一位知名AI开发者Riley Brown发布视频"Learn 95% of Codex in 30 minutes"：OpenAI Codex已不只是一个写代码的工具，而是一个能完成"任何知识工作+编码工作"的桌面级AI智能体超级应用。

Codex与ChatGPT/Claude的根本区别

工具	文件存储	本机权限
ChatGPT / Claude	云端对话沙盒	无
Codex	本地真实文件系统	完整读写+浏览器+操作系统控制

这一差别决定了Codex不是"更强的ChatGPT"，而是更接近Claude Code/Cursor Agent那一类——面向真实工作流的本地代理，但配了一个对非开发者也友好的图形界面。

七大核心能力

能力1：Full File Access（完整文件访问）

演示场景： 把60多张收据图片放在Downloads/receipts to process下，让Agent进行OCR、分类、汇总，最终生成带dashboard的Excel。

关键点：

• Agent通过本机路径直接读取原始文件
• 输出物（xlsx）保留在本地，可一键"Open in Folder"定位

工程含义： 把Agent的"工作记忆"显式映射到文件系统，这是Claude Code的设计哲学，但Codex把它包装成普通用户也能理解的"项目+聊天"模型。

能力2：Persistent Memory（持久化记忆）

Codex区分两类记忆：

类型	文件位置	写入者	用途
手动记忆	AGENTS.md	你（或让Agent写）	长期遵守的偏好、规范
自动记忆	~/.codex/memories/	Agent自己维护	对你工作模式的观察

实操建议：

• 想固化偏好，直接对Agent说"请记住"，它会写进AGENTS.md
• 不要手动改自动记忆文件，让Agent自己维护，定期阅读能反向了解Agent对你的画像

能力3：Plugins（插件/外部连接）

Plugins是Codex与外部SaaS（Slack、Gmail、Notion等，当前已超过100个）打通的连接层，相当于MCP的产品化封装。

演示场景：

• Gmail插件：翻过去两周邮件，找出所有想找你做付费推广的品牌方，5分钟产出品牌方清单
• Notion插件：从你的Notion读取高质量长视频脚本，学习写作语气，生成"听起来就是你本人写的"草稿

调用方式：输入@弹出插件菜单，体验对标Cursor的@选择器。

能力4：Skills（技能/可复用SOP）

Skills是"reusable workflow recipes"——让Agent每次遵循的指令文件，存放在plugins/skills/下，调用方式是/skill_name。

两种创建方式：

方式	说明
Prompt-to-Skill	一句话"创建一个叫X的skill，做Y"，简单但效果一般
手工迭代后萃取（推荐）	先打磨到满意，再说"请把它沉淀为一个skill"

关键洞察： 每一次使用旧skill，都是迭代它的机会——发现新亮点直接说"以后都这样做"，让Agent更新skill文件。

Plugin vs Skill的边界：

• Plugin = 与外部系统的"连接+工具"
• Skill = 用这些工具做某件事的"流程指令"
• 一个Skill可以调用多个Plugin

能力5：GPT Image Access（原生图像生成）

Codex内置GPT-image-2（当前OpenAI最强图像模型）。

演示： 上传一张毛衣样图，让Agent生成5张不同人种模特、不同人数穿着该毛衣的产品图。

工程亮点： 图像生成以内置skill形式存在，与第三方skill平起平坐——所有内置能力都用Skills这套抽象统一描述。

能力6：Browser & Computer Use（浏览器与操作系统级控制）

两个能力以Plugin形式提供：@computer use与@browser use。

Computer Use演示： 让Agent打开本机Canva客户端，新建演示文稿，把生成的5张产品图一图一页放进去。

Browser Use演示： 让Agent把生成的HTML文件转成测验应用，自己打开浏览器测试——点击Start、答题、验证答案、检查滚动行为。

这是Codex最具颠覆性的能力： 人机交互三件套（键盘、鼠标、屏幕）正式被Agent接管，任何能在GUI内完成的工作都进入Agent可达范围。

能力7：Automations（定时与触发式自动化）

任何已跑通的会话都可以"一句话变定时任务"：

"请每周五早9点跑一次这个流程，并更新这张表。"

Agent会在Automations面板创建记录，包含触发时间、所用Skill、活动状态、上次运行时间等。

能力闭环：

Plugins（连接） → Skills（流程） → Automations（调度）

效果上等价于为个人量身定制的、由自然语言配置的Zapier/n8n。

彩蛋：Chronicle（环境感知记忆）

开启后，Codex会持续对屏幕进行截图采样，把视觉上下文喂给Agent。

演示： 没有上传任何文件，只说"用Chronicle看看我的演示文稿还该加些什么"，Agent直接基于近期截图给出了具体补充建议。

注意： 略有侵入性（always-on屏幕录制），涉及客户数据/机密文档的环境启用前先想清楚合规边界。

Codex能力栈

[Chronicle 环境感知]   ← 视觉上下文输入
         ↓
[File System 全访问] + [Persistent Memory]  ← 持久状态层
         ↓
[Plugins 外部连接]    ← 工具层
         ↓
[Skills 可复用流程]   ← 程序化知识层（SOP）
         ↓
[Browser / Computer Use]  ← 执行层（GUI级动作）
         ↓
[Automations 调度]    ← 时间维度的触发器

对个人工作流的启示

1. 以项目文件夹为单位组织Agent工作 — 天然解决"Agent失忆"和"产出散落"两大痛点
2. 善用AGENTS.md把品味和规范固化 — 把个人偏好"编译"为Agent行为的最低成本路径
3. Skill不要一次写好，要在使用中演化 — 每一次"我希望以后都这样做"都是一次免费SOP升级
4. 真正放大杠杆的是Automations — 定时跑销售线索分析、邮件汇总、内容选题、对账等高频低价值工作，是个人ROI最高的切入点
5. 对Chronicle持谨慎态度 — 启用前先想清楚截图记录的合规边界

一句话总结

OpenAI把Codex定位为"通用知识工作Agent的桌面OS"——本地文件是状态，AGENTS.md是偏好，Plugins是外设，Skills是程序，Browser/Computer Use是执行器，Automations是cron，Chronicle是感知层。

当这套抽象被普通用户接受时，AI才真正从"对话框"走进了"工作台"。