开发者Club

3分钟搞懂Codex

Codex 是 OpenAI 的编程 Agent，能在你的电脑或云端容器里读代码、改文件、跑命令。本文讲清 Codex 这个名字指的是什么、本地和云端两种用法、沙箱和审批怎么配、四个模型怎么选、和 ChatGPT 套餐的关系，以及国内怎么接入。

开发者Club
7 分钟阅读
AI人工智能CodexOpenAI编程AgentAI编程Codex CLICodex CloudAGENTS.md沙箱GPT-6.1 SolChatGPT
阅读 —收藏 —

一句话定义

Codex 是 OpenAI 推出的编程 Agent：你交代一个任务，它会自己读代码仓库、修改文件、执行命令和测试，再根据运行结果继续修改，最后把改动交给你检查。它既可以在你自己的电脑上干活，也可以在 OpenAI 的云端容器里干活，你的电脑关机了它也能继续。

比如进入一个项目目录，输入：

codex "给用户注册接口加上邮箱格式校验, 并补上对应的单元测试"

接下来 Codex 会先搜索和注册相关的代码，读懂现有的校验逻辑，再修改代码、补测试，然后自己把测试跑一遍。测试没通过的话，它会根据报错接着改，直到通过为止。

Codex CLI 在终端里收到「解释这个代码库」的任务后，先写出计划，再开始浏览文件 图注：openai/codex 仓库 README 里的 Codex CLI 界面截图。顶部方框显示当前用的模型和所在目录，下面用户输入了「Explain this code base to me」（给我讲讲这个代码库），Codex 先说明自己打算怎么做，然后列出一份分步计划（Updated Plan），再进入浏览文件的阶段（Explored）。图里的 gpt-5.2-codex 是截图时的旧模型，用 ChatGPT 账号登录时现在已经选不到了。

Codex 现在的形态是一步步变过来的：2025 年 4 月先推出了开源的命令行工具 Codex CLI，5 月推出了在云端执行任务的 Codex，2026 年 2 月又有了独立的桌面应用。到了 2026 年 7 月 9 日，OpenAI 把 Codex 桌面应用并进了新版的 ChatGPT 桌面应用，所以现在打开 ChatGPT 桌面应用，就能在 ChatGPT 和 Codex 两种模式之间切换。

Codex 这个名字，指的不是同一个东西？

如果你在网上搜 Codex，会发现不同时期的文章说的完全不是一回事，这是理解 Codex 时最容易搞混的地方。

2021 年的 Codex 是一个模型。它是 OpenAI 在 GPT-3 基础上专门用代码训练出来的模型，最早的 GitHub Copilot 就是用它来做代码补全的。这个模型在 2023 年 3 月就已经停用了。所以如果你看到「Codex 是 Copilot 背后的模型」这种说法，说的是这个早已停用的旧模型，和今天的 Codex 没有关系。

2025 年之后的 Codex 是一个 Agent 产品。它不再是某一个模型的名字，而是一整套「让模型自己动手写代码」的工具，包括命令行、编辑器插件、桌面应用和云端任务。

中间还有一段过渡期：OpenAI 曾经专门为 Codex 训练过一些编程模型，名字里带着「codex」，比如 GPT-5-Codex、GPT-5.3-Codex。不过 2026 年 3 月发布的 GPT-5.4 开始把这些编程能力并进了通用的 GPT 模型，现在 Codex 推荐使用的也都是通用模型。截止目前，用 ChatGPT 账号登录时，gpt-5.3-codex 这类模型都已经不能选了。所以现在说「Codex」，指的就是这个 Agent 产品，背后用的是哪个模型，你可以自己选，后面会讲到怎么选。

本地跑和云端跑，有什么区别？

Codex 最大的特点，是同一个 Agent 有两种完全不同的干活方式：

  • 本地：Codex 直接在你的电脑上操作你的项目文件，执行的命令也是在你的电脑上跑的。好处是它能用你已经装好的开发环境，你可以一边看着它改、一边随时纠正它。
  • 云端：Codex 会在 OpenAI 的服务器上为每个任务单独开一个容器（可以理解为一台临时的虚拟电脑），把你的 GitHub 仓库拉进去再开始干活。好处是不占用你的电脑，你可以同时丢好几个任务给它，关上电脑去开会，回来再看结果。

