认识 Codex：从代码补全到工程 Agent
从零开始掌握 OpenAI Codex——AI 编程工程 Agent。14 章覆盖认识 Codex、四种入口安装、核心功能（自动化/插件/Skill/MCP/Git/记忆）、标准工作流、实战案例和第三方模型接入。
一句话结论
Codex 不是又一个写代码的 ChatGPT，而是一个能进入项目、读懂代码、改文件、跑命令、整理 diff 的 AI 工程 Agent。
第一篇：先搞懂 Codex 是什么
Codex 基础认知
Codex 到底是什么
很多人第一次听到 Codex，会下意识把它理解成“又一个 AI 写代码工具”。
但如果只把 Codex 当成“帮我写代码的 ChatGPT”，你很容易低估它。
Codex 真正重要的地方，不是它能不能写一个函数、补一段代码、解释一个报错，而是它代表了 AI 编程工具的一次角色变化：
以前，AI 是坐在你旁边帮你补代码的人。
后来，AI 是在编辑器里和你一起改代码的人。
现在，Codex 更像是一个可以被交代任务的工程执行者。
它不只是回答你“这段代码怎么写”，而是可以进入一个项目，读取文件，理解上下文，制定计划，修改代码，运行命令，检查结果，最后把改动整理成可以 review 的结果。
这就是 Codex 和普通 AI 聊天工具最大的区别。
五年变了四次
AI 编程工具的四次进化
过去几年，AI 编程工具大致经历了四个阶段。
2021 年：Copilot 补全时代。 Codex 这个名字第一次被大量开发者听到，是因为 GitHub Copilot。那时 AI 主要负责代码补全：你写开头，它补后面；你写函数名，它补函数体。它像一个更聪明的输入法，能让你写得更快，但项目怎么拆、文件怎么找、测试怎么跑，仍然主要靠人完成。
2022 年：ChatGPT 对话时代。 ChatGPT 出现后，AI 编程从“补全”进入“对话”。你可以直接问它报错原因、代码优化、接口写法、项目结构解释。AI 从输入法变成了问答伙伴。但它通常不在真实项目里，你需要复制代码、粘贴报错、手动补上下文，再把答案搬回项目。
2023—2024 年：Cursor 项目协作时代。 Cursor 这类 AI 编辑器让 AI 真正进入编辑器，能看到文件、修改函数、跨文件重构、根据项目上下文完成一部分开发任务。AI 开始从“回答问题”变成“协助修改项目”。但它大多数时候仍依附在 IDE 里，你还需要盯着它改、判断下一步、跑测试、整理提交。
2025 年：Codex 工程 Agent 时代。 Codex 重新出现后，已经不只是当年负责代码补全的模型，而是面向真实软件工程任务的 coding agent。它能读项目、解释代码、修 bug、加功能、补测试、重构模块、运行命令、检查 diff、整理 PR 说明，甚至并行处理多个工程任务。
这意味着，AI 编程工具的重点正在从“帮你写代码”转向“帮你交付任务”。
一句话总结：
Copilot 帮你补代码，ChatGPT 帮你想代码，Cursor 陪你改项目，而 Codex 开始帮你执行工程任务。
Codex 能做什么
What Codex Can Do
很多人第一次用 Codex，会直接问：
- “帮我写一个登录页面。”
- “帮我修一下这个 bug。”
- “帮我做一个项目。”
这些当然可以，但还不够准确。
Codex 真正擅长的，不是凭空生成一段代码，而是在真实项目里完成一组工程任务。
它可以读项目、找文件、理解上下文、制定计划、修改代码、运行命令、检查结果、整理 diff，最后把任务推进到可以 review 的状态。
所以，不要把 Codex 当成一个“代码生成按钮”。
更准确地说：
Codex 是一个可以进入项目现场的 AI 工程助手。
它能做的事，大致可以分成以下几类。
读懂一个陌生项目
使用 Codex 的第一步，不应该是让它直接写代码，而是让它先读项目。
它可以帮你快速搞清楚：
- 项目用什么技术栈。
- 入口文件在哪里。
- 核心模块在哪里。
- 测试和构建命令是什么。
- 哪些文件不能随便动。
很多 Codex 任务失败，不是因为它不会写代码，而是因为它还没理解项目，就被要求直接动手。
解释代码和梳理逻辑
Codex 可以帮你解释看不懂的代码。
比如：
- 这个函数是做什么的。
- 这个组件为什么这样写。
- 接口调用链路是什么。
- 状态从哪里来。
- 这个 bug 可能和哪些文件有关。
它不只是解释单个函数，还可以结合上下文，梳理模块关系、数据流和潜在风险。
这对接手旧项目尤其有用。
修 bug 和加功能
Codex 很适合处理边界清楚的开发任务。
比如：
- 修复一个可复现 bug。
- 新增一个设置页。
- 新增一个表单校验。
- 新增一个接口。
- 新增一个导出按钮。
- 优化一个前端页面。
但不要直接把一个大项目丢给它。
更好的方式是把任务拆小：
- 先读项目。
- 再出方案。
- 只改一个模块。
- 跑测试。
- 看 diff。
- 确认没问题后再继续。
Codex 更适合连续完成小任务，而不是一次吞下大项目。
写测试、做重构
Codex 可以帮你补测试，也可以帮你重构代码。
它可以做：
- 补单元测试。
- 补边界条件。
- 补异常场景。
- 提取重复逻辑。
- 拆分过长函数。
- 整理组件结构。
- 封装 API 请求。
但这类任务必须加边界：
- 不改业务逻辑。
- 不改公共 API。
- 不引入无关依赖。
- 不大范围重构。
- 修改后必须跑测试。
Codex 能重构，但你必须控制范围。
写文档和整理 PR
Codex 很适合写工程文档。
比如：
- README。
- 安装说明。
- 启动说明。
- 接口文档。
- 环境变量说明。
- 项目结构说明。
- PR 描述。
