预计字数：6000 字 阅读时间：13 分钟 难度等级：⭐⭐（小白友好，进阶可照着搭）

核心价值：看完这篇，你能拿走一套中文办公场景的 Codex / Agent 工作流清单，以及一个 7 天上手计划。

---

最近Codex的火爆程度就不用多说了，那作为普通人

我们如何在工作中高效的开始Codex呢？下面我将带你从0到1走一遍。

Codex 像一个可以接进你电脑、文件夹、知识库、邮件、飞书、网页、命令行的工作台。

你不再只是打开一个聊天框，问一句，答一句。

而是在给一个 Agent 安排任务：

读这些材料。

查这些文件。

按这个规则整理。

不确定的地方标出来。

能起草的先起草。

要我拍板的单独放一边。

这一下，味道就完全不一样了。

聊天机器人像一个很聪明的问答窗口。

Codex 这类 Agent 工作台，更像一个能力很强但入职第一天的新人。

它能干活。

但你要给它上下文、边界、检查标准。

---

先把话说清楚：这里有两个 Codex

这篇文章里，我会同时讲两个东西。

第一个，是 OpenAI 官方的 Codex 产品线。

截至 2026-07-01，OpenAI 官方 GitHub README 里对 Codex CLI 的描述很明确：它是一个运行在你本机电脑上的 coding agent。官方也区分了 CLI、IDE、Desktop App、Codex Web 这些形态。

第二个，是我自己现在用的中文办公工作台。

它不是"装了 Codex 就自动拥有"的东西。

我的系统更准确地说，是：

Hermes Agent + Codex CLI + Obsidian + 飞书 + 邮件 + 微信 + 一堆 Skill + 自动化任务。

这两个东西不能混着吹。

OpenAI Codex 是官方产品。

我这套是中文用户把 Agent 接进真实办公场景之后，搭出来的个人工作系统。

为什么要先讲清楚？

因为很多 AI 文章最容易犯的错，就是把产品能力、插件能力、自己系统能力揉在一起，最后读者看完很激动，回去一试，发现根本不是一回事。

我不想这么写。

📚

这篇文章你可以把它当成两层：

第一层，理解 Codex 这类 Agent 工作台为什么不只是写代码。

第二层，参考我这套中文办公系统，看看你可以从哪些工作流开始。

---

我的中文办公系统长什么样

先给你看几个真实数字。

我现在的 Obsidian 主知识库是 2.7GB。

根目录下有 36 个一级目录。

本机 Hermes 运行时有 84 个 Skill。

自动化任务有 33 个。

记忆系统分三层：L1 关键摘要、L2 结构知识、L3 核心洞察。

经过大半年的运行，这些已不是"规划中"。

而都是本机命令查出来的。

比如：

du -sh /Users/dx/Hermes-agent
# 2.3G /Users/dx/Hermes-agent

jq '.jobs | length' /Users/dx/.hermes/cron/jobs.json
# 33

你不用一开始就搭到这个程度。

千万别。

如果你第一天就想着"我要 80 个 Skill、33 个自动化、三级记忆系统"，基本第二天就不想干了。

更合理的理解是：

我的系统只是一个已经长大的样子。

你刚开始只需要一个小版本：

• 一个文件夹。
• 两个信息来源。
• 一套规则文件。
• 一个低风险任务。

这就够了。

---

为什么它不像普通聊天机器人

普通聊天机器人的典型用法是：

• 我给你一段话，你帮我润色。
• 我问你一个问题，你回答我。
• 我给你一个主题，你给我几个点子。

这当然有用。

但它的问题也很明显：

上下文散。

结果难复用。

每次都要重新解释。

它不知道你的文件在哪，不知道你之前怎么决策，不知道哪些话题不能碰，也不知道哪些输出必须标来源。

---

Agent 工作台的变化在于：

它可以围绕一个工作空间持续干活。

• 你可以把项目规则写进 AGENTS.md。
• 把偏好写进 preferences.md。
• 把红线写进 rules.md。
• 把素材、文档、数据、历史记录放进同一个文件夹。

