你坐在电脑前填报销单，一不小心填错就被财务退回来，又得重新走一遍。
这种事咱都经历过。步骤不复杂，但每次都得重头来。打开办公审批，选类目，填金额，挑审批人，上传发票。做一次三五分钟，做一百次就是五六个小时。而且最烦人的是，每一遍流程完全一样，就是数字不一样。
以前你想让 AI 帮你搞定这事，得把每一步写成清清楚楚的指令。你先点这里，再选这个，再填那个，如果遇到 A 就选 B。哪怕漏一个细节，它就当场翻车。
但这几天，Codex 上线了个新功能，叫 Record & Replay。
它说，你不用写了，做一遍给我看就行。
好家伙，这口气确实不小。但咱先把这个 Codex 搞清楚，它到底是个什么东西。
很多人可能还停留在“ AI 不就是个聊天框吗”的阶段。
Codex 不一样。它是 OpenAI 做的桌面端应用，直接装在你电脑上。
它不光能跟你对话，最狠的是它能直接操作你的电脑桌面。点菜单、填表单、开浏览器、拖文件，你平时用鼠标键盘干的活，它都能干。说白了，它不只动嘴，还能动手。
这东西今年用户涨得相当凶。年初每周大概 75 万人在用，到这个月已经破了 500 万。半年快翻了七倍。
有意思的是，500 万人里面，五分之一压根不是程序员。是分析师、运营、行政，是天天跟表格和审批打交道的普通白领。
好，讲回这个新功能。Record & Replay，到底能干啥？
三个字概括：你做，它学。
你打开 Codex，点一下“Record a skill”，开始录。然后你就跟平时一样干活，比如说，填那张报销单。
你正常操作就行。打开办公审批，点费用报销，选差旅费科目，填金额 3600，日期 6 月 15 号，上传发票，选部门领导审批，提交。Codex 全程在旁边看着。你点哪个菜单、填什么字段、怎么切窗口，它全记下来。
干完点停止录制。Codex 自动复盘刚才那套操作，生成了一个叫 SKILL.md 的文件。
这儿有个关键点，很多人第一次听以为就是个录屏。不是。Codex 不是把你的操作当成死录像存起来，它理解到了，金额 3600 和日期 6 月 15 号是会变的参数，而差旅费和审批人是基本不变的配置。
简单说就是：你演一遍，它看懂逻辑，以后换套参数替你跑。
到了下个月报销日，你打开 Codex 说一句“用报销技能，金额 4800，6 月 20 号”。它自己打开软件，选科目，填数字，上传发票，提交。你全程不用碰鼠标。
以前你填一张单子三分钟，一个月十几张，一年下来好几个通宵的加班。现在一句话的事。
那你可能会问，生成的 SKILL.md 到底是个啥？
说白了，就是 AI 之间共用的一份操作说明书。它不是黑盒子，你能打开看它写了什么，不满意还能动手改。更重要的是，这个格式不只 Codex 认识，Claude 等其他 AI 工具也能读，它是个跨平台标准。你录好的报销技能，打包发给同事，他装上就能用。一人录，全团队用。
OpenAI 官方还演示了个更复杂的例子，上传 YouTube 视频。
选视频文件、填标题描述、传缩略图、加字幕、设隐私选项，一整条流程十几步。Codex 看完一遍，不仅会重复做，还自己悟出了几样东西。它发现有对 .mp4 视频文件和 .srt 字幕文件名字一样，自己就把它们配对。它根据标题内容判断这视频该设 Private 还是公开。录的时候报了个 Python 环境缺失的错，它自己找到别的已安装 skill，绕过去了。
这已经不是背操作步骤了，这是在理解操作逻辑。
所以什么样的事适合丢给它？
记住一个原则：步骤固定，参数会变。报销、发视频、建工单、拉周报、订会议室，都算。反过来，需要临场判断的，界面天天改的，碰到钱的，现在还不合适。
