深蒸馏 · 直播回看 · 配额批次 2

Codex 专题:把操作交给 agent,把概念理解、产品判断和反馈留给自己

直播回看 | 2026.05.15 | 时长未标 | 已深蒸馏 8 / 53
来源:原视频 | @howie.serious | 2026.05.15
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_6a053aeee4b0694c35086d25/4
阅读路径:先读第三组,理解「不用亲手操作」为什么不等于「不用理解」;再读第二组,看产品怎样从一个想法长成工作系统;第一、四组分别回答工具边界和协作方法,第五组回答怎样真正学会。只看一组就看第三组,它决定你是在驾驭 agent,还是只在领取结果。
一句话结论:按本场展示的工作方式,Codex 带来的主要杠杆不是替人多写代码,而是让有概念理解、明确取舍和持续反馈的人,独立推进原本需要多人衔接的产品工作;缺少这些条件,单纯增加 token 消耗并不会产生同等价值。

第一组 · 工具定位:为什么说它像龙虾,又不只是一只龙虾

1.1 从编程工具变成工作的中枢

howie 开场没有演示写函数,而是让 Codex 把 Mac 切成深色模式,再恢复浅色。他随后查看执行过程,指出完成动作的是 shell 脚本:同一项设置,人可以去系统设置里点击,也可以运行命令,还可以直接描述想要的结果。

这个例子的意义不是「省了几次点击」,而是改变了人与电脑的关系。原先必须知道设置藏在哪、该打开什么软件,现在可以先表达目标,再由 agent 找到操作路径。他把本机应用、命令行工具、文件、连接器、MCP、Skills 和 Plugins 放在一起,说明编程能力只是其中一项,真正的变化是这些能力开始被统一调度。

原文在说什么

他把 OpenClaw 代表的工作方式称为「Claw 范式」:固定设备持续运行,人随时给任务,agent 使用设备上的工具和文件。Codex 在他的体验里更易用、更强,因此有可能成为工作中枢。这里既有现场操作,也有他对未来产品形态的预测,不能混成同一种证据。

关键概念
对你的实际应用

Ben哥可以先在 ~/.shared-agent/tasks.md 的单条任务中写清「交付文件、允许调用的工具、禁止触碰的范围、验收依据」,而不是只写「处理一下知识库」。这里提出的是任务描述方式,不是授权 agent 操作一切;本篇不修改该文件。

1.2 Plugin 的价值是封装能力,不是插件数量

他展示 Cloudflare 插件时,强调里面打包了命令行、MCP、连接器和一组 Skills。腾讯云没有他需要的现成插件,他便让 Codex 把相关官方工具组合成自己的插件。内参编辑、读者服务、主题研究、费曼笔记也被组织成不同的 agent。

组合层本场给出的例子对任务意味着什么
命令行与工具接口Notion CLI、云服务工具把操作能力开放给 agent
Skills内参处理、知识体系、费曼笔记把经验和做法交给 agent
PluginCloudflare、自制腾讯云插件把一组相关能力打成可调用单元
项目内参站点、微信到 Readwise 服务让能力围绕具体交付发生组合
原文在说什么

他不是主张把所有插件装齐,而是在展示「复杂操作可以被封装」。讲到开服务器、创建权限和付费时,他用了非常放开的个人操作方式;这说明其演示范围,不构成 Ben哥应当照搬的授权标准。

关键概念
对你的实际应用

Ben哥可为 ~/.agent-autoloop/knowledge.py 拟增一个 describe_capabilities() 函数,集中说明知识条目检索、来源定位和内容读取的输入输出,再由现有调用方复用。这里只提出函数设计,不声称现有脚本已有这些接口,也不把读取权限扩大成发布或删除权限。

第二组 · 产品案例:不是一次生成,而是一串可以接着长的交付

2.1 内参从 Notion 页面长成站点和研究入口

原来的 AI 内参放在 Notion:日报承接 Readwise 新增内容,再从日报精选文章进阅读库。读者要进入相应页面和数据库,才能找文章。howie 的新想法是保留 Notion 作为后端,为读者另外做一个前端。

