重复工作流耗时长效率低，OpenAI Codex自我蒸馏玩法，一句提示词封装技能

> 用户与AI协作时，往往需要反复描述一样的工作流程，导致效率瓶颈。2026年5月，一种被称为“自我蒸馏”的玩法在OpenAI Codex社区兴起，它通过一句提示词，让AI主动学习用户习惯，将重复性劳动封装为可复用的技能（Skill），尝试从根本上减少沟通与执行的冗余。## 玩法原理：授权AI回顾历史，提炼模式该玩法的核心是授权Codex智能体回顾用户的**历史对话、操作记录以及Chronicle长期记忆**，自动识别其中反复出现的工作模式。与早期“蒸馏名人”的玩法不同，它聚焦于“蒸馏用户自己”，旨在将个人高频、重复的任务流程提炼并封装成独立的Skill。这相当于为AI创建了一份专属的“操作手册”，无需每次从头解释上下文。## 操作指南：低门槛的提示词与记忆设置实现这一过程的关键是一句固定的提示词：> “查看我的Chronicle记忆，找出我多次重复的工作流程，将它们转化为技能。”用户只需将上述指令输入Codex。为获得更精准的结果，提议提前在Codex设置中开启Chronicle记忆功能，路径为：**打开codex设置-个性化-记忆-开启Chronicle**。不过，即使未开启此功能，输入提示词后，Codex也会尝试扩大搜索范围，从历史会话中生成Skill。## 用户测试：即时生成贴合日常的Skill早期实践者反馈，输入提示词后，Codex能迅速生成多个Skill。有用户表明，“它直接给我生成了三个skill，全是我平时高频在使用的一些功能，完全不需要手动总结。” 另一名测试者也称“立马给我整了三个skill出来”。这些生成的Skill直接对应日常重复任务，**部分场景下的工作效率提升显著**。## Skill进化：动态适应工作流变化封装生成的Skill并非静态。随着用户持续使用Codex，它会**持续观察用户的行为模式**。当发现原有工作流发生变化或出现新的重复模式时，Codex会主动提示用户选择：是更新现有Skill，还是新建一个。例如，一个“每周整理项目文档”的Skill在文档结构更新后，可以被重新调整。这种动态进化能力使自动化工具能跟上用户实际工作的节奏。## 设计哲学与跨平台迁移Skill的本质是一组可复用的指令集，其有效性与设计方式密切相关。根据开发者经验，优秀的Skill设计遵循以下原则：- **少即是多**：Skill应只包含关键约束和索引指针，避免上下文过载。- **可验证**：规则需清晰明确，如“禁止批量删除文件”，而非模糊描述。- **场景化**：一个Skill对应一个特定场景，如开发与运维分离。值得注意的是，这一玩法思路显示出必定的平台通用性。有用户发现，**一样的提示词在Claude上也能生成Skill**。## 行业语境：AI正从“码农”转向“助手”这一社区玩法的流行，与AI在编程领域日益深入的应用背景相契合。OpenAI总裁Greg Brockman曾透露，公司内部**AI编写代码的比例已从20%上升至80%**。他评价道，AI在代码编写速度上已超越人类，但在架构设计等更高层次任务上仍存差距。自我蒸馏玩法正是在此背景下，尝试让AI更深入地理解并复现个体的工作方法论，而不仅仅是执行孤立指令。这标志着AI Agent从被动工具向**主动学习、个性化助理**方向演进的一步。## 总结：迈向真正的个性化自动化Codex的“自我蒸馏”玩法通过极简的交互，将AI的观察力与用户的真实工作流结合。它解决的不仅是单次任务的执行，更是**长期、重复的认知与操作负担**。当AI开始学习“用户是如何工作的”，而非仅仅等待“这次要做什么”的指令时，人机协作便向减少重复劳动、释放创造力的真正自动化迈进了一步。尽管这仍是一个由社区驱动的技巧，但其体现的让AI适配人，而非人适应AI的思路，可能影响未来AI助手产品的设计方向。