从工作场景出发，找到可复用的 Codex 工作流

约 9 万个政府机构的会议资料散落在视频、地方网站和不同平台中。传统研究需要技术人员和研究员手工寻找、下载、整理，单个任务可能耗时数天或数周。

让 Codex 寻找难以触达的公开来源，再构建持续采集、标准化和组织资料的系统；最终目标不是写一段摘要，而是把异构公开信息沉淀成可搜索、可比较的数据资产。

官方报告称相关任务由“数天或数周”缩短到“数分钟”，小团队得以完成过去需要较大技术与研究团队承担的工作。资料仍来自公开来源，结果质量取决于源站可用性和采集覆盖率。

潜在客户的车辆与设备数据分散在车联网系统、维修平台、电子表格和员工经验中。通用销售材料无法证明方案能适配每个客户的实际运营。

联合创始人 Colin Knudsen 把客户对话交给 Codex，生成定制提案、工作流原型和能运行的演示；在签约前就用客户场景验证方案，把客户发现、售前和产品开发接成一条链。

五人团队能更快地做定制验证并与更大公司竞争。来源未披露具体节省时长，不能把“更快”进一步量化。

每周都要在 Canvas 学习管理系统中手工维护作业、日历、材料和公告，行政操作挤占了备课与面对面教学时间。

由 Codex 协助生成脚本，批量更新课程的四类信息；教师保留课程内容和发布时间的控制权，把重复录入交给自动化脚本。

Inoue 估计每周节省 4-5 小时，并把时间用于重新设计协作式解题课堂。案例证明的是课程信息维护，不是让 Codex替代教学判断或评分。

Luke 左耳存在显著且随频率变化的听力损失，现成商业软件不能满足他在音乐、通话和日常听音中的平衡需求。

他用自然语言描述问题，让 Codex 构建桌面应用；应用测试不同频率的听力响应，并针对不同输出设备调整音频，尝试恢复左右平衡。

形成了可实际使用的个人工具，但报告明确说明它不是医疗器械。该案例不能外推为听力诊断或治疗方案。

事务所每个报税季要处理数万份申报和数百万份文档。中高复杂度报税仅数据录入就可能耗时 8 小时，还要核对客户备注、往年文件和杂乱来源。

从业者上传源文件和客户备注，Tax AI 提取、计算并生成可审查的税务引擎提交结果；先覆盖 W-2、1099，再扩展到 K-1、附表和跨文档核对。

试点处理 7,000 份报税表，起草准确率最高 97%，平均节省约三分之一准备时间，吞吐量提升约 50%。最终申报仍由税务从业者审查批准。

Schedule E 租赁房产数据来自手写备注、邮件、表格等混乱材料。系统漏填字段时，从业者能修正，但早期产品没有保留从源文件到最终申报的完整证据链。

记录 Tax AI 预测、从业者修改和最终申报；把重复差异聚类成产品失败；为“公平出租天数”等问题构建定向评测集。Codex 联合检查生产追踪、提取 schema、mapper、代码和 skills，实施修复，跑定向与回归评测，再提交候选 PR。

75% 字段正确完成率的报税表占比从上线时约 25% 在 6 周内升到 86%；租赁房产场景约 6 周达到 90% 精确率和召回率。证据含糊或涉及税务判断的案例会回到产品团队，而不是自动上线。

报税季大量时间消耗在资料录入和准备，几乎没有余力逐项向客户解释申报，也难以承接新增业务。

沿用 Tax AI 的文档提取、税务引擎映射和人工复核流程，让系统承担可自动化的准备工作；会计师将人类时间放在解释、判断和关系维护上。

该会计师上一年花 180 小时做报税准备，本年度只花 15 小时；她给每位客户打电话逐项讲解报税表，并用剩余时间接新客户、拓展服务。指标是单个从业者实例，不能视为所有事务所的平均值。

3,500 多名内部用户面对 70,000 个数据集和 600 PB 以上数据，找对表、写对连接和筛选往往比分析本身更耗时，单条 SQL 可超过 180 行。

用户用自然语言提出开放问题，例如找出纽约出租车上下车 ZIP 组合中“典型耗时与最差耗时差距最大”的路线及波动时段；智能体自行发现数据、运行 SQL、发现零行或异常连接后改路、生成图表、笔记和报告。

从提出问题到获得洞察由“数天”缩短到“数分钟”。系统继承用户原有表权限，并提供假设、执行步骤和底层结果链接供复核。

schema 和历史 SQL 只能说明表的形状与使用方式，无法可靠说明数据为何这样生成、更新频率、粒度、排除范围和业务意图。

Codex 爬取数据生产代码，推导表的代码级定义；补充唯一性、刷新频率、范围以及 Spark/Python 中的使用上下文。每日离线流水线把使用情况、人工注释和 Codex 增强信息归一化、嵌入并供检索。

智能体能区分名字相似但口径不同的表，例如是否只含第一方 ChatGPT 流量；上下文自动刷新，减少人工维护。最终定义仍要接受领域专家注释和实时数据验证。

用户会周期性重复同样的分析，容易反复找表、重写查询、遗漏固定口径，也让不同人员生成的周报难以保持一致。

把 recurring analysis 封装成 workflows，即带上下文和最佳实践的可复用指令集；官方列出的实际示例包括每周业务报告和表验证。

重复分析的准备步骤被压缩，且不同用户可共享一致流程。来源未披露周报耗时或错误率的量化变化。

某些实验需要匹配实验门中定义的特殊字符串；通用 schema 无法推断这类组织特有规则，智能体容易反复尝试错误的字符串筛选。

用户纠正后，智能体提示保存记忆；记忆可分全局和个人范围，保存不明显但决定正确性的过滤条件与约束，后续查询从正确基线开始。

避免每次重新解释同一实验规则。用户可以创建和编辑记忆；错误记忆也会污染后续结果，因此仍需可见、可改和有权限范围。

过去客户功能请求先进入 backlog，再排优先级，客户要等到后续周期才看到方案，产品反馈循环很慢。

团队把客户请求复制给 Codex，让它修改产品并创建 preview branch；在客户仍参与讨论时就展示可运行版本，继续围绕实际界面迭代。

官方称从请求到可展示预览只需几分钟；一个月内 50% 的 Braintrust 团队转向使用 Codex。预览分支用于验证，不等于未经审查直接发布生产。