[控场AI]
· 5 分钟阅读· 2,805 字

Codex保姆级入门教程:零基础AI编程实战

Codex保姆级入门教程:零基础AI编程实战

以Codex为例,讲清Agent与聊天机器人的区别及零基础实操流程。

文章以B站UP主的Codex教程为蓝本,先厘清Agent与聊天机器人的本质差异:豆包、DeepSeek更像提供建议的顾问,而Agent能调用工具、独立完成复杂任务,是能动手的员工。Agent依靠大脑(大模型)、记忆和工具三大组件运作,其中工具最关键。市面上的Agent分为通用智能体、专用智能体和搭建平台三类,普通人提升生产力应优先选通用智能体。文章随后拆解Codex的界面布局、插件安装(Computer Use、Remotion、Higgs Field等)、计划模式与目标模式的选择、三档权限设置和模型选择策略,并用Higgs Field插件一句话生成MG动画的实战演示完整工作流闭环,最后给出五条新手避坑清单。

Codex保姆级入门教程:零基础AI编程实战

AI工具越来越卷,但大多数人还停留在“问一句答一句”的聊天机器人阶段。真正能帮你干活的,是Agent(智能体)。B站UP主在最新一期教程里把Agent和普通AI工具的区别讲得很透:豆包、DeepSeek广告更像AI顾问,而Agent是能替你动手的员工。本期教程就以Codex为例,手把手拆解从安装到实战的完整流程,并点出90%新手都会踩的坑。

Agent到底是什么?和聊天机器人差在哪

据B站UP主解释,Agent就是字面意思——有智慧、能干活的个体。它能主动思考、调用电脑上的工具,独立完成复杂任务。

举个例子:你想用材料做一份PPT。用豆包,你需要逐个上传材料,豆包在服务器做好后你再手动下载。Agent则不同,它自己读文件、识别文件类型、创建PPT到本地,干完活还会通知你并做检查。这种“顾问”与“员工”的差别,是理解Agent的起点。

咱们普通人想直接用AI提升生产力

Agent能干活靠三个关键组件:大脑(大语言模型,负责理解需求、拆解步骤、判断下一步)、记忆(记住你说过什么、任务执行到哪一步)、工具(操作浏览器、文件夹、编辑Excel/PPT、写代码)。其中工具最关键——有了工具,Agent才能真正动手。

Token 与上下文窗口是理解 Agent 成本与能力边界的基础概念。Token 是模型处理文本的最小单位,中文里大致一个汉字约等于 1~2 个 Token。Agent 的“记忆”并不是无限容量的,它受限于模型的上下文窗口——即一次对话中模型能同时“看到”的 Token 总量上限。任务越复杂、文件越多、执行步骤越长,消耗的上下文就越多,超出窗口后早期信息会被截断或压缩,这也是 Agent 在长任务中可能“忘记”最初要求的原因。同时,Token 数量直接决定调用费用与响应速度,所以教程中提到“效果越好 token 消耗越快”,本质上是在模型智能程度、上下文占用和成本之间做权衡。

Function Calling(函数调用) 是 Agent 能把“想法”变成“动作”的技术底座。大模型本身只能输出文本,无法直接读写文件或点击按钮。Function Calling 机制让模型在生成回复时,可以结构化地声明“我要调用某个工具、参数是什么”,由外部程序真正执行该操作,再把结果回传给模型继续推理。Agent 的工具组件正是建立在这一机制之上:Computer Use 本质是封装好的“操作电脑”函数,插件则是预置的一组工具集合。理解这一点就能明白,插件装得全不全,直接决定了模型可选择调用的函数范围,也就决定了 Agent 的能力上限。

市面上的Agent分三类,普通人该选哪种

UP主把Agent分为三类:

  • 通用智能体:多为大公司产品,如Codex等本地桌面Agent,装上后基本什么都能干。
  • 专用智能体:专注单一高频场景,如剪视频、图片编辑、电商运营,开箱即用、傻瓜式操作。UP主提到,这类智能体让人人都能亲手搭建,并称2026年是智能体元年。
  • 智能体搭建平台:搭建出的智能体有固定工作流,关键节点让AI参与。

对普通人想直接用AI提升生产力,UP主建议优先选通用智能体。

Codex实操:界面、插件与对话模式

Codex是一个AI智能体,能调用各种工具完成你的指令。界面分左右两侧:左侧是能力区,可添加各种能力;右侧是工作区,下达指令的地方。新建项目只需点击添加按钮、选空白项目、输入名称。

可以让Codex操作你的电脑

正式使用前有几个设置决定效率。插件方面,Computer Use用于控制电脑,甚至能操作剪映完成视频剪辑,建议优先安装;Notion、Figma、Versal主要用于产品和网站开发;Remotion和Higgs Field分别用于动画渲染和视频生成,尽量都装上。

对话界面左下角有两种工作模式。计划模式是AI先想清楚怎么做、拆解任务列出步骤,适合还没想好具体思路时;目标模式是你直接给出最终目标和验收标准,AI持续执行并不断比对目标直到完成,适合目标明确的复杂任务。新手一般选计划模式就够用。

就选择对应的插件

调用插件只需点击插件按钮激活。你还可以上传图片和文档作为参考。权限设置分三档:默认权限、自动审查、完全访问。前两种每到关键节点都需要你确认,完全访问则大部分操作由AI自动完成,新手建议用默认权限。模型选择看智能程度、模型类型和工作速度,效果越好token消耗也越快,按需选择即可。

计划模式与目标模式的差别,可以对应到 AI 领域常说的“思维链(Chain of Thought)”与“目标驱动执行”。计划模式先让模型把任务拆成若干步骤并显式列出,相当于把推理过程外化,便于人检查方向是否正确,适合需求模糊、需要人工介入判断的场景。目标模式则给定验收标准后让模型自主循环“执行—比对—修正”,更接近自主 Agent 的闭环控制,效率高但偏离风险也更大。无论哪种模式,权限档位都是安全阀:默认权限和自动审查会在关键操作前暂停等待确认,完全访问则跳过确认,一旦模型误判就可能造成不可逆的文件改动,因此新手从保守权限起步是合理选择。

实战演示:一句话生成MG动画

UP主用Higgs Field插件做了一次实战。添加动画制作插件后,在对话框输入提示词并提交,Codex开始自动工作:分析需求、拆分任务、按步骤执行,中途基本不需要操作,等待几分钟即可。最终生成的MG动画效果,UP主评价“完全不比自己手动制作差”。

这段演示的价值在于展示Agent工作流的完整闭环——提示词、插件激活、自动执行、结果交付。

新手避坑清单

结合教程内容,几个容易踩的坑值得留意:

  1. 把聊天机器人当Agent用:两者能力边界完全不同,先分清再选工具。
  2. 插件装不全:Computer Use、Remotion、Higgs Field等各司其职,缺一个就少一种能力。
  3. 权限一上来就开完全访问:新手用默认权限,在关键节点保留确认,更稳妥。
  4. 模式选错:思路不清选计划模式,目标明确选目标模式。
  5. 模型盲目追效果:效果越好token消耗越快,按任务难度匹配。

教程最后提到,后续还会更新更多高级玩法,包括AI编程、自动做网站、开发小程序和办公自动化。对零基础用户来说,先把这套入门流程跑通,比追新功能更重要。

#Codex教程#AI编程入门#Agent智能体#AI工具#Codex插件#零基础AI编程#智能体搭建
分享:

相关推荐