只是自動化，同時也保有很高的管理彈性。

在安全性方面，子智慧體會繼承主智慧體的安全策略。例如，如果主智慧體只有唯讀權限，那麼所有子智慧體也無法修改檔案。此外，使用者還能針對特定子智慧體設定更嚴格的限制，像是讓某個專門做程式碼探索的智慧體永遠維持唯讀模式，以確保敏感操作受到控管。

當子智慧體想執行敏感操作，例如修改檔案時，系統會主動提出審批請求，並標示是哪一個子智慧體發起。使用者可以直接批准、拒絕，或先切換到該智慧體的上下文，理解其操作理由後再做決定。這種審批機制提高了整體安全性與可控性。

另一個實用特性是「即時執行時覆蓋」。也就是說，當前工作階段中透過命令列或指令所做的臨時設定，會自動套用到所有子智慧體，而且優先權最高。這代表使用者可以在不改動底層設定檔的前提下，靈活調整整個子智慧體群組的行為。

在進階應用上，Codex 支援建立自定義智慧體。雖然系統內建了三種通用智慧體，但更大的彈性來自於使用者可以透過特定目錄下的 Poml 配置檔，自行定義具備特定技能、目標與工具的專屬智慧體。這些設定可做成全域共用，也可針對單一專案獨立配置。

一個自定義智慧體通常包含必要欄位與可選欄位。必要欄位包括名稱、描述與核心指令，決定這個智慧體的角色與任務邏輯；可選欄位則可用來覆蓋全域配置，例如指定 AI 模型、調整推理強度，或設定專用工具伺服器，讓智慧體具備更符合任務需求的能力。

除了定義個別智慧體，也可以在全域設定中控制整體子智慧體行為，例如限制同時執行數量或設定巢狀深度。文中也特別提醒，max_depth 建議維持預設值 1，因為過深的巢狀會快速提高資源消耗。此外，若自定義智慧體名稱與內建智慧體重複，系統會優先採用自定義版本，這對客製化管理很有幫助。

為了提升多智慧體協作時的辨識性，還可以透過設定暱稱池，替多個相同類型的智慧體分配不同暱稱，例如 Atlas 或 Echo。這能讓工作介面更加清楚，也提高操作上的可讀性與趣味性。

在第一個實戰案例中，內容示範如何建立一個 PR 評審團隊。透過專案配置開啟子智慧體功能後，只要輸入一段自然語言指令，就能同時啟用程式碼探索者、程式碼評審員與文件研究員三種角色，從程式碼結構、品質審查與外部文件查閱三個面向協同完成 PR 分析。

這三類智慧體各自有清楚的分工。程式碼探索者使用較輕量的模型進行唯讀分析，程式碼評審員使用高效能模型做深度審查，而文件研究員則專門負責查詢外部 API 或相關文件。透過這種專業分工，可以讓整體審查更有效率，也更具完整性。

第二個案例則聚焦在前端整合除錯。當遇到複雜 UI 問題時，可以建立一支除錯團隊：瀏覽器偵錯程式負責重現問題，程式碼對映器負責找到對應程式碼位置，UI 修復者則負責進行最小範圍修正。這種流程化分工，能顯著降低前端問題排查的時間成本。

在這個前端案例中，程式碼對映器著重靜態分析，瀏覽器偵錯程式則透過連接 Chrome 開發者工具進行動態驗證，而 UI 修復者擁有實際修改程式碼的權限來完成修補。尤其瀏覽器偵錯程式還能透過專用伺服器與外部工具整合，展現出子智慧體在工具鏈串接上的應用潛力。

另外，指南也介紹了一項實驗性功能：CSV 批次處理。這項功能可以根據 CSV 檔案中的每一列資料，自動建立一個子智慧體進行並行作業，並在全部處理完成後輸出新的 CSV 結果。這非常適合大量資料審查、批次報告生成或規模化分析工作。

實際使用時，只要指定原始 CSV 路徑，設計好每個 worker 的指令模板，並設定輸出檔案位置即可。系統會根據每列內容產生對應任務，最後將所有處理結果整理成新的 CSV。這種模式對於重複性高、結構一致的工作尤其實用。

最後，整體總結強調了子智慧體的三大優勢：並行處理、專業分工與上下文隔離。在建立自定義智慧體時，應盡量讓每個智慧體職責單一、目標明確，並配給適合的工具與權限。設計良好的智慧體，應該像一位能專注完成特定工作的專家。

不過，強大的能力也伴隨成本考量。子智慧體越多、並行程度越高，token 與本地資源消耗也會隨之增加。因此，任務拆解方式、並發數量設定以及模型選擇，都需要依照實際需求審慎規劃，才能真正達到效率與成本的最佳平衡。

總體而言，這份入門指南不只是介紹功能，更提供了一套實際可落地的多智慧體協作思路。透過正確運用 Codex 子智慧體，開發者可以更有系統地處理複雜任務，進一步發揮 AI 在開發流程中的最大價值。