「学徒」模式上线，Codex 开始复制你的工作流
当你坐在电脑前进行操作时，身边有一位无声的观察者在全程紧盯——你点击哪里它就看哪里，你填写什么它就记录什么。等你完成后，它会说：下次这份工作交给我来处理。
这正是 Codex 最新推出的重磅功能：Record & Replay，中文可称为“录制与复现”。
你只需完整演示一遍操作流程，Codex 便在一旁观察学习，然后将整套步骤打包成一个技能（skill）。下次遇到相同任务时，只需开启新对话，调用该技能，并告知它这次有哪些不同之处——剩下的部分，它会自动处理完成。
图形界面，这个原本为了让人类摆脱命令行而诞生的伟大发明，如今正逐步成为 AI 接管电脑的理想基础设施。
当然，并非所有任务都适合这种方式。Record & Replay 主要针对那些重复性强、依赖个人偏好、难以用语言描述但做一遍就能理解的流程。适用场景包括：报销处理、停车位预订、正确配置的 issue 创建、视频发布、周期性报表拉取等。
这些任务的共同特点在于：要么步骤固定且繁琐，要么隐藏着只有你自己才熟知的隐性规则——比如文件命名规范、某个字段的默认值、遇到分支节点时的选择方向。如果要用文字逐条写清楚交给 AI，成本极高。相比之下，直接演示一遍，让 AI 自己观察学习，效率更高。
操作过程比想象中更省事，主要分为七个步骤。首先在 Codex 应用中打开 Plugins（插件），搜索并添加 Record & Replay 插件。
接着它会请求录制权限，你准备好后点击同意即可。
之后，你只需在 Mac 上正常完成工作流程。在此期间，Codex 会全程观察，学习你在哪些位置点击、操作哪些窗口的内容。
录制会持续进行，直到你主动停止。因此请务必专注于当前任务，不要中途切换到其他操作。完成后，可从菜单栏或悬浮层停止录制，或者直接告诉 Codex 你已经完成。
录制结束后，Codex 会复盘刚刚捕捉到的流程，并自动起草一个 skill。这个 skill 中会清晰说明：何时使用该流程、需要哪些输入、按什么步骤执行、完成后如何验证结果。如果你认为它写得不够好，还可以进一步让它优化打磨。
有几条录制建议值得遵循：演示应尽量简短且完整；录制前先告诉 Codex 目标以及每次会变化的输入内容；使用真实输入，但切勿录制密码和敏感数据；录制完成后补充重要的隐性偏好，例如命名规范、字段默认值、决策点选择方式；流程执行完毕立即停止，不要延伸到无关的收尾操作。
至于后续复现则非常简单。打开新对话，让 Codex 调用该 skill，并将本次的具体数据喂给它——比如要传送哪个文件、创建哪个 issue、报表需要哪段时间范围。
有一个关键设定需要了解：Codex 会将这个 skill 视为可复用的上下文（reusable context）。这意味着，它并非一段写死的脚本，而是一份每次都能参考并结合当前环境灵活执行的说明书。因此，同一个 skill，这次传递 A 文件、下次传递 B 文件，都能适用。在实际执行时，它会调用当前环境中可用的工具，包括 Computer Use、浏览器操作以及已安装的插件，从而完成整个流程。
Codex 究竟如何「使用电脑」
来看一次公开演示。这次 Codex 要学习的是上传 YouTube 视频的完整流程。它的工作方式是：观察用户在 YouTube Studio 中的操作，将点击、选文件、输入文字这一整套动作全部捕捉下来。包括选取视频文件、填写标题和描述、上传缩略图、添加字幕、设置隐私选项等，Codex 全部记录，并随后展示了独立复现的能力。
更有趣的是，它并非机械地照搬步骤，而是尝试理解背后的逻辑与门道。例如，何时该将视频设为 Private、何时设为 Unlisted；如何管理 .mp4 视频文件和 .srt 字幕文件这类成对资源；元数据字段如何填写；字幕如何与视频同步。它甚至现场处理了一次报错：当缺少 Python 环境时，它直接从已安装的 skill 位置读取信息，自行适配。而整段录制内容则被转译成一个随时可调用的 skill。
换句话说，Codex 一旦学会，理论上就能在无人监控的情况下反复执行。对于那些每天需要上传大量视频的内容工作流而言，这确实非常实用。
要理解它为何能复现，需要先了解 Codex 操作电脑的原理。OpenAI 工程师 Jason 此前梳理过 Codex 使用电脑的三条路径，能力有重叠，各有侧重。总体原则是：能用插件或 MCP 就优先使用，视觉控制留给结构化工具无法覆盖的边角场景。
第一种叫做 Computer Use，覆盖范围最广。它能在 macOS 和 Windows 上识别并操作图形界面，通过窗口、菜单、键盘、剪贴板来操作已授权的应用。代价是速度较慢，因为它需要观察界面、判断点击位置、等待响应、再确认状态，每步都要反复确认。但优势也很明显：那些没有 API 的应用它也能应对，例如 Spotify、Xcode、系统设置、iOS 模拟器，甚至能通过 iPhone 镜像操作 iPhone。在 macOS 上，它还能在后台运行，你可以同时处理其他事务。它的信任边界也最宽，涉及金钱、账户、支付、凭据的修改，建议你全程在场监督。这也解释了为什么 Record & Replay 必须与 Computer Use 同时开启——它录制的操作要实现复现，依赖的就是 Computer Use 这套“观察界面、操控鼠标键盘”的底层能力。