两种方式的流程大致是这样的：

本地: 你的终端/编辑器 → Codex 在你的电脑上读文件、改代码、跑测试 → 你直接看到改动
云端: 网页/手机/桌面应用 → OpenAI 开一个容器拉取仓库 → 在容器里改代码、跑测试
     → 你检查改动 → 满意了再提交或者开一个 PR

本地和云端两种用法的对比：本地直接改你电脑上的项目，云端每个任务一个容器，最后汇总成 PR

这两种方式对应着不同的使用入口：

入口在哪里跑适合什么情况
Codex CLI（命令行）本地习惯在终端里工作，或者要把 Codex 放进脚本和 CI 里
IDE 插件本地，也能把任务转到云端用 VS Code、Cursor、Windsurf 写代码，想直接在编辑器里看改动；JetBrains 和 Xcode 也有官方集成
ChatGPT 桌面应用（Codex 模式）本地和云端都可以想同时开好几个任务并排看，或者设置定时任务
网页和手机 App云端在 chatgpt.com/codex 上丢一个任务，过一会儿再回来看
GitHub、GitLab、Slack、Linear云端在 PR 里 @codex 让它审查代码，或者在聊天群、工单里直接派活

VS Code 风格的编辑器里，左边是 Codex 改动的代码对比，右边是 Codex 面板，列出改了哪 3 个文件，可以撤销或审查 图注：OpenAI Codex 官方文档里的 IDE 插件截图。左边的「Codex Diff」按文件列出这次的改动，红色是删掉的行，绿色是新加的行；右边的 Codex 面板汇总了「Edited 3 files」（改了 3 个文件），可以点 Undo 撤销或者点 Review 逐个检查。面板右下角的「5.6-Sol」是截图时用的模型，左下角的「Work locally」表示这个任务是在本地运行的。

需要注意的是，云端任务比本地任务更费用量，官方在价格页里也说明了这一点。如果一个任务在本地就能做，优先在本地做会更划算。

装好 CLI，第一次怎么用？

Codex CLI 是开源的，代码在 GitHub 上的 openai/codex 仓库里，用 Rust 写成，采用 Apache 2.0 协议，这意味着你可以免费查看和修改它的源码。安装方式有好几种：

# macOS、Linux
curl -fsSL https://chatgpt.com/codex/install.sh | sh
 
# Windows PowerShell
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"
 
# 也可以用 npm 或 Homebrew 安装
npm install -g @openai/codex
brew install --cask codex

装好之后进入项目目录，输入 codex 就能启动。第一次运行时，选择「Sign in with ChatGPT」用你的 ChatGPT 账号登录，用量就算在你的 ChatGPT 套餐里；也可以改用 OpenAI 的 API Key，按 token 付费。

进入对话之后，下面几个命令最常用：

命令作用
/init扫描项目，自动生成一份 AGENTS.md 初稿
/model切换模型、调整推理强度
/permissions调整它能自己做哪些事、哪些事要先问你
/review让它审查当前的代码改动，找出问题
/status查看当前会话用的模型、权限等配置
codex resume回到当前仓库里之前的某次对话
codex cloud从终端发起一个云端任务，或者查看云端任务的进度

用 AGENTS.md 告诉它项目的规矩

每次新开一个对话，Codex 都不记得你上次交代过什么。如果你希望它每次都遵守「用 pnpm 不用 npm」「改完代码要跑 lint」这类规矩，就要把它们写进 AGENTS.md。这是一个普通的 Markdown 文件，Codex 每次开始干活之前都会先读一遍。

# AGENTS.md
 
## 项目约定
- 包管理器用 pnpm, 不要用 npm
- 提交前运行 pnpm lint && pnpm test
- 新增生产依赖之前先问我

Codex 读取 AGENTS.md 的规则是分层的，这一点比较实用：

  1. 全局：先读 ~/.codex/AGENTS.md，这里写你个人在所有项目里都适用的习惯；
  2. 项目：再从仓库根目录开始，一层层往下读，直到你当前所在的目录，每一层的 AGENTS.md 都会被读进来；
  3. 越靠近当前目录的文件，优先级越高。比如在一个大仓库里，services/payments/ 目录下可以单独放一份规则，覆盖根目录里的通用规则。

AGENTS.md 分三层读取：全局、仓库根目录、子目录，越靠近当前目录的规则越优先

所有 AGENTS.md 加起来默认最多读取 32 KiB，超过的部分会被忽略。所以 AGENTS.md 只写最核心的规则就好，写得越长，每次请求消耗的用量也越多。

