010. 從寫提示詞到做給 AI 看｜介面正在換一種語言
當工作流程很難用文字交代清楚時，最自然的指令可能不是更長的 prompt，而是一段可被觀察的操作。
這支 PAPAYA 電腦教室影片 介紹的是 Codex 的 Record & Replay 外掛。它的概念很直覺：使用者先在螢幕上示範一次工作流程，Codex 觀察、整理並產生一份 Skill；下次遇到相似任務時，使用者只要提出需求，Codex 就能參考那份 Skill 重新執行。
影片示範的不是抽象 demo，而是兩個很典型的辦公室任務。第一個案例是把 Gmail 收據裡的公司名稱、日期、金額整理進 Google 試算表。第二個案例是把產品資料登記進 Excel 庫存表，並把對應圖片插入儲存格。這些工作不一定困難，卻很難一次用文字講乾淨：要開哪個頁面、複製哪個欄位、貼到哪一格、什麼時候算完成，都藏在日常操作細節裡。
Record & Replay 觸碰到的核心問題是：**AI agent 的瓶頸常常不是能力，而是任務表達。**如果人類必須把每一步都寫成精準提示詞，很多低價值重複工作反而不值得自動化；但如果人類能「做一次」，讓 AI 把流程整理成可重用規則，AI 才更接近真正接手日常工作。
這也讓 Skill 的角色變得更具體。它不是神秘的智能模組，而是一份被結構化的操作手冊：什麼情境觸發、應該執行哪些步驟、最後如何驗證。錄製只是入口，真正有價值的是 Codex 把一次示範轉成可管理、可停用、可刪除、可重播的工作資產。
給讀者的 Takeaway
- Record & Replay 解決的是「流程難以文字化」的問題。
- Skill 可以理解成一份由 AI 整理的操作手冊。
- 示範一次如果能重播多次，才值得錄製。
021. 安裝只是前菜｜真正的門檻是授權與邊界
讓 AI 觀看與控制電腦之前，使用者要先知道自己打開了哪幾道門。
影片中的啟用流程很短：先在 Codex 設定裡進入 Computer Use，開啟「控制電腦」與「控制瀏覽器」，再到外掛程式搜尋 Record & Replay。建立新對話後，用 @Record 載入外掛，對它說「開始錄製」，系統跳出授權視窗後就會開始螢幕錄製。
這些步驟看起來像一般外掛安裝，但它其實牽涉到更高權限。AI 不只是讀一段文字，也可能觀察畫面、操作瀏覽器、理解檔案與表格中的內容。這正是它有用的地方，也是它需要被謹慎使用的地方。
對團隊而言，Record & Replay 不應只被視為個人效率工具。它比較像一種「工作流採樣」機制：先記錄人類完成任務的方式，再把任務抽象成可重複執行的 Skill。若這份 Skill 會碰到客戶資料、付款資訊、內部文件或權限系統，就需要先定義什麼可以被錄、什麼不該被錄，以及重播時是否需要人工確認。
影片示範的收據與庫存案例剛好很適合入門，因為它們有明確輸入、明確欄位、明確完成狀態。相反地，如果流程牽涉大量判斷、例外條件很多、資料敏感，或每次介面差異都很大，先錄製未必是最好的起點。比較務實的做法，是先把規則整理乾淨，再讓 Record & Replay 捕捉穩定部分。
給讀者的 Takeaway
- 開啟 Computer Use 意味著 AI 可以觀察與操作更多環境。
- 適合錄製的流程，通常輸入與完成條件都很清楚。
- 涉及敏感資料時，Skill 應該搭配權限與人工確認。
032. 第一個案例｜收據登錄為什麼適合錄製
重複、欄位固定、驗證明確，是 Record & Replay 最舒服的任務形狀。
影片第一個案例是把 AI 服務收據登記到 Google 試算表。使用者先從 Gmail 收據複製公司名稱，再到 Google Drive 開啟試算表，把名稱貼到「公司」欄位；接著重複同樣流程，把日期與消費金額貼到對應欄位。完成後按下「結束錄製」，Codex 便分析剛剛的操作，產生一份 Skill。
這個案例值得注意的不是「複製貼上很簡單」，而是它把一段日常雜務拆成了 AI 能理解的結構。觸發條件是「把 Gmail 收據登記到 Google 試算表」。執行步驟包括開啟信件、讀取收據資訊、找到試算表、寫入欄位。驗證方式則是檢查資料是否出現在正確列與正確欄。
影片也提到，重播時 Codex 在預設情況下會優先嘗試用程式碼腳本完成任務，而不是單純靠滑鼠一頁一頁點。這是一個重要細節。Record & Replay 並不等於把人類滑鼠軌跡機械複製一遍；更理想的狀態，是讓 Codex 從示範中理解目標，再選擇更穩定、更快的執行方式。
這也是為什麼收據登錄很適合錄製。它的畫面操作只是示範，真正的任務是資料搬運與欄位對應。只要資料來源、欄位名稱與驗證規則清楚，AI 就有機會把畫面流程升級成更可靠的自動化，而不是停留在脆弱的 UI 點擊。
