Codex 一切,惠及人人——AI 智能体不再只是程序员的专利
原文:https://every.to/context-window/codex-for-everything-and-everyone

曾几何时,尖端的 AI 工具只是工程师的专属领地,但这个时代已经结束了。如今,这项技术的门槛已大大降低,任何渴望更高效、更具雄心工作方式的人,都能用上像 Codex 这样的编程智能体(Coding Agent)。鉴于此,以下是我们的几项重要更新:
- 特约撰稿人 Katie Parrott 更新了我们关于“将 Codex 用于知识工作”的指南;
- 社交媒体主管 Becky Isjwara 分享了她用 Codex 制作 YouTube 缩略图的独家技巧;
- 而 Anthropic 新推出的 Slack 智能体 Claude Tag,恰好验证了 Every 公司自今年一月以来就一直身处的那个协作式、共享智能体的未来图景。
“Codex 用于知识工作”指南迎来升级
Codex 最近可谓势如破竹。随着 Sites 站点和特定角色插件等新功能的推出,以及遍布旧金山各处的高概念视频广告,OpenAI 迫切地想让你知道:Codex 不再仅仅是程序员的专属工具了。
据 OpenAI 称,他们正在追逐一些充满希望的早期信号。Codex 目前的周活跃用户总数仅为 500 万;作为对比,ChatGPT 的周活高达 9 亿。然而,知识工作者已经占到了 Codex 用户总数的约 20%——并且这个群体的增长速度是开发者的三倍以上。OpenAI 押注的是,这个快速增长的用户群是一个早期证据,它表明 Codex 可以成为每个人完成智能体式工作(agentic work)的地方,无论他们是否认为自己是“技术人员”。
围绕这一赌注,产品本身也在快速演进。OpenAI 推出了针对特定角色的插件,让 Codex 能够承担起金融分析师或产品经理的专业技能;还推出了 Sites 功能,用以呈现各种类型(无论技术与否)的输出与信息。要跟上这一切,信息量确实很大——这话出自我这样一个以跟上它们为工作的人之口,分量可能更重。
我认为,这在很大程度上也正是 OpenAI 仍需解决上手引导(onboarding)问题的原因。我接触过一些对 AI 感兴趣,但远不如我这么“上头”的人,他们对 Codex 持开放态度。他们只是不确定能用它来做什么,更别提如何用好了。Codex 的灵活性对于完成各类工作来说是好事,但却没能给新用户提供多少关于“从何开始”的指引。
我们的 “Codex 用于知识工作”指南 就“如何最大化利用 Codex”提供了一种带有明确主张的观点。
这份指南发布还不到一个月,但由于 Codex 变化太快,我们不得不加速推出了这次更新,内容包括:
- 一张全新的关系图,厘清了项目(projects)、对话线程(threads)、目标(Goals)、插件(plugins)和站点(Sites)是如何协同工作的。
- 更深入地解释了 Codex 如何通过本地文件、已连接的应用、技能(skills)、模型上下文协议服务器(MCP servers,一种标准化连接外部数据源的协议)、浏览器操作和计算机控制来触达你的工作内容。
- 针对移动端控制、团队交接、权限管理、人工复核和工作流所有权,提供了更有力的指导。
- 一个为期 30 天的进阶计划,从建立一套可靠的个人工作流开始,逐步迈向插件、Sites 和自动化等更高级的应用。
这份指南是 Codex 的快速入门跳板,而非使用该工具的权威定论。你用 Codex 越多,就越能学会如何向它提出需求——也越能发现它的潜力。一个内部小窍门:把整份指南发给 Codex,告诉它你的角色和使用的工具,然后让它帮你选择你的第一个工作流。——Katie Parrott
再“偷”一个 Codex 工作流
Codex,给我做个缩略图
AI 的发展速度很快,但在你日复一日的忙碌中,这种速度感可能会沦为背景噪音。