然后让它按这些规则执行。

这不是玄学。

它其实就是把"你每次都要在聊天框里重复说的话"，变成一个可复用的工作环境。

你想想看。

如果你每次写文章，都要重新告诉 AI：

先调研素材

别虚构案例

事实要标来源

面向目标用户，需要哪些规则

标题想要什么样子的风格，等等

这就很烦。

更好的方式是把这些规则放进项目文件。

以后每次写文章，Agent 先读规则，再干活。

这就是差别。

---

我最常用的 5 个工作流

下面先讲我自己这套系统里最有感的 5 个方向。

不是为了让你照抄。

而是让你看到，Codex / Agent 工作台一旦接进真实资料源，它能从"回答问题"变成"处理工作"。

1. 每日摘要和日报

今天到底做了什么？

哪些东西值得沉淀？

哪些只是临时操作？

哪些应该变成下次能复用的规则？

如果全靠人脑记，肯定漏。

我现在会让系统每天整理会话、项目变更、记忆状态和自动化任务状态，然后生成日报素材。

这里的关键不是"AI 写日报"。

重点是它能从真实文件和真实任务里找证据。

日报里必须区分：

事实。

推断。

待确认。

这三个标签很重要。

很多 AI 自动化之所以危险，就是因为它把"猜测"写得像"事实"。

日报这种东西，如果发给别人看，更不能这么干。

2. 调研简报

写方案、开会、做选题之前，我经常需要快速搞清楚一个话题。

以前的流程是：

• 打开浏览器。
• 搜一堆链接。
• 复制到文档。
• 再让 AI 总结。

最后还要自己判断哪些可信，哪些只是营销号。

现在更合理的做法是让 Agent 先建一个素材包。

它要写清楚：

• 背景是什么。
• 关键事实来自哪里。
• 不同观点冲突在哪里。
• 哪些数据没有核实。
• 哪三个来源最值得深入读。

调研简报最怕什么？

最怕一篇看起来很完整，但里面全是二手转述。

所以我现在会要求：

重要事实必须回到官方文档、GitHub、原始公告、论文、数据源。

查不到就写"未验证"。

宁可少写。

不要编。

3. 内容创作全流程

我现在写文章，不是直接让 AI "写一篇"。

这个动作太粗了。

更稳的流程是：

• 先编译素材。
• 再拆事实、推断、待验证。
• 再形成素材包。
• 再写大纲。
• 再出初稿。
• 再做风格校准。
• 最后做审校。

你看起来会觉得慢。

但真正做久了，它反而快。

因为很多返工都发生在"AI 一上来就开写"之后。

• 方向错了，越写越偏。
• 事实没核，越写越虚。
• 语气不对，越润越油。

我宁愿前面多花 20 分钟，把素材和边界说清楚，也不愿后面花 2 小时救一篇空洞的稿子。

4. 想法和记忆维护

很多人的想法库，其实是"想法坟场"。

今天记一个。

明天记一个。

半年后再也找不到。

我更希望 Agent 做的是：

每个想法记录来源。

和已有想法查重。

判断它是选题、素材、方法论，还是一次性念头。

被否决的也保留理由。

这件事很小。

但长期价值很大。

因为你不是在堆笔记。

你是在训练自己的判断系统。

5. 系统健康检查

这部分听起来偏技术，但普通人也能理解。

任何自动化都会坏。

账号会过期。

接口会更新。

路径会改。

规则文件会过时。

如果你以为"自动化就是设好之后不用管"，那基本迟早翻车。

我的系统里有 Gateway 健康检查、Vault 健康检查、Skill 审计、备份、记忆索引刷新等任务。

不一定每个人都需要这么复杂。

但你至少要有一个意识：

自动化不是替你永远省心，而是把重复工作变成可检查的流程。

---

更多起步工作流（精简清单）

下面这些模板，不展开了。每个只写一句话核心。

你先扫一遍，哪个最戳你的痛点，就从哪个开始。

收件类：

• 收件箱清零 — 让 Agent 分类邮件，起草回复，但只草案不自动发送。
• 漏回消息汇总 — 飞书、微信、邮件里你没回的消息，按紧急度排好，你来判断语气。

调研类：

• 调研简报 — 给主题和来源，输出背景、关键数据、观点分歧、待确认问题。
• 写作素材整理 — 把链接和材料整理成证据库：支持观点的、反对的、还缺的。

写作类：

• 边写边审 — 先让 Agent 诊断结构、事实、语气问题，再改。不是一上来就润色。
• 文字转音频 — 草稿转语音，通勤路上听。

管理类：

• KPI 周报 — 多系统拉数据，但必须标注每个指标的定义、来源和时间范围。
• 产品上线方案 — GTM 计划草稿，决策留给人。
• 内容更新审核 — 对比最新来源，列修改建议，不自动编辑不自动发布。

协作类：

• 客服问题整理 — 识别核心问题，去重，标优先，但 AI 不替你理解人情世故。
• 候选人名单 — 整理材料、对齐标准、发现遗漏，但最终判断由人负责。
• 非程序员也能理解代码更新 — Agent 把 PR 翻译成业务语言，帮非工程角色参与评审。

