Kebanyakan orang pertama kali mengenal Codex sebagai "alat bantu menulis kode" — kamu kasih permintaan, dia keluarkan sepotong kode, logikanya mirip mengerjakan tugas sekolah. Tapi kalau kamu hanya memakainya di level ini, sebenarnya kamu melewatkan hal yang benar-benar bisa dilakukannya: mengubah satu rangkaian pekerjaan yang tadinya butuh berjam-jam — bahkan harus dikerjakan manual oleh orang — menjadi sistem otomatis yang bisa dipicu hanya dengan satu kalimat, dan tetap berjalan terus meskipun laptopmu sudah dimatikan.
Artikel ini membahas bagian paling praktis dari sebuah video tutorial berbahasa Mandarin sepanjang 2,5 jam: bagaimana memulai dari "mengetik satu prompt", bertahap mengubah pekerjaan itu menjadi "skill yang bisa dipakai berulang", lalu menyambungkan skill tersebut ke sumber data nyata, dan akhirnya menaruhnya di cloud sehingga menjadi sistem tanpa pengawasan yang berjalan 24 jam. Dua studi kasus konkret yang didemonstrasikan pembuat video adalah "pembuatan penawaran harga bisnis secara otomatis" dan "penggunaan ulang konten (mengubah satu artikel secara otomatis menjadi beberapa postingan untuk berbagai platform sosial)". Logika operasional keduanya bisa langsung diterapkan ke skenario bisnismu sendiri.
Codex Bukan Cuma untuk Menulis Kode: Ini yang Akan Dibahas Tutorial Ini
Codex adalah alat AI Agent buatan OpenAI. Bedanya dengan ChatGPT yang murni untuk chatting adalah, Codex bisa langsung masuk ke folder kerja yang kamu tentukan di komputer, benar-benar membaca file, mengubah file, membuka browser untuk mengoperasikan halaman web, serta menyambung ke plugin software yang sudah kamu instal — jadi semacam asisten yang "benar-benar mengerjakan sesuatu", bukan sekadar "menjawab pertanyaan". Soal perbedaan konkret Codex dengan ChatGPT dan Claude Code, situs ini pernah membahasnya secara khusus untuk pengguna non-teknis di artikel lain; di sini kita tidak akan mengulang penjelasan dasar antarmukanya.
Artikel ini fokus pada penggunaan yang lebih lanjut: bagaimana meningkatkan Codex dari "bantuan sekali pakai" menjadi "alur kerja yang bisa dieksekusi berulang, bahkan terpicu otomatis". Seluruh logika ini terbagi dalam beberapa lapisan — dimulai dari prompt, lalu bertahap ditumpuk menjadi skill, otomatisasi lokal, dan otomatisasi cloud.
Sebelum Mulai: Tiga Pengaturan Kunci yang Menentukan Efisiensi dan Biaya
Sebelum praktik, video ini mengingatkan pemula untuk memahami tiga pengaturan lebih dulu, karena ketiganya langsung memengaruhi kecepatan kerja dan konsumsi Token:
Model: Kemampuan berpikir dan kecepatan membakar Token berbeda-beda tergantung tingkatan model — model yang lebih pintar biasanya juga lebih mahal. Pembuat video menyebutkan dirinya terbiasa memakai model dengan tingkatan lebih tinggi untuk pekerjaan resmi, sementara tugas sederhana dialihkan ke model dengan tingkatan lebih rendah yang lebih hemat Token.
Effort (tingkat usaha) dan Speed (kecepatan): Semakin tinggi Effort, semakin menyeluruh model berpikir, tapi Token yang terbakar juga semakin banyak; pengaturan Speed ke "cepat" juga akan meningkatkan konsumsi. Pembuat video mengaku dalam pekerjaan sehari-hari biasanya mempertahankan Effort di level menengah-tinggi dengan Speed standar, bukan selalu menarik ke maksimum — alasannya, sambil menunggu proses selesai dia masih bisa mengerjakan hal lain, jadi tidak perlu mengejar penyelesaian tercepat untuk satu tugas.
Mode Izin (Permission Mode): Dari yang paling konservatif sampai paling terbuka, kira-kira terbagi tiga — setiap langkah harus disetujui olehmu, otonom di dalam folder kerja tapi tetap bertanya kalau menyentuh koneksi eksternal, dan sepenuhnya dilepas tanpa bertanya lagi. Video ini khusus mengingatkan bahwa mode "lepas penuh" memang paling cepat, tapi juga berisiko tidak sengaja menghapus file penting — pemula disarankan mulai dari mode yang butuh persetujuan dulu untuk membiasakan diri.