新站不止展示文章。他介绍了全文与语义搜索、标签页面、日历、订阅和安装入口;又把服务做成 API、CLI、MCP。现场的阅读清单例子尤其重要:站点能搜到与 Codex 有关的文章,但搜索结果不等于学习顺序;模型接上内参工具之后,才可以围绕读者的兴趣组织阅读计划。

原文在说什么

他给出的产品生长顺序是:先解决阅读入口,再补查找能力,再让其他 agent 调用。按其展示的变更记录,5 月 10 日有想法并上线,之后持续迭代。原文明确说,当时没有做推送和用户登录;原生 App 也只是后续设想。

关键概念
对你的实际应用

Ben哥可为 ~/.agent-autoloop/reading.py 拟增 build_topic_reading_list(topic, entries),输出条目路径、入选理由和建议顺序;为 ~/.shared-agent/kb/STANDARD.md 拟增「搜索命中与阅读计划分开标注」条款。不要把命中数量直接当作已读数量,也不要在正文未读时声称已完成主题研究。

2.2 微信到 Readwise:难点在链路,不在某一段代码

另一个案例是把微信收到的文章和文件收进 Readwise。howie 把它定位为 inbox:用户完成绑定后,把内容转给入口,内容再进入自己的阅读系统。这个想法很短,但实现涉及微信侧的不同服务、云端中转、页面、账号绑定、成本和收费设计。

他反复展示的不是代码,而是截图、自然语言需求、方案讨论和版本迭代。自己没有写过相关 TypeScript,不代表没有参与工作;入口选哪种、页面如何呈现、服务如何安排,仍然需要人作决定。他还提到先试一种入口,再换方案,说明这不是一次提示词直接得到最终产品。

原文在说什么

agent 降低的是把方案实现出来的门槛,不是替人消除产品取舍。他关于外包成本、开发时间的比较属于个人估计,不能据此推导所有类似项目的报价。服务构想日期在转写中有口头反复,本篇不强行补成确定时间线。

关键概念
对你的实际应用

Ben哥可为 ~/.agent-autoloop/reading.py 拟增 validate_ingest_record(record),检查一条收藏记录是否带来源、接收结果和阅读条目定位;只有收进阅读队列后才记录成功。这是对案例的本地迁移,不是声称直播提供了去重或失败重试算法;这些实现细节原文未展开,更不需要登录个人微信来复现。

第三组 · 人的能力:操作被接走之后,概念理解反而更重要

3.1 三圈层:为什么理解 Git,却不必熟练背命令

howie 用 Git 说明一种常见困境:理解工作区、暂存区、仓库这些概念,曾经也会操作,但一段时间不用,具体命令又忘了。过去要靠大量重复,把操作练成长期记忆;现在可以让 agent 承担这些动作,人保留对机制的理解。

他把学习区分为操作层、概念层和更内侧的想法与判断:外围是怎么配置、怎么运行;中间是它是什么、与什么相关;更里面是你认为哪个问题值得解决、想做什么产品。概念之所以重要,不在于能背术语,而在于能把它们连接成心理模型,支持工作流和产品设计。

层次本场的问题形式人需要保留什么
操作层如何配置服务、执行命令、实现功能知道交给谁执行、结果如何检查
概念层Git、Worker、API、CLI 分别是什么区分对象、理解关系、建立心理模型
想法与判断什么问题值得解决,产品要服务谁目标、价值取舍和方向决定
原文在说什么

「操作层劳动没有价值」是他为了突出变化使用的强判断。更可执行的读法是:不要把学习目标全部押在记住操作细节上。他没有证明所有操作工作都已被可靠替代,也没有说所有专业责任都可以交给 agent。

关键概念
对你的实际应用

Ben哥可在 ~/.shared-agent/kb/STANDARD.md 拟增概念条目的字段要求:定义、相关概念、本机实例、适用边界。例如解释「来源」「检索结果」「深蒸馏依据」时,要说清它们的区别,不能把搜到一条内容等同于读完它。这里不引入原文之外的概念理论。

3.2 五六七八遍:允许第一张概念卡很薄

他现场打开 Cloudflare R2 笔记,承认刚建的条目还很空。有了实际项目需要,就让 AI 解释它是什么,再用自己的话讲一遍,并追问它与其他服务的关系。第二次、第三次遇到时,再回来修笔记、补链接、调整理解。

