我不会写代码，但用 Codex 跑完了今天最烦的三件事

今天开完那个拖了两小时的周会，我面对着一份乱得像弹幕字幕的会议录音转写，第一反应不是打开 Word，而是打开了 Codex。

结果是：40 分钟后，纪要整理好了，任务清单拆完了，五封跟进邮件草稿也发出去了。

我不会写一行代码。

---

第一章：打破误解——Codex 不是程序员的专属玩具

大多数人对 Codex 的第一印象来自"GitHub Copilot 的底层模型"——一个帮程序员补全代码的工具。这个印象没错，但已经过时了。

OpenAI 在其官方博客中对 Codex 的定位描述是："a general-purpose model that excels at following instructions and working with structured information"——一个擅长遵循指令、处理结构化信息的通用模型。注意，这里没有说"代码"，说的是"结构化信息"。

这个区别很关键。

代码本质上是什么？是一种高度结构化的文本——有严格的层级关系、明确的依赖逻辑、可被机器执行的格式约束。Codex 之所以擅长写代码，恰恰是因为它对"结构"有极强的感知能力。

而职场里最让人头疼的那些任务——会议纪要、任务拆解、跟进邮件——本质上也是结构化信息处理任务。只不过约束从"语法规则"换成了"业务逻辑"和"格式惯例"。

反直觉的结论：你不会写代码，反而可能更容易用好 Codex。 因为你不会用"代码思维"去限制自己的 Prompt 写法，反而更容易用自然语言把任务说清楚。

接下来我把今天的实测过程完整还原，三个步骤，有顺有挫，如实记录。

---

第二章：Step 1——把一份乱糟糟的会议纪要喂给它

原始输入：一段真实感十足的会议记录

下面是我喂给 Codex 的原始内容（已脱敏处理，保留了原始口语感）：

【原始会议记录 · 2024年Q3产品周会 · 参会：小李、张总、阿伟、产品PM晓敏、运营小朱】

张总：好，开始吧，上周的数据怎么样？
小李：嗯，整体还行，但新用户留存有点问题，7日留存掉了，具体数字我待会儿发群里。
张总：掉了多少？
小李：大概是，嗯，比上个月低一点，具体我记不清了。
晓敏：我这边看到的是从38%降到了31%，差不多7个点。
张总：好，这个要重视。阿伟你们技术那边上周说的引导流程改版，进度怎么样了？
阿伟：在做了，但有个依赖项，需要晓敏那边确认新手引导的文案，文案还没给我。
晓敏：啊，这个我以为不急，我这周搞定。
张总：行，那就这周必须给阿伟，阿伟你们下周能上线吗？
阿伟：应该可以，但得看文案什么时候给到。
小朱：我这边运营活动的话，原来计划是配合引导流程改版一起推的，如果改版延了，我们活动也得推迟。
张总：那就都对齐，改版上线之后活动立刻跟上，小朱你先把活动方案做好备着。
张总：还有什么？
晓敏：对了，上周用户反馈里有几个关于搜索体验的投诉，我觉得可以排个小需求。
张总：先记着，这个不急，Q3再说。
晓敏：好。
张总：行，散了。

使用的 Prompt

你是一位专业的会议记录整理助手。

以下是一段未经整理的会议录音转写，包含口语表达、跑题内容和人名简称。
请完成以下任务：

1. 提取会议的核心讨论议题（不超过3个）
2. 按议题整理关键信息，去除口语填充词和跑题内容
3. 保留所有涉及数据、时间节点、责任人的具体信息
4. 输出格式：Markdown，使用二级标题区分议题

原始记录如下：
[粘贴会议记录]

输出结果与客观评估

Codex 的整理结果结构清晰，把三个议题（留存数据、引导流程改版、运营活动对齐）分得很干净，数据"7日留存从38%降至31%"被准确保留，口语填充词"嗯""大概是"全部过滤掉了。

这说明 Codex 对"语境中的优先级信号"有一定感知能力，不是纯粹的文本切割机。

---

第三章：Step 2——从纪要到任务拆解，这一步差点翻车

继续喂给它，要求拆任务

基于以上会议纪要，请生成结构化任务清单。

每条任务必须包含：
任务描述（一句话）
责任人
截止日期（如原文未明确，请标注"待确认"）
优先级（高/中/低，基于会议讨论判断）

输出格式：Markdown 表格

踩坑实录：它在这两个地方翻车了

原始会议记录里，张总说"活动方案做好备着"，实际上是对小朱说的，但这句话没有主语，Codex 把这条任务的责任人标成了"待确认"。

这是一个典型的隐含责任人问题——人类听会议的时候会根据上下文和对话对象自动补全，但 Codex 在这里过于保守，宁可标"待确认"也不做推断。

"这周必须给阿伟"被 Codex 翻译成了"本周内（具体日期待确认）"。这个处理本身没错，但它没有意识到"这周"是相对于会议日期的，如果你没有在 Prompt 里告诉它会议日期，它就无法给出具体日期。