规划类：

• 战略规划 / OKR — 从过往数据整理草稿，强制标注哪些是提炼的，哪些是推断的，哪些需要人类判断。
• 共享看板网页 — 当长文档管不过来时，让 Agent 做看板，不是跑去学新工具。
• 个人学习工具 — 告诉 Agent 学什么、什么水平、怎么练，它给你搭一个本地练习场。
• 想法收集库 — 每一条记来源、现有方案、价值判断、下一步行动。否决的也保留理由。

❤️

你不是为了这一次省时间。你是为了下一次不用重新解释。

---

怎么"管理" Codex

我越来越觉得，用 Codex 这类 Agent，不像"使用软件"。

更像带一个能力很强但入职第一天的新人。

新人不是不聪明。

但他不知道你的业务，不知道你的禁忌，不知道你对质量的标准，也不知道哪些事能自己做、哪些事必须先问。

所以你要做的不是把每一步都教给它。

而是把方向、资源、边界和验收标准说清楚。

说结果，不要微操步骤

很多人提示词写得特别累：

• 第一步你先去飞书搜这个词。
• 第二步你再去 Notion 找那个页面。
• 第三步你打开某个表格。
• 第四步你复制某一列。

不是不能这样写。

但这会把 Agent 当成一个很笨的脚本。

更好的写法是：

帮我用这些来源做一份调研简报，结构是背景、关键事实、观点分歧、待确认问题和推荐阅读。所有重要事实标来源，不确定的地方单独列出来。

你告诉它目标和标准。

它自己决定怎么查。

这才是 Agent 的价值。

复杂任务先让它说计划

如果一件事要跑好几分钟，或者涉及多个工具，先别急着让它开干。

先让它说计划。

比如：

开始前，先告诉我你打算怎么做、会读哪些来源、会产出哪些文件、哪些地方需要我确认。

这句话很值钱。

因为方向错的时候，越早纠正越便宜。

等它跑完 30 分钟，你再发现它理解错了，那个时候就很烦。

---

你可以把这句话直接复制到提示词里。它不会让你看起来不懂 AI，只会说明你用过 AI。

开工前问它缺什么

我很喜欢问一句：

开始之前，你还需要知道什么，才能做得更好？

这句话能逼它暴露缺口。

有时候它会告诉你：

• 缺少目标读者。
• 缺少输出格式。
• 缺少时间范围。
• 缺少来源链接。
• 缺少权限。

这比它硬着头皮编一个结果强多了。

重要事实必须标来源

只要这个文档会被别人看到，或者会用于决策，所有重要事实都要标来源。

不要相信"听起来很对"。

尤其是这些内容：

• 数字。
• 日期。
• 价格。
• 产品功能。
• 政策规则。
• 官方限制。
• GitHub 项目活跃度。

一句话：

能回源头，就回源头。

回不了，就标"未验证"。

方向没问题就别一直插手

这点也很重要。

很多人用 AI，忍不住每 30 秒看一次。

它刚读完文件，你说一句。

它刚写两段，你改一下。

它刚跑命令，你又插一嘴。

最后它很难完成一整轮思考。

我的经验是：

方向错了，及时打断。

假设变了，及时打断。

碰到未授权的高风险动作，及时打断。

除此之外，让它跑完一轮。

你审结果就行。

永远去真实工具里检查结果

在 Codex 里看起来没问题的东西，到了飞书、Slack、Gmail、Notion、公众号后台，可能完全不是那回事。

表格可能不渲染。

图片可能丢。

链接可能打不开。

Markdown 可能被平台改格式。

邮件语气可能太硬。

飞书文档里的 Callout 可能不对。

所以最后一定要去实际使用的地方检查。

别只在 Agent 的输出里点头。

检查结果前，问三个问题

每次 Agent 做完一个稍微复杂的任务，我建议你问它三个问题。

• 第一：你做这件事的时候，最难决定的是什么？
• 第二：你考虑过但没采用的方案有哪些？
• 第三：你最拿不准的地方在哪？

这三个问题很有用。

因为它能把"看起来很完整的答案"背后的不确定性翻出来。

一个靠谱的 Agent 输出，不应该只有结果。

还应该告诉你它在哪里做了取舍。

---

常见翻车场景

说错了，还特别自信。

这是大模型老毛病。

所以事实性内容要回源头核实，不要直接转发。

数字对不上。

多个系统拼数据时，定义不一致、数据过期、关联方式不同，都会出问题。

改了不该改的东西。

尤其是涉及代码、配置、知识库目录的时候，要逐行看它到底改了什么。

自动化流程悄悄坏了。

接口更新、账号过期、规则文件过时，都可能导致自动化失效。

被外部内容带偏。

邮件、网页、文档里可能藏着针对 AI 的指令，有些你自己都看不见。

所以发送、删除、修改、发布这类动作，一定放在人工审批后面。

只给最小必要权限。

不要一上来就把所有钥匙都给它。

团队怎么用

如果你是个人，先把一个工作流跑顺。

