两个月，3亿token，Codex已成为我的主力Agent工具。从数据更新到周报生成，它几乎包揽了所有标准化任务。但真正的智能并非来自提示词，而是SOP的沉淀、历史上下文的积累，以及AGENTS.md的精准维护。本文分享如何将AI从偶尔灵光的工具，打磨成可靠的数字分身。

两个月前，我开始将codex作为我的主力agent工具，查了下8月用量，截止到11号已经使用了3亿多token，照此趋势，本月token用量估计会破10亿。

使用codex的初衷，是希望搭一个Agent，替我把八成以上的活儿都包了，弄个24小时不停歇的「数字分身」出来。

两个月后，我把Codex最近百来个任务翻出来又看了一遍。

这些任务包括数据更新、周报生成、用户分层、财务对账、营收测算、专项课题、项目交接、系统后台自动化操作、产品提案、PPT和Word制作，连根据视频整理工作手册这种活儿都有。

直观点说，Codex确实已经插手了我大部分工作。可现在你再问我，那个能替我干掉八成活的「数字分身」搭出来没，我的答案还是没有。

不过这两个月下来，我对这件事的看法变了。（只能说AI发展太快，2个月就能有新感触）

我现在觉得，好用的Agent不是凭空掉下来的「数字员工」。它更像是一套一点点搭起来的工作系统，有的事能交给它反复跑，有的事得让它记得前因后果，还有的事，只能我跟它一句一句聊，才慢慢聊出个接近对的答案。

一、对于流程固定的标准任务，SOP才是王道

我在Codex上跑得最勤的，是个特别普通的数据更新任务。

这任务一开始的流程是这样的，从两个业务后台分别下载原始数据表，按表内ID合并去重，写进一张四十多万行的汇总表；再按名称补上周期、时间和分类等信息；然后按照一个规定的逻辑统计计算，将计算结果更新到一个数据总结表，同时把最新的汇总表复制到另一个文件夹，让另一个任务以这个汇总表为基础生成一份HTML的看板。

最开始，我每次都得给Codex写好几段的指令：

这是最新的汇总表，请使用data refresh skill，帮我刷新数据看板

这是某几天的原始数据，请使用 weekly-report Skill 更新汇总表和数据总结表。

这是我本周的主要工作，请帮我输出本周周报

跑的次数多了，我就想把整个流程再固化一下。专门做了份PPT，把两个后台各查什么、时间范围怎么定、重复订单留哪份、写入前后怎么校验，全写进去。

Codex照着这份PPT理解流程，提了几个模糊点，跟我确认完试跑了一遍。

试跑过程并不顺利。

有的Excel明明有数据，却因为文件尺寸标记不对被当成空表；20位的ID被表格工具当成长数字，变成科学计数法；新上的产品名称没有历史分类规则；数据写进看板，公式是对的，缓存却没刷，页面就显示错了。

但这些坑，挨个解决之后，后面就比较舒服了。

每踩一个坑，我就让Codex把解法写回Skill，ID必须按文本处理；未知产品先暂停确认；正式写入前必须备份；更新看板前抽一天的数据人工核对；写完还得检查公式、日期范围、重复订单和页面显示，异常数据监测报警等等.

最后，分别建在3个不同skill上，原本分了好几步的任务，变成了一个完整的Skill。

现在，我只要说一句:

这是我本周主要工作，帮更新数据到X月X日，生成周报

Codex就会自己定查询区间、查文件、合并去重、更新汇总表，中途暂停让我确认抽样数据，再接着更新看板。最后输出一份我给定标准格式的周报文档

所以，标准任务上Agent好不好用，跟提示词写得多漂亮基本没关系，核心是有没有一套跑通过、验证过的SOP。

做自动化最反直觉的地方在于，你越想偷懒让它自由发挥，它越容易出岔子。真正稳的做法，是把需要它临场发挥的地方压到最少。

一个适合丢给Codex反复跑的任务，至少得把五件事想明白:

1. 输入是什么；
2. 处理规则是什么；
3. 输出到哪里；
4. 如何判断结果正确；
5. 遇到异常时应该怎么办。

这五件事还没想清楚，就别急着做Skill，更别急着上全自动定时任务。

先跟Codex一起跑通一遍，再跑第二遍，每次冒出来的新问题都补进SOP。等流程真稳了，它才从那个「偶尔灵光一现的AI」，变成一台靠得住的RPA机器。

这里多说一句，自动化任务中，如果是包含了浏览器操作的，比如登录某个系统从其中取数，或者此前我尝试过让codex按照我给定的SOP在系统上做一个重复性的配置。这里至少要关注两个问题：