KV 的例子更直接:项目已经用了这种技术,但笔记还没写完整。他并不把这当成必须停工的理由,而是把工作实例当作理解概念的材料。方法的核心不是先把知识体系修到完美,再开始做事,而是让真实任务反复触发学习。

原文在说什么

「五六七八遍」描述的是多次相遇、解释和修正的学习过程,不是经过验证的固定次数。他说的费曼过程也不是复制一段解释,而是先读、自己讲、继续对话,再整理成逐渐可靠的笔记。

关键概念
对你的实际应用

Ben哥可为 ~/.agent-autoloop/knowledge.py 拟增 record_concept_encounter(concept, task_ref, explanation),把概念名称、遇见它的任务和自己的解释关联起来。kb/STANDARD.md 可要求「初识」与「已能解释边界」分开,不因为建了一个标题就标成掌握;也不要把讲者的次数说法改成自动认证阈值。

第四组 · 协作方法:先研究再讨论,执行之后还要看走了什么弯路

4.1 人不必同时开很多项目,agent 可以并行处理子任务

howie 反对把等待时间全部塞进其他项目:开 Codex 做一件事,再开另一个 agent 做另一件事,同时开几个聊天窗口,在他看来不符合人的注意力特点。他更愿意在任务运行时思考当前问题、观察工具调用,或者适当放空。

但他并不反对子任务并行。内参处理的演示中,他先筛选文章,再让 Codex 执行,运行过程启动六个子 agent,界面显示十几分钟完成一轮工作。这里的人仍然守住同一个目标,只是机器把具体工作分出去;不能把它理解为人也应该同时管理六条不相干的业务线。

原文在说什么

他区分了「人的注意力分散」和「agent 的执行并行」。子 agent 的具体任务切分、数据传递与冲突处理,原文未展开;展示的完成时间也不是适用于所有文章处理任务的性能保证。

关键概念
对你的实际应用

Ben哥可在 ~/.shared-agent/tasks.md 的同一任务里增加「当前决策点」和「子任务交付路径」,把多个 worker 的输出归到一个验收目标。不要因为直播出现六个子 agent,就直接改 ~/.agent-autoloop/cron-jobs.json 增加并发;调度限制与成本判据原文未展开。

4.2 一句固定指令,隔开需求、决策和执行

他多次重复自己的习惯:「先研究,再讨论,确定方案 OK 之后再执行。」前面的「确定」不是让 agent 自己宣布,而是由他作为决策者判断。界面修改则经常用截图、画框、加文字说明,再通过自然语言把需求讲清楚。

执行之后也不是只收结果。他会观察工具是否真的能用、流程哪里绕路、哪一份 Skill 需要更新,再和 agent 讨论。Skills 里面的「不要做什么」、注意事项和边界,就从这些实际问题里积累。项目有自己的文件夹和规则文件,使下一轮不必全部重说。

原文在说什么

他没有把自己定位成甩手掌柜:agent 交付结果,人负责方向、过程理解和反馈。真正能积累下来的不是一条神奇提示词,而是这次失败怎样改变下次的规则。

关键概念
对你的实际应用

Ben哥可在 ~/.shared-agent/tasks.md 的任务描述中区分「方案已确认」与「执行已完成」。对 ~/.agent-autoloop/report_html.py 的界面改动,可拟增 collect_render_feedback() 的输入约定,接收截图位置、期望效果和实际差异;这里只写改进方向,不把未实现的函数当作现有能力,也不绕过独立验收。

第五组 · 落地与价值:从一个真项目开始,不拿 token 数冒充产出

5.1 项目制的价值,是跨过第一次完整交付

他解释自己为什么突然能连续做产品时,回到一次线下活动:在阿禅带领下,用半天时间从零做出一个 Chrome 插件。此前规则文件、项目目录、代码仓库等都是进入门槛;走通一次以后,后面加功能、接接口、做站点就不再那么陌生。

这也是他与阿禅筹划 Agent Lab 的理由:单靠直播讲清概念,不一定能让人真正用起来。以信息流系统和建站为项目入口,配合模板、讨论、作业和点评,把学员带到交付。建站不是因为网页是最终目标,而是它能把内容、交互、产品和维护放进一个看得见的项目。

