30份檔案作文一次改完！Codex批次處理怎麼做？用「批次流水線5元件」自動產出總表
需要大量處理30份作文、50張發票、200份履歷，還在一份一份丟給AI嗎？本文作者以批次「批改作文」為例，拆解「批次流水線5元件」，教你用Codex建立可重用的批次Skill，跑完自動產出彙整總表；文末也整理了發票、履歷、合約3種行業的改法，可以直接對照。本文節錄自《ChatGPT × Codex全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
目標：多檔案批次處理工作流
「把30-100個檔案丟到一個資料夾，告訴Codex動作，多核心並行跑、失敗自動重試、跑完丟出summary.xlsx」，這是學完本文後你的日常。
- 輸入：input/內30個.docx（或.pdf / .jpg）。
- 輸出：output/內30個結果檔 + logs/batch.log + summary.xlsx。
阿亮獨家「批次流水線5元件」：
批次讀取 → 並行 → 進度 → 重試 → 彙整5元件缺一不可。本文把它包成一個可重用的批次Skill，之後處理任何「N個檔案」需求，一句話就觸發。學完不只批改作文，發票OCR、履歷篩選、合約風險檢測都用同一套。
不同職業完成後能拿來幹嘛？
| 行業 | 批次任務 | 輸出 |
|---|---|---|
| 教師 | 30份.docx作文 → 評語 | 30個.md + summary.xlsx |
| SOHO | 50張發票.jpg → OCR | 50個.json + invoices.xlsx |
| HR | 200份履歷.pdf → 5維評分 | 每份.md + 通過/待面試/不通過名單 |
| 律師 | 50份合約.pdf → 風險條款 | 每份摘要 + 整體評估.xlsx |
動手做前準備清單
| 項目 | 規格 |
|---|---|
| Codex CLI | 已裝，Codex CLI 、桌面App |
| 原始檔案 | 30-100個同類檔案（.docx / .pdf / .jpg） |
| 檔案位置 | 全部放在同一個資料夾 |
| 單檔處理動作 | 清楚知道「對單檔要做什麼」 |
| Python套件 | concurrent.futures、pandas、依檔型python-docx / pypdf / Pillow（Codex自動裝） |
批次流水線5元件：缺一個就會出事
| 元件 | 做什麼 | 沒有的後果 |
|---|---|---|
| 1 批次讀取 | 掃描資料夾、過濾副檔名 | 漏檔、誤讀 |
| 2 並行 | 多核心同時處理 | 30份跑30倍時間 |
| 3 進度 | 每N份印一次「15/30」 | 不知道卡住還是在跑 |
| 4 重試 | 單檔失敗最多3次 | 1個壞檔讓整批停擺 |
| 5 彙整 | 個別輸出 + summary.xlsx | 30個檔不知道整體結果 |
兩種「並行」不要混為一談：
| 類型 | 工具 | 用在哪 | 並行單位 |
|---|---|---|---|
| Python腳本層並行 | concurrent.futures | 一支Python程式同時跑8個檔案 | OS執行緒/行程 |
| Codex對話層並行 | Codex內部subagents | 一個Codex任務fork多個subagent | LLM推理session |
本章用「腳本層並行」：對30個檔案跑同一個邏輯，每個檔案不需要獨立的LLM推理。如果每個檔案都用subagent跑，會吃掉30倍token，慢又貴。subagent留給「30篇論文同時做深度摘要」這類需要獨立思考的任務。
補充：2026新利器spawn_agents_on_csv
當你的任務確實需要「每一列開一個獨立分身去想」（例如30位學生各自寫一段深度個人化評語、300筆客戶各自產一份分析），Codex子代理人支援spawn_agents_on_csv，餵一份CSV，它會逐列派工給多個subagent，並可指定統一的輸出schema（設定寫在子代理人TOML）。判斷原則不變：同一套邏輯套N個檔 → 用本文的腳本層並行就好；每個檔要獨立思考 → 才動用spawn_agents_on_csv。
動手實作：多檔案批次處理工作流
步驟1：建環境
macOS / Linux：
mkdir -p ~/batch-work/{input,output,logs}
cd ~/batch-workWindows PowerShell：
