一、业务流程 AI 化的真实痛点

现在很多业务同学尝试用 AI 重构日常工作流。但在创建 Skill 的过程中频频受阻：

• 痛点 1 – 流程碎片化：程序页面、本地文件、经验判断分散各处，缺乏统一描述方式，导致 AI 多次混淆、最终放弃。
• 痛点 2 – 执行环境不匹配：登录态获取困难、依赖缺失、浏览器点击不准等技术障碍。使得即使 AI 理解了流程，也难以可靠执行。
• 痛点 3 – 可复用性差：一次跑通后换窗口、换输入或隔天再执行时常出现新问题。因为关键逻辑只留在对话上下文，没有固化到 Skill。

经过多轮业务场景调研与实测，京东健康产研出一条“稳定‑高效”的业务流程 Skill 化方法。怎么说呢，

二、把业务流程建立为高质量 Skill 的完整步骤

. 用录制生成 Skill

利用 Codex 的 Record & Replay 插件。一次手工操作即可自动生成可复用的 Skill；Windows 使用者可先录屏，再交给 Codex 转写。按理说，

1. 至于Mac。打开 Codex → 启动 Record & Replay → 完成一次完整操作后停止录制。老实说，
2. Windows：使用任意录屏工具记录操作 → 将视频上传至 Codex。让其生成初版 SKILL.md。
3. 若生成的文档是英文，使用 Codex 翻译为中文。怎么说呢，
4. 再看补充业务背景。为什么要做？谁会用，输入来源？输出对象，字段口径、专有名词、异常情况和安全红线。
5. 浏览器交互部分后续转为 API；怎么说呢，本地文件/Excel 操作后续转为脚本。
6. 使用真实数据跑通 Skill，出现错误立即让 Codex 修改对应步骤。

. 将页面操作逐步迁移至 API 调用

虽然 Record & Replay 能快速生成 Skill，但依赖页面点击容易受 UI 改版影响。长期稳定运行建议按以下方法升级为 API：

. 捕获网络请求并同步保存

在 Chrome 开发者工具中打开 Network 面板，执领域务流程后导出 HAR 文件供 Codex 分析。HAR 包含请求 URL、Headers、Cookie、响应体及耗时等信息。

. AI 输出替换方案

C​odex 解释每一步页面动作的业务目的。接下来读取 HAR 找出主要接口，过滤掉静态资源、埋点和日志上报，只保留登录/鉴权/业务数据相关请求。最终输出如下表格：

原 Skill 步骤	当前执行方式	建议替换方式	对应接口或脚本	关键入参	关键出参	验收方式	风险等级	是否立即替换

C​odex 提示示例：

# 分析指令示例
随后从提供的 HAR 中筛选出主要接口并标注顺序；老实说，最终以表格形式给出上述替换方案，不要直接修改文件。

. 固化到 Skill 文档中

C​odex 根据表格输出。将“点击页面” 为“调用查询 API”，将“打开 Excel” 为“运行本地解析脚本”。所有改动必须保留以下信息：

• S​kill 的适用场景、输入项、输出项和业务规则。
• C​ode 示例。
• C​heckpoint 验收方式。
• C​onfirmation 步骤：所有写操作必须保留人工确认环节。

C​ode 在首次切换时可能遇到接口报错，可让 Codex 自动定位错误根因并迭代调整直至稳定运行；话说回来，通过提供不同筛选条件的 HAR，为后续自动化提供更多参考样例。

. 多机环境下的稳定运行策略

. 本机连续验证

相同输入跑一次； 使用全新真实数据跑第二次； 制造边界/异常情况跑第三次以检验容错能力。

. 跨环境验证

C​odex 将 Skill 分享给同事或在另一台机器上执行，主要检查四类环境差异：

• 绝对方法硬编码；
• 账号/Cookie/Token 硬写入；
• 缺失依赖；
• 输出目录/文件命名不符合他人认知。

发现问题后在 Skill 的 “前置条件” 与 “常见问题” 中补全说明。

. 最终业务结果抽样核对

抽取关键指标比对人工口径：筛选条件是否生效、导出数量是否匹配、写操作是否停留在人工确认节点；API 替换步骤还需核实返回数据量与文件下载完整性。

. 定时自动执行

Skill 稳定后可利用 Codex 内置定时任务实现无人值守运行，也可接入内部调度网站。从示例代码如下来看，

 // 每个工作日上午9:30执行
schedule;// 汇总关键指标并保存至 “汇总” 文件夹
runSkill;按理说，

• 定时任务必须具备失败告警机制。

• 电脑休眠/关机或软件未启动会导致任务失效，可考虑使用 JoyClaw 云端或 JoyAgent 执行。

• 关键业务结果仍需人工抽样核对，以防模型漂移。说起来，

三、实际案例——JoyHR 简历筛选 Skill

再看原始手工流程。

1. 1. 1. 打开 JoyHR 简历搜索页面；
      2. 设置筛选范围；说起来，
      3. 点击查询；怎么说呢，
      4. 逐条打开简历并导出 PDF；
      下载 PDF 文件；老实说，人工检查结果。

后的 API‑Driven Skill 流程：

将招聘需求映射为 JoyHR 搜索参数；老实说，调用人才库搜索 API 分页获取候选人列表。仅保留安全摘要和 reviewRank；对每位候选人调用简历详情 API，提取工作经历、项目经历等用于筛选证据；用本地脚本批量生成初筛结论与不推荐理由；二次排序分层 “优先关注”“备选关注”“复核不通过”；下载仅 “优先关注”“备选关注” 的简历附件保存至指定目录；输出筛选条件、候选清单、推荐理由及下载状态；人工确认完成，

四、持续迭代与成本降低路线图

当前正将内部网站与桌面软件逐步迁移至 CLI 工具链。实现：

• / 自动化脚本统一管理，降低维护成本；
• / 标准化接口文档，使得新建 Skill 更加“一键生成”。
• / 与 CI/CD 流程集成，实现代码级别版本控制与回滚。

---