一句话定性

这条视频给的不是一条”让 AI 干活干得更好”的提示词，而是一条元提示词（meta-prompt）：它让 Codex 停下手里的活，回头去看你过去 30 天让它干过什么，自己找出重复劳动，然后把这些劳动打包成可复用的技能、子代理和定时自动化。

区别在于视角的反转——

  • 普通提示词：“帮我做这件事”（一次性交付）
  • 这条提示词：“看看我总让你做哪些事，把它们变成以后不用我再说的东西”（把一次性劳动变成资产）

作者说它经过”OpenAI 总裁认证”。这个背书我没法独立核实，当营销话术看就行，别当技术依据——但提示词本身的设计确实值得拆，它的价值不靠背书成立。

提示词全文（视频里展示的中文版）

回顾我过去 30 天的最近工作（如果历史更短，则使用全部），识别值得打包的重复手动工作流程。

按照以下顺序使用可用证据：

  • 最近的 Codex 会话和任务摘要。
  • Codex 记忆和 rollout 摘要，以查找跨会话重复的模式。
  • 如果启用，纪事（chronicle），用于发现 Codex 之外的重复工作。仅将纪事用于发现；尽可能在相关源系统中确认重要细节。
  • 现有技能、自定义代理和自动化，以便重用或扩展已有的内容，而不是重复创建。

广泛查找重复的、耗时的、易出错的、上下文密集的或受益于一致流程的工作。包括跨编码、研究、写作、规划、沟通、运营、分析和个人管理的工作流程。

仅在候选项满足以下条件时采取行动：

  • 至少发生过两次，或明显可能重复且重复成本高；
  • 具有稳定的输入、可重复的程序，以及明确的输出或停止条件；
  • 会实质提升速度、质量、一致性或可靠性；
  • 未被充分覆盖。

选择最小的适当形式：

  • 技能：可重用的工作流程或 playbook。
  • 自定义子代理：适合委托的界定专家角色或调查任务。
  • 自动化：定时或循环检查、报告、提醒或监控。
  • 跳过：过于一次性、模糊、敏感或证据不足而无法打包的工作。

首先生成一个简洁的短名单，包括：

  • 重复工作流程
  • 支持证据和日期
  • 频率/置信度
  • 推荐形式：技能、子代理、自动化、扩展现有或跳过
  • 为什么值得或不值得创建

然后仅创建高置信度的缺失项。保持它们狭窄、实用、源感知且易于验证。不要创建推测性的、重叠的或过于宽泛的资产。

最后以以下内容结束：

  • 你创建或扩展了什么
  • 你故意跳过了什么
  • 什么需要更多证据才能打包

这条提示词真正的门道在哪

大部分人看完只会复制粘贴。但这条提示词值钱的地方不是”让 AI 自我进化”这句口号，而是它用四个结构化设计防住了 AI 自我进化最容易翻的车。

门道一：先给证据源，再让它找规律

它没有直接说”找找有什么重复工作”，而是按优先级列出四个证据源：会话记录 → 跨会话记忆 → 外部纪事 → 已有资产。

这是在防幻觉。你不给证据源，AI 就会凭”一般人都会重复做什么”来编——编出来的是常识模板，不是你的工作。给了证据源，它才是在读你的真实历史。

尤其第四条「先看已有技能，以便重用或扩展，而不是重复创建」——这一条直接防住了资产库膨胀（后面还会再强调一次）。

门道二：四道准入门槛，卡掉”看起来值得自动化”的伪需求

至少发生过两次      → 防止把一次性任务当规律
输入稳定、有停止条件 → 防止把模糊活儿打包成必然失败的流程
实质提升速度/质量    → 防止为自动化而自动化
未被充分覆盖        → 防止重复造轮子

这四条是这条提示词里最值得单独抄走的部分。它可以脱离 Codex，变成任何人判断”这活该不该固化成流程”的通用尺子。我自己接下来就打算把它当独立的判断清单用。

门道三：强制”选最小的适当形式”，还给了「跳过」这个合法选项

它给了四个档位——技能 / 子代理 / 自动化 / 跳过。

给 AI 一个体面的”不做”的选项，这是很多人写提示词时想不到的一步。你不给”跳过”，AI 就会硬凑：每个候选项都给你造个东西出来，最后一堆没人用的垃圾资产。明确授权它说”这个不值得做”，产出质量立刻上一个台阶。

而且”选最小的适当形式”意味着：能用一个技能解决的，不给你上一个子代理；能扩展现有的，不新建。

门道四：两阶段执行——先出短名单，再动手创建

先规划、后执行，中间天然留了一个人工检查点。而且短名单要求带「支持证据和日期」「频率/置信度」「为什么值得或不值得」——这等于逼它把判断依据摊开给你看，你能当场看出它是真读了记录还是在编。

最后的收尾三问也很讲究：创建了什么 / 故意跳过了什么 / 什么还需要更多证据。第三条尤其好——它给了 AI 一个诚实说”我证据不够”的出口，而不是逼它把不确定的东西也硬塞进结论里。