Ketiga pengaturan ini tidak punya jawaban baku, tapi kalau kamu sudah mulai peduli bagaimana biaya Token benar-benar terbakar, situs ini juga pernah membahas secara khusus dari sudut cara kerja "autoregressive" kenapa coding agent bisa boros biaya — akan membuatmu lebih paham kenapa pengaturan seperti Effort dan Speed langsung tercermin di tagihan.
Dari Prompt ke Skill: Mengubah Tugas Sekali Pakai Jadi Kemampuan yang Bisa Dipakai Berulang
Studi kasus pertama yang didemonstrasikan dalam video adalah mengotomatisasi "penawaran harga bisnis". Alur kerja awal pembuat video adalah: setelah selesai meeting Zoom atau Google Meet dengan klien, rekaman meeting diubah jadi transkrip teks, lalu berdasarkan isi transkrip disusun pain point klien, solusi, serta estimasi ROI (return on investment), dan akhirnya dibuat jadi satu penawaran harga yang logis untuk dikirim ke klien.
Secara teknis, langkah pertama adalah meminta Codex membuat tiga template penawaran harga HTML dengan gaya yang jelas berbeda untuk tiga industri (kecantikan medis, dokter gigi, servis AC), lalu dipilih versi yang paling sesuai kebutuhan untuk disesuaikan lebih lanjut — pembuat video khusus menyebutkan satu logika kerja: kalau cuma menghasilkan satu versi, kamu sama sekali tidak tahu apakah itu yang kamu inginkan; dengan menghasilkan beberapa versi gaya berbeda sekaligus, baru ada bahan untuk dibandingkan dan disaring. Setelah template ditentukan, seluruh alur "input satu transkrip meeting, output berupa link website berisi penawaran harga, simulasi ROI, tanda tangan elektronik, dan halaman simulasi pembayaran" diminta disusun Codex menjadi satu dokumen "Skill".
Inti dari Skill adalah: ke depannya, mau berganti klien dari industri apa pun, kamu tinggal memasukkan transkrip meeting baru dan memberi satu perintah, maka logika yang sama akan otomatis dipakai lagi untuk menghasilkan penawaran harga, tanpa perlu menjelaskan ulang kebutuhan setiap kali. Perbedaan terbesarnya dengan sekadar menulis satu prompt adalah, Skill menuliskan secara tetap "aturan apa yang harus dipatuhi, format apa yang harus dihasilkan, batasan apa yang tidak boleh dilanggar" ke dalam satu dokumen, sehingga menjadi kemampuan yang bisa dipanggil berulang kali.
Kalau kamu ingin lebih memahami teknik "cara memberi instruksi" itu sendiri, situs ini juga pernah membahas aturan-aturan prompt baru berdasarkan panduan resmi Anthropic untuk model Claude Opus 5 dan Fable 5 — meski merek modelnya berbeda, logika "jelaskan dulu konteksnya, jelaskan aturannya, terakhir jelaskan apa yang tidak boleh dilakukan" tetap berlaku sama.
Sub-agent Paralel: Membuat Codex Mengerjakan Beberapa Hal Sekaligus, Bukan Antre
Setelah Skill selesai dibuat, video mendemonstrasikan teknik yang bisa menghemat banyak waktu tunggu: saat menghasilkan dua, bahkan enam kasus uji dari industri berbeda sekaligus, jangan biarkan Codex mengerjakannya satu per satu secara berurutan — minta ia memecahnya menjadi beberapa "Sub-agent" yang berjalan paralel secara bersamaan. Di layar akan terlihat beberapa jendela kerja sub-agent berjalan bersamaan, masing-masing memproses data klien berbeda, lalu melaporkan hasilnya sekaligus di akhir.
Nilai dari cara ini ada pada efisiensi pengujian: daripada menunggu tugas pertama selesai baru memulai tugas kedua, lebih baik menjalankan semua tugas secara bersamaan — kamu hanya perlu menunggu satu putaran waktu untuk mendapatkan beberapa hasil sekaligus untuk dibandingkan. Teknik ini bisa langsung diterapkan untuk skenario kerja apa pun yang butuh "menghasilkan beberapa versi sekaligus lalu memilih" (tidak hanya penawaran harga, tapi juga pembuatan konten, perbandingan opsi, dan sebagainya).
