使用 Codex，从提示词进阶到智能体编排——@ArielleShipper 的分步指南

如何通过向 AI 提问来提升自己的 AI 水平

来源：https://every.to/p/codex-graded-my-ai-habits-then-it-became-my-coach?utm_cta_source=home_main_how_to_get_better_at_ai_by_asking_ai_1 *这封邮件通讯是别人转发给你的吗？点击注册（https://every.to/account），即可直接收到你的邮箱。*

在我职业生涯的大部分时间里，任何任务的第一步都是从零开始：一个空白的 Google Doc、一封新邮件，或一张新的 Excel 表格。从调研到写公式，每一个构建环节的琐碎工作都落在我头上。AI 让这个过程变快了，但我完成它的方式并没有太大不同。我从一个新对话开始，一遍又一遍地提示，直到输出符合我心中对“完成“的定义。

我今年五月入职 Every 时，仍然在用这种方式工作。当需要给承包商付款时，我会在一个聊天对话里一路做下去——顺序提示以梳理协议条款、批准付款，再发送付款已发出的邮件确认。

今天情况已经大不相同了。上周，我需要核实一名员工购买股权的成本，涉及多个授予（grant）、行权价（strike price）和归属时间表（vesting schedule）。我没有在一个对话里处理这个复杂任务，而是把它拆分给若干个子智能体（subagent），它们各自协调、独立完成工作：核实已签署协议上的信息、执行计算、复核并标记差异，最后返回一份 Slack 消息草稿，我只需简单回复“yes“就能批准。这项工作用到了 skills、编排线程（orchestrator threads）、上下文包（context packets）、子智能体、MCP 和 computer use。这简直就是一堆技术术语的字母汤，我以前确信只有“高技术人士“才懂并能运用，但如今我发现自己每天都在使用这些技巧，让我工作更快，结果更好、更精确，而且我能对其放心。

促使我转变的，是一条推文。Katie Parrott（https://every.to/@katie.parrott12）在六月发推（https://x.com/kplikethebird/status/2061846652139217258），说她让 Codex 评估她在 Mike Taylor（https://every.to/@mike_2114）和 Laura Entis（https://every.to/@laura_27bbaf_1）的“AI 采用的八个层级“（https://every.to/guides/the-eight-levels-of-ai-adoption）指南中处于哪个层级。我看到这是个机会，想更好地了解自己在生态中的位置。这份指南是一个框架，描绘了从基础聊天机器人使用到完整智能体编排的进阶路径，每一层都意味着向 AI 授权更多工作——以及信任。Codex 将 Katie 放在第 5 层（构建让智能体输出保持一致和可靠的流程），并已初现第 6 层的迹象（一个无需提示就能在后台主动工作的智能体）。

让 Codex 评估我在该框架中的位置，成为我提升 AI 技能的起点。我很快意识到，最好的老师一直就在我面前：AI 本身。以下是我做的事情——你也可以这样做。

1. 我让智能体评估我的工作方式

我把同一篇文章给了 Codex，问了一个非常简单的问题：“根据我们至今的合作方式，我处于哪个层级？“因为 Codex 可以回顾我们过往的所有会话，它的回答基于我实际的工作模式，远比我自己读文章然后琢磨如何提升更有洞察力。

Codex 给我的评分是 5.5：稳稳处于第 5 层，同时具备一些第 6 层的习惯。我在深度使用它，但仍然倾向于把一个大任务交给一个智能体，一直协作到任务完成，而不是让多个智能体分担不同角色。我甚至不清楚用一个智能体和并行使用多个智能体到底意味着什么。

试一试：

如果你已经在工作中稳定使用 AI，就选一个你用得最多的智能体，让它回顾所有会话并给你定级。如果你还没到每天使用的程度，先攒够一周的聊天记录再让它评估。

请阅读这篇关于 AI 采用八个层级的文章（https://every.to/guides/the-eight-levels-of-ai-adoption），然后回顾我们所有的会话。基于我们至今的合作方式，我处于哪个层级？评估中请包含具体例子。

2. 我把评估变成了具体建议

我天生受不了想要提升自己的诱惑，于是问：“你能回顾过往的会话，建议怎样才能让我达到 6 或 7 级吗？我怎样才能更高效地使用你？我错过了哪些机会？”

Codex 在我的工作历史中找到了具体例子，比如有一个项目，我使用了一个 Stripe API key（这也是我的第一次！）来拉取交易数据，以确定我们需要在哪些州征收销售税。

数据必须精确，而我之前很难在不直接登录 Stripe 界面的情况下交叉验证数据，但 Codex 展示了我本可以如何把工作分配给不同线程中的子智能体：一个专门拉数据的专家，一个专门核实数据正确性和完整性的专家，以及一个按我们会计要求的格式生成 Google Sheets 工作簿的构建者。

仅仅说“使用多个智能体“并不能改变我的行为。看到一个已完成项目的更优设置，让我有了下次再遇到类似复杂项目时可以尝试的方案。

试一试：

选一个你已经完成的项目，问问它本可以怎样以更高层级运行。

你能回顾我近期的工作，并建议最多三件战术上的事，帮助我提升到[下一层级]吗？请具体一些，并把建议和过去的项目或工作会话联系起来。

3. 我让 Codex 教我如何做出改变

当 Codex 第一次给出建议时，它让我把工作委托给 schema mapper、Stripe API extractor、workbook builder 和 tax-logic verifier。我对这些概念一无所知，更重要的是，我完全不理解其中的实际操作部分。我是不是要开五个聊天？每个智能体如何获得正确的上下文？谁来协调它们的答案？

