loading image

别再只把 Codex 当编程工具了,它真正值钱的是这 8 个工作流(附skills地址)

Posted by Enovace on June 17, 2026

别再只把 Codex 当编程工具了,它真正值钱的是这 8 个工作流(附skills地址)

Banner

如果你只用 Codex 写代码,可能只用了它 30% 的能力

我现在很多日常工作都不再单独找软件了

配图、清理磁盘、会议纪要、读书摘录、部署网站、检查经营数据,我都会先丢给 Codex

很多人还在把 Codex 当 coding 工具用,其实有点亏

Coding 当然是它的看家本领

但我现在最明显的感受是:Codex 已经慢慢从“写代码的工具”,变成了一个能进入日常工作流的执行入口

它能读文件,跑命令,调用 Skill,连 CLI,生成文档,处理数据,甚至帮我做一些原本需要行政、运营、HR、财务先做一版的事情

我总结了 **8 **个自己最高频的使用场景,Coding 不算

01|配图

我现在写文章、做 PPT,甚至写公司内部文档时,配图基本都会先交给 Codex

这里不是单纯让它生成一张漂亮图片,而是按场景拆成三类

第一类是信息型配图

我会把文章丢给 Codex,再调用自己提前做好的文章配图 Skill,它会先通读全文,判断哪些地方适合插图,然后和我确认

确认后,它会生成一个 HTML 版本的配图页面

这个体验我特别喜欢,因为配图本质上变成了网页

哪里不满意,无论是文字、排版、布局,还是颜色,都可以快速修改,不用整张图重新生成

而且用多了之后我越来越觉得,很多文章配图其实并不需要图片模型

如果目标是传递信息,简单的图形、线条、排版,反而更容易让读者把注意力放回内容本身

第二类是手绘风格的脑图、流程图、时序图、架构图

工作里经常要把一段逻辑画清楚,以前我很喜欢用 Excalidraw,因为它的手绘感没那么生硬

现在我的流程是:先把文字或想法丢给 Codex,让它帮我拆结构

比如这段内容如果要画成流程图,需要哪些节点、哪些关系、应该怎么组织

等框架确认后,再调用 Excalidraw Diagram Skill 生成

这个 Skill 会同时输出 PNG 和 Excalidraw 文件,PNG 可以直接用,Excalidraw 文件还能重新导入继续编辑

Skill 地址:

github.com/coleam00/excalidraw-diagram-skill

第三类是 PPT 里的趣味插图

这个 Skill 是我在 X 上发现的,可以把一段很枯燥的内容,转换成强手绘风格的插图

画面里会有小人、道具、场景和夸张的视觉元素,严肃内容一下变成了一个小故事

特别适合放在 PPT 里做过渡页、章节页,或者解释一个抽象概念

Skill 地址:

github.com/helloianneo/ian-xiaohei-illustrations/tree/main

02|整理电脑磁盘

这个场景很实用

如果电脑存储空间不大,真的没必要每次都买磁盘清理软件

我的电脑存储空间并不大,今年装过很多 Agent 产品,很多只是体验一下,装完很快就卸载

后来发现,很多软件拖进回收站并不等于彻底删除

它们背后还有依赖、缓存、配置文件、日志文件,甚至一些占几个 G 的关联目录

我就直接让 Codex 扫描系统:

过去安装过哪些 Agent 软件?

有没有残留文件?

哪些关联组件还能安全删除?

哪些目录只是缓存?

哪些不建议碰?

这件事 Codex 很适合做,因为它不是只告诉你哪里占空间,而是可以继续帮你判断这个东西是不是还能删

我的习惯是让它先列清单,不直接删除

确认之后,再让它按目录清理

03|长文转 Slides

我给自己定了一个要求:每周至少精读一篇长文章。

不是新闻,也不是碎片资讯,而是真正值得完整读完的长博客、深度访谈、研究文章

因为我越来越觉得,在信息泛滥的时候,刷新闻的性价比其实很低

很多东西看完当下觉得知道了,过两天就忘了

反而是那些经过充分思考和沉淀的长文,更容易给人带来新的认知

现在我读完一篇长文后,会直接把文章交给 Codex,让它生成一份 HTML 版 Slides

不需要面面俱到,重点是把核心观点、关键论据和文章脉络梳理出来

然后我会对着这份 Slides 再完整过一遍

第一次阅读是在吸收信息

第二次借助 Slides 回顾,是在整理自己的理解

很多第一次阅读时忽略的细节,反而会在这个阶段重新浮现出来

这个过程很像给大脑做一次二次索引

Skill 地址:

github.com/gainubi/note-slides

04|处理会议纪要

现在很多软件都有会议纪要功能,但我还是习惯把会议纪要导出成 Markdown,再交给 Codex 处理

尤其是同一个主题连续开了好几次会的时候,这个方法特别好用

比如这周围绕某个项目开了三四次会,我会把所有会议纪要一次性丢给 Codex

让它从整体视角分析,而不是只看某一次会议发生了什么

最直接的用法是整理 Todo

但我现在会多问一句:

这些 Todo 里面,哪些事情是你可以直接帮我完成的?