第二种是 Chrome 扩展。它接管你已经登录好的 Chrome，适合那些依赖账号、cookie、已认证标签页的任务，比如 Gmail、Salesforce、内部仪表盘。它能管理多个标签页，将同一任务的多个标签页串联成一个完整工作流来理解。代价是它带着你的身份在操作，网站会将其点击和提交视为你本人，因此发送、发布、购买这类步骤通常需要先经过你审核。
第三种是应用内浏览器。它运行在 Codex 对话内部，与你共享同一个渲染页面，特别适合开发调试 Web 应用。其最大特点是隔离——不会触碰你的浏览器配置、cookie、扩展和登录会话。需要时这可能是个限制，不需要时却是一个干净的边界。开发者可以让它修改代码、操作页面、截图、修完后重新运行，形成紧密的反馈循环，还能直接点击页面元素留下设计意见。
另外还有一个名为 Appshot 的机制，它不直接操作电脑，而是负责将 Codex 的注意力引导到你当前关注的内容上。在 Mac 上连按两下 CMD 键，它会抓取最前面的窗口，将图像和文字附加到对话中。你可以针对某个报错、一封邮件、一个看不懂的表单直接提问。用 Jason 的话说，Appshot 负责“指方向”，而浏览器、Chrome 扩展和 Computer Use 负责“动手”。而 Record & Replay 录制的 skill，正可以随时调动上述任意一种或多种方式来复现。
人类操作软件的经验，正在转化为 AI 技能
自今年以来，Codex 的发布节奏持续加快。许多人不知道的是，Codex 应用、CLI 和 SDK 并非只能搭配 OpenAI 自家模型。在 config.toml 中配置 model_providers 后，你可以将 Codex 指向 Ollama、LM Studio 等本地开源模型，也能对接 Mistral、Azure、Amazon Bedrock 等第三方服务。传入 --oss 参数即可运行本地 provider，默认情况下则使用 oss_provider。
? https://developers.openai.com/codex/config-advanced#oss-mode-local-providers
也就是说，Record & Replay 这类能力，其载体本身就是一个对模型开放的客户端。
它也有适用范围。Record & Replay 是从一次演示中快速创建 skill 的捷径，但如果你希望将稳定的包分发给整个团队、捆绑多个 skill、添加应用集成或 MCP 服务器、管理安装元数据，那么不要停留在录制层面，而应将其打包成独立插件。
此外，还有几个上手前需要了解的限制。Record & Replay 目前仅支持 macOS，首发不覆盖欧盟、英国和瑞士，并且必须先开启 Computer Use 功能。如果你身为组织管理员，还需要注意一个坑：如果你们使用 requirements.toml 统一管理 Codex，那么 [features].computer_use 这一项会同时影响 Record & Replay。
? https://developers.openai.com/codex/record-and-replay
如果将来把 computer_use 设为 false，你会发现这两个功能会一起消失。因此，如果你发现“我这里根本看不到 Record & Replay”，请先检查这一项是否被关闭。
「Record & Replay」的上线，看似只是一个录制和复现操作的小功能，但放到更大的背景中，它代表的是 AI 与软件交互方式的一次重要转变。
过去，自动化的基础是 API。软件必须先开放接口，将能力封装成机器可调用的服务，自动化工具和 AI 才能接手流程。没有 API，没有结构化入口，很多任务就无法实现自动化。因此，传统自动化的边界往往取决于软件愿意开放多少能力。
但现在，OpenAI 试图绕开这层限制。它不再要求软件专门为 AI 提供接口，而是让 AI 直接学习人类使用软件的方式。人能看懂按钮、菜单和窗口，它也去理解；人能完成点击、输入和切换页面，它也去执行。
这意味着，AI 的工作对象开始从 API 扩展到整个图形界面。换言之，「Computer Use」负责赋予 AI 操作电脑的能力，而「Record & Replay」则负责将人的操作经验沉淀为可复用的技能。
这背后对应的，其实是操作系统角色的变化。过去，操作系统是所有软件的组织者。我们在 Mac 或 Windows 上安装各种应用，再由人自己在不同软件之间切换、复制、整理和传递信息。人始终是连接各个软件的中间层。
而当 AI 能够跨应用观察、理解并执行任务时，它开始承担这层角色。对于用户来说，关注点逐渐从「如何操作软件」转向「想完成什么事情」。报销软件怎么填、视频后台怎么配置、多个系统之间如何来回切换——这些细节理论上都可以交给 AI 处理。照这样发展下去，未来真正频繁使用软件的，未必是人，而是 AI。
对于 AI 来说，漂亮的界面没有意义，复杂的菜单也没有意义。它更关心的是：这个软件能不能完成任务、能不能被调用、能不能稳定执行流程。
从这个角度看，「Record & Replay」真正有趣的地方，并不是又多了一个自动化功能，而是它透露出一种新趋势：人正在从软件的直接操作者，逐渐转变为软件能力的训练者。今天我们学习如何使用工具，未来或许更重要的一项能力，是教会 AI 使用工具。