- commit message。
- 更新日志。
文档不是附属品。
在 Codex 工作流里，文档本身就是上下文基础设施。
文档越清楚，后续人和 AI 接手项目都会更轻松。
但要提醒 Codex：
不要编造不存在的命令，不确定的信息要明确标注。
跑命令、看 diff、做 review
Codex 和普通聊天工具最大的区别之一，是它可以在项目环境里运行命令。
它可以：
- 运行测试。
- 运行 lint。
- 运行 typecheck。
- 运行 build。
- 查看 git status。
- 查看 git diff。
- 搜索代码。
- 检查修改结果。
这让 Codex 不只是“猜答案”，而是可以验证结果。
但命令执行也有风险。
能验证的，可以让它验证。
有风险的，必须由你批准。
涉及生产环境、数据库、真实用户数据的操作，不要交给它自动执行。
什么时候适合用 Codex
适合 Codex 的任务，一般有几个特点：
- 目标明确。
- 范围可控。
- 上下文清楚。
- 结果能验证。
- 失败能回滚。
- 风险可接受。
比如：
- 读项目。
- 修 bug。
- 加小功能。
- 补测试。
- 写文档。
- 优化前端页面。
- 整理 PR。
- 审查 diff。
- 处理重复任务。
什么时候不适合直接用 Codex
不建议直接让 Codex 处理：
- 生产数据库。
- 真实用户数据。
- 支付核心逻辑。
- 权限和安全核心模块。
- 大规模架构迁移。
- 没有备份的重要项目。
- 没有测试的核心业务。
- 你自己也无法验收的任务。
如果你判断不了结果对不对，就不要让 Codex 独立完成。
Codex 可以提高效率，但不能替你做判断。
一句话总结
Codex 能做的事情，不只是写代码。
它真正重要的能力是：
把一个明确的软件工程任务，从需求推进到可 review 的结果。
你不是让它随便写点代码。
你是在让它按照你的项目规则、上下文和验收标准，完成一项可控的工程任务。
Codex 与 ChatGPT 的区别
很多人会问：
既然 ChatGPT 也能写代码，为什么还要用 Codex？
核心区别在于：
ChatGPT 更像一个顾问，有问题问GPT，从它那里得到答案，然后自己去执行。那么现在Codex更像是一个实习生，我们能够真正的让它帮我们干活，交代任务能够完成这种。
ChatGPT 适合帮你想问题。
Codex 适合帮你推进任务。
更合理的用法是：
先用 ChatGPT 想清楚，再用 Codex 进项目执行。
Codex 与 Cursor 的区别
很多人会把 Codex 和 Cursor 放在一起比较，因为它们都能帮你写代码、改代码、理解项目。
但它们的定位并不一样。
Cursor 更像一个 AI 编辑器，Codex 更像一个工程 Agent。
合理的用法是组合使用：
用 Cursor 做日常编码和局部修改，用 Codex 做任务推进和工程交付。
Cursor 负责陪你写。
Codex 负责帮你跑完整任务。
一个偏 IDE 协作，一个偏 Agent 执行。
这就是它们最大的区别。
Codex 与 Claude Code 的区别
Codex 和 Claude Code 很像。
都是 agentic coding 工具， 但两者的侧重点不一样。
Claude Code 更偏终端里的长期协作
Claude Code 的体验更像是：
你打开终端，把它放进项目里，然后和它围绕一个开发任务持续协作。
它适合：
- 长时间读项目。
- 持续追踪一个复杂任务。
- 在终端里边讨论边修改。
- 处理多步骤工程问题。
- 通过 hooks、subagents、MCP 等机制扩展工作流。
所以，Claude Code 更像一个长期待在你终端里的 AI 工程搭档。
它的优势在于命令行工作流、深度上下文协作和工程任务连续推进。
Codex 更偏 OpenAI 生态里的多端任务执行
Codex 的优势，不只在 CLI，而在 OpenAI 生态里的多端联动。
它可以通过不同入口使用：
Codex CLI。
Codex App。
Codex IDE Extension。
Codex Web。
ChatGPT 账号体系。
GitHub / PR 工作流。
Skills 和项目规则。
OpenAI 官方文档中，Codex CLI 是本地终端里的 coding agent；Codex App 则提供桌面端多线程、worktree、自动化和 Git 功能；Codex Skills 也可以在 CLI、IDE extension 和 Codex app 中复用。
所以，Codex 更像一个接入 OpenAI 生态的工程任务平台。
它不只是“在终端里写代码”，而是可以在 App、CLI、IDE、Web 等多个入口之间流转，让你用不同方式管理、执行和审查工程任务。
怎么选
如果你更喜欢终端工作流，希望 AI 长时间待在项目里，和你围绕复杂任务持续协作，Claude Code 很适合。
如果你已经在使用 ChatGPT 和 OpenAI 生态，希望在 CLI、桌面 App、IDE、Web 之间切换，并把任务、diff、PR、Skills、GitHub 工作流串起来，Codex 会更顺手。
但两者没有绝对谁替代谁。
最终选择要看：
- 模型能力。
- 上下文处理。
- 工具链。
- 价格。
- 团队习惯。
- 你自己的开发流程。
一句话总结：
Claude Code 更像终端里的长期工程搭档，Codex 更像 OpenAI 生态里的多端工程 Agent。
一句话总结 Codex
- 初级用法：让它帮你写代码。
- 中级用法：让它帮你读项目、改功能、跑测试。
- 高级用法：让它成为你的项目执行代理，配合规则、上下文、自动化和团队流程工作。