Menyambungkan Skill ke Sumber Data Nyata: Menjadi Otomatisasi Lokal
Punya Skill saja belum cukup, karena sebelumnya transkrip meeting masih harus ditempel manual setiap kali. Langkah berikutnya adalah menyambungkan sumber data secara otomatis — pembuat video memakai sebuah tool pihak ketiga untuk mengubah rekaman meeting jadi teks (dipasang lewat plugin browser yang disediakan tool tersebut di dalam Codex), sehingga setiap kali panggilan selesai, Codex otomatis mengambil catatan meeting baru, langsung memicu Skill penawaran harga yang sudah dibuat sebelumnya, menghasilkan output yang dilaporkan dulu ke pembuat video untuk diperiksa, baru dikirim manual ke klien setelah dipastikan tidak ada masalah.
Ada satu pengingat penting di sini: informasi sensitif seperti API key, username, dan password sama sekali tidak boleh ditempel langsung di kolom chat dengan AI. Cara yang benar adalah meminta Codex menyediakan path file, lalu key ditempel ke file konfigurasi yang ditentukan — bukan diketik di jendela chat. Ini kebiasaan keamanan dasar yang patut diingat saat mengoperasikan tool otomatisasi semacam ini.
Setelah penyambungan selesai, seluruh alur menjadi: panggilan selesai → transkrip otomatis diambil → Skill diterapkan untuk menghasilkan website penawaran harga → dilaporkan untuk kamu periksa manual → kamu putuskan apakah akan dikirim ke klien. Ini sudah jadi alur kerja otomatisasi lokal, tapi punya satu keterbatasan jelas: hanya berjalan selama komputer menyala.
Naik Level dari Otomatisasi Lokal Menjadi Berjalan 24 Jam di Cloud
Untuk mengatasi masalah "berhenti begitu komputer dimatikan", cara yang didemonstrasikan video adalah men-deploy alur otomatisasi ini ke cloud. Secara konkret, caranya adalah menyambungkan Cloudflare, membangun lingkungan cloud yang bisa melakukan verifikasi signature dan memicu otomatisasi lewat mekanisme queue, sehingga pengecekan terjadwal yang tadinya harus dijalankan di komputer lokal (misalnya mengecek setiap beberapa jam apakah ada catatan meeting baru) dialihkan ke layanan cloud. Dengan begitu, meskipun komputermu dimatikan, seluruh alur "ambil data → terapkan Skill → hasilkan penawaran harga → beri tahu kamu untuk diperiksa" akan tetap berjalan terus di background — inilah makna sebenarnya dari "24 jam tanpa pengawasan" yang disebut dalam judul video.
Perlu dijelaskan, bagian deploy ke cloud ini melibatkan detail teknis yang cukup banyak (misalnya mekanisme verifikasi signature, manajemen key), dan video ini juga mengingatkan pemula tidak perlu memahami setiap detailnya secara penuh — kamu bisa langsung bertanya ke Codex "langkah ini sedang melakukan apa", lalu minta dijelaskan prinsipnya secara bertahap sebelum melanjutkan. Di bagian belakang video, saat mendemonstrasikan studi kasus kedua (otomatisasi penulisan ulang konten), ditunjukkan juga cara lain: menyambungkan repository GitHub, lalu memicu otomatisasi lewat lingkungan kerja cloud yang disediakan Codex. Namun video juga khusus mengklarifikasi bahwa lingkungan kerja cloud ini pada dasarnya adalah "kontainer sementara yang baru dibuat saat menerima tugas", bukan server yang terus berjalan di background — kalau kebutuhanmu hanya sebatas pengecekan terjadwal seperti ini, memakai fitur "Schedule" bawaan platform Codex/ChatGPT yang memang sudah berjalan di cloud justru lebih langsung, tidak selalu perlu memutar lewat GitHub segala.
Studi Kasus Kedua: Menulis Ulang Satu Artikel Secara Otomatis Jadi Postingan untuk Beberapa Platform Sosial
Otomatisasi kedua yang didemonstrasikan video ini bertema "penggunaan ulang konten (repurpose content)" — mengubah satu konten inti yang sudah ditulis (misalnya newsletter atau artikel panjang) menjadi format yang cocok untuk platform berbeda, sekali menulis, banyak kali didistribusikan, sehingga menghemat waktu memikirkan ulang konten dari nol.
Caranya secara konkret: satu newsletter berbahasa Inggris yang dilanggan ditempel ke Codex, diminta diterjemahkan dan ditulis ulang ke bahasa Mandarin, sekaligus disesuaikan dengan kebiasaan membaca di tiga platform berbeda — X (dulu Twitter), Instagram, dan LinkedIn — masing-masing menghasilkan postingan dengan gaya yang sesuai (misalnya X cocok untuk thread berisi kalimat-kalimat pendek yang saling menyambung, Instagram cocok untuk panjang menengah dengan hook emosional, LinkedIn cocok untuk opini profesional yang lebih panjang), sekaligus menghasilkan satu gambar pendamping bergaya papan tulis tulisan tangan.
