这门课的名字听起来很诱人，但先说一句实话：让 AI 替你操控电脑，不是装个插件就能一劳永逸的事。它真正解决的，是那些你每天重复做、又懒得写脚本的操作——改文件名、整理表格、批量处理图片、在几个软件之间来回倒数据。如果你指望学完就能对着电脑说句话、它自动帮你干完一天的活，那大概率会失望；但如果你愿意动手把任务拆开、把需求说清楚，这门课能帮你省下不少机械劳动的时间。

先搞清楚 Codex 到底还能不能用

不少人看到标题会犯嘀咕：Codex 不是早就关停了吗？这正是这门课需要你带着问题去看的地方。课程里讲的 Codex，更多是把它当成一类「代码生成与执行」能力的代称——通过自然语言生成可运行脚本，再由你确认后执行，落到本机上完成操作。所以看课时别纠结某个具体产品名，重点看两件事：一是怎么把一句模糊的中文需求，翻译成结构清晰、没有歧义的指令；二是生成的代码怎么在本地跑起来、出错了怎么改。这两点学扎实了，换成别的模型或用别的工具，逻辑是通的。

这门课真正要补的能力缺口

很多人用 AI 的通病是「问得太随意」。一句「帮我整理一下这些文件」，AI 只能回你一段泛泛的建议。要在本机完成实操，你得学会把任务讲成机器能执行的样子：文件在哪个目录、按什么规则改名、遇到重名怎么办、要不要保留原始副本。课程在演示时如果把这些条件逐步补全，那是最值得反复看的部分。另外一块缺口是环境——脚本在哪运行、需要装什么、路径写成什么样、报错信息怎么读。这些属于「不学也能凑合、学了立刻不一样」的东西，建议边看边在自己电脑上重敲一遍，光看不动手基本等于没学。

配套练习建议这么安排

从最没风险的任务练起：批量给照片改个名、把一堆 txt 里的关键词替换掉，先建立「AI 写、我看、我跑」的节奏。
刻意练习「补条件」：第一次故意只说一半需求，看 AI 给的结果差在哪，再把缺的信息补齐，对比两次输出的差别。
准备一个「翻车记录」：把报错截图和当时的指令记下来，攒够三五条，你会发现自己提问的水平在涨。
做完立刻删掉重来一遍：不看课程回放，凭记忆把同一个任务再做一次，能独立跑通才算真的会了。

看完应该能回答的几个问题

检验学习效果，不看笔记多厚，看能不能答上这几句：怎么把一句日常需求拆成 AI 可执行的分步指令？生成的脚本在运行前，你至少要检查哪几处？任务涉及删除或覆盖文件时，怎么给自己留退路？同一个操作换成另一个工具或模型，你需要调整的是什么、不变的又是什么？如果这几个问题你能顺口说清楚，这门课对你的价值就落地了；如果还卡壳，回去把演示部分再走一遍，比急着看下一节有用得多。

最后提醒一句：让 AI 操控电脑，边界感很重要。涉及系统设置、批量删除、账号数据的操作，务必先在无关紧要的目录或副本上试。工具越听话，越需要你这个下指令的人清醒。