于是我直接问了。Codex 的解释就像我带一个团队做项目：一个负责人、一个编排者（orchestrator），掌握业务目标、约束条件、截止日期和“完成“的定义。它给每个专家一个上下文包——完成其工作所需的最少背景、源材料、约束和成功标准，使其无需继承整个项目——然后把结果汇总回来。

然后我在自己的工作中实践，为每个子智能体分配一个明确的角色。本质上，我把一个项目拆解成不同的组成部分，分配给最适合完成该特定任务的智能体，就像我在现实中会向不同的队友分派工作一样。

我开始为每个项目保留一个聊天作为“经理“，由它把任务交给不同的 AI 智能体并跟踪结果。对于数据拉取或分析等高风险工作，我会添加质疑者和验证者智能体，它们唯一的工作就是挑战假设、确保结果准确。例如，智能体会检查归属时间表中是否存在潜在重叠，以防文件有误。

我的设置仍然是实验性的。我有时会得到令人困惑的答案，或者项目跑偏；我对数据拉取和分析的准确性始终怀有疑虑；当我疲惫或匆忙时，会不自觉地回到冗长的对话。但我开始看到自己使用 Codex 的整体趋势正在改变。

试一试：

当你的 AI 推荐了你不理解的东西时，问问它那是什么意思以及该怎么做。

我想通过以[下一层级]重做[某个项目或任务]来练习。你能给我具体的战术建议，说明如何在[下一层级]执行那个项目吗？请解释每条建议的执行方法，必要时提供示例产出（如提示词或验收表格），不要使用行话。

4. 我让反馈成为常态

Codex 对我 Stripe 项目的反馈很有帮助，但学习需要练习和强化。当我看到那一次评估有多有用后，我让它设置了一个每周任务，扫描我那一周的所有会话，并在周五下午给我发送一份评分报告。

这份报告根据八个层级给我的工作打分，指出逐周的变化，指向支撑该评分的具体会话，并给我一份下周实验的简短清单。这种周期性的复盘让我在四个月内从 5.5 提升到了 7.9。

分数令人满足，但真正让我学到东西的是“变化“和“下周计划“这两个部分。它注意到我已经把一个小小的文件命名偏好变成了一条持久规则，也注意到我虽然在持续使用编排者，但没有努力在一开始就定义“成功“的标准。

试一试：

让你的 AI 按每周节奏复盘你的工作，这样定期反馈就不再依赖你自己记得去问。

你能为[某天、某时间]设置一个每周任务，扫描我们过去一周的工作会话并给我定一个层级吗？请包括错失的机会和差距，并具体说明你认为我下周应该优先做什么来提升层级。

5. 我把失败变成改进的机会

每周报告改变了我的工作方式，但我仍然要面对失败的实验、跑偏的项目和 AI 生成的低质内容（AI slop）。

最近我让 Codex 执行一个多步骤的财务任务：读取我们公司借记卡的消费数据，计算过去三个月的平均消费，加上税务缓冲，然后按该额度发放特定商户的 Ramp 卡，并在 Slack 中通知每位持卡人。卡片发放正确，但 Slack 消息不对。它们读起来像经过润色的公司备忘录，开头是“Hey @某某“以及其他我绝不会用的措辞——尽管 Codex 读过我的 Slack 沟通 skill，即一套保存好的指令，它在代替我写作时本应遵循。于是我让 Codex 批评它自己的草稿，并让它在该 skill 中添加规则，列出在 Slack 消息中应避免的特征词。

然后我问了一个更大的问题：Codex 能从这类纠正中学到什么？一次对话中的纠正不会自动延续到下一次，所以教训必须保存在 Codex 下次会读到的地方。我让它回顾那次会话，从我经常对它的工作做出的纠正中提取规则：关于“唯一真相来源“（source of truth）的纪律判断、审批关卡、数据验证以及正确的工作细节层次。这种把一次性改进变为持久化改进的工作，催生了我的 Self Improve skill（https://github.com/arielleshipper/every-thing/tree/main/skills/self-improve）。

当我调用 /self improve 时，Codex 会查看之前的线程、原始输出和我的纠正，然后问自己一系列我在给人反馈时会问的问题。输出会诊断失败模式，明确“好“的标准是什么，并提出一个能防止同类问题再次发生的最小持久化改动。我会在改动被编码之前先审查它们，然后这个循环会不断重复。

试一试：

下次你的 AI 犯错时，不要只是修好就走人。问问它为什么失败，并让它把修复保存下来，以免重蹈覆辙。

请查看这段对话，包括原始输出和我的纠正。诊断它为什么出错，描述好的结果是什么样的，并提出对我指令的最小改动，以防止下次再发生。在保存改动之前先给我看。

接下来

我现在使用 Codex 的方式，是我过去以为只有工程师才会用的方式，而我的体系还在不断变化。最近，我让 Codex 研究了 Dan Shipper（https://every.to/@danshipper）发在 Slack 上的一份 AI 使用报告，帮我识别可以更像他那样使用 AI 的机会。我每周的反馈现在就围绕这些建议展开。自从 Dots（https://every.to/vibe-check/vibe-check-dots-always-on-agents-in-chatgpt）上周上线以来，我的 Dot Sebastian 已经成为处理任何快速或行政任务的编排线程。

五个月后，我确信自己使用 AI 的方式又会不一样。我不知道接下来会有什么新技术出现，但我知道我会向谁寻求学习上的帮助。

Arielle Shipper（https://every.to/@arielle_951160_1）是 Every 的运营负责人。此前她在 Donut 担任 COO，职业生涯起步于 Condé Nast 的编辑部门。

现在人人都是建造者。Every All Access（https://every.to/builder-pack）为你提供完整会员资格外加 Builder Pack——价值 9,000 美元以上的工具额度，供你用于构建。