Setelah hasil pertama keluar, pembuat video memberi dua masukan koreksi yang cukup berguna kalau kamu mau menerapkan cara yang sama: pertama, teksnya terlalu panjang, terlalu mirip rangkuman lengkap — postingan sosial seharusnya "to the point", bukan menjelaskan segala detail; kedua, teksnya "terlalu terasa AI", terlalu banyak istilah klise seperti "memberdayakan" atau "logika mendasar", diminta diubah jadi gaya bahasa yang lebih mirip cara bicara manusia biasa. Setelah dikoreksi, logika yang sama juga dibuat jadi satu Skill, dan Codex diminta mengarsipkan otomatis naskah serta gambar yang dihasilkan setiap hari ke dalam struktur folder berdasarkan tanggal, supaya mudah dicari kembali di kemudian hari.
Sama seperti kasus penawaran harga, alur penulisan ulang konten ini juga bisa disambungkan lebih jauh ke plugin email, sehingga Codex otomatis mengecek setiap pagi apakah ada artikel baru di kotak masuk langganan — kalau ada, langsung menerapkan Skill untuk menghasilkan draf postingan multi-platform, menunggu kamu memeriksanya setelah bangun pagi sebelum dipublikasikan manual. Pembuat video khusus menekankan, meski secara teknis langkah "publikasi otomatis" juga bisa disambungkan, dia sendiri memilih untuk tidak melakukannya — alasannya, postingan media sosial mewakili opininya sendiri, dan dia lebih memilih melihat setiap postingan sebelum dipublikasikan, tidak ingin kualitas output jadi tidak terkontrol.
AI Mengerjakan Sebagian Besar Pekerjaan, Tapi Langkah Verifikasi Tidak Boleh Dilewatkan
Di akhir video, ada dua pengingat berdasarkan pengalaman yang layak diingat bersama sebagai penutup:
Pertama, posisi yang lebih realistis dari alur otomatisasi semacam ini adalah membiarkan AI menyelesaikan 80–90% pekerjaan yang berulang, sementara 10–20% sisanya — verifikasi dan penilaian — tetap butuh manusia untuk mengawasi. Bukan berarti setelah menemukan caranya, kamu bisa sepenuhnya lepas tangan.
Kedua, setelah kamu mengubah aturan sebuah prompt atau Skill, jangan hanya mengandalkan perasaan atau menjalankannya satu-dua kali lalu menganggap hasilnya sudah bagus untuk langsung dipakai. Cara yang lebih hati-hati adalah menyiapkan sekumpulan data uji (misalnya ratusan kasus berbeda), menjalankannya sekali putaran, lalu memberi skor pakai model lain atau cara terukur, untuk memastikan perubahan yang dibuat benar-benar menyelesaikan masalah awal — bukan malah memicu error lain. Ini kebiasaan yang layak dibangun bagi siapa pun yang berniat benar-benar memakai alur otomatisasi ini untuk melayani klien.
Pertanyaan yang Sering Ditanyakan (FAQ)
P1: Apakah orang yang tidak bisa menulis kode benar-benar bisa mempelajari alur kerja ini? Pembuat video mengaku dirinya tidak punya latar belakang programming, dan mempelajari cara pakai ini secara otodidak. Antarmuka operasional Codex sendiri memang berbasis instruksi bahasa natural, tidak perlu menulis kode secara manual, tapi tahap deploy ke cloud dan menyambungkan akun pihak ketiga tetap membutuhkan pemahaman teknis tertentu. Disarankan untuk membiasakan diri dulu dengan operasi dasar di level lokal, baru bertahap mencoba penyambungan cloud yang lebih lanjut.
P2: Apa bedanya Skill dengan prompt biasa? Prompt biasa umumnya menjelaskan kebutuhan secara spontan untuk tugas sekali pakai; Skill menyusun "apa yang harus dilakukan, format apa yang harus dihasilkan, batasan apa yang tidak boleh dilanggar" menjadi satu dokumen tetap, sehingga cukup memberi data input baru untuk menerapkan logika yang sama secara berulang dan menghasilkan output — tanpa perlu menjelaskan ulang kebutuhan setiap kali.
