#每天一个知识点# 我发现 Codex 的录制跟回放并生成 Skill 根本就不是【屏幕录制】，是用到了 Apple 的无障碍（盲人之类用的）读取图片里面的文字

然后还抓取了键盘这些操作动作，结合一起理解的，如果要做 AI 自动化的话，这种工程思想挺值得学习的，

因为，可以基于这套思路，让AI给你去搭建自动化的工具，也用类似思路，也不是 codex 独有的，完全可以自研

比如场景：
做一个 Mac App自动读取自己的屏幕内容，然后总结输出一份教学文档乃至其他的结果，核心是你能抓到所有的操作过程的数据了，视觉的、键盘操作的