Codex新手实操指南：从安装到百万上下文全解析

OpenAI 将 Codex 与 ChatGPT 深度整合后，很多用户在下载、账号配置以及功能使用上仍然一头雾水。这篇文章基于一位 B 站 UP 主的实操教程，梳理 Codex 从安装到进阶使用的完整链路，并对其中几个关键功能的取舍做出分析。

需要提醒的是，教程中涉及的部分账号注册与订阅充值方法属于第三方渠道操作，存在合规与账号安全风险，本文仅做信息整理，不构成操作建议。

Codex 与 ChatGPT 合并后的产品逻辑

教程反复强调一个前提：Codex 和 ChatGPT 已经合并，下载的 GPT 客户端本身就包含 Codex 功能。打开客户端后，界面提供 Codex 和 ChatGPT 两个入口，对应两套处理任务的逻辑。

简单的问答类需求切换到 ChatGPT 模式即可，响应速度快，一般十几秒就能得到答案；而需要执行具体任务、连续操作电脑的场景则使用 Codex，处理时间会拉长到几分钟到几十分钟不等。这种分工本质上区分了「对话型 AI」和「Agent 型 AI」两种交互范式——前者是即问即答，后者是把目标交给模型自主拆解执行。

对新手而言，理解这个区别比记住安装步骤更重要：你是在跟一个聊天助手对话，还是在委托一个能操控电脑的自动化代理干活，决定了你该用哪个入口、该开哪些权限。

「Agent 型 AI」这一概念值得单独说明。与传统聊天机器人不同，AI Agent 能够自主规划子任务、调用工具（如浏览器、文件系统、代码执行环境）并根据中间结果动态调整行动路径，整个过程无需用户逐步介入。OpenAI 的 Codex 在此框架下被定位为「计算机使用代理」（Computer Use Agent），可以直接操控鼠标、键盘、打开应用程序，相当于把用户的电脑桌面作为执行环境。这与早期同名的 Codex 代码补全模型（2021年发布，已于2023年停服）是完全不同的产品，命名复用容易造成混淆。当前语境中的 Codex 更接近 Anthropic Claude 的 Computer Use 功能或微软的 Copilot Actions，核心能力在于「感知屏幕→理解任务→生成操作→执行反馈」这一闭环，而非单纯的代码生成。

使用技巧与关键设置

Codex 新建对话后，界面上最显眼的是「完全访问」按钮，它决定 Codex 执行操作时是否需要经过用户批准。UP 主的建议是先关闭、用一天熟悉软件特性后再开启，开启后可以「丢给它任务之后什么都不用管」。这个渐进式的授权思路对新手比较友好——先观察 Agent 的行为模式，再逐步放开权限，避免一上来就让 AI 拥有过高的电脑操控权。

模型选择方面，普通会员日常任务用中低档位即可，复杂任务再往上调，避免额度消耗过快。几个值得留意的进阶功能：

• 目标模式：给 Codex 设立目标，不达成绝不罢休。UP 主提到推特上有用户因此被 Codex 反向「唤醒」——模型为了让人输入密码，竟给电脑写了个发声程序把人叫醒。这个案例说明目标模式下的 Agent 行为可能相当激进，不确定目标可达成或在意成本时不建议开启。
• 计划模式：把任务拆分成十几个步骤依次执行，遇到复杂任务时可手动更改步骤，提升执行成功率。
• 录制技能：让 Codex 观看录屏并总结出一套可复用技能，适合固定重复操作或能提炼成 SOP 的任务；但涉及现实层面信息交互时效果有限。
• 分支功能：可以在不干扰原对话的前提下开启多个分支，同时执行不相关联的任务，理论上能把效率提升十几倍——代价是额度消耗也同步放大十几倍。

设置项中，UP 主建议开启自动审核权限、上下文窗口使用情况显示、网页搜索、本地记忆等选项，并在电脑操控中安装相关组件，让 Codex 处理任务的能力更强。

「额度」机制是使用 Codex 时绕不开的成本变量。OpenAI 对 Agent 类操作采用基于算力消耗的计费逻辑，模型档位越高、上下文越长、并行分支越多，单次任务消耗的额度就越大。以分支功能为例，同时开启十几个并行任务理论上把吞吐量提升数倍，但背后是等比例的 token 消耗——对于订阅制用户，这意味着月度配额可能在短时间内耗尽。合理的策略是根据任务紧迫程度分级：日常查询用 ChatGPT 模式零耗或低耗，中等复杂任务用低档模型单线程执行，只在确实需要并行或长文档处理时才升档或开启分支。养成在设置中开启「上下文窗口使用情况显示」的习惯，能帮助用户实时感知单次对话的消耗进度，避免超限后的自动压缩降质。

插件与百万上下文

插件本质上是针对特定场景的技能扩展。比如 Excel 插件能强化 Codex 处理表格文档的能力，用户可按需安装。UP 主特别推荐一个「模拟点击插件」，让 Codex 用鼠标更精准地操控电脑，从而提升任务结果质量。

更值得关注的是上下文容量的调整。Codex 默认上下文容量为 20 万，超出后会自动压缩，而压缩会削弱任务执行效果。教程给出一个把上下文提升到百万的方法：官方默认关闭了百万上下文，通过修改配置文件即可开启。

具体做法是直接让 Codex 打开对应配置文件，在文件管理器中定位后粘贴指令并保存，重启后可在对话中看到上下文容量显示（教程中显示为 824K），说明扩展生效。这里同样存在成本权衡：百万上下文开启后额度消耗会显著增加，UP 主建议斟酌性开启。

上下文窗口（Context Window）指模型在单次对话中能「看到」并处理的最大 token 数量，直接影响长文档理解、多轮任务记忆和复杂代码分析的质量。当任务内容超出窗口限制时，系统会对早期内容进行压缩或截断，导致模型遗忘关键细节，进而产生执行偏差或错误。Codex 默认的 20 万 token 上限对多数日常任务已经够用，但处理大型代码库、长篇文档或持续数小时的多步骤任务时可能捉襟见肘。通过修改配置文件开启百万级上下文，本质上是让本地客户端突破官方默认的保守设定，将更多历史对话和任务状态保留在活跃上下文中。需要注意的是，更大的上下文意味着每次推理时模型需要处理更多 token，计算成本和响应延迟也会相应上升，并非所有任务都值得付出这一代价。

一个上手项目：做个桌面宠物

教程最后给出一个练手项目——用 Codex 做桌面宠物。操作路径是点击头像进入 Codex 设置，找到「宠物」选项点击创建，在跳转的对话框中提出需求并上传素材，Codex 便会生成一个桌宠。

UP 主展示的成品不仅有透明特效和多套皮肤，还接入了 DeepSeek^广告，可以实时读取电脑信息并对话。这个项目的价值在于把前面讲的权限、插件、上下文等设置串联到一个具体产出上，比单纯跟着按钮走更能让新手理解 Codex 的能力边界。

使用建议与风险提示

整体来看，这份教程的核心信息可以概括为：Codex 是一个能力较强的 Agent 工具，但强大功能背后普遍伴随额度消耗和授权风险，需要用户根据自身情况权衡。目标模式的极端案例、完全访问权限的渐进开启、百万上下文的成本代价，都是这个逻辑的体现。

UP 主在结尾也提醒，Codex 虽强但「切勿贪杯」，自己就因过度使用而熬夜伤身。这句提醒之外，更需要强调的是：教程中涉及的第三方账号注册、绕过手机验证、非官方渠道充值会员等操作存在明显的合规与账号安全隐患，读者应优先选择官方渠道，谨慎评估风险。