原文在说什么

这一段同时包含学习方法与课程介绍。项目实践、反馈和示范是其教学主张;收费与效果比较是讲者的商业陈述,不能当成独立效果评估。用户系统、家庭作品站、原生 App 等设想也不应写成已经交付。

关键概念
对你的实际应用

Ben哥可把这篇深蒸馏作为 ~/.shared-agent/tasks.md 中的一项明确交付:输入转写、指定模板、唯一输出、检查项目分别写清。~/.shared-agent/kb/STANDARD.md 可补「讲者已做、未来设想、本文迁移」三类表述的区分。不要用增加课程笔记数量代替一次从原文到成稿的完整交付。

5.2 付费是注意力承诺,不是价值证明

他解释为什么有些服务免费也要付费:一旦决定某项工具重要,就用付费提醒自己投入注意力。他把这称为带玩笑意味的学习法,背后谈的是注意力争夺,而不只是价格。他也认为高质量信息会影响人关注什么、觉得什么有趣,以及想创造什么。

另一方面,直播大量提到 token 用量、订阅补贴和个人目标,但开头就回应了「不能为了烧 token 而烧 token」,结尾又明确说「不是以量取胜」。有价值的是背后的工作理解、工作流设计和产品迭代。把消费量直接当成成长指标,会把这两个层次倒过来。

原文在说什么

订阅划算、一天创造多少价值、未来行业如何变化,都是他的当时体验或预测。不能把个人补贴估算写成官方价格,更不能把涉及股票的「先买一股」迁移成 Ben哥的投资动作。本场最可复用的部分,是先选有价值的目标,再给它稳定的注意力。

关键概念
对你的实际应用

Ben哥可为 ~/.agent-autoloop/report_html.py 拟增 render_delivery_evidence(),展示产物路径、输入依据、检查结果和边界;如另有用量数据,应单列为成本,不计作交付数量。~/.agent-autoloop/reading.py 的阅读计划也应写出本次要解决的问题,而不是只累计收藏或阅读时长。

与在用工作的关联

这条里的什么对应你手上的什么具体怎么用
工作中枢要围绕明确目标~/.shared-agent/tasks.md单条任务写清产物、工具范围、禁止事项和验收依据
工具能力可以封装~/.agent-autoloop/knowledge.py拟增 describe_capabilities(),先说清输入输出再接调用方
搜索结果不等于阅读计划~/.agent-autoloop/reading.py拟增 build_topic_reading_list(),给路径、顺序及入选理由
概念在项目中反复完善~/.agent-autoloop/knowledge.py拟增 record_concept_encounter(),关联任务与自己的解释
概念理解要有边界~/.shared-agent/kb/STANDARD.md拟增定义、关系、实例、边界的字段要求
人专注与机器并行分开~/.agent-autoloop/cron-jobs.json不照搬演示并发数;先在任务中定义子任务交付,不改调度
截图反馈形成下一轮约束~/.agent-autoloop/report_html.py拟定 collect_render_feedback() 输入,定位期望与实际差异
token 用量不是交付成果~/.agent-autoloop/report_html.py拟增 render_delivery_evidence(),成本和交付证据分栏呈现

原文:howie.serious《【howie 的 AI 主题讲座】codex 专题:最像龙虾的 agent,但是更强大!》,2026.05.15 直播录像;原视频链接见页首。转写无稳定时间码,开场计划与收尾报时不足以确认录像净时长,故记「时长未标」。

本篇依据:本地转写 /Users/benhong/.agent-autoloop/cdb/transcript/l_6a053aeee4b0694c35086d25.txt 全文,共 4695 行,分段阅读;未补查外部材料。两份已通过样例仅用作层级与语气参照,不作为本场事实来源。元信息序号按目标文件 q08 编排,不代表另行核定了全库完成进度。

更正与边界:按上下文统一明显误识别的 Codex、OpenClaw、shell、CLI、MCP、Skills 等词;无法确认的专名不强行恢复。模型能力排名、补贴价格、收入比较及行业时间预测未外部核验,不作客观结论。所有「对你的实际应用」及关联表均为面向 Ben哥的拟议迁移,不是讲者原话;文件路径已检查存在,函数名均是拟新增设计,未审查实现、未改业务文件。权限申请、付费和公开发布不是本篇授权,技术实现未说明之处不擅自补全。

定位:中文深蒸馏,不是逐字摘要。