P3: Bedanya otomatisasi lokal dengan otomatisasi cloud apa, dan apakah harus sampai ke cloud baru dianggap selesai? Otomatisasi lokal berarti penjadwalan dan pemicunya dijalankan di komputermu sendiri — begitu komputer dimatikan atau tidur, alur akan berhenti sementara; otomatisasi cloud berarti logika yang sama di-deploy ke server cloud, sehingga meski komputer lokal dimatikan, alur tetap berjalan terus. Perlu tidaknya sampai ke cloud tergantung skenario pemakaianmu — kalau hanya dipakai sesekali sendiri, otomatisasi lokal mungkin sudah cukup; kalau harus melayani klien atau tim secara stabil 24 jam, cloud adalah cara yang lebih andal.
P4: Kalau alur bisnis diubah jadi otomatisasi, apakah akan boros Token dan biayanya tinggi? Boros atau tidaknya tergantung tingkatan model, Effort, dan Speed yang kamu pilih, serta seberapa sering alur ini dipicu. Untuk memahami lebih jelas penyebab konsumsi Token dan cara mengendalikan biayanya, situs ini pernah membahas lima trik yang sudah teruji efektif untuk menurunkan biaya token AI coding — logika hemat biaya di dalamnya juga berlaku sama untuk pengaturan alur otomatisasi semacam ini.
P5: Pembuat video menyebutkan perusahaan AI miliknya sendiri "beromzet lebih dari satu juta dolar AS" dan komunitasnya berjumlah "12.000 orang" — apakah angka-angka ini bisa dipercaya? Angka-angka ini adalah bagian dari perkenalan diri dan bahasa marketing pembuat konten di awal video, murni pengakuan pribadinya sendiri. Situs ini tidak melakukan verifikasi apa pun terhadap angka-angka tersebut, dan ini bukan bentuk dukungan atau rekomendasi dari situs ini. Saat membaca artikel ini, disarankan untuk fokus pada kegunaan langkah-langkah tutorialnya, bukan pada klaim pencapaian pribadi yang diakui sendiri oleh pembuat kontennya.
Pernyataan Sumber Data
Konten artikel ini dirangkum dan disusun ulang berdasarkan video yang dipublikasikan kanal YouTube "李哈利 | AI" (Li Harley | AI) pada 31 Agustus 2026, berjudul "【全網最全】2.5小時史詩級 Codex 大師課！從零打造 24小時無人值守的「一人 AI 公司」" (kurang lebih berarti: "Kelas Master Codex Epik 2,5 Jam — Membangun 'Perusahaan AI Satu Orang' Tanpa Pengawasan 24 Jam dari Nol"). Langkah operasional dan studi kasus dalam artikel ini merupakan rangkuman dan penulisan ulang dari isi video tersebut, bukan terjemahan kata per kata. Narasi di awal video mengenai bisnis pribadi pembuat konten (AI agency, omzet lebih dari satu juta dolar AS, komunitas 12.000 orang) merupakan pengakuan pribadi pembuat konten, belum diverifikasi oleh situs ini, dan tidak mewakili pandangan atau dukungan situs ini. Untuk nama fitur, tampilan antarmuka, dan detail operasional Codex, silakan merujuk ke versi resmi terbaru dari OpenAI, karena pengalaman aktual bisa berbeda seiring pembaruan versi.
Bacaan Lanjutan
Kalau kamu penasaran soal perbedaan konkret Codex dengan ChatGPT dan Claude Code, situs ini pernah membahasnya secara khusus untuk pengguna non-teknis. Ada juga pembahasan tentang kenapa biaya Token AI bisa semahal itu, ditelusuri dari cara kerja "autoregressive" yang membuat coding agent boros biaya, serta lima trik yang sudah teruji efektif untuk menekan biaya token AI coding. Kalau kamu ingin memahami teknik memberi instruksi yang lebih baik, ada juga pembahasan aturan-aturan prompt baru untuk model Claude Opus 5 dan Fable 5 berdasarkan panduan resmi Anthropic.
Kalau kamu berencana menyambungkan tool AI Agent seperti Codex ke alur bisnismu sendiri, tiga pengaturan — tingkatan model, Effort, dan Speed — akan langsung tercermin di tagihan yang harus kamu bayar setiap bulan. Coba AI Token King gratis → (https://aitokenking.com.tw/home), rapikan konsumsi Token yang benar-benar terbakar dari berbagai kombinasi model dan pengaturan jadi satu catatan pemakaian, supaya kamu punya bukti angka tambahan saat memilih model dan menyesuaikan pengaturan.