AGENTS.md 并不是 Codex 独有的格式，现在很多编程 Agent 都能读取它。如果你同时在用几个不同的 AI 编程工具，在仓库里放一份 AGENTS.md，基本都能用上。

沙箱和审批，是两道不同的关卡

Codex 能在你的电脑上直接执行命令，所以「它能做什么、什么时候要先问你」是最需要想清楚的设置。Codex 用两样东西来管这件事，很多人会把它们混为一谈：

  • 沙箱（sandbox）决定 Codex 执行的命令在技术上能碰到什么：能改哪些目录的文件，能不能访问网络。这是由操作系统来强制执行的，macOS 上用的是系统自带的 Seatbelt，Linux 和 WSL2 上用的是 bubblewrap（需要先用包管理器装好），Windows 上用的是原生的 Windows 沙箱。
  • 审批（approval）决定 Codex 想要超出沙箱范围的时候，要不要先停下来问你。

打个比方，沙箱像是公司给实习生的门禁卡，决定了他能进哪几个房间；审批则是他想进别的房间时，要不要先找你签字。门禁卡是硬性的，不管实习生怎么想，刷不开的门就是进不去。

动画：Codex 棋子在项目房间里自由改文件，走到网络门口要先签字才放行一次；换成完全放开后，墙被擦掉，它直接撞翻了项目之外的照片文件夹

沙箱有三种模式：

沙箱模式能做什么适合的情况
read-only只能看文件，改文件和执行命令都要先经过你同意只想让它分析代码、回答问题
workspace-write能读文件、修改当前项目里的文件、执行常规的本地命令日常开发，这是官方推荐的默认模式
danger-full-access没有任何限制，文件和网络都不受约束只适合在隔离的容器或虚拟机里用

审批策略常用的有两种：on-request 表示在沙箱里自由干活，要越界时先问你；never 表示从不停下来问。官方把 workspace-write 加 on-request 作为风险较低的组合，而「完全放开」指的是 danger-full-access 加 never。

如果你觉得频繁确认太打扰，还有一个折中的办法：自动审查（Auto-review）。开启之后，原本需要你确认的请求，会先交给另一个独立的审查 Agent 来判断能不能执行，并且给出理由。在 ChatGPT 桌面应用和 IDE 插件里，它对应的是权限菜单里的「Approve for me」；在命令行里则是在配置文件里设置 approvals_reviewer = "auto_review"。自动审查不会扩大沙箱的范围，沙箱里本来就允许的操作，也不会再经过它审查一遍。

这些默认设置都写在 ~/.codex/config.toml 这个配置文件里，命令行、IDE 插件和桌面应用共用同一份：

model = "gpt-6.1-sol"
sandbox_mode = "workspace-write"
approval_policy = "on-request"

如果你只是想让某几条命令不用每次确认，比如允许它执行 git status，更好的做法是用规则（rules）单独放行这几条命令，而不是直接把整个沙箱放开。

不开对话窗口，也能让它干活

除了在对话里一来一回地交流，Codex 还可以用 codex exec 放进脚本和 CI 流水线里。它会把执行过程输出到错误流里，只把最终结果输出到标准输出，方便你接着交给别的命令处理：

# 根据最近 10 次提交生成发布说明, 同时保存到文件
codex exec "根据最近 10 次提交生成发布说明" | tee release-notes.md
 
# 把日志交给它分析
tail -200 app.log | codex exec "看看有没有异常, 有的话列出来"

需要注意的是，codex exec 默认运行在只读沙箱里。如果你需要它在 CI 里改文件，要明确加上 --sandbox workspace-write。以前很多教程里写的 --full-auto 参数现在已经不支持了，如果你的脚本里还在用，需要改成 --sandbox workspace-write。

在这个基础上，还有几种常见的自动化用法：

  • 结构化输出：加上 --json 可以拿到每一步的事件流，加上 --output-schema 可以让最终结果符合你给定的 JSON 格式，方便后续的程序直接读取。
  • 自动审查 PR：把 GitHub 仓库连接到 Codex 之后，在 PR 的评论里写 @codex review，它就会审查这次的改动，并以 GitHub 代码审查的形式发表意见；也可以在设置里打开「Automatic review」，让每个新 PR 都自动审查一遍。如果仓库里有 AGENTS.md，它在审查时也会遵守里面的规则。
  • GitHub Action 和 SDK：官方提供了 Codex GitHub Action，可以在 GitHub 的各种事件触发时运行 Codex；也提供了 Codex SDK，让你用代码来控制本地的 Codex Agent，把它嵌进自己的工具里。

