我用 Codex 半天做了 3 个智能体，真正被震到的不是效率

Hi，大家好，我是七帅。

今天想跟大家聊一个我自己今天白天刚发生的事情。

这件事其实挺小的，就是我在公司内部用 Codex 做了几个智能体。但它给我的冲击很大，因为我突然很明显地感受到，AI Agent 对我们工作方式的改变，已经不是“提升一点效率”这么简单了。

它开始改变一个人的角色。

以前我们说一个员工的能力强，很多时候是说：这个人会不会做，熟不熟练，能不能亲自把事情执行下来。

但今天这个经历让我意识到，接下来很多岗位的核心能力，可能会从“我会不会亲自执行”，变成“我能不能判断、指挥和验收”。

事情是这样的。

我们公司内部有一个智能体平台，是基于 Dify 这类工作流方式搭的。今天我第一次真正打开它的时候，其实是有点懵的。

因为它是线性的，有节点，有配置，有输入输出，有流程编排。对一个没用过的人来说，第一眼看上去并不友好。

我当时脑子里冒出来的第一个问题是：我要不要先看教程？

这个问题其实很典型。

很多时候我们接触一个新工具，第一反应都是：我不会，所以我要先学。我要先把教程看完，先把基础概念搞懂，先把每个按钮都认识一遍，然后我才敢动手做东西。

这个思路当然没错。

但它有一个问题，就是如果你的目标不是系统学习，而是短期内拿到结果，那这个路径可能会很慢。

我今天的目标不是成为这个平台的专家。

我的目标是：我需要尽快做出几个能用的 Agent。

所以我没有选择从头看教程，而是换了一个方式：我把目标告诉 Codex，让它帮我操作电脑，帮我在这个平台里完成搭建。

这个过程刚开始也不是完全无感的。

Codex 需要我开一些权限，比如浏览器控制权限、Chrome 的一些开发者权限。它会一步一步告诉我该怎么开，我就照着做。

权限开完以后，真正让我惊讶的地方出现了。

第一个 Agent，大概不到五分钟就做出来了。

这个 Agent 是干什么的呢？

我们部门内部每个月都会有一个刊物，需要很多同事提交稿件。这个刊物是比较正式的场合，所以稿件的表达、结构、语气都不能太随意。

但问题是，并不是每个同事都写过这种稿件。

很多人可能有很好的事情、很好的项目、很好的案例，但他不知道怎么把它写成那种正式、完整、符合内部刊物要求的文章。

所以我就想做一个 Agent：用户只需要输入核心内容、关键事实、人物信息、项目背景、想表达的重点，Agent 就能帮他生成一篇比较符合公司内部要求的稿件。

这个想法本身并不复杂。

我一开始其实先让 Codex 帮我做了一个 skill。后来我又想到，身边很多同事没有 Codex，而且 Codex 毕竟要付费，不适合直接让所有人都用。

于是我又让 Codex 帮我把这个能力迁移到扣子里，做成一个更容易给同事使用的技能。

到了下午，我发现公司内部其实也有自己的智能体平台，于是我干脆就让 Codex 直接帮我在内部平台上搭建。

不到五分钟，它做完了，发布了，还把发布后的结果给我。

我把链接发给同事，同事很惊讶，说：你怎么这么快？五分钟就做完一个智能体？

其实我自己也有点惊讶。

但我只是回了一个“哈哈”。

因为我知道，这件事表面上看是我做得快，但真正快的是我把执行交给了一个足够强的 Agent。

接着我做了第二个。

第二个 Agent 是知识库问答。我把桌面上的知识库文档喂给它，让它基于这些资料做一个 QA 智能体。

这个也很快，两三分钟就完成了。

也就是说，不到半个小时，我已经做完了两个 Agent。

这时候我的感受已经从“这个工具挺好用”，变成了“这件事情可能会改变我们日常工作的组织方式”。

然后我开始做第三个 Agent。

第三个比前两个复杂很多。

它是一个跑图类智能体。我提供一些 IP 的底图，然后希望它能根据用户输入的动作关键词，生成这个 IP 在不同动作下的图片。

比如用户输入“打篮球”，它就生成这个 IP 打篮球的画面。

听上去简单，但真正约束很多。

因为它不能只是生成一张好看的图，它必须保持 IP 的统一性和完整性。角色不能变形，比例不能乱，细节不能丢，风格不能跑偏，动作还要准确。

我反复调了很多轮提示词和约束。