不过，聊到这儿你可能想到了。这不就是录宏吗？
老狐认为，还真不是。
录宏是个啥？你点开始录，它记“在屏幕坐标（300, 200）点一下”，“在坐标（500, 400）输入文字”。这玩意有多脆弱呢？系统换个字体，UI 挪几个像素，它就瞎了。按键精灵时代的产物，主打一个死板。
Record & Replay 不一样在哪？它根本不记你在哪点的。它理解“这一步是想选差旅费这个科目”，不是“在坐标 X 点了一下”。下次页面改版了，科目那个按钮换了个位置，只要它还在界面上，AI 就能找到。
最关键的是，生成的 SKILL.md 是活的。你可以打开看，里面有触发条件，有执行步骤，有验证方式，出错能定位到哪一步翻了车。你演示的时候漏了一步，事后还能补进去。碰到新的特殊情况，让 Codex 直接改这个 skill 就行。
用码农的话说，录宏是录的像素，这是录的逻辑。
行，该说的好话也说了。接下来老狐要泼点冷水。
第一个明摆着的坑：你只录了“顺利的那一遍”。你在旁边看着的时候，录得行云流水。
可真实世界里，报销的时候弹验证码了怎么办？日期格式不对怎么办？审批人离职了怎么办？Codex 只学了“这次没弹”，下次弹了它就傻了。
第二个坑，这东西靠的是 Computer Use，也就是 AI 看屏幕识别按钮来操作。
这就有个天然的不稳定：页面改版、加载卡住、突然弹个广告，都可能让它翻车。你给财务系统录了个报销 skill，下周财务系统更新了界面，这个 skill 可能就跑不通了。
屏幕识别授权请求
第三个坑更实际，它现在是 Mac 专属。Windows 用户还不行，欧洲用户也不行——涉及到 GDPR 的屏幕数据合规问题，暂时被挡在门外。
还有个事老狐得提一嘴，隐私。录制的时候，你屏幕上显示的所有东西它都看到了。你要是在录报销的时候不小心切到了微信聊天窗口，嗯，它也看到了。所以 OpenAI 自己都提醒，密码、私密数据别录进去。
再就是技能质量这回事，完全看你演示的水平。你平常操作就东点一下西点一下不规范，生成的 skill 也一样靠不住。说白了，你啥水平，它就啥水平。
但话说回来。
如果这条路走通了，事情会变得非常有意思。
过去软件的自动化靠 API。什么叫 API？就是软件开发者专门给你开一扇后门，说你可以通过代码来调用我。没开这个后门的软件，你跟它就只能靠鼠标键盘。
Record & Replay 的思路是，我不要你的后门了，AI 直接学人怎么用软件。人看得懂的按钮和菜单，AI 也去理解。人能完成的点选和输入，AI 也去执行。AI 的工作对象，从 API 扩展到了整个图形界面。
这会带来一个长期但确定的变化：不会写代码的普通人，更容易把自己重复劳动自动化了。
更远地看，人正在从软件的操作者，变成软件能力的训练者。
今天你还在学怎么用好飞书，怎么用好 Office，以后更重要的能力可能是：怎么教会 AI 替你用好这些东西。
当然，这话现在说还有点早。这东西刚上线不久，能录的流程还有一堆 corner case 没被踩过，Computer Use 点 UI 的稳定性也还远没到“能闭着眼交给你”的程度。给它时间，别给它命。
以前我们学各种工具，是为了自己把活干好。以后我们教 AI 学工具，是为了自己不用亲手干。
这个功能最值得被记住的，可不是某个操作细节，也不是某个技术参数，是它换了个思路。
以后让 AI 替你干活，不用绞尽脑汁写大段说明了，做一遍就行。
至于那些现在还不够稳、不够好的地方，也不急。Codex 这半年的更新节奏咱都看着，我猜它很快就能跟上咱吐槽的速度。
撰文：HQL
