Codex保姆级教程：从安装到实战全流程详解

Codex 到底是什么：从AI问答到AI动手

Codex 是 OpenAI 推出的一款 AI 智能体（agent）工具。注意，这里说的不是单纯的「AI 编程工具」——它虽然起步于编程场景，但现在已经进化成了一个能帮你写代码、做 PPT、做 Excel、写 Word 报告、操作浏览器甚至制作视频的全能助手。

它和 ChatGPT 这类问答工具的本质区别在于「动手」。打个比方：你家要装修，ChatGPT 像是一个只给你出主意的顾问——他会告诉你灶台往左挪一点、吊柜换成奶油白，说得头头是道，但不会帮你搬一块砖。Codex 则是一个真正干活的工人，他自己量尺寸、画图纸、搬灶台、刷漆，刷完还拍一张完工照让你验收。

更关键的是，Codex 能直接打开你电脑上的文件夹、创建文件、运行程序、上网搜资料、操作浏览器，改完还能自己提交代码仓库、部署上线。这就是「agent」与「问答机器人」的分水岭。

「AI 智能体（agent）」这个概念值得多说几句。传统的 AI 问答工具本质上是一个「单轮输入输出」的系统：你提问，它回答，然后就停了，后续怎么用是你自己的事。智能体则不同，它具备「感知→规划→执行→反馈」的闭环能力：感知当前环境（你的文件夹、浏览器状态、终端输出），自主拆解目标成多个步骤，逐步调用工具执行，再根据执行结果调整下一步。这种「自主循环」是 agent 与问答机器人最根本的区别。OpenAI 此前推出的 Operator 是偏向浏览器操作的智能体，而 Codex 的定位更偏向代码与文件系统，两者共同构成 OpenAI 在 agentic 方向的布局。

四种使用方式与账号准备

Codex 一共有四种形态：命令行版（Codex CLI）、VS Code 插件版、桌面客户端和网页版。四个版本性能一致、功能大部分重叠，但从综合使用难度、功能全面性和新手友好度来看，桌面客户端是首选，本文也以桌面客户端为主来讲解。

使用前你需要准备一个 ChatGPT 账号，最好开通 Plus 或 Pro 会员。免费账号虽然也能用，但额度非常少，用不了几次就见底。Plus 用户每 5 小时能发 30 到 150 条消息，日常够用；重度用户或团队使用建议 Pro。

相比 Claude Code 这类同类工具，Codex 的一个明显优势是额度更慷慨、重置也更频繁，对账号的限制也更少。登录方式有两种：

• ChatGPT 账号登录：直接复用订阅配额，不额外花钱，能第一时间用上最强模型，云端任务等高级功能全解锁。
• API Key 登录：模型更新慢、云端任务不可用、按用量付费，跑大任务可能几十块就烧掉。

结论很清楚：除非有特殊原因，订阅 Plus 用 ChatGPT 账号登录是性价比最高的方案。

界面结构：项目 vs 对话

登录后进入主界面，左侧栏自上而下是四个功能按钮（新对话、搜索、插件、自动化），中间是两个核心列表：项目和对话。

这两者的区别是理解 Codex 的关键：

• 对话相当于在桌面 App 里跟 ChatGPT 聊天，适合搜资料、写文案、翻译、答疑这类琐碎工作。
• 项目则对应你电脑上的一个文件夹，项目里生成的所有文件（PPT、Excel、Word、代码、图片）都会保存在这个文件夹里，便于管理不丢失。

一句话记法：凡涉及生成文件，就在项目里操作；只是随便问问，用对话就行。一个项目下可以挂很多对话，每个对话处理一件事。

三种权限模式

因为 Codex 能直接改文件、跑命令，所以有「放权」的概念，共三档：

1. 默认权限（最安全）：只能在当前项目文件夹内操作，联网、跑终端、访问文件夹外的东西都要问你同意。适合新手。
2. 自动审查：Codex 自己评估风险，安全操作自动通过，有风险才弹框。相当于配了个内部审批员。
3. 完全访问权限（最高）：可做任何事，全程不打扰你。效率最高，但只建议在熟悉行为、项目有 Git 备份后再开。

