Codex 普通人实战：把一整块活派给 AI，而不是逐句聊天

先分清：Codex 不是「更聪明的聊天机器人」

用 ChatGPT / Kimi，你的工作模式是一问一答：它给建议，你动手。
用 Codex（OpenAI 出品的编程智能体），你的工作模式变成派活验收：你说清要什么结果，它自己拆步骤、跑命令、改文件，最后把成品交给你。

一句话区别：聊天机器人输出「文字」，Codex 输出「干完的活」——一个 Excel 汇总文件、一个能跑的脚本、一批处理好的文档。

为什么职场人现在才需要关注它

过去这类工具只属于程序员。但 Codex 把门槛降到了「会写清楚需求」的程度：你不需要懂代码，只需要像给实习生派活一样，说清三件事——输入是什么、输出要什么格式、怎么算做对了。

场景一：批量文件处理（最立竿见影）

假设你有 50 份供应商报价单 PDF，要把「公司名 / 金额 / 交付周期」抽出来汇总成一张表。手动干一下午，用 Codex 的派活方式：

文件夹里有 50 份报价单 PDF（文件名即公司名）。请提取每份里的合同总金额和约定交付周期，输出一个 Excel，列为「公司 | 金额(元) | 交付周期」。金额单位不统一的统一换算成元。提取不到的单元格写「未注明」，不要猜。

注意这段任务描述里藏了三个关键动作：指定输入位置、指定输出格式、指定异常处理规则（"不要猜"）。最后一条最重要——它直接决定 AI 会不会给你编数字。

场景二：把重复操作变成一键脚本

每周都要做但每次都要手动点二十下的事，都可以让它写成小工具。比如「每周一早上自动把上周的会议纪要按项目归类」。你只需要描述清楚输入输出和触发条件，它负责实现。做完后你得到的是一段能反复运行的东西——一次派活，长期省时间。

场景三：快速搭个内部小工具原型

「我想要一个网页，贴进客户名单就自动查重并标红重复项」——这种需求以前要提给 IT 排期，现在可以直接让 Codex 做出能用的第一版。你验收、提修改意见，它改。注意定位：这是原型和内部小工具，不是生产系统，上线前该走流程还是走流程。

派活四要素（决定成败的模板）

翻车点与对策（比功能更重要）

1. 它会自信地做错。 批量任务里混进一两个编造的数字，肉眼很难发现。对策：关键数字抽样核对；让它同时输出「数据来源页码/行号」方便你查。
2. 敏感数据红线。 客户名单、合同金额、薪资表——不要喂给云端版本。脱敏后再派活（方法见本站《AI使用红线》）。
3. 任务太大它会跑偏。 一次只派一个可验收的闭环，做完验收再派下一个。大项目拆成小活，比一口气丢一整页需求靠谱得多。

和聊天机器人怎么选？

判断标准就一条：你要的是「一段话」还是「一件干完的活」。