然后——“砰”!一个新模型发布,你工作中那些曾经繁琐耗时的部分,突然变得简单了。这正是社交媒体主管 Becky Isjwara 在四月底 OpenAI 发布其最新图像生成模型时的亲身体验。该模型的编辑能力如此出色,以至于她能够精简为 YouTube 视频制作缩略图的流程,而此前,这需要出镜人员专门坐下来进行照片拍摄。以下是 Becky 的新工作流:
- 将你需要制作缩略图的视频上传到 Codex,然后让它从视频中截取大量截图,尽可能多地捕捉不同的面部表情。
- 审查所有截图,将它们缩小到几个最佳候选,然后让 Codex 编辑你的最终选择。(这可能意味着锐化图像或移除分散注意力的视觉杂乱元素。)
- 在 Canva 中打开编辑好的图像,使用这个网页设计平台的“魔法图层”(Magic Layers)工具将主体分离出来,以便你可以用设计元素替换背景。
这个过程并非万无一失——Codex 对超级模糊的图像处理得并不好,而且 Becky 仍然会手动检查截图,以确保没有面部扭曲、不自然的图像锐化或其他 AI 痕迹。但它的可靠性已经足够高,以至于 CEO Dan Shipper 再也不必为了 YouTube 照片而专门坐下来拍摄了。
“在我的 YouTube 制作人圈子里,当我告诉他们我一直是用 ChatGPT 制作缩略图时,他们的反应是,‘真的假的?’” Becky 说道,“而我告诉他们:‘它真的很棒。’”
无需照片拍摄。(图片由 Becky Isjwara 和 Codex 提供)
信号(Signal)
代号 Claude Tag!轮到你了!
Claude 现已登陆 Slack。本周二,Anthropic 发布了 Claude Tag,这是一个可以添加到频道中、连接到工具和代码库、与之协作并委派异步工作的 Slack 智能体。
Anthropic 表示:“我们将 Claude Tag 视为 Claude Code 演进的开端:它让模型变得更加主动,并能更好地与整个团队协同工作。” 他们还补充道,在过去的大半年里,公司内部正是靠它来完成各种工作的——包括生成了产品团队 65% 的代码。
为何此事如此重要: 这的确是一件大事。我们深知这一点,因为我们以这种方式工作已经有一段时间了。Claude Tag 本质上是 Anthropic 版本的 Claudie,而 Claudie 是我们的高级应用 AI 工程师 Nityesh Agarwal 和咨询主管 Natalia Quintero 早在今年一月就构建出的 Claude Code Slack 智能体。(Nityesh 长期以来一直将 Claude Code 描述为一个“令人惊叹的通用框架”,这个事实正在被世界其他角落所认识到,他将在明天发表的一篇文章中探讨这点。)
一旦你在一个可定制、能协作、可委派的 Slack 智能体中体验过 Claude Code 的力量,你就真的“再也回不去了”,Nityesh 这样说道。
这也是为什么我们一直在努力打磨 Plus One——Every 公司在 Slack 中的 AI 同事。通过让 @Claude 成为一个能与频道内所有人互动的共享智能体,Anthropic 得出了与我们相同的结论:在工作中,拥有机构知识的 共享 AI 队友 胜过孤立的个人助手。
总而言之,前沿阵地再次转移了。“工作正在分化为两个界面:与 Slack 智能体进行的异步委派工作,以及与 Codex 或 Cowork 进行的协作工作,” Dan Shipper 评论道,“现在,Anthropic 拥有了一个强大的异步工作界面。”
对于许多团队来说,这是一个激动人心,但也潜藏着不稳定的时期。随着越来越多的智能体涌入 Slack——我们预计 OpenAI 的竞争产品随时可能加入战局——各行各业的各个岗位上的员工,都将需要学习如何管理、委派他们的 AI 同事,并与之并肩工作。
最后一点
AI 的“风格痕迹”正蔓延至设计界
