如果你用过任何AI编程工具，大概率经历过这样的场景：

你写下一段需求，它咔咔咔生成几百行代码。你复制、粘贴、跑一下——报错。你复制错误信息回去，它说“抱歉，我修正一下”。又咔咔咔几百行。你复制、粘贴——还是不对。

三个来回之后，你已经不想说话了。

这不是你的问题，也不是模型不够聪明。

问题在于：我们一直在用“对话”的方式，去干“项目”的活。

而今天上线的macOS版Codex，把这件事彻底翻了过来。

一、从“串行苦力”到“并行指挥”

过去我们用AI，是一条单行道。

你提需求 → 它生成 → 你验证 → 你反馈 → 它修改 → 你等待……

每一步都在等人。 你去倒杯水，它闲着。你回条消息，它等着。你开个会回来，它还在等你发下一条指令。

这不是协作，这是你牵着它走。

Codex的第一个核心变化：多个智能体可以同时干活，互不干扰。

你今天上午可以同时做三件事：

• 智能体A：在后台清洗上季度的销售数据
• 智能体B：根据会议录音整理周报大纲
• 智能体C：试着用Three.js搭一个小游戏原型

它们各自有自己的线程、自己的工作区、自己的上下文。你可以在三个任务之间随意切换，不会丢失进度，也不会串台。

原来需要串行等待几小时的工作，现在并行十几分钟收工。

你不是在“用”一个AI，你是在指挥一支团队。

二、从“一次对话”到“三天项目”

这引出了第二个，也可能是更本质的变化：Codex不再是一次性对话工具，而是能持续工作数小时、数天、数周的项目执行者。

这听起来很简单，但背后差别巨大。

一次对话，意味着每次刷新页面都是新开始。你不敢让它跑太久，因为你不知道中间会不会断，不知道它遇到报错会不会自己处理，不知道它干到一半卡住了该找谁。

你不敢把真正的活儿交给它。

而Codex现在做到了——智能体可以在大型项目中持续工作，遇到问题自己判断，需要决策时找你确认，其余时间自己推进。

官方有一个很极端的例子：

有人给了Codex一条提示：“帮我做一款3D体素风卡丁车竞速游戏，8张地图、8个角色、8种道具、带漂移蓄力。”

❝

使用 imagen 和 develop-web-game 技能创建:使用 Three.js 将 Voxel Velocity 实现为一款 3D 体素风卡丁车竞速游戏，且仅包含一个模式：单场比赛（始终为 3 圈、1 名玩家对战 7 名 CPU，8 条赛道全部立即解锁，无进度系统）。构建最简赛前流程，仅包含：赛道（8 条）、角色（8 个）、难度（轻松/标准/困难）、可选镜像模式、可选允许角色重复，以及开始比赛 (Start Race)。同时提供一个选项菜单和比赛中的暂停菜单（继续/重新开始/退出）。创建一个街机驾驶模型，具备灵敏的操控、对擦碰墙面的宽容判定、以有意义的漂移作为主要技能，并提供一个漂移蓄力系统，可生成精确的加速等级（一级 0.7 秒、二级 1.1 秒、三级 1.5 秒）。基础速度需保持“快速但易读”，并在宽阔道路上维持稳定的车群超车节奏。精确实现 8 种道具，单格道具栏，带轻微的名次加权分配，效果温和（最大失控 ≤1.2 秒、最大转向禁用 ≤0.6 秒），营造轻松混乱但无硬性眩晕。同时加入越野减速，并在加速状态下将越野减速幅度降低 50%。定义 8 名角色的既定属性与 AI 行为倾向，实现 CPU 难度预设、赛道作者定义的竞速/变化样条、漂移区与危险规避逻辑，使 AI 能利用多车道宽度进行干净的超车。并提供 HUD/音频基础功能：名次、圈数/最终圈提示、迷你地图、道具槽、计时/分段、清晰可读的音效 (SFX)，以及每条赛道一段循环音乐。