mkdir $HOME\batch-work\input
mkdir $HOME\batch-work\output
mkdir $HOME\batch-work\logs
cd $HOME\batch-work分成3個資料夾是好習慣：input只放原始檔（唯讀心態）、output只放結果、logs存執行紀錄，失敗時就知道去哪找錯誤。
手上沒有30份檔案可測？
也可以直接對Codex下指令：「幫我生30份500字模擬作文存成input/essay_01.docx ~ essay_30.docx，品質故意做出高中低差」。
把30個檔案丟進input/，注意3件事：
- 直接複製到input/，不要在裡面再分子資料夾，批次腳本預設掃單層
- 檢查副檔名一致（避免.docx跟.doc混在一起）
- 確認檔案數對：
macOS / Linux：
ls input/ | wc -lWindows PowerShell：
(dir input\).Count
步驟1-1：先建essay-feedback Skill（批次要呼叫的單檔工具）
這裡最容易卡住：步驟3的批次prompt會「每份套用essay-feedback Skill」，所以這支Skill要先存在，批次才有東西可以呼叫。它就是把「三段式思考（CoT）」批改流程包成Skill的小工具，現在花5分鐘就能建好。
建立方式：先用下方指令開一個Skill資料夾，再用記事本或VS Code在資料夾裡新增SKILL.md，貼上下方「essay-feedback 隨書附檔」的完整內容：
# macOS / Linux
mkdir -p ~/.agents/skills/essay-feedback
# Windows PowerShell
mkdir $HOME\.agents\skills\essay-feedbackessay-feedback 隨書附檔：
---
name: essay-feedback
description: 批改一篇學生作文（.docx / .md / .txt）並產生 100-150 字個人化評語。觸發詞：作文批改、評語、essay feedback、作文評語產生器、批改作文。
---
# 作文評語產生器
## Steps
1. 讀入單一作文檔（純文字、不含格式）
2. **Stage 1 step-through**：
- 字數統計（總字數 / 段落數）
- 主旨抓取（一句話總結這篇在寫什麼）
- 結構分析（起承轉合 / 論點論據 / 時序）
3. **Stage 2 self-audit**：
- 列 3 個「寫得好的地方」（必須引用原文片段，不可空話）
- 列 3 個「可改善的地方」（必須具體、可執行）
4. **Stage 3 final answer**：
- 寫 100-150 字評語：肯定 1 個強項 + 建議 2 個改進 + 勉勵 1 句
- 評語語氣：對國中小學生用鼓勵語氣；對高中以上用建設性語氣
## Rules
- MUST：評語必須引用作文原文（用「『...』」括起來，至少 1 處）
- MUST：建議必須可執行（「下次寫人物時可以加一個具體動作」而不是「加油」）
- MUST：字數 100-150（不可超過 150）
- NEVER：「同學們」「你們」「大家」（這是給個人的評語）
- NEVER：「應該」「必須」「一定要」（建議句改用「可以試試看」「下次或許」）
- NEVER：在沒讀作文的情況下產評語（空檔案直接回報「檔案無內容」）
## Output Format
```text
【評語】
（100-150 字評語段落）
【強項引用】
原文：「...」
評：（一句話說明為什麼好）
【改進建議】
1. （具體可執行）
2. （具體可執行）
```核心是frontmatter的name: essay-feedback + description觸發詞，加上三段式批改流程與MUST/NEVER規則。
順帶一提，建立Skill有三種方式：$skill-creator引導式、macOS Codex App的Record & Replay錄製、手動建立資料夾，像這種內容已經寫好的小Skill，手動複製最快。
驗證有沒有生效，進Codex對話丟一句：
用 essay-feedback 跑一份測試作文（隨便貼 200 字進來）看到「【評語】【強項引用】【改進建議】」三段結構化輸出 = 安裝成功。
步驟2：寫批次Skill
用「批次作文批改」當範例。SKILL.md路徑：
~/.agents/skills/batch-grade-essays/SKILL.md（user級；若要團隊共用改repo級.agents/skills/...。）