1.浏览器操作的方式。目前codex操作浏览器大概有三种方式，一种是使用内置浏览器，另一种是借助chrome上的codex插件，直接控制本地chrome浏览器，最后一种就直接是computer use，全面接管电脑。这三种适用的情况不太一样，使用内置浏览器时，如果碰到需要从本地上传一个什么文件到系统内的情况，codex是无法完成的（至少我的电脑上无法完成，可能也有其他的解决办法可以做到），它无法直接调用本地的文件上传，所以每次都得手动去传，这样的话，其实就称不上是自动化实现了。使用chrome control其实是目前最方便的形式，一般只需要再登录的地方手动登录一下就可以了。至于computer use，其实个人不推荐，因为会打断正在进行的其他任务，而且经常会因为一些莫名其妙的权限问题卡住；

2.在浏览器内操作的重复性的配置任务，codex的效率在我看来其实称不上快，很多情况下不比人快。说实话，看着它操控鼠标在页面上过一会挪一下的样子，让我有一种指挥80岁老太干活的错觉。本质上，它其实是根据我做的SOP在模拟人的行为，让系统去模拟人的行为去操作系统，这就好比机器人放弃激光火箭导弹，反而想用武术打败敌人一样。

当然，agent如果只是一个聪明点的RPA，它的价值远远称不上革命性。

二、长期项目真正有价值的，不止是数据，更是那些历史上下文

除了固定流程，我用Codex最多的另一类任务，是围着同一个运营项目不断开新的分析。

先分析营收为什么掉，再测算下半年收入；顺着测算结果发现产品问题，接着定一个专项的提升战役；定专项又得分析用户数据、历史数据等；有一个方案了，和团队沟通策略需要调整，再按新的策略重新测算。

这些任务看着各管各的，其实是一条连着的链。

每次都开个空白对话，只跟Codex说「帮我做个方案」，它很容易甩给你一份四平八稳的标准答案。

不能说错，可对实际项目几乎没用。

真正有用的方案，得知道这个项目前几个月发生了什么、收入为什么掉、用户之前是啥情况、历史数据如何、哪些方案已经聊过、领导否过什么，还有眼下最重要的经营目标到底是什么。

后来我就刻意把每次分析产出的材料，都存进项目文件夹。

一次营收下滑分析，交付的不只是一份报告，还会变成后面一个专项策略的依据；一次数据测算，接着就是专项战役的目标底稿；一次用户分层，又成了用户触达和活动路径设计的输入。

时间久了我才反应过来，让agent变聪明这件事情，纯粹是它接新任务时能翻到更多验证过的旧材料，历史上下文，这个被很多模型研究者反复提到的概念，才是真正值钱的东西。

我觉得，一个长期项目的知识库，至少得存四类东西:

1. 数据口径某个指标究竟怎么算，从哪里取的；
2. 决策原因当时为什么选这个方案；
3. 已验证结论哪些判断已经被数据或实际结果证明；
4. 版本变化方案后来为什么调、调了什么。

很多人最容易盯着结论，可真正值钱的，是背后的「为什么」。

光告诉Codex「价格调到XXX」，它只记下一个冷冰冰的事实。要是同时记上「为什么调、目标人群是谁、这个策略扛的什么经营目标」，下次重新测算，它才更可能给出贴着项目实际的判断。

知识库也不是把所有文件一股脑塞进文件夹就完事。没有日期、没有结论、互相打架的材料越多，AI反而越容易懵。

给重要分析留个清楚的标题、时间和数据截止日期，再附一句结论。这么攒下来的知识，才真的能滚雪球。

三、AGENTS.md要更新，但不要把它写成项目日记

我刚开始用Codex时，做的第一件事就是建AGENTS.md。

这文件挺好用。它能告诉Codex我是谁、负责什么业务、习惯用什么语言、偏好哪种分析方式、重要资料放哪，最重要一点，我习惯的思考逻辑是怎样的，输出给我的文件需要按照什么样的逻辑来呈现。

可用得越久，我越发现AGENTS.md不能什么都往里塞。

比如某个商品现在卖多少、某次活动目标是什么、某个季度最重要的任务是什么，这些信息当时挺关键，几周后就变了。真要把它们写成全局规则，Codex往后还会把过期的东西当成铁律。