这句话非常关键

因为很多 Todo 它真的能继续做

比如整理资料、写初稿、做调研、分析数据、汇总信息、生成文档、整理方案

会议纪要不再只是“记录发生了什么”,而是变成了后续工作的入口

如果是客户会议或用户访谈,我会让它梳理:

用户最关注的问题是什么?

抱怨最频繁的点是什么?

哪些反馈容易被忽略,但其实值得重视?

不同渠道的反馈之间有没有共同模式?

微信群聊天记录、用户访谈纪要、问卷反馈,这些内容以前散在各处,很难整体分析

现在统一丢给 Codex,它就可以做痛点归类、需求提炼和观点汇总

数据量越大,这个价值越明显。

05|连接飞书

很多人可能还不知道,如果想在手机上使用 Codex,除了 ChatGPT App,也可以接入飞书

一开始我的目的只是用手机操作 Codex

但真正用下来,我反而更喜欢在电脑端飞书里使用它

原因很简单:飞书本来就是我的工作中心

聊天记录、会议纪要、文档、项目资料,很多内容本来就在飞书里

看到一段群聊讨论,我可以直接转发给 Codex,让它整理重点

开完会的纪要,也可以顺手丢给它分析

更有意思的是飞书文档

以前如果想让 Codex 修改一段内容,通常要复制出来,再扔给 Codex

现在很多时候不用这么麻烦

我正在飞书文档里写东西,某一段觉得不顺,或者想换个角度展开,直接在文档里 @ Codex 就行

这件事的意义不是多了一个入口,而是减少了很多来回复制、切换、整理上下文的成本

06|接入微信读书

微信读书最近也发布了 Skill,可以直接一键安装

我自己的阅读习惯是,除了文学类作品,很少把一本工具书从第一页读到最后一页

很多工具书本来就不是小说式阅读

真正有价值的内容,往往集中在少数章节

所以我经常先看热门划线

热门划线其实很神奇,某种程度上,相当于很多读者提前帮你投了一轮票

哪些段落值得停下来想,哪些观点最容易引发共鸣,哪些句子最能代表这本书,大家已经用划线给了信号

接入 Codex 之后,这件事又方便了一大截

平时写文章时,经常会遇到一种情况:

明明记得某本书里看过一个很好的观点,或者一句很有启发的话,但就是想不起来在哪

以前只能自己翻

现在我会直接让 Codex 去微信读书里找

比如:

围绕某个主题,从热门划线里筛选相关内容

找某位作者关于某个问题的观点

从几本书的热门划线里整理共同出现的关键概念

对经常阅读、经常写作的人来说,这个体验很爽

书里的内容没有变多,但调用这些内容的成本大幅降低了

07|部署网站

现在很多人都在 Vibe Coding 自己的小产品

我自己已经 Vibe Coding 了 20个小工具

这些小工具很多不只是前端页面,还会有后端、数据库、环境变量、部署流程

我现在用的是腾讯云 CloudBase

它有 CLI,所以只要完成一次授权,后面很多部署动作都可以在 Codex 里完成

不需要反复打开后台,不需要手动点一堆配置

这类场景里,Codex 的优势不是“它知道怎么部署”,而是它可以在你的项目目录里直接看代码、改配置、跑命令、读报错、再修复

这比单纯问一个聊天机器人“这个项目怎么部署”实用很多

08|处理公司日常琐碎事务

我们是小公司,所以很多原本需要行政、HR、财务甚至法务处理的基础工作,现在都会先交给 Codex 做第一版

比如合同

一份合同拿过来,我通常会先让它检查风险、梳理重点条款,或者按照我们的需求修改

当然,真正重要的合同还是要人工判断

但很多标准化合同,Codex 做初筛和初稿已经很成熟

还有制度文件、招聘资料、流程文档、内部说明,这些也很适合先让它出第一版

更有价值的是,它和飞书数据打通之后,开始参与日常运营

我们公司的很多经营数据、财务数据,都放在飞书多维表格里

给 Codex 装上飞书 CLI 之后,它就能直接和这些数据连接

这时候它不再只是一个聊天工具

它可以新增数据、修改数据、批量检查数据、做异常巡检

我现在还有一些固定流程

比如每天上午,让 Codex 检查前一天的数据:

有没有遗漏记录?

有没有异常值?

有没有明显不合理的地方?

有没有需要补充说明的项目?

人录数据难免会出错。

但让它每天固定巡检一次,很多问题当天就能发现。

到了月底,我直接跑一个命令,Codex 就会把这个月的经营情况梳理出来。

这就是我现在对 Codex 最大的感受:

它不是一个更会聊天的 AI。

它更像一个可以进入文件系统、工具链、业务系统和工作流里的执行层

以前很多工作卡在三个地方:

信息散在不同地方

工具之间不能互相调用

人懒得做那些琐碎但重要的整理

Codex 刚好补上了这几个缺口

所以我现在判断一个 AI 工具有没有长期价值,不只看它模型多强,也不只看它回答多漂亮

我更关心的是:

它能不能进入我的真实工作现场?

能不能读到上下文?

能不能调用工具?

能不能把结果落到文件、数据、系统里?

能不能把一个想法推进成一个可用的结果?

如果可以,它就不是聊天工具

它是工作入口。