最近半年疯狂在用Codex,整理一下目前我最常用的10个日常场景。

1、产品需求池自动管理

开发赚钱的虚拟产品,首先是对核心需求的掌握。所以,我把用户反馈、评论区、私聊记录、差评、退款理由、同行产品页都丢进去,让 Codex 自动整理,甚至专门做了一个skill,判断:

解决的到底是用户什么痛点
交付轻,售后压力低,
尽量自动化
需求长期存在,
不过度依赖单一平台
用户容易理解,没有太多心智成本
竞争不激烈,没几个同行做

让Codex 帮你判断需求质量。现在最重要的能力不是“开发能力”,而是需求筛选能力

代码可以让AI写,但需求判断错了,写得越快,亏得越多。

2、自动做竞品拆解

除了从需求分析,还会让Codex做同行竞品的拆解。这件事很重要。
有很多产品,看起来销量不错,但一拆就发现,交付很重,售后很多,并不适合我这种想做轻交付、可自动化、一人公司模式的人。
所以我现在看竞品,不是为了抄。而是为了看清楚谁在卖,卖给谁,卖什么,怎么交付,利润空间在哪里,风险在哪里,还有没有没被满足的小需求,我去做,有什么独特的优势。
谋定而后动。

3、开发赚钱产品

前面讲的是需求判断,需求判断完之后,下一步就是把它开发成真正能卖钱的产品。这一点本来就是 Codex 最基础的事情:写代码。
以前做一个产品,很容易从零开始想。现在不是,现在是套流程,先判断需求,再拆核心功能,再确定页面和交付链路,再决定后端和数据库,最后部署上线,根据用户反馈继续迭代。这样一来,开发速度就非常快。
很多虚拟产品,本质上底层技术结构都很像,只是换了不同用户、场景和内容一旦模板跑通,后面就不那么吃力,而是复制、改造、组合、上线。
这也是我现在接定制项目的底气。因为客户要的东西,就是把一个需求变成能用、能交付、能上线、能收钱的产品。Codex 负责提高开发效率,而我负责判断需求、设计产品结构、把控交付边界、控制成本和风险。
所以我现在对 AI 编程最大的感受是,它不是让我变成一个传统程序员,而是让我有能力把一个赚钱想法,更快变成一个可交付的产品。
做得越多,积累越多,开发越快,我就越能抓住市场里的小机会。这才是 Codex 对我真正的价值。

4、自动整理卖点+作产品海报
产品做出来之后,下一步不是急着发售,而是先把卖点讲清楚。很多产品不是没价值,而是用户看不懂。你自己知道功能很多、很有用,但用户只关心一件事:这个东西到底能不能帮我解决问题?
所以我会把产品功能、用户痛点、竞品页面、用户反馈、聊天记录丢给 Codex,让它先帮我整理:这个产品适合谁,解决什么问题,能节省什么时间,能减少什么麻烦,为什么值得买,买完之后能拿到什么。
这些问题整理清楚之后,再让 Codex 基于卖点生成对应的商品海报。
产品做出来只是第一步。能不能把价值讲清楚,才是真正进入销售阶段。

5、搭建产品文档和交付说明
虚拟产品最怕一件事:东西做出来了,但用户不知道怎么用。
所以我会让Codex 帮我把产品自动整理成,使用教程说明书。
这样可以减少大量重复沟通。
6、用 flomo MCP 搜索素材写稿
写文章时,我会直接让 Codex 从 flomo 里搜索相关素材。
以前写一篇文章,要自己翻笔记、找案例、回忆之前讲过什么。
现在可以直接让它把相关笔记都捞出来,再按主题、观点、案例、金句整理。
这对我这种长期写作的人很有用。
因为真正有价值的内容,不是临时编出来的。
而是过去长期观察、思考、实践之后,被重新组织出来的。

7、用飞书CLI存稿入库
写好的稿件,我会通过飞书 CLI 直接存入飞书知识库。
不用再手动复制、粘贴、改格式、建文件。这类动作单次看起来不大,但每天重复,非常消耗人。
Codex 最适合干重复、琐碎、低创造力,但又必须做对。能自动化的,就不要用自己的注意力去换。

8、建立内容创作系统日报
我用 Codex 设置了一个内容创作系统轻量日报。
每天自动帮我回顾,哪些选题可以推进?哪些素材值得捞出来?哪些草稿需要继续处理?哪些文章可以改成视频?哪些内容可以导向产品?哪些旧内容可以重新分发?
这个东西特别适合自媒体人。
因为自媒体最大的内耗之一,就是每天都觉得自己要重新开始。
但其实你过去积累过很多东西。只是需要一个系统每天帮你捞起来。

9、自动做小红书封面

现在做小红书封面,我基本也会交给 Codex。
主要有两种方式:一种是看到不错的同行封面,就把图片丢进去,让 Codex 做多模态分析,拆出它的标题、排版、颜色、结构和视觉重点,然后在这个基础上稍微改一版,变成适合自己产品的封面。
另一种就是直接把产品卖点和笔记主题给 Codex,让它生成几版不同风格的封面图,不断测试哪种点击更好。封面这件事以前很耗时间,现在基本就是丢进去、分析、改图、测试。
稿定会员我都不充了。

10、其他零碎的杂活,我也是能用就用Codex,会有意外的惊喜

by @辉老板 #AI探索站
 
 
Back to Top