一、2000 万周活背后，真正该看的是那 20%
8 月 20 日，财联社从 OpenAI 全员大会拿到一组数字：公司 CFO 在内部 PPT 上展示，编程和办公智能体 Codex 的周活跃用户已经超过 2000 万。
把时间线拉回去更清楚。2026 年 2 月 Codex 桌面版刚发布时基线大约 83 万周活，到 6 月 2 日 OpenAI 官宣时已经冲到 500 万，非开发者占比约 20%，而且这部分人的增速是开发者群体的 3 倍多。三个月后又翻到 2000 万——这个曲线在 AI 工具里都算少见。
很多人盯着 2000 万这个数，但我觉得对跨境卖家真正有意义的是那 20% 的非开发者。它说明一件事：Codex 已经不是程序员专属的代码终端了，它正在变成一类通用的业务工作台。而跨境卖家恰恰是那批不写代码、但要干大量重复脑力活的人——选品、看评论、调广告、查合规、做图——天然和这个工具的进化方向对上了。
问题是，大多数人拿到 Codex 之后的用法还停留在第一阶段：让它写一段 Listing、分析一下竞品。这当然能用，但就像你花大价钱雇了个全能助理，结果只让他帮你打字。
二、先把认知摆正：Codex 是工作台，Skill 才是你的业务 SOP
这是整篇文章最核心的一句话。
Codex 本身擅长理解任务、拆步骤、调工具、整理结果，但它不会天然知道一个亚马逊运营每天到底怎么干活。它不知道你看评论时该优先抓 1-2 星还是 4-5 星，不知道广告复盘先看搜索词还是 ACOS，也不知道一张白底图该怎么变成主图、场景图和 A+ 素材。
填补这个 gap 的，是 Skill（技能）——把真实业务流程封装进去的一段工作方法。
举个具体例子。跨境圈有人做了个 Amazon Reviews Skill，它封装的不是读取评论这个动作，而是一整套流程：输入 ASIN 到 拉取指定星级和时间范围的评论 到 聚类投诉点和夸赞点 到 给出产品、Listing 或素材上的下一步动作。你丢给它一个 ASIN，它不会只还你一张评论表，而是直接告诉你先改电池和充电体验，这是 P0 级问题。
所以差距不在提示词写得多漂亮，而在你有没有给 Codex 装上跨境业务的 Skill。同样打开一个 Codex，有人还在逐句追问帮我分析一下，有人已经让它按评论、竞品、广告、合规、内容生产的顺序往下跑了。
三、去哪找、怎么装、怎么用
去哪找：别到处搜提示词了，去 Skill 广场。目前 LinkFox 这类平台已经收了 130 多个跨境业务场景的 Skill，按选品开发、产品视觉、产品运营、营销广告、数据分析分好了类。你不用背名字，从自己的卡点出发就行：不想手翻差评就搜 Amazon Reviews，广告账看不懂就找 Amazon Ads Report，上架前怕踩坑就找合规检测。
怎么装：点开 Skill，复制安装命令，回 Codex 粘贴执行，看到安装完成就能用。它更像把一个懂某件事的运营助理请进工作台，而不是装个插件。
怎么用：拿评论分析做案例最容易上手。装好 Amazon Reviews 后，直接说分析这个 ASIN 最近 30 条低星评论，告诉我产品先改什么。评论只是起点，把 Skill 按业务顺序接起来，你能先抓竞品、再拆评论、再做图、再查合规、最后用广告和店铺数据复盘——这才是跨境运营真正需要的 AI。
四、三个已经验证能落地的场景
场景一：VOC 评论洞察。 有卖家把十年数据分析经验打包成 4 个 VOC Skill，用 Codex 一次性从 Amazon、Reddit、X 等平台抓了 4185 条真实评论，打标后回答选品、竞品、卖点、内容、复盘、跨市场六种业务问题。重点是一次打标、多场景复用，而不是每条评论人工看。
场景二：竞品差评变差异化。 让 Codex 抓竞品 ASIN 的 1-3 星评论，整理买家最集中的三类投诉——电线太短、材质廉价、说明书看不懂——这些直接变成你新品定义的依据：要不要升级配件？卖点图要不要提前解释？真正的差异化经常藏在竞品评论的反面。
场景三：Listing 说买家的话。 抓自家 4-5 星评论，提炼最高频的夸赞词和真实场景，比如 easy to clean、quiet enough for baby room，把这些原声写进标题、五点和 A+ 文案，让页面和用户的决策语言对齐，而不是堆升级设计、强大性能这类运营自嗨词。