完整內容：
---
name: batch-grade-essays
description: 對資料夾下所有 .docx 跑「作文評語產生器」並彙整 summary。當使用者說「批次批改」「批次作業」「整批評語」「資料夾批改」時觸發。
---
# 批次作文批改
## Steps
1. 掃描 ~/batch-work/input/ 下所有 .docx
2. 對每份：
2.1 讀取內容（python-docx）
2.2 套 essay-feedback（作文評語產生器）Skill
2.3 輸出 ~/batch-work/output/[原檔名]_評語.md
2.4 紀錄到 logs/batch.log
3. 並行處理（最多 8 個同時，依 CPU 核心數）
4. 失敗重試 3 次
5. 全完成產 summary.xlsx
## Rules
- MUST：每檔獨立處理（一份失敗不影響其他）
- MUST：失敗紀錄含原因（檔名 + 錯誤訊息）
- NEVER：跑到一半放棄整批
- NEVER：覆蓋 output 已存在的檔案（除非加 --force）
- SHOULD：每 5 份印一次進度
- SHOULD：跑完印「成功 X、失敗 Y、總耗時 Z」
## Tools（依檔案類型選用）
- .docx：python-docx
- .pdf：pypdf（純文字 PDF）；掃描型 → pdfplumber 或先 OCR
- .jpg / .png：Pillow + pytesseract
- .xlsx / .csv：pandas + openpyxl
- 並行：concurrent.futures.ThreadPoolExecutor（I/O bound 如 OCR / API）
ProcessPoolExecutor（CPU bound 如純運算）- 註：
- I/O bound：卡在「等讀寫、等網路回應」的工作，例如OCR、呼叫API，適合用ThreadPoolExecutor。
- CPU bound：卡在「純算數」的工作，適合用ProcessPoolExecutor。分不清就先用ThreadPoolExecutor，本文的檔案處理多半屬前者。
Rules是Codex的「品管SOP」，寫得越明確，AI越不會偷工。
步驟3：跑批次
先搞懂機制，別被SKILL.md的「2.2套essay-feedback」誤導：Python腳本本身不能「呼叫」另一支Skill。真正的分工是，Codex在對話裡對每份檔案套essay-feedback產出評語，concurrent.futures這類腳本層並行只負責讀檔、寫檔、記log這種I/O苦力。所以下面「觸發批次Skill」時，是Codex逐檔重跑審文工作流，不是一支Python迴圈自己把評語生出來。要離線排程無人值守時，改用codex exec逐檔驅動。
觸發Skill：
請執行「批次作文批改」Skill：
- 輸入：~/batch-work/input/
- 輸出：~/batch-work/output/
- 並行數：8（4 核 CPU 改 4，看你機器）
- 每份套用：essay-feedback Skill
（步驟 1-1 已建好 ~/.agents/skills/essay-feedback/）
- 每 5 份印進度並行數不要設太高：設16-32容易被OpenAI rate limit擋掉，或記憶體會爆掉。先設定4或8試試看。
進度輸出長這樣：
[batch-grade-essays] Start: 30 files, 8 workers
[5/30] ok 001_王小明.docx
[10/30] ok 002_李大華.docx
[15/30] ok 005_陳小美.docx
[20/30] FAIL 008_格式怪.docx (retry 1/3)
[20/30] FAIL 008_格式怪.docx (retry 2/3)
[25/30] ok 012_張小華.docx
[30/30] ok 030_趙最後.docx
============ Summary ============
成功：29
失敗：1 (008_格式怪.docx，重試 3 次仍 ERROR)
總耗時：1m 47s
詳見 logs/batch.log
看到「成功X、失敗Y、耗時Z」三行 = 批次跑完，可以開始檢查失敗檔。
步驟4：驗收 + 處理失敗 + 彙整
數一下output：
macOS / Linux：
