OpenAI Codex เพิ่ม Record & Replay — สาธิตงานให้ดูครั้งเดียว กลายเป็น skill ที่ทำซ้ำเองได้

แนวคิด “agent skill” — การห่อชุดขั้นตอนงานให้เอเจนต์เรียกใช้ซ้ำได้ — กำลังกลายเป็นสมรภูมิหลักของเครื่องมือ AI builder ล่าสุด OpenAI เพิ่มวิธีสร้าง skill ที่ตรงสัญชาตญาณที่สุดวิธีหนึ่งให้ Codex นั่นคือ Record & Replay: แทนที่จะเขียนสคริปต์หรือบรรยายขั้นตอนเป็นตัวอักษร คุณแค่ สาธิตงานนั้นให้ดูหนึ่งครั้ง บนเครื่อง Mac แล้ว Codex จะแปลงสิ่งที่เห็นเป็น skill ที่นำกลับมาเล่นซ้ำได้ด้วยอินพุตใหม่

เป็นตัวอย่างที่ชัดที่สุดของแพตเทิร์น “show, don’t script” — ไม่ต้องเขียนโค้ด ไม่ต้องระบุ selector เหมาะกับงานซ้ำๆ ที่ “ทำให้ดูง่ายกว่าอธิบาย” เช่น ยื่นเบิกค่าใช้จ่าย จองที่จอดรถ สร้าง issue ที่ตั้งค่าครบ หรือดึงรายงานประจำงวด

ทำงานอย่างไร

ตอนบันทึก Codex จะ สังเกตการกระทำของผู้ใช้และเนื้อหาบนหน้าจอ ระหว่างที่คุณทำงานนั้นจริง จากนั้นจึง สรุปออกมาเป็น skill ที่อธิบายว่า งานนี้มีจุดประสงค์อะไร ต้องการอินพุตอะไร มีขั้นตอนใดบ้าง และจะ “ตรวจว่าทำสำเร็จ” ได้อย่างไร — ผลลัพธ์เป็น skill ที่ อ่านได้ แก้ไขได้ และแชร์ได้ ไม่ใช่กล่องดำ

จุดสำคัญทางเทคนิคคือการเล่นซ้ำทำผ่าน Computer Use แบบ เข้าใจความหมาย (semantic) — Codex มองหา “ปุ่มส่ง” หรือ “ช่องกรอกอีเมล” บนหน้าจอจริง ไม่ใช่จำพิกัด (x, y) ของเมาส์แบบตายตัว ดังนั้นเมื่อหน้าจอขยับ เลย์เอาต์เปลี่ยน หรืออินพุตต่างไป skill ก็ยังปรับตัวทำงานต่อได้ นอกจากการคลิกบนหน้าจอแล้ว ยังทำงานร่วมกับ browser actions และ connected plugins ได้ และ refine skill เพิ่มเองหลังบันทึกเสร็จได้

ข้อจำกัดที่ต้องรู้ก่อนใช้

ฟีเจอร์นี้ยังจำกัดอยู่พอสมควร:

• เฉพาะ macOS เท่านั้นในตอนนี้
• ต้องมี Computer Use เปิดใช้งานได้ ก่อน
• ยังไม่เปิดในเขต EEA, สหราชอาณาจักร และสวิตเซอร์แลนด์ — น่าจะด้วยเหตุผลด้านกฎระเบียบ

ข้อจำกัดเชิงภูมิภาคนี้สะท้อนว่าเอเจนต์ที่ “มองหน้าจอและคลิกแทนเรา” ยังเป็นพื้นที่อ่อนไหวด้าน compliance

มุมมอง AI Curator

จุดที่น่าสนใจที่สุดของ Record & Replay ไม่ใช่ตัวการบันทึก แต่คือสิ่งที่มันผลิตออกมา — skill ที่เป็นภาษาธรรมชาติ อ่านและแก้ไขได้ นี่คือจุดบรรจบของสองสายที่เคยแยกกัน: RPA แบบเดิม (จำพิกัด คลิกตายตัว เปราะมาก พังเมื่อ UI ขยับ) กับ agent skills ยุคใหม่ (อธิบายเจตนา ให้โมเดลปรับตัวเอง) การที่ Codex เล่นซ้ำด้วยความเข้าใจความหมายผ่าน Computer Use ทำให้ได้ความทนทานแบบที่ RPA แบบจำพิกัดไม่เคยมี น่าสังเกตว่าทิศทางนี้สอดคล้องกับสิ่งที่ทั้งวงการกำลังขยับ — การทำให้ skill เป็นไฟล์ที่มนุษย์อ่านรู้เรื่อง ตรวจสอบได้ และเอาไป version control ได้ คือรากฐานเดียวกับ SKILL.md ในระบบนิเวศ agent-skills ที่กำลังโต

แต่ต้องมองตามจริง: “สาธิตครั้งเดียวแล้วใช้ได้ตลอด” ฟังดูสวยกว่าความเป็นจริงเสมอ งานที่มี edge case เยอะ มีหน้าจอยืนยันที่โผล่ไม่แน่นอน หรือต้องตัดสินใจกลางทาง จะยังต้องมีคนคุม และเพราะมันรันผ่าน Computer Use ที่ “เห็นทุกอย่างบนจอและคลิกแทนเรา” บนเครื่องจริง ทีมที่จะเอาไปใช้กับงานที่แตะข้อมูลภายในหรือระบบการเงินควรประเมิน blast radius ให้ดี — เอเจนต์เข้าถึงอะไรได้บ้าง และถ้ามันคลิกผิดจะเสียหายแค่ไหน สำหรับนักพัฒนาไทย/SEA ข้อจำกัด macOS-only และการกันโซน EEA/UK ออกเป็นสัญญาณว่าฟีเจอร์ยังเช้ามาก คุ้มที่จะลองกับงาน back-office ซ้ำๆ ที่ความเสี่ยงต่ำก่อน แล้วค่อยขยับขึ้นไปงานที่สำคัญกว่าเมื่อเชื่อมือมันแล้ว

แหล่งข่าว:

• Record & Replay — OpenAI Codex Developers Documentation
• Codex Changelog — OpenAI Developers
• OpenAI’s Codex can now watch you work once and repeat the task forever — The Decoder