“那些偏好、倾向和美学风格,已经深深嵌入了 Claude Design 的运作机制之中;它将永远挣扎于创造出看起来不像 A.I. 作品的东西。”——独立设计师 Matt Ström-Awn 在 《纽约客》 上说道。
起初,Anthropic 瞄准的是文字领域,沉迷于 Claude 的内容创作者们发布了大量 “不是 X,而是 Y” 等带有 AI 风味的句子。如今,同样的动态正在线上视觉领域上演。正如《纽约客》所报道的,Anthropic 近期推出的 设计工具 已经引发了一股网页界面设计的浪潮,它们普遍带有奶油色背景、大号衬线字体,以及正如设计师兼作家 Celine Nguyen 所形容的,“品味高雅、微微错落的三原色”。
正如专业作家一直在与 AI 带来的 破折号 或“三句式”修辞法等标志性痕迹所带来的复杂情绪作斗争一样,设计师们也陷入了他们的情感漩涡。“现在,我发现自己本能地对这种暖色调产生了排斥,尽管我原本超爱这种配色,” Nguyen 向该媒体如此表示。
核心启示:AI 工具正从个人效率利器演化为嵌入团队协作流的共享基础设施,这一转变的关键信号是:未来的工作将明确分化为两个界面——与嵌入式智能体(如 Slack 智能体)进行的异步任务委派,以及与 Codex 等工具进行的实时协作创作。这种分化要求从业者和管理者都必须重新学习如何与 AI “同事”共处和共事。
Codex for Everything and Everyone 的发芽报告
材料核心
AI 工具正从工程师的专属领域向知识工作者敞开门户,但工具的灵活性本身正在制造一种新的“进门难”——人们知道能用,却不清楚从何用起。与此同时,Anthropic 通过 Claude Tag 让 AI 以共享队友的身份潜入团队日常,标志着工作界面正在分叉为两块:异步委托和同步协作。
发芽 01:工具越通用,入门越需要“偏见”
种子
Codex 的灵活性是其最大卖点,也是最大障碍。它能做太多事,以至于新用户面对一片空白时反而瘫痪。Every 团队给出的解决方案是出版一本“有立场的指南”——不是告诉你 Codex 能做什么,而是直接告诉你“先做这个,再做那个”。
这揭示了一个反直觉的模式:当工具足够通用时,降低认知负荷的方式不是更好的说明书,而是更武断的起点。
1984 年,苹果 Macintosh 上市时面临类似的问题。当时大多数人对“图形界面”“鼠标”“桌面”这些隐喻毫无概念。苹果没有给出一个关于“Finder 的所有功能”的冗长手册,而是在包装盒里放入一盒录音带,教用户完成一整套有限但具体的操作:插入磁盘、双击图标、保存文件。这套“引导式任务”不是让用户理解系统全貌,而是让他们尽快获得一次完整的成功体验。
认知科学家 John Sweller 在 1988 年提出的“认知负荷理论”可以解释这种现象:学习者在面对全新工具时,内在负荷(任务本身的复杂性)已经很高,如果外在负荷(如何操作工具)也高,学习就会失败。Codex 的通用性等于把外在负荷拉满——你不是在学一个专门工具,而是在学一个能做任何事的代理。
Every 的 30 天进阶计划(从一条可靠的个人工作流开始,逐步引入插件和自动化)本质上是在强行制造一个“认知坡道”:用牺牲选择自由度的方式,换取初始阶段的胜任感。这不是教育,是界面设计的思想延伸到人的工作流设计上。
Aha 瞬间
“自由的反面不是限制,是迷失。最好的上手方式,往往是一个你暂时不必质疑的起点。”
发芽 02:从个人助理到共享队友——工作界面的分叉
种子
文章中 Dan Shipper 提出一个关键论断:“工作正在分叉为两块界面——异步委托工作用 Slack 代理,协作工作用 Codex 或 Cowork。”这不是工具的细分,而是工作性质本身的重新划分。
这个分叉的背后,隐藏着一个深刻的组织学问题:当 AI 进入团队,它到底应该是一个为每个人配置的私人助理,还是团队共享的公共资源?
