Codex App 保姆级教程：从安装到实战全攻略

Codex 是什么：会动手干活的 AI 助手

如果你已经用惯了豆包、DeepSeek^广告 这类聊天型 AI，那么 Codex 带来的体验会让你眼前一亮。它同样提供了一个对话界面，你可以通过打字跟它沟通，但本质区别在于：豆包只能跟你聊天，而 Codex 可以直接操作你的电脑，在本地真正帮你干活。

按照这位 B 站 UP 主的演示，Codex 能够整理文件、制作报表、阅读工作内容、编写周报，甚至直接做 PPT、操作浏览器构建复杂软件。更夸张的是，你可以设置好一个任务让它在你睡觉时自动运行，等睡醒任务就已经完成。整个过程不需要你掌握任何技术知识。

这其实代表了 AI 工具从“对话助手”向“执行型 Agent”演进的方向——AI 不再只是给建议，而是直接接管键盘和文件系统完成端到端的任务。

执行型 Agent 是近两年 AI 领域的重要进展方向。与传统大语言模型（LLM）只能生成文本回复不同，Agent 模式赋予了 AI 调用外部工具的能力——包括操作文件系统、运行代码、控制浏览器、调用 API 等。技术上，这类系统通常基于"规划-执行-观察-再规划"的循环（ReAct 框架），让模型能根据执行结果动态调整下一步操作，而不是一次性输出答案。Codex 所属的这类本地 Agent 工具，与云端的 AI 助手相比还有一个关键差异：它直接访问用户本机文件，不需要把敏感数据上传到服务器，对处理财务记录、内部文档等私密内容的用户而言，隐私风险相对更可控。

安装与基础配置

Codex 已经入驻微软和苹果的应用商店，安装非常简单：直接在应用商店搜索 Codex 即可下载。打开后你会发现它的界面和网页版豆包很像——中间是输入框，左边是侧边栏，但侧边栏里多了插件、自动化、工作流等豆包没有的功能。

UP 主给出了一个很实用的建议：第一次打开后先修改工作模式。在设置里可以配置 Codex 向你显示多少技术细节，推荐切换为“日常工作”模式。这样 Codex 依然强大易用，但不会给你堆一大堆看不懂的技术信息，整体体验会舒服很多。

这个细节值得初学者重视。很多 AI 工具劝退新人的原因，往往不是功能不行，而是默认暴露了太多专业术语。先把界面调成适合自己的样子，再去折腾功能，是更顺畅的上手路径。

核心概念：项目与文件夹

既然 Codex 要在你电脑上干活，它就需要一个工作用的文件夹，这些文件夹被称为项目，显示在侧边栏中。

UP 主的建议是把不同的任务分类成不同文件夹，也就是不同项目，这样查找内容一目了然。在输入框下方可以选择本次对话所工作的项目，Codex 就能读取该文件夹里的所有文件来协助你。

这个设计把 AI 的操作范围圈定在明确的目录里，既方便管理，也在一定程度上控制了风险——AI 只在你指定的项目范围内行动，不会随意翻动整台电脑。

实战一：整理杂乱文件并提取数据

演示用的是一个真实存在的文件夹“计算机物语咖啡馆”，里面塞满了销售记录、发票、库存清单等杂乱内容，文件格式涵盖表格、PDF 和图片。

UP 主下达的任务是：把这些文件规整一下，并把信息和数据提取整理到一个 Excel 中方便查阅。看似入门级的活，实际做起来相当费劲。更关键的是，UP 主故意在文件里埋了几个“坑”来测试 Codex 的细致程度。

几分钟后任务完成。Codex 做到了几件事：

• 按用途把杂乱文件分门别类整理好
• 生成一份详细数据表格，整理出销售数据、商品排行
• 读取 PDF 发票内容，把明细提取出来
• 主动发现了预埋的错误——标记出交易记录缺失，并指出两张发票存在异常

能主动揪出数据异常，而不是机械执行指令，这是 Codex 比传统脚本工具更有价值的地方。对于整理报表、编写日报这类“读取电脑文件 + 归纳整理”的日常任务，它已经完全可以胜任。

实战二：计划模式与可视化仪表板

接下来 UP 主挑战了更难的任务。可以直接在命令行用 add 命令让 Codex 读取指定文件，比如把刚生成的汇总表 add 进来，然后要求它制作一个可视化仪表板，用于查看咖啡店的销售、支出、成本、库存等经营情况，并分析出需要关注的事项。

由于任务复杂，UP 主切换到了计划模式。计划模式的逻辑是：Codex 不会直接埋头执行，而是先根据要求规划出一份详细的执行清单，确认任务细节、对不确定的地方向你提问，经你确认后再动手。

对于复杂任务，开启计划模式是个明智的选择——它能避免 AI 在理解偏差的基础上做出一堆返工活，先对齐需求再执行，效率反而更高。

桌面小宠物：任务进度可视化

在输入框敲一个斜杠，可以调出一个叫“宠物”的功能。点击后桌面会出现一个小宠物，你可以把它放在屏幕任意位置。它除了卖萌，还会实时显示当前正在执行的所有任务，点进去就能查看进度和需要你回应的提问。宠物的外观也能在设置里更换。

这个设计把后台任务的状态做成了轻量化的可视组件，让“AI 在帮我干活”这件事变得直观有趣。

迭代优化：一句话换主题

仪表板完成后看起来相当专业，包含了所要求的各类数据图表，底部还列出了建议和重点事项。更妙的是迭代能力——UP 主表示不喜欢当前主题，直接说“请帮我换一个更现代化、直观的主题，就像苹果公司那样”，Codex 很快完成了改版，确实有了“苹果那味”。

这种自然语言驱动的持续迭代，正是执行型 AI 的核心优势：你不需要懂代码或设计，只要描述想要的效果，剩下的交给它。

命令行中的 add 命令是 Codex 的上下文注入机制。AI 模型在处理任务时，只能使用"上下文窗口"内的信息，窗口之外的内容它完全不知道。通过 add 命令，用户可以手动把指定文件的内容加载进当前对话的上下文，相当于把一份文件"摊开放在 AI 面前"，让它在生成后续输出时参考其中的数据。对于大型项目，合理选择 add 哪些文件，既能提高回复的准确性，也能避免无关内容干扰模型判断。这与网页版 AI 助手要求你手动粘贴内容的逻辑相同，只是 Codex 把这一步做成了更流畅的本地操作体验。

总结：零门槛的本地 AI Agent

从这期教程可以看出，Codex 的定位是一个面向普通人的本地 AI 执行助手。它的核心价值在于三点：能直接读写和操作本地文件、能对复杂任务先规划后执行、能通过自然语言不断迭代成果。

无论是整理杂乱文件、提取数据、生成报表，还是进一步制作可视化仪表板，整个流程几乎不需要技术背景。对于想让 AI 真正“动手干活”而非仅仅聊天的用户来说，Codex 提供了一条相当低门槛的上手路径。