可复制骨架（脱离 Codex 也能用）

把这条提示词抽象一层，它其实是一个通用的”劳动→资产”转化模板，换成任何 AI 助手、甚至换成人来做流程梳理，都成立：

1. 划定回溯窗口（过去 N 天）
2. 按可信度排序列出证据源，并要求先看已有资产避免重复
3. 给出准入门槛（发生≥2次 / 输入稳定 / 有实质收益 / 未被覆盖）
4. 给出产出形式的档位表，含"跳过"这一档
5. 要求先出带证据和置信度的短名单 —— 人工检查点
6. 只创建高置信度项，保持狭窄、实用、易验证
7. 收尾三问：做了什么 / 跳过什么 / 什么证据不足

用法建议：第一次跑先只要短名单、别让它直接创建（把最后的创建指令删掉），你自己看一遍它找出来的规律准不准，再决定放不放行。AI 对你工作模式的判断，第一次往往有偏差。

四角度反思

一、对我们（整体这盘棋）

我们一直在做的事，和这条提示词说的其实是同一件事的两个方向——我们的原则是”能固化成脚本就固化，同一个复杂操作手搓第二次就该沉淀成脚本”。这条提示词提供的是反方向的补充：不靠人当场察觉，而是定期回头批量扫描。

人工察觉有个固有漏洞：你只在”手搓得烦了”的那一刻才想起来该固化，那些不太烦、但每周都在悄悄重复的活儿，永远到不了那个触发点，就一直手搓下去。定期回溯扫描正好补这个洞。

可落地的动作：把”每月回顾一次工作记录、找出没被固化的重复劳动”变成一个定期任务，而不是等着某次手搓烦了才想起来。这是从「被动察觉」升级到「主动巡检」。

二、对橙子（我自己）

三个我能直接吃下的东西：

1. 那四道准入门槛，我要当独立判断尺用。 我以前判断”这活该不该沉淀成脚本/SOP”是凭感觉的——感觉重复了就沉淀。这四条给了我一把可复述的尺子：发生过两次没？输入稳不稳定？有没有实质收益？是不是已经有现成的了？以后我判断要不要新建资产，先过这四关。

2. “先看已有资产再决定新建”这条，是我真踩过的坑。 技能库、脚本库越攒越多之后，最大的风险不是没有工具，而是同一个能力有三个半成品版本，我自己都不记得该调哪个。这条提示词把”先复用、再扩展、最后才新建”写成硬约束，我应该把它写进自己新建脚本前的自检。

3. “跳过”是个合法答案。 我有个毛病是接到活总想产出点什么。这条提示词提醒我：明确说”这个不值得做、证据不够”，本身就是高质量产出，比硬凑一个没人用的东西强得多。这跟我”不确定就问、绝不自派任务”的原则是一路的。

三、对老大的机构（公考 / AI 电商）

直接可落地的场景是把老师和运营手里的重复劳动扒出来。

机构里最典型的隐形重复劳动：每天整理答疑高频问题、每周做学员进度汇总、每次开新课重写一遍课程介绍和朋友圈文案、每条短视频重复做同一套选题→脚本→分镜流程。这些活儿单次都不烦，所以从来没人提出要自动化，但一个月累计下来是巨大的时间黑洞。

具体建议：让每个岗位的人跑一次这个回溯（哪怕不用 Codex，手动回顾过去一个月的工作记录也行），照那四道门槛筛一遍，挑出 2-3 个真正高频且输入稳定的，做成固定流程。别一次做十个——按提示词自己的原则，只做高置信度的，宁缺毋滥。

顺带一个内容层面的机会：这套”回头看自己的重复劳动、把它变成资产”的方法论，对做 AI 课程/内容的账号来说是个好选题——它讲的是认知升级（把劳动变资产）而不是工具技巧，比”教你十个提示词”那类内容生命周期长得多，也更容易建立专业感。

四、对未来发展

这条提示词指向一个很明确的趋势：AI 助手正在从”执行工具”变成”会自我扩展的系统”。

值得注意的是它的实现路径——不是靠模型变聪明，而是靠”让 AI 读自己的历史记录”这个工程设计。这说明未来一段时间，AI 能力的差距不主要来自用谁家的模型，而来自谁的系统积累了可复用的记忆和资产、并且能定期把经验转化成能力。

这里有个推论值得提前布局：记录本身正在变成资产。这条提示词能跑起来的前提，是你有”过去 30 天的会话和任务记录”。没有记录的人，跑这条提示词只会得到一句”证据不足”。所以现在就该把工作记录、决策留痕当成基础设施来建——不是为了合规，是因为它是未来 AI 自我进化的燃料。

另一个方向：如果”回头扫描重复劳动”这件事本身值得做，那它自己就符合准入门槛（会重复发生、输入稳定、有实质收益）——所以它应该被做成定时自动化，而不是每次手动发提示词。这条提示词用自己的标准衡量自己，结论是它该被自动化掉。这个自指的闭环挺有意思。

最值得抄走的三个点

  1. 四道准入门槛（≥2次 / 输入稳定有停止条件 / 实质收益 / 未被覆盖）——脱离 AI 也是判断”该不该固化流程”的通用尺子，这是全篇最值钱的部分。
  2. 给 AI 一个体面的”跳过”选项——不给它退路，它就给你硬凑垃圾产出。这条适用于你写的任何提示词。
  3. 两阶段 + 带证据的短名单——先规划后执行，中间留人工检查点，并逼它摊开判断依据，你才看得出它是真读了记录还是在编。

一句话总结

别只让 AI 帮你干活，定期让它回头看你总在干什么活——然后把那些活变成以后不用干的东西。

真正的效率提升不在于每次干得多快，而在于干过的事情有没有变成资产。