如果你在团队里，千万别一上来全员推广。

最简单的方法是：

找一个人。

找一个具体问题。

跑出一个可见成果。

把过程记录下来。

让别人看到"这东西真能省时间"。

团队使用有几个关键点：

每个自动化流程都要有负责人。

AI 生成的文档要放到共享工具里审，不要只停留在 Codex 对话里。

文档要写得人能读，AI 也能查。

这句话很重要。

未来的团队知识库，不只是给人看的。

也是给 Agent 用的。

---

7 天上手计划

你不需要一次变成高级用户。

先跑一个真实、低风险、可检查的任务。

下面这个 7 天计划，重点不是"挑战打卡"。

重点是降低门槛。

第 1 天：观察工作

不要先想自动化。

先列出你一周内最重复、最烦、最需要整合信息的任务。

比如：

• 每天漏回消息。
• 每周写周报。
• 每次写文章前找资料。
• 每次开会后整理纪要。
• 每个月更新资源列表。

先找烦人的点。

不要一开始就找最酷的点。

第 2 天：连接两个来源

选择两个最关键的系统。

中文办公场景里，我建议从飞书和本地文件夹开始。

如果你不用飞书，也可以是邮箱和本地文件夹。

只做一个小任务：

比如读取一个会议纪要，再结合一个项目文档，整理出待办清单。

两个来源就够了。

超过两个，新手很容易乱。

第 3 天：建立工作空间

创建一个项目文件夹。

里面放几个基础文件：

• AGENTS.md
• context.md
• preferences.md
• rules.md
• sources.md

不用写得很复杂。

👍

先写清楚：

你是谁。

这个项目要做什么。

哪些资料可信。

哪些事不能做。

输出格式是什么。

然后让 Agent 复述一遍它理解的角色、项目和边界。

如果它复述错了，先改规则。

不要急着开工。

第 4 天：跑一个一次性任务

选一个低风险但真实的任务。

比如整理会议纪要。

生成调研简报。

把一堆链接整理成素材包。

要求它输出不确定点。

你审阅它的结果。

这一天的目标不是自动化。

目标是建立信任。

你要知道它在哪些地方靠谱，哪些地方容易胡来。

第 5 天：跑一个多来源任务

让它从多个系统合成一个输出。

比如：

• 飞书消息 + Obsidian 笔记 -> 周报草稿。
• 邮件 + 项目文档 -> 待办清单。
• 网页链接 + 本地素材 -> 调研简报。

这一天一定让它先给计划。

计划确认后再执行。

多来源任务最容易跑偏，前面多花 3 分钟看计划，非常划算。

第 6 天：把任务变成清单

如果前几天有一个任务跑得不错，把它写成工作流文档。

至少包括：

输入来源。

输出格式。

执行步骤。

审阅标准。

常见错误。

哪些动作必须人工确认。

这一步很关键。

你不是为了这一次省时间。

你是为了下一次不用重新解释。

第 7 天：决定是否自动化

不是所有任务都值得自动化。

只有满足这几个条件，才考虑周期化：

反复发生。

风险可控。

输入稳定。

检查标准明确。

失败后容易发现。

如果不满足，就保留为手动触发的协作流程。

这并不丢人。

很多时候，手动触发比全自动更稳。

---

现在就开始

Codex 的价值不只是"会写代码"。

它更像一个知识工作的智能体工作空间。

真正重要的不是某个单点功能。

而是把上下文、工具、流程、审阅和复用串成一个循环。

你不需要一开始就搭一套庞大的系统。

先打开一个文件夹。

选一件你本来就会做的事。

告诉它你有什么素材、要什么结果、你会怎么检查。

做好一次。

把有效做法保存下来。

再把重复工作变成流程。

最后，再决定哪些流程值得自动化。

真正的目标不是让 AI 替你思考。

而是让你把更多注意力留给判断、品味、策略和最终责任。

出来混，最重要的是出来。

打开一个文件夹，先跑一次。

既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果可以给我个星标⭐，将不胜感激～谢谢你看我的文章，我们，下次再见。

---

#Codex #AI办公 #Agent工作流 #大象AI共学 #Obsidian #飞书 #自动化

作者：大象-推动 AI 共学，让普通人轻松上手AI

相关链接

1. OpenAI Codex CLI GitHub：https://github.com/openai/codex
2. OpenAI Codex 官方文章：https://openai.com/index/codex-for-every-role-tool-workflow/
3. 社群站：https://daxiangnaoyang.github.io/daxiang-ai-gongxue/