这个过程也消耗了我不少 Codex 的额度。中间甚至到了额度重置以后，我再继续调。

但最后出来的效果非常惊艳。

我只输入“打篮球”三个字，它真的生成了一个 IP 在打篮球的动作图，而且画面很干净，角色也很统一，质量很高。

那一瞬间我突然有一个很强的感受：

很多工具，在今天这个 Agent 能力下，已经不再要求你先成为熟练工，才有资格产出结果。

这句话很重要。

过去我们使用工具的路径通常是线性的：先学工具，再练工具，然后才用工具做项目。

但现在这个路径正在变成另一种方式：先明确目标，再定义标准，然后调用 Agent 去执行，最后由你来判断和修正。

也就是说，人和工具之间的关系变了。

你不再只是那个埋头执行的人。

你更像是一个导演、一个产品经理、一个判断者。

你要告诉它：我要做什么，给谁用，什么样才算好，哪些地方不能错，哪些细节必须保留，出现偏差以后下一轮怎么改。

今天我完全不会公司内部那个智能体平台。

但这件事并没有阻止我基于它产出东西。

因为真正关键的，不是我有没有把平台每个按钮都学会，而是我有没有足够清楚地表达目标，有没有能力判断结果，有没有耐心一轮一轮把它调到可用。

这也是我觉得对设计师特别重要的一点。

很多设计师现在面对 AI，会有两种极端反应。

一种是觉得焦虑，觉得工具太多了，学不过来。

另一种是觉得兴奋，什么工具都想试一下，但试完又不知道怎么沉淀成自己的能力。

我今天这件事给我的启发是：我们不一定要把每个工具都学成专家。

更重要的是，我们要训练一种自主探索能力。

你看到一个新工具，不是先问“有没有教程”，而是先问“我想用它解决什么问题”。

你看到一个复杂平台，不是先被它吓住，而是想办法让 AI 帮你跨过第一道执行门槛。

你看到一个模糊想法，不是停在脑子里，而是快速把它变成一个可以被测试、可以被别人使用、可以被反馈的东西。

这件事背后其实是设计师能力结构的变化。

过去一个设计师很重要的能力是执行：画页面、做组件、整理规范、输出方案。

这些能力仍然重要。

但未来更稀缺的能力，可能是判断力、定义问题的能力、拆解任务的能力、给 AI 下达清晰指令的能力，以及对结果进行审美和业务判断的能力。

因为当执行成本下降以后，真正拉开差距的就不是谁点按钮更熟，而是谁更知道要做什么。

今天我做的那几个智能体，并不是因为我突然学会了一个新平台。

而是因为我把自己的想法、判断、标准，交给 Codex 去执行。

最终 idea 来自我，目标来自我，质量标准来自我。

但中间大量琐碎的配置、搭建、发布、调试，我没有亲自做。

这就是很典型的 Agent 工作方式。

人负责方向，Agent 负责执行。人负责判断，Agent 负责试错。人负责提出更高标准，Agent 负责不断接近那个标准。

所以我现在越来越觉得，设计师一定要主动拥抱 AI，但这里的“拥抱”不是让你每天追热点、背教程、收藏一堆工具。

真正的拥抱是：你要在真实工作里，把 AI 变成你的能力杠杆。

你要用它解决一个具体问题。

你要用它做出一个真实结果。

你要用它让身边的人感受到：原来这个东西真的可以提高效率，真的可以改变流程，真的可以把一个想法快速落地。

今天同事之所以惊讶，不是因为我讲了一个 AI 概念。

而是因为他们看到：一个不会这个平台的人，居然在很短时间内做出了可用的智能体。

这就是结果的说服力。

最后我想说，AI 并不是让我们不用思考。

恰恰相反，AI 会让思考变得更重要。

因为当执行越来越便宜，真正昂贵的就是判断。

你能不能判断什么问题值得做？

你能不能判断一个结果到底好不好？

你能不能把一个模糊需求拆成清楚的输入、流程和标准？

你能不能在别人还在等教程的时候，先做出一个能跑的版本？

这可能就是 Agent 时代，对普通员工、对设计师、对所有知识工作者最重要的新要求。

不是所有东西都要等学会了再开始。

有时候，你先把目标说清楚，把工具调动起来，把结果跑出来，你就已经走在前面了。

七帅

产品设计师

用设计让产品更有温度

热爱产品，热爱生活。相信好的设计源于对生活的细腻观察。

喜欢用 AI 工具提升效率，探索设计与科技的边界。工作之余，享受阅读、旅行和一切美好的事物。

费曼学习法践行者，价值投资探索者。