給讀者的 Takeaway
- 好的錄製流程會自然形成 trigger、steps、verification。
- Record & Replay 的價值不是重播滑鼠，而是抽出任務意圖。
- 表格填寫、收據整理、固定欄位搬運，是很好的第一批候選。
043. 第二個案例｜當流程需要看畫面脈絡
有些任務不是不會寫規則，而是規則藏在介面位置、檔案選擇與人工習慣裡。
第二個案例是產品庫存 Excel。小明收到新產品資料，需要把表格貼到公司產品庫存檔的底部，還要為每項產品插入對應圖片。示範時，他開啟新產品資料表、複製表格、切到庫存 Excel、捲到表格底部貼上，再透過「插入圖片」把產品圖放進指定儲存格。
這類任務比收據登錄更能說明 Record & Replay 的定位。純文字 prompt 可以寫「把產品資料加入 Excel，並插入圖片」，但要讓 AI 第一次就知道圖片在哪個資料夾、要放到哪個儲存格、表格底部如何判斷、每次插圖要用哪個選單，並不容易。人類示範一次，反而比寫一長串操作說明更有效。
不過這個案例也提醒我們，錄製不是萬能。只要圖片命名不一致、庫存表格式常改、產品資料來源變動很大，Skill 就可能需要更新。Record & Replay 最好被看成「把穩定流程封裝起來」的工具，而不是把混亂流程神奇變穩定的工具。
影片最後提到，之後小明可以讓 Codex 自動挑出最合適的 Skill，也可以用斜線選單手動指定特定 Skill。這個設計很合理：自動挑選降低使用成本，手動指定則保留控制權。當一個人或團隊累積很多 Skill 時，光靠記憶觸發語會變得混亂，管理介面與命名規則會越來越重要。
給讀者的 Takeaway
- 需要畫面脈絡的任務，正是錄製示範的強項。
- 但流程本身要穩定，Skill 才能長期重播。
- Skill 累積後，命名、停用、刪除與手動指定會變得重要。
054. 判斷框架｜什麼任務值得錄成 Skill
最值得錄製的，不是最複雜的工作，而是重複且可驗證的工作。
可以用四個問題判斷一個任務是否適合 Record & Replay：
第一，這件事是否重複發生？如果只做一次，錄製、整理、測試 Skill 的成本可能不划算。第二，流程是否有穩定規則？例如固定欄位、固定檔案位置、固定驗證方式。第三，任務是否需要畫面脈絡？如果純 API 或腳本就能解決，也許不用錄製。第四，重播失敗時是否容易發現？例如試算表多了一列、圖片是否插入、欄位是否完整。
反過來說，不適合一開始就錄製的任務也很明確。例外條件很多、流程尚未標準化、每次資料格式都不同、涉及敏感資料或權限限制、需要高度主觀判斷的工作，都應該先整理規則。否則錄下來的只是一段混亂，而不是可重播的能力。
這裡有一個工程上的類比：Record & Replay 像是把人類操作轉成測試案例與自動化腳本的混合體。錄製能降低建置成本，但後續仍需要命名、版本管理、驗證、停用與更新。當 Skill 變成工作資產，就需要用管理工作資產的方式對待它。
給讀者的 Takeaway
- 值得錄的任務要重複、穩定、可驗證。
- 例外多或流程未定時，先整理規則再錄。
- Skill 不是一次性產物，而是需要維護的工作流資產。
065. 編輯觀點｜示範會成為 AI 工作流的新入口
Prompt 不會消失，但人類不該被迫把所有經驗都翻譯成文字。
Record & Replay 最有意思的地方，不只是「Codex 多了一個外掛」，而是它把 AI 指令介面往前推了一步。過去我們把需求交給 AI，主要靠自然語言；現在，操作本身也可以成為訓練材料。人類不必把每個細節都寫出來，而是讓 AI 先觀察，再把觀察結果整理成可重用 Skill。
這種模式很可能會擴散到更多工具。因為許多真實工作並不是純文字任務，而是跨 Gmail、雲端硬碟、試算表、Excel、瀏覽器、內部系統的混合流程。對這種工作，最難的是讓 AI 建立環境感與步驟感。錄製示範提供了一條捷徑。
但捷徑不等於不用設計。好的 AI 工作流仍然需要清楚邊界：何時觸發、能碰哪些資料、失敗如何回報、重播前是否需要確認、輸出如何驗證。Record & Replay 把「建立 Skill」變得更容易，卻不會自動替團隊做好治理。
如果把它放在更大的 AI agent 發展脈絡裡看，這是一個很實用的方向。不是每個人都會寫 automation script，也不是每個人都能寫出精準 prompt；但多數人都能示範一次自己平常怎麼做。當 AI 能把示範轉成可重播能力，日常工作的自動化門檻會明顯下降。
給讀者的 Takeaway
- 示範是一種比長 prompt 更自然的任務表達方式。
- Record & Replay 讓 AI 更容易接住跨工具的日常流程。
- 真正落地時，仍要補上權限、驗證與維護機制。