四个模型，怎么选？

Codex 本身不是模型，它用的是 OpenAI 的 GPT 模型。从 GPT-5.6 开始，OpenAI 把模型分成了四个档位，版本号表示第几代，名字表示档位。截止目前，Codex 里推荐的是下面这四个：

模型定位API 价格（每百万 token，输入 / 输出）Plus 套餐每 5 小时的本地消息数
GPT-6 Astra最强的旗舰，处理最难、最长的端到端任务10 美元 / 50 美元5–45 条
GPT-6.1 Sol主力档，能力接近 Astra，价格低很多2 美元 / 10 美元15–160 条
GPT-6.1 Terra速度快，擅长写作、看图和操作电脑1 美元 / 5 美元35–285 条
GPT-6 Luna最便宜，适合目标明确、重复性强的小任务0.1 美元 / 0.5 美元350–3000 条

消息数之所以是一个范围，是因为每条消息消耗的用量取决于任务的复杂程度和要读多少代码。从这张表可以看出，Astra 的 API 价格是 Sol 的 5 倍，在 Plus 套餐里能发的消息也少得多。OpenAI 在 9 月底发布 GPT-6.1 Sol 时说，它在编程 Agent、操作电脑这些任务上的能力已经接近 GPT-6 Astra。所以大部分编程任务用 GPT-6.1 Sol 就够了，只有在 Sol 反复搞不定的难题上，再切换到 Astra。另外，在 Codex 和 ChatGPT Work 里，GPT-6.1 Sol 默认的上下文窗口是 50 万 token，一般的项目都能装得下。

如果你不在配置里指定模型，Codex 会使用官方推荐的模型。想切换的话，在对话里输入 /model，或者启动时用 -m 参数指定：

codex -m gpt-6.1-sol
codex exec -m gpt-6.1-terra "审查当前的改动"

除了选模型，还可以调推理强度，也就是让模型想得多深。从低到高依次是 Low（桌面应用里叫 Light）、Medium、High、Extra High，再往上还有两档特殊的：

  • Max：给模型更多时间深入思考同一个任务，适合最难的问题；
  • Ultra：把一个大任务拆成几部分，派出多个子代理（subagents）并行处理，适合能拆分的大任务。

官方的建议是，先从默认强度开始，任务确实复杂再往上调，大部分任务用不到 Max 和 Ultra。推理强度越高，花的时间越长，消耗的用量也越多。

如果你的脚本或配置文件里还写着 gpt-5.5、gpt-5.4 这些旧模型，用 ChatGPT 账号登录时它们已经不能用了，需要换成 gpt-6.1-sol 或 gpt-6-luna。用 API Key 登录的话不受影响。

和 ChatGPT 套餐是什么关系？

Codex 没有单独的价格，用 ChatGPT 账号登录时，它的用量包含在 ChatGPT 套餐里：

套餐价格Codex 能用到什么程度
Free0 美元有限的试用，在桌面应用里用 GPT-6 Luna（逐步开放中）
Go8 美元 / 月同样是有限的试用，适合轻量的小任务
Plus20 美元 / 月（约 140 元人民币）可以用 GPT-6.1 Sol 和 GPT-6 Luna，包含云端功能，每周能做几次集中的编程
Pro100、200、500 美元 / 月三档截止目前没有 5 小时的限制，适合每天长时间高强度使用；100 和 200 美元档的额度里包含 GPT-6 Astra
Business每人每月 20 美元（按年付费）或 25 美元（按月付费）标准席位的用量和 Plus 一样
Enterprise / Edu联系销售GPT-6.1 Sol 默认关闭，需要管理员手动开启

用量限制按「每 5 小时」和「每周」两个周期来算，本地任务和云端任务共用同一份额度。用完之后，可以等额度重置，也可以购买额度（credits）按量付费。

这里有一个即将生效的变化需要注意：OpenAI 已经通知用户，从 12 月开始，Plus、Pro 和 Business 用户的 ChatGPT 和 Codex 将共用一份按 token 计算的用量额度，越强的模型、越复杂的任务消耗得越多（Instant 模式的普通聊天不计入）。这意味着如果你平时在 ChatGPT 里大量使用高级模型，留给 Codex 的额度也会相应变少，反过来也一样。合并之后，可以在设置里的「Usage」页面查看剩余的额度和重置时间。