接下来的故事是这样的：

• Codex调用了图像生成技能，自己画了角色和道具贴图
• 它调用了网页游戏开发技能，从零搭出Three.js的3D场景
• 它自己玩自己写的游戏，发现漂移手感太硬，主动调整了碰撞判定参数
• 它觉得地图太少，又加了两条隐藏捷径
• 它测试了道具平衡性，发现某个道具太强，自己削了一刀

整个过程，它消耗了700万个Token，相当于连续工作了好几个小时。

开发者没有守在旁边。他只是偶尔回来看看，玩一把，说一句“这次漂移蓄力感觉对了”，然后继续做自己的事。

这才是我们真正想要的AI牛马——不是等你喂指令的实习生，是接了任务就能自己跑的项目经理。

三、从“写代码”到“用代码做事”

但以上所有这些，都建立在同一个基础上：Codex正在从一个编写代码的智能体，进化为能够在你的电脑上利用代码完成任务的智能体。

这句话是这次更新的灵魂。

它意味着：Codex的价值不再是“生成代码”，而是“执行动作”。

怎么做到的？技能（Skill）。

你可以把技能理解为一个给AI准备的、可复用的操作说明书。

过去你想让AI做一件复杂的事，需要在对话里事无巨细地教它：

❝

先打开这个网站，找到那个按钮，等页面加载完，把数据复制出来，贴到Excel里，格式化，生成图表……

它可能听懂，也可能听不懂。即使听懂了，下次换个人来说，又要重新教一遍。

技能把这一切封装起来了。

一个技能包 = 说明文档 + 资源文件 + 执行脚本。

你可以在Codex里明确要求“使用某某技能”，也可以让它根据任务自动匹配合适的技能。

这是几件已经有人在用的真事：

场景一：从设计稿到代码

设计师在Figma里画好了活动页面。以前要等前端开发排期，一两天起步。

现在：Codex调用实现设计技能，直接读取Figma的设计上下文、资源、截图，输出生产可用的UI代码，视觉1:1还原。

设计稿→上线的中间环节，消失了。

场景二：从Excel到报告

运营同事每周五都要做一件很烦的事：把本周的数据Excel整理成PPT，加上图表，发给老板。

现在：Codex调用电子表格技能，读取Excel，自动生成带专业图表和排版的PDF报告。设定一次，之后每周五下午自动发送到邮箱。

她周五下午不用加班了。

场景三：从想法到线上

一个独立开发者想做一个小产品验证想法。按流程：写代码→买服务器→配域名→部署。

现在：Codex调用部署到云端技能，支持Cloudflare、Netlify、Render、Vercel。一句指令，应用直接上线。

从“我想做一个”到“你打开看看”，只要一杯咖啡的时间。

这些还不是全部。

OpenAI内部已经开发了数百个技能，从“用Linear管理工单”到“监控模型训练任务”，从“生成产品文档”到“分析增长实验数据”。

https://github.com/openai/skills

而且全部开源。你可以直接拿来用，也可以自己写，还可以整个团队共享一套配置。

这才是Codex真正的护城河：

它不是给你一个更聪明的对话机器人，而是给你一个能听懂指令、能调用工具、能独立跑完整个业务流程的数字员工。

写在最后

很多人问：AI到底什么时候才能真正帮我干活，而不是让我帮它收拾烂摊子？

这个问题背后，其实藏着两个更真实的困惑：

第一，我什么时候才能不用守在旁边等它？

第二，我什么时候才能把整件事交给它，而不是每步都要教？

Codex这次给出的答案，是我目前见过最接近“成了”的一次。

它还不能替你做所有决策。 它还会犯错，还会需要你确认。但它已经不需要你每一步都牵着走了。

你可以把活儿扔给它，然后去干自己的活儿。

这不是效率提升30%还是50%的问题。 这是你终于开始拥有第二双手的问题。

Codex桌面应用现已上线macOS。

你的电脑里，很快就会住进一支AI团队。

而你，是那个只需要定目标、看结果的人。