如何用追加 Prompt 修正

请修正以下两个问题：

1. 任务"准备运营活动方案"的责任人：
根据会议记录，张总在说完"活动方案做好备着"之前，
小朱刚发言提到运营活动。请将责任人修正为"小朱"。

2. 会议日期为2024年X月X日（周一），
请将所有"本周内"的截止日期换算为具体日期。

修正后的结果准确了。

关键结论：Codex 在任务拆解这一步的核心局限是"不做主动推断"。 它不会像人类一样根据对话语境猜测隐含信息，而是选择保守标注。这不是 Bug，是设计取舍——但你需要知道这个边界在哪里，然后用追加 Prompt 来补足。

这一步需要人工干预，但干预的方式是指令式的，而不是重新整理——这比自己从头拆任务省事得多。

---

第四章：Step 3——写跟进邮件，这一步才是真正省事的地方

为什么这一步反而最顺滑？

邮件有固定的格式约束：主题行、称谓、正文、结尾、签名。这种约束恰恰是 Codex"结构化能力"的主场。

当你给它一个高度结构化的输出目标，加上明确的内容输入，它的发挥空间被约束得恰到好处——不会乱发挥，也不会遗漏关键信息。

使用的 Prompt 模板

请根据以下信息，生成一封跟进邮件草稿。

【任务信息】
任务：晓敏本周内提供新手引导文案给阿伟
截止日期：[具体日期]
背景：文案延误会影响引导流程改版上线，进而影响运营活动排期

【收件人背景】
收件人：晓敏（产品PM）
发件人：[你的名字/角色]
关系：平级同事，非上下级

【语气要求】
友好但明确，不要显得在催促
点出影响链（文案→改版→活动），让对方理解优先级
结尾留一个"如果有困难请告知"的缓冲

【输出要求】
生成两个版本：
版本A：简洁版（3-4句话，适合钉钉/飞书消息）
版本B：正式版（邮件格式，150字左右）

输出样例（正式版）

晓敏，

>

想跟进一下新手引导文案的进度。根据周会讨论，文案需要本周内给到阿伟，以确保引导流程改版能按计划下周上线——运营活动的排期也在等这个节点。

>

如果这周时间紧张或有其他卡点，可以提前告知，我们一起看看有没有调整空间。

>

谢谢！

这个输出我几乎没有改动就发出去了。语气拿捏得准，影响链说清楚了，结尾的缓冲也到位。

💡 想直接上手试这套工作流？

文中三个 Prompt 我已经整理成可复制格式，你可以在 [api.884819.xyz](https://api.884819.xyz) 直接调用接口测试，不需要配置任何环境，粘贴即用。

---

第五章：总结与判断——哪一步真的值，哪一步别指望它

三步工作流效果评级表

明确结论，不模糊好评

• 信息密度高的原始文本（会议记录、访谈录音转写、用户反馈汇总）
• 有格式约束的输出目标（邮件、周报、需求文档）
• 需要批量处理的重复性文字任务（多封邮件、多份摘要）

• 需要主动推断隐含信息（它会保守标注，需要你补充）
• 需要创意判断和主观决策（它给的是"合理的平均答案"，不是最好的答案）
• 跨文档的上下文关联（单次对话窗口内有效，跨文档需要你手动串联）

我不会说"它彻底改变了我的工作方式"。但我会说：在"高密度信息整理 + 固定格式输出"这个组合场景里，我会固定用它。 就这一个场景，已经足够值了。

---

顺带一提：测试这套工作流的过程中，我把同样的三个 Prompt 分别喂给了 Claude Sonnet 4.6 和 GPT-5.1，在"隐含责任人识别"这个坑上，三个模型的表现差异大得出乎意料——不是量的差异，而是策略的差异：有的模型选择大胆推断，有的选择保守标注，有的会主动向你提问。

下次我把对比结果整理出来。不是为了评出谁更强，而是为了告诉你：在这类职场文字任务上，该怎么选模型，以及什么时候换模型比改 Prompt 更有效。

---

#AI工具 #Codex #职场效率 #会议纪要 #Prompt技巧 #8848AI #AI教程 #非技术用户