Codex完全上手指南：从安装到实战的AI智能体教程

Codex到底是什么：从编程工具到全能智能体

很多人把Codex当成另一个ChatGPT，这是个误解。Codex是OpenAI推出的AI智能体（agent）工具，它的核心区别不在于回答问题，而在于动手干活。

原视频用了一个很形象的比喻：假设你家要装修，ChatGPT像是一个只出主意的顾问——你拍张厨房照片给它，它会告诉你灶台往左移、吊柜换成奶油白，说得头头是道，但你得自己去搬灶台、自己刷漆；而Codex更像一个全包的施工队，你说一句"把厨房重新装一下"，它自己量尺寸、画图纸、搬灶台、刷漆，完工后还给你拍照验收，甚至能同时派好几个"工人"分头干活。

这就是agent和问答机器人的本质差异。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、部署上线。它已经从一款AI编程工具进化成能帮你写代码、做PPT、做Excel、写Word报告、操作浏览器乃至制作视频的全能助手。

AI智能体（Agent）与传统对话式AI的核心区别在于「行动能力」。传统大语言模型（如早期ChatGPT）是纯粹的「语言处理器」——接收输入、生成文本输出，整个过程在语言层面完成，无法主动与外部世界交互。而智能体在语言能力之上叠加了「工具调用」机制：它可以调用预先注册的工具函数（如读写文件、执行终端命令、发起HTTP请求），将工具返回的结果再次输入模型，形成「思考→行动→观察→再思考」的循环，直到任务完成。这一架构通常被称为ReAct（Reasoning + Acting）或Agentic Loop。Codex正是建立在这一架构之上：它能在本地沙箱或云端环境中持续执行多步操作，而不是一问一答地停在对话框里。理解这一点，就能解释为什么Codex能「自己量尺寸、画图纸、搬灶台」——它的每一步操作都是真实的系统调用，而非模拟描述。

四种版本与账号准备

Codex目前有四种使用方式：CLI命令行版、VS Code插件版、桌面客户端和网页版。四个版本性能一致、功能大体相同，但综合使用难度、功能全面性和新手友好度来看，桌面客户端是首选，本文也主要围绕桌面客户端展开。

下载安装前需要先准备一个ChatGPT账号，并建议开通Plus或Pro会员。虽然现在免费账号也能用Codex，但额度非常少，用不了几次就没了。Plus用户每5小时能发30到150条消息，日常使用一天足够；重度用户或团队使用可以考虑Pro。

Codex相比同类工具（如Claude Code）的一个明显优势，是额度更慷慨、重置频繁，对账号的限制也更少。安装过程和普通应用没区别，到官网下载对应系统的安装包直接安装即可。

登录有两种方式：一是用ChatGPT账号登录（Sign in with ChatGPT），好处是直接复用订阅配额、第一时间用上最强模型、解锁云端任务等高级功能；二是用OpenAI API Key登录，但模型更新慢、云端任务不可用、按量付费可能更贵。综合来看，直接订阅Plus用ChatGPT账号登录是性价比最高的方案。

界面布局与三种权限模式

登录后进入主界面，左侧栏从上到下是四个功能按钮（新对话、搜索、插件、自动化）、两个核心列表（项目和对话）以及设置。

这里有个关键概念要分清：对话适合随便聊聊、搜资料、翻译、回答问题这类琐碎工作；项目则对应你电脑上的一个文件夹，所有生成的文件（代码、PPT、Excel）都保存在里面。简单说，项目是大文件夹，对话是文件夹里的工作线程，每个项目下可以有多个对话。

由于Codex能直接改你电脑上的文件、运行命令，所以引入了"放权"的概念，共有三种权限模式：

• 默认权限：最安全，Codex只能在当前项目文件夹内修改，联网、运行终端命令、访问文件夹外的操作都要先问你同意。适合新手。
• 自动审查：Codex会先自评风险，安全操作（如创建新文件）自动通过，有风险的（如删除文件）才弹窗询问，相当于配了个内部审批员。
• 完全访问权限：最高权限，Codex可以做任何事且全程不问你，效率最高但有风险（可能误删文件、装错依赖）。