建议节奏：第一周用默认权限，第二周切自动审查，熟练且有备份后再考虑完全访问。

权限分级的设计本质上是在「效率」和「可控性」之间做权衡。Codex 这类 agent 工具之所以需要权限管控，是因为它具备真实的系统调用能力——删除文件、执行 shell 命令、读写任意路径，这些操作一旦出错很难撤回。Git 版本控制在这里扮演了「安全网」的角色：只要项目已经纳入 Git 管理，任何被 Codex 改坏的文件都可以用 git checkout 或 git revert 恢复到历史状态。因此「先用低权限熟悉行为、再结合 Git 备份逐步放权」的建议，其核心逻辑是：权限越高，Git 的重要性越高，两者需要配套使用，而不是单独开放完全访问。

模型与思考强度怎么选

输入框右下角可切换模型和思考强度。模型方面，GPT-5.5 系列能力最强，推荐作为复杂代码编写、重构、调试的默认首选；更小的 mini 模型适合简单任务，省额度、响应快；专门为编程优化的 Codex 版本在复杂工程任务上依然很强。

思考强度分低、中、高、超高四档：低档几乎不思考、速度最快但容易犯低级错误；中档是日常推荐；高档适合有复杂度的功能开发；超高最聪明也最慢，专治普通模式搞不定的诡异 bug。

此外还有标准和快速两档速度，快速模式约为标准的 1.5 倍，但消耗额度更多。日常用标准即可，赶时间再切快速。

实战流程：批注、提交与版本管理

创建项目有两种方式：新建空白项目（从头开始）或使用现有文件夹（处理已有代码/文件）。创建后在输入框用中文描述需求即可。

Codex 开始工作时，你能在主区域看到它的思考过程——分析哪些文件、打算做什么、为什么这么做。非完全访问权限下，它执行敏感操作前会弹窗让你批准：仅批准一次、本次对话全部批准、或拒绝让它另想办法。

生成网页、Word、PPT、Excel 后可直接点文件名预览，右侧面板展开查看内容。最好用的是右上角的批注功能：选中不满意的地方写下想法，发送后 Codex 就会精准修改。

修改完成后，下方会显示本轮改动——绿色是新增、红色是删除，哪行改了都一目了然。满意可直接在 Codex 里完成 Git 提交并推送到 GitHub，不满意点撤销即可恢复。

排队、插队与并行

• 排队：Codex 做任务 A 时，你可以直接发任务 B，它做完 A 自动开始 B。
• 插队：点消息旁的引导按钮，让新要求立刻注入正在执行的任务里，边做边调整。
• 并行：开新对话即可让多个任务同时跑，甚至可跨项目并行。注意不同对话之间记忆不共享，但同项目文件夹的文件都能看到。

插件与技能：全能助手的核心

技能（skills）是一套写好的执行步骤，打包成 markdown 文件，Codex 读取后按步执行，相当于一份「说明书」。最常用的内置技能是 imagegen，可直接在对话里生成图片。

插件则比技能大一级：一个插件通常包含多个技能，再加上与外部应用的连接能力。比如 computer use 插件可以接管你的电脑，内部包含操作 App、屏幕录制、键盘操作等多个技能。

触发方式：输入 @ 弹出插件列表手动调用，输入 $ 触发技能，一条消息里还能同时用插件和技能。需要注意部分插件暂时只支持 Mac 系统。

办公场景实战

借助插件生态，Codex 能完成大量日常办公：

• 用 document 插件生成带目录、表格、结论的 Word 分析报告；
• 用 spreadsheets 插件生成带颜色标注的 Excel 对比表；
• 用 presentation 插件生成商务风 PPT。

你甚至可以在一条指令里同时要求生成 Word、Excel、PPT 和封面图，四份文件一次产出。如果每天都要做同样的事，用自动化功能设定定时任务即可——但第一次用前务必先在普通对话里跑一遍验证，确认结果符合预期再变成定时任务，避免浪费额度。