Every 自己做了一个判断,他们在今年 1 月就构建了 Slack 共享代理 Claudie,而 Anthropic 的 Claude Tag 在 6 月才公开发布——两者达成的共识是:共享代理胜出。Dan 给出的理由是“共享 AI 队友拥有机构知识”。
这个判断可以通过一个历史类比来检验。1980 年代,管理学家 Peter Drucker 观察到知识工作者的崛起,提出“知识型组织”的概念。Drucker 认为,知识工作者的生产力不取决于任务完成速度,而取决于他们与组织信息网络的关系质量。一个信息隔绝的知识工作者,无论多么聪明,产出都会受限。
如果把 AI 代理看作一个知识工作者,那么它是一个私人助理还是一个团队内存的节点,差别就变得关键了。私人助理只服务于一个人的上下文,而共享代理则类似组织的“工作记忆”——它能记住团队讨论、访问共同代码库、在对话中连接不同人的工作流。从这个角度看,Claude Tag 和 Claudie 的共享模型不是偶然偏好,而是组织效率结构的必然。Anthropic 内部数据证明了这一点:产品团队 65% 的代码由 Claude Tag 创建,这不是因为它更聪明,而是因为它在通道里知道每个人在做什么。
Aha 瞬间
“当 AI 学会记住团队而不是个人,它不是变成了更好的工具,而是变成了更像同事的东西。”
发芽 03:AI 的“口味”正在重塑审美
种子
文章结尾引用了设计师们的困扰:Claude Design 生成的界面都有一种“口味”——奶油色背景、大字衬线、微微歪斜的原色。设计师 Celine Nguyen 说:“我现在会本能地对暖色调感到排斥,尽管我曾经很喜欢这种配色。”
这与之前 AI 写作带来的“破折号”焦虑如出一辙。这不仅仅是审美疲劳,而是一种更根本的文化现象:当生成模型成为流行生产工具时,它们不只是输出内容,还输出风格——更危险的是,它们输出的是被优化过的“中间值风格”。
这种现象在历史上有先例。19 世纪末,工业革命带来了大规模生产能力,但也带来了“工业美学”的泛滥。威廉·莫里斯(William Morris)发起工艺美术运动,核心反抗的就是这种“机械品味的千篇一律”——不是反对机器本身,而是反对机器将特定美学固化、碾压一切地域性和个人性的生产能力。
但区别在于,当年的工业美学是追求“低成本一致性”,而 AI 的美学是追求“统计平均上的讨喜”。Claude Design 之所以生成“暖色衬线字体”,不是因为这种设计被确定为最好的,而是因为训练数据中与“好设计”相关的样本聚拢到了这个区域。这不是创造,是对偏好的量子压缩。
更有趣的是,现在的设计师们经历了一种“审美免疫反应”:曾经喜欢的东西,因为被 AI 大量复制,变得令人厌恶。这暗示了一个尚未被讨论的问题——AI 工具可能会让某些审美组合永久失去人类的原创使用意愿。就像没人想再用 Comic Sans 一样,未来的设计师可能会系统性地避开 AI 偏爱的色谱和字体族。
Aha 瞬间
“AI 最深层的影响或许不是它创造了什么,而是它让某些东西变得再也无法被真诚地创造。”
你的思考空间
- 如果 Codex 或 Claude Tag 成为你团队的共享代理,你愿意让它看到你所有的工作对话吗?你的“愿意”和“不愿意”分别基于什么假设?
- 当一份工作流指南必须像这篇文章一样持续更新,这是否说明现有 AI 产品的版本迭代速度已经超过人类组织学习能力的上限?如果是,什么样的组织形态能跟上?
- AI 生成内容的“口味”正在被识别和排斥,这是否会催生一种反 AI 审美——不是质量上的对抗,而是符号上的区分?这种区分的意义是什么?
- 共享代理掌握机构知识之后,员工离开公司时,“带走经验”的传统是否会被打破?组织是否会更倾向于裁员而非留人,因为它不再依赖个人的隐性知识?