原视频给的建议很务实：新手第一周用默认权限，第二周切自动审查，等非常熟悉且项目有Git备份后，再考虑完全访问权限。

模型与思考强度

输入框右下角可以切换模型和思考强度。模型方面，GPT 5.5是目前最强、推荐默认；5.4覆盖绝大部分场景；mini版更快更省额度，适合简单任务。思考强度分低、中、高、超高四档——简单问题用低档，日常用中档，复杂功能开发用高档，诡异bug或大规模重构才用超高。此外还有标准和快速两种速度模式，快速模式约为标准的1.5倍速但消耗更多额度。

三种权限模式背后对应的是AI安全领域中「人在回路」（Human-in-the-Loop，HITL）与「全自动化」之间的权衡。默认权限要求人工确认每一个高风险操作，体现了最强的HITL原则；自动审查模式引入了模型自评（self-critique）机制，由AI先对操作的潜在破坏性打分，再决定是否需要人工介入——这减少了不必要的打断，同时保留了对危险操作的把关；完全访问权限则完全移除人工节点，进入全自动执行模式。选择哪种模式本质上是在「效率」与「可控性」之间做取舍。对于会修改生产环境文件或执行不可逆操作（如删除、部署）的场景，即使是经验丰富的用户也建议保持至少自动审查级别的权限，并配合Git版本控制作为最后一道安全网。

实战流程：从创建项目到审核修改

实际使用从创建项目开始。点左侧项目区的添加按钮，可以选"新建空白项目"（从头开始）或"使用现有文件夹"（处理已有代码或文件）。创建后能给项目改名，点"打开文件夹"可直接在文件管理器里看到对应目录。

在输入框里用中文描述需求发送后，Codex会展示思考过程，然后开始修改文件或运行命令。非完全访问模式下，每次操作它都会弹窗询问，提供"仅本次批准\本次对话全部批准\不批准"三个选项。

生成网页、Word、PPT或Excel后可直接点文件名预览。原视频特别推荐右上角的批注功能：选中页面上不满意的地方，输入想法添加到对话框，Codex就能精准修改对应细节。

修改完成后点"审核"按钮会展开差异面板，用绿色（新增）和红色（删除）清晰标出每一行改动。如果满意且项目用Git管理，可以直接在Codex里点Git按钮提交、推送到GitHub。

不懂Git也没关系，这些都是图形化按钮，操作和保存文件差不多简单。

排队、插队与多任务并行

这三个是高频操作：排队是在Codex做任务A时直接发送任务B，它会按顺序执行；插队是点消息旁的引导按钮，让新要求立刻注入到正在执行的任务里；并行则是开新对话让多个任务同时跑，甚至可以跨项目并行。需要注意的是，不同对话之间记忆不共享，但都能看到同一项目文件夹里的所有文件。

技能与插件：Codex的能力扩展

技能（skills）和插件是容易混淆的两个概念。技能是一套写好的执行步骤，打包成markdown文件，相当于一份"说明书"，比如内置的image gen技能可以直接生成图片。插件则比技能大一级，往往包含多个技能加上与外部应用的连接能力——比如computer use插件接管电脑，内部又包含操作App、屏幕录制、键盘操作等多个技能。

触发方式上，Codex通常会自主判断是否调用，但你也可以手动指定：输入 @ 调用插件，输入 $ 触发技能。一条消息里可以同时使用多个，比如"分析AAPL股票情况 @documents 总结成Word报告，并 $image 生成一张封面图"。

借助插件生态，Codex能完成大量日常办公：document插件生成Word报告、SuperSheets生成Excel表格、Presentation生成PPT，甚至可以在一条指令里同时产出Word、Excel、PPT和封面图。需要提醒的是，部分插件（如computer use）目前只支持Mac系统，Windows可能搜不到。

自动化、工作区与浏览器操作

如果你每天都要做重复性工作（如每日股票分析报告），可以用自然语言设置自动化定时任务，Codex会创建一个定时任务，到点自动执行。原视频提醒：第一次用自动化前，务必先在普通对话里把指令跑通，确认结果符合预期再变成定时任务，否则容易白白浪费额度。

新建对话时可选三种工作环境：本地模式直接改你电脑的真实文件，适合小修改但要注意备份；工作区模式会创建一个平行副本让Codex干活，不影响原文件，适合多任务并行或大改动，改完可选择合并、新建分支或丢弃；云端模式把任务发到服务器执行，适合耗时大任务，但配置较复杂，新手暂时用不到。