记忆多不代表聪明，记得太死，反而错得理直气壮。

我现在更习惯把Codex的上下文切成四层，

1. AGENTS.md长期稳定的身份、偏好、原则和资料入口；
2. Skill某一类任务应该怎样执行；
3. 项目知识库不断变化的业务历史、分析材料和决策记录；
4. 当前对话本次任务特有的目标、条件和最新变化。

要判断一条信息该不该写进AGENTS.md，有个土办法，

三个月后，这句话大概率还成立吗？

答案是否定的，就老老实实塞进带日期的项目文档，别写进Agent的「长期人格」里。

AGENTS.md这东西，我把它当公司的基本制度来用，不是那种天天改的工作日志。定期看一眼，每次改都得悠着点。

四、Codex能一次生成漂亮文件，但很难一次生成真正属于你的观点

Codex生成的Word、Excel和PPT通常都挺好看。

结构完整、内容够多、图表齐全，标题和金句也写得有模有样。也正因如此，它产出的东西特别容易被挑「AI味太重」。

问题不一定在它写得差，反倒是它写得太满了。

一份看着啥都有的方案，特别容易把几个要命的问题盖住，核心判断到底是什么？数据真撑得起这结论吗？哪些内容只是行业常识？这方案跟别的公司有啥区别？最后到底要领导拍什么板？

前阵子做一份方案，第一版就已经有完整的行业分析、产品运营、活动方案和商业化设计。可我自己改、跟客户聊、再回Codex修改调整，文件从V1一路改到了V8。我让codex统计了一下，前后我给他发过35条消息，加起来写了6377个字。

另一份方案同样经历了初始版、精简版、修订版、第三次修订和第四次修订。用户规模变了要重算；商品策略变了要把原来的结论推倒重来；跟领导聊完，最终汇报逻辑又得重新组织。前后将近20轮对话输出，写了快4000字。

这些经历越攒越多，我越来越确定一件事，

Codex给的第一版，我不再当成答案，只当成一块写得很满的白板，拿来跟它接着吵。

它确实能很快把零散想法捋顺，可真正属于我的那部分，是在后面反复较劲时才长出来的。

• 这一页究竟想让听众得出什么结论？
• 这个数字的依据是什么？
• 哪些内容只是正确的废话？
• 哪个假设最容易被领导或客户质疑？
• 哪些内容可以直接删除？
• 这到底是Codex的判断，还是我自己的判断？

要是你只管跟Codex说「再优化一下」「写得更专业点」，它通常只会吐出更多字、更漂亮的话。

真正管用的改法，是明明白白告诉它哪里不对、为什么不对，还有你自己现在偏向哪个判断。

AI的第一稿能力确实强，但最后那点取舍、判断和责任，还是得人自己扛。

五、我现在怎样理解Agent

此前，我把Agent理解成「大脑、工具、Skill、知识库和记忆」的组合。

这个理解现在还成立，不过我得补上最重要的一块，人。

Agent的大脑管理解和规划，工具管操作文件和系统，Skill管规定标准流程，知识库管提供项目背景。而人，管的是定目标、做判断、背责任。

之前我喜欢用「消失的筷子」打比方理解Agent，用户只管说「我想吃肉」，中间拿筷子夹菜的过程根本不用看见。

现在我觉得，过程并没有真消失，只是从每次执行任务时，提前到了设计Agent的时候。

第一次搭那个每日数据更新流程，我花的时间比自己手动更新一次多太多了。可流程一旦跑通，后面每次执行都变得特别轻。

说到底，Agent最擅长的，未必是替你想清楚一切。

已经想清楚、规则也稳的事，它能不厌其烦地稳定跑；还没想清楚的事，它最值钱的作用，是飞快把想法变成你能看见的方案，让你接着去质疑、比较、改。

对我而言，Codex现在身兼好几个角色，

标准任务里它是RPA，分析时它是助手，长期项目里它是外置记忆，聊方案它是陪练，做起文件又快又猛。

但它还远不是一个能撒手不管的数字员工。

对于还没深度使用过agent的人来说，我建议先挑一项每周都重复、流程相对固定、结果好核对的实际工作。

先让Codex陪着完整地做一遍，把输入、输出、规则、校验和异常处理写清楚；再做第二遍，把冒出来的新问题补进去；等连续稳定跑了，再把它封成Skill或者自动化任务。

同时，给长期项目建清楚的文件结构，把重要分析、数据口径、决策原因和执行结果持续存下来。

AGENTS.md只写真正长期稳得住的信息，隔段时间检查一次，把过期的规则删掉。

至于方案、报告、PPT，我会默认Codex给的永远只是V1。先让它飞快搭出完整框架，剩下的时间，全花在反复沟通、挑战假设和砍内容上。

两个月前，我以为下一个时代的钥匙，藏在我们向AI提的每一个问题里。

现在我觉得，问题只是个开始。

真正拉开差距的，是你能不能把一次有价值的对话，沉成一套能复用的流程；把一次分析的前因后果，攒成一个还在长的项目知识库；再把AI给的第一稿，用自己的判断，改成真正算你自己的东西。

这可能才是普通人用Agent最现实、也最有价值的一条路。