三种工作环境与进阶技巧

新建对话时可选三种运行环境：

• 本地：直接在你的项目文件夹改文件，适合小修改，但改坏需手动撤回，务必先备份。
• 工作区（worktree）：在后台创建一个平行副本，Codex 在副本上干活不动原文件，适合多个 AI 同时改同一项目避免冲突。改完可选择合并、建新分支或丢弃。
• 云端：任务发到服务器执行，电脑不用常开，适合耗时大任务，但需关联 GitHub 仓库，配置较复杂，新手暂可忽略。

操作浏览器与电脑

安装 BrowserUse 插件后，Codex 能自己打开浏览器、访问网站、点击、填表、截图、录屏、抓取信息，仅在需要登录时才要你出手。配合 computer use 插件，它还能操控整台电脑，比如自主打开 Chrome、搜索小红书、下载无水印笔记并保存到桌面文件夹。

BrowserUse 和 computer use 代表了 AI agent 的两种不同控制层次。BrowserUse 属于「浏览器级控制」，底层通常基于 Playwright 或 Puppeteer 等自动化框架，AI 直接与浏览器的 DOM 结构交互，精准度高、速度快，但仅限于浏览器内部操作。computer use 则是「操作系统级控制」，AI 通过截图感知屏幕内容，再模拟鼠标点击和键盘输入来操控任意应用程序，理论上能控制电脑上的一切软件，但由于依赖视觉识别，速度较慢且对界面变化更敏感。Anthropic 的 Claude 最早在 2024 年将 computer use 带入公众视野，此后包括 OpenAI 在内的多家公司相继跟进，标志着 AI agent 从「只能处理文本」向「能操控真实桌面环境」的重要跨越。

AGENTS.md：给 AI 的入职手册

在项目根目录创建 AGENTS.md 文件，Codex 每次启动会自动读取并当作工作守则遵守。由于不同对话窗口记忆不共享，把规则写进这个文件就不用反复重复了，就像给新同事一份入职手册。建议控制在 150 行以内，否则会挤占 AI 的记忆容量。

AGENTS.md 的设计思路来源于 AI 工程实践中的「系统提示词持久化」需求。大语言模型的每个对话窗口都是独立的上下文，不会自动记住你在上一个对话里反复强调的规则（比如「不要改无关文件」「注释一律用中文」「函数命名用驼峰式」）。把这些规则写入项目根目录的 AGENTS.md，Codex 每次启动新对话时会自动将其注入上下文，相当于给每一次对话都预置了一份「工作守则」。这与软件团队用 .editorconfig、eslint 配置文件统一代码风格的思路一脉相承——把约定写进文件，而不是依赖口头传达。150 行的长度建议是为了避免过长的系统提示挤占模型的有效上下文窗口，导致它在处理复杂任务时「遗忘」关键信息。

内置终端与双 AI 协作

按 Cmd+J 或 Ctrl+J 打开底部终端，它的工作目录会自动跟随当前对话，Codex 还能读取终端输出判断服务器状态、是否报错。

一个实用技巧：若同时装了 Claude Code，可在 Codex 的内置终端里直接输入 claude 启动它，让两个 AI 分工——Codex 擅长操作浏览器、生成图片、管理任务，Claude Code 可专门优化前端页面和视觉效果。

高效使用的六条心法

1. 涉及文件就用项目，对话只用来随便问问。
2. 一个任务一个对话，对话越纯 AI 表现越好。
3. 复杂任务先出计划，用计划模式让它先列方案再动手。
4. 写清楚「完成标准」，比如「测试全过、手动测一遍能用、没改无关文件」。
5. 经常提交，每完成一小步就 Git 提交，改坏能快速回退。
6. 让 Codex 审查 Codex 的代码，新开对话让它检查上次改动的安全性和性能。

常见问题也有对应解法：提示额度上限时等 5 小时滚动刷新即可；代码改坏了，工作区模式直接丢弃副本，本地模式用全部撤销或 git checkout；若 Codex 改了一堆无关代码，在 AGENTS.md 和具体任务里明确「没有要求不要做额外优化、只改指定文件」。

Codex 已经从纯编程工具进化为用 AI 完成各种工作的全能助手。无论你是运营、摄影师还是自媒体博主，都不需要懂 HTML、CSS、JavaScript，只要用中文说清楚需求即可。但它的威力终究取决于你——越懂自己的项目、越能清晰描述需求，它就越能高质量交付。