ls ~/batch-work/output/ | wc -l # 預期 30（或 29 + 1 失敗）
grep "ERROR" ~/batch-work/logs/batch.logWindows PowerShell：
(dir $HOME\batch-work\output\).Count
Select-String "ERROR" $HOME\batch-work\logs\batch.log數對就代表正常。如果少了幾份，查看log內的ERROR，把失敗檔名抓出來。
處理失敗檔（不要整批重來）：
請看 ~/batch-work/logs/batch.log，
找出標記 ERROR 的檔案與原因。
對每個失敗檔：
1. 顯示原因（檔案損毀、格式不支援、套件版本不對）
2. 提出對策（修檔、跳過、改規則）
3. 只重跑這幾個失敗檔，不要動已成功的請切記，不要整批重跑，因為已成功的會被覆蓋一次，浪費API額度。
產出summary.xlsx：
請產 ~/batch-work/output/summary.xlsx：
欄位（每檔一列）：
- 學生姓名（從檔名抓）
- 字數 / 強項 / 改進項
- 評語連結（指向 output 內的 .md）
- 處理時間（秒）
- 狀態（成功 / 失敗 + 原因）
加 Excel 篩選器：
- 可以篩「字數不足」
- 可以篩「需特別關注」
- 可以篩「狀態 = 失敗」summary.xlsx長這樣：
| 姓名 | 字數 | 強項 | 改進項 | 評語連結 | 耗時 | 狀態 |
|---|---|---|---|---|---|---|
| 王小明 | 520 | 結構清楚 | 用詞貧乏 | 001_王小明_評語.md | 3.2 | 成功 |
| 李大華 | 380 | 敘事生動 | 字數不足 | 002_李大華_評語.md | 2.8 | 成功 |
| 008_格式怪 | - | - | - | - | - | 失敗 |
老師/主管1分鐘看完全部處理結果。
3種行業版本：批次處理發票、履歷、合約
SOHO版：50份發票OCR
| 項目 | 怎麼改 |
|---|---|
| 輸入 | 50張發票.jpg / .png |
| 單檔動作 | OCR萃取「金額、日期、發票號、品名」 |
| 輸出 | 每張一個.json + 統合invoices.xlsx |
| 套件 | Pillow + pytesseract（或請Codex用視覺辨識） |
Codex可直接讀圖（在對話內attach圖檔當輸入），不一定要本機跑tesseract。歪斜、低解析的手機翻拍照，傳統OCR常吃鱉，先拿3張試Codex視覺辨識，跟pytesseract結果比一比，再決定整批走哪條路。
【注意】要走pytesseract路線，得先另裝Tesseract本體
pip install pytesseract只裝了Python的橋接層，真正做OCR的Tesseract引擎要另外安裝（Windows下載官方安裝檔、macOS brew install tesseract、Linux apt install tesseract-ocr），還要加裝繁中語言包chi_tra。嫌麻煩就直接走Codex視覺辨識，省掉這一整串安裝。
HR版：200份履歷篩選
| 項目 | 怎麼改 |
|---|---|
| 輸入 | 200份履歷.pdf |
| 單檔動作 | CoT + 評分Skill（5維評分 + 一句評語） |
| 輸出 | 每份一個.md + summary（通過/待面試/不通過） |
| 並行 | 建議4-8（pypdf解析PDF慢） |
履歷含個資：用Codex評分時，履歷內容會送交OpenAI處理，不是純本機。先去識別化（遮掉姓名、電話、地址、身分證）再丟給Codex；要完全不外傳，就用Codex寫好的評分腳本自己在本機跑，並跑完刪對話歷史。
律師版：50份合約找風險
| 項目 | 怎麼改 |
|---|---|
| 輸入 | 50份合約.pdf |
| 單檔動作 | 三段CoT找風險條款（保密、違約、解約、智財權） |
| 輸出 | 每份一份風險摘要.md + 整體評估表.xlsx |
| 並行 | 2-4（保守，合約敏感寧可慢不要錯） |
| 隱私 | 合約內容會經OpenAI，走Business / Enterprise方案（資料不作訓練、可簽DPA）；極機密改用組織核可的離線工具，或先去識別化再跑 |
節錄自：博碩文化《ChatGPT × Codex全攻略：從零基礎到自動化，打造你的AI Agent工作流》／曾慶良（阿亮老師） 著
