Codex 与 AI 编码智能体：用文字稿 API 读取视频

视频作为智能体的上下文

Codex 及类似智能体擅长对可检索文本推理。文字稿 API 给它们一个干净的视频文本视图，于是录制的演示成为和文档一样的信息源——可搜索、可引用、带时间戳。

作为工具暴露

把文字稿端点包装为带两个参数的函数或 MCP 工具：视频 ID 和可选语言。返回结构化片段，让智能体能引用某个时刻。准确描述成本与限制，避免它在循环中调用。

实用模式

先检索再推理：获取文字稿、分块，让智能体在其中搜索，而非全部加载。按视频 ID 缓存，避免重复提问消耗额度。记录 request id，并把类型化错误作为智能体能解释的工具结果返回。