浏览器和电脑操作是Codex相比同类工具的突出能力。安装BrowserUse插件后，它能自己打开浏览器、访问网站、点击按钮、填表单、截图录屏、抓取信息。原视频演示了让Codex在Canva里找职场汇报模板、修改标题并截图输出报告，全程只在需要登录时才需人工介入。电脑操作方面（仅Mac），演示了让Codex打开Chrome、在小红书搜索关键词并下载无水印笔记保存到桌面文件夹。

工作区模式（Workspace Mode）的底层机制类似于Git的分支（branch）或容器化技术中的写时复制（Copy-on-Write）：Codex为当前任务创建一个隔离的文件系统快照，所有修改都发生在这个副本上，原始文件始终保持不变。任务结束后用户可以选择将副本的变更合并（merge）回主目录、创建新分支，或直接丢弃整个副本。这个设计对于「大规模重构」或「不确定效果的尝试」尤其有价值——它把每次AI编辑都变成可以无损回滚的实验，而不是直接在生产文件上动刀。云端模式则更进一步，将执行环境从本地机器迁移到远程服务器，适合需要消耗大量算力或本地环境依赖复杂的任务，代价是配置和调试门槛更高。

AGENTS.md 与内置终端

在项目根目录创建一个 agents.md 文件，Codex每次启动都会自动读取并当作工作守则遵守。它解决的核心问题是：新开对话时Codex没有其他窗口的记忆，很多注意事项需要反复说明。把规则写进这个文件就相当于给新同事一份"入职手册"。小技巧是文件最好控制在150行以内，太长会占用AI的记忆容量。

按 Cmd+J 或点右上角终端图标可以打开内置终端。它有两个特别之处：工作目录会自动跟随当前对话（比如在工作区里就自动切到工作区目录），以及Codex能读取终端输出、自动判断服务器是否报错。

一个实用技巧：如果同时装了Claude Code，可以在Codex内置终端里输入 claude 启动它，用Codex做它擅长的事（操作浏览器、生成图片、任务管理），用Claude Code优化它擅长的前端视觉设计。

AGENTS.md（或更广义的系统提示文件）本质上是一种「持久化上下文注入」机制，用于解决大语言模型无状态（stateless）的固有局限。每次新建对话时，模型对之前发生的事情一无所知——即便是同一个项目，换了一个对话窗口，之前约定的代码规范、命名风格、禁止操作等全部归零。AGENTS.md通过在每次对话启动时自动将文件内容注入系统提示，变相实现了「跨会话记忆」。这与许多代码编辑器AI插件支持的.cursorrules或.clinerules文件原理相同，属于业界逐渐形成的最佳实践。建议将文件内容控制在150行以内，原因在于主流模型的上下文窗口虽然很大，但研究表明模型对超长提示头尾之外的中间内容关注度会下降（「lost in the middle」现象），过长的守则反而可能被模型忽略。

高效使用的六条心法

原视频最后总结了几条实战经验，值得反复体会：

1. 涉及文件就用项目，不用对话，让生成的文件统一管理不会乱。
2. 一个任务一个对话，对话越纯粹AI表现越好。
3. 复杂任务先出计划，用计划模式或直接说"先给我执行计划不要动手"。
4. 写清楚"什么叫做完"，比如"修完bug的标准是测试全过、手动测一遍能用、没改无关文件"。
5. 经常提交，每完成一小步就提交，万一改坏能迅速回退。
6. 让Codex审查Codex的代码，新开对话让它审查上次改动，常能挑出自己没注意的问题。

常见问题也有对应解法：提示达到使用上限就等额度每5小时滚动刷新；代码改坏了，工作区模式直接丢弃副本、本地模式在差异面板点全部撤销——这也是为什么要养成"修改前先提交"的习惯；至于Codex顺手重构了无关代码，可以在agents.md里明确写"没有我的要求不要做额外优化"。

归根结底，Codex能发挥多大威力，核心取决于你——越懂自己的项目、越能清晰描述需求，它就越能高质量完成任务。它已经不是一款纯编程工具，无论你是运营、摄影师还是自媒体博主，都值得尽早把它结合到自己的实际业务中。