五、Codex 在电商里真正不可替代的两张牌
很多对比 Codex 和 Claude Code 的文章会告诉你：Claude Code 框架更灵活、能接 DeepSeek 把成本压到十分之一。这些都没错，但对普通运营来说，Codex 有两张牌是别家目前补不上的。
第一张：电商图生成（Images-2）。 做亚马逊的都懂，图是吞金兽。一组主图加场景图加 A+ 页面图，外包至少几百块。Codex 接入的原生 Images-2 能直接生成符合亚马逊白底要求的主图、放进厨房客厅的场景图、A+ 品牌故事图和尺寸信息图。更关键的是它的 Computer Use 能力——生成完不只是给你一张图，还能自己登录后台、检查、上传，一条龙。
第二张：Record 和 Replay（录制重放）。 这是最被低估的功能。你把每天早上查订单、看广告、检查 Buy Box 手动操作一遍，Codex 录下来，之后每天自动重放。对标准化程度高的运营动作，这比写脚本快十倍。店群模式的卖家几十个 ASIN 轮转，不靠这种自动化根本做不过来。
六、避坑：不是所有人上来就该搞全链路自动化
说句实话，并不是所有卖家都适合一上来就用 Codex 手搓自动化系统。
如果你逻辑思维强、懂数据分析、精通平台业务、擅长梳理 SOP，走 Codex 加 多个 Skill 协同 这条路值得尝试。反之，建议先别死磕——市面上已经有开箱即用的电商 AI 工作台（比如内置 40 多个跨境 Skill、连好店铺就能定时跑任务的那种），对普通卖家完全够用，上手也简单。
另外几个实操坑：
- 知识库是地基。 在搞自动化之前，先用 Codex 搭你自己的知识库（通用知识库加 店铺私有数据），不然 AI 每次都从头理解你的业务，准确率上不去。
- Ship 之前先理清 SOP。 不管哪家工具，绕不开的一步是梳理各个环节的标准作业流程。这一步做不好，自动化只会把错误放大得更快。
- 写操作要人审。 广告出价、预算、关店这类关键动作，务必设置 AI 提议、人批准才生效，别把店铺开关全交给机器。
- 别把数据乱传。 店铺数据、客户资料尽量本地化或私有化部署，避免敏感信息上云。
七、FAQ
Q：Codex 周活 2000 万这个数可信吗？ 这是 OpenAI 在 2026 年 8 月全员大会上由 CFO 披露的内部口径，经财联社等媒体报道。和 6 月官宣的 500 万、非开发者 20% 这些数据同源，方向一致，但具体数字属于厂商自报，建议作为趋势信号而非审计数据看待。
Q：完全不懂代码能用 Codex 跑店吗？ 能。Codex CLI 装好、配上模型 API（或国内中转站）就能用。真正拉开差距的不是代码能力，而是你会不会给它装跨境 Skill、把业务流程讲清楚。
Q：Codex 和现成的电商 AI 工作台怎么选？ 入门和日常跑店，Codex 加 现成 Skill 足够；想要更个性化的全链路自动化、又能接受一定学习成本，再考虑手搓系统。普通卖家用开箱即用的 Agent 工作台性价比更高。
Q：生成电商图真的能直接用吗？ Images-2 生成的主图、场景图达到可用水准，但白底图的纯白度和阴影细节建议人工过一遍，尤其是服饰、电子类对图片合规要求高的品类。
Q：Record 和 Replay 录一次能管多久？ 只要你的运营流程不变，录一次可以长期每天重放。一旦平台后台改版或流程调整，重新录一遍即可。
Q：用 Codex 抓竞品评论合规吗？ 走官方 API 或平台允许的公开数据抓取、不绕验证码、不越权，基本没问题。用 Skill 封装好的正规抓取流程比自己手搓爬虫稳得多。
Q：成本大概多少？ Codex CLI 本身免费开源，成本在模型 API 调用。日常跑评论、生成文案、做图，按 token 计费，用国内中转站比官方直连便宜。重度使用建议先估算月用量再决定要不要上更便宜的模型后端。
写在最后
Codex 周活冲到 2000 万，非开发者占两成——这两个数字合在一起，标志 AI Agent 从开发者玩具变成了普通人的业务工具。
对跨境卖家来说，关键点从来不是我会不会用 Codex，而是我有没有把业务装进去。工具就在那，Skill 也在那，差的只是一句先从我今天最重复的活开始。
别再让它只帮你写字了。让它帮你干活。