如果你用的是 API Key，那就和 ChatGPT 套餐无关，完全按上面表格里的 API 价格计费，用多少付多少。

国内开发者怎么用？

OpenAI 的服务不对中国大陆开放，ChatGPT 账号和 OpenAI API 在大陆都无法直接注册使用。通过第三方中转平台来用，有账号被封和代码泄露的风险，涉及公司代码时一定要谨慎。

不过 Codex CLI 是开源的，可以在配置文件里换成其他模型服务。这里有一个需要特别注意的限制：新版 Codex 只支持 OpenAI 的 Responses API 这种接口格式，以前常用的 Chat Completions 格式（配置里写 wire_api = "chat"）已经不再支持了。所以网上很多旧教程里的配置，复制过来会直接报错。

国内厂商里，阿里云百炼的官方文档给出了接入 Codex 的完整配置，它的按量计费和 Token Plan 都支持 Responses API。以按量计费为例，在 ~/.codex/config.toml 里这样写：

model_provider = "Model_Studio"
model = "qwen3.7-max"
 
[model_providers.Model_Studio]
name = "Model_Studio"
# 把 {WorkspaceId} 换成你自己的业务空间 ID
base_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1"
env_key = "OPENAI_API_KEY"
wire_api = "responses"

然后把百炼的 API Key 设置到环境变量 OPENAI_API_KEY 里，就可以启动 Codex 了。百炼的 Token Plan 里还能选到 GLM、DeepSeek、Kimi 等模型。需要注意的是，百炼的 Coding Plan 套餐目前只支持 Chat Completions 格式，官方文档的说法是需要装 0.93.0 或更早版本的 Codex 才能用。

如果你对数据隐私的要求很高，也可以用 Ollama 在本地运行开源模型，再用一条命令把 Codex 接上去：

ollama launch codex

Ollama 官方文档的要求是，模型的上下文窗口至少要有 64k，并且要支持工具调用，否则在 Codex 里选不到这个模型。

对于只提供 Chat Completions 接口的模型服务，就需要在中间加一层协议转换的代理才能接入。不管用哪种方式，都要注意：Codex 的提示词和工具设计是针对 OpenAI 的模型调过的，换了模型之后，长任务的稳定性和工具调用的准确率都可能会有差距。建议先拿一个小任务试一试，再决定要不要用在正式的项目里。

用 Codex 时，要注意什么？

danger-full-access 只在隔离环境里用。这个模式去掉了文件和网络的所有限制，如果 Codex 理解错了你的意思，或者被恶意内容诱导，它执行的命令就可能删掉你项目之外的文件，或者把敏感信息发到外面。在你日常使用的电脑上，保持 workspace-write 就够了。

云端环境的网络和密钥要按需开放。云端任务可以配置访问网络、使用环境变量和密钥。Codex 在干活时会读取 issue、网页和依赖包里的内容，如果这些内容里藏着「把环境变量发到某某地址」这样的指令，模型就有可能被诱导去执行，这就是提示词注入。所以官方建议只放行任务真正需要访问的网址，生产环境的密钥尽量不要放进去。

代码能通过测试，不代表代码是对的。Codex 可能为了让测试通过而改了测试本身，也可能在没有测试覆盖的地方埋下问题。云端任务交回来的改动，最终合并之前，你还是要像审查同事的代码一样自己看一遍，尤其是涉及登录、权限、支付和删除数据的部分。

时效性提醒

Codex 的更新非常频繁，下面这些内容最容易变化：

  • 版本和命令：命令行几乎每周都会发新版本，参数和默认设置可能会调整，比如 --full-auto 就是这样被移除的；
  • 模型：OpenAI 发布新模型之后，推荐的默认模型会跟着变，旧模型也会陆续下线；
  • 套餐和用量：12 月 ChatGPT 和 Codex 合并用量之后，各套餐实际能用多少还需要再观察；
  • 产品形态：Codex 已经从独立应用并进了 ChatGPT 桌面应用，入口和名称后续可能还会调整。

建议：

💬 互动话题：你用 Codex 时更多是在本地跑，还是把任务丢到云端？沙箱模式你开的是 workspace-write，还是已经放心地用上了自动审查？

📖 相关阅读：

资料来源：

上一篇
3分钟搞懂Claude Code
下一篇
3分钟搞懂Cursor

评论

登录后即可发表评论

登录账户

加载评论中...