上一篇我们学会了MCP，让AI从”只能说”变成了”能动手做”。文末提到OpenAI新推出了一个Codex桌面App，今天就来聊聊它。

之前我们一直在终端里用Codex CLI，虽然功能强大，但纯文字界面对新手确实不太友好。而像Cursor、VS Code这类IDE，功能又太多，打开满屏的代码面板，反而让人不知道该看哪里。

Codex APP就是终端和IDE之间的”中间地带”。 比终端多了可视化，比IDE少了那些看不懂的代码细节。

什么是Codex APP？

一句话解释：Codex APP = Codex CLI的图形界面版。

还是同一个Codex，只是换了一层”壳”。CLI是在终端里打字交互，APP是在桌面窗口里点击操作。底层能力完全一样，配置文件也共用同一个 ~/.codex/config.toml。

目前的限制：

• • 仅支持 macOS（Apple Silicon芯片），也就是M1及以上的Mac
• • Windows和Linux版本还在开发中

下载方式： 去OpenAI官网下载DMG安装包，直接安装即可。

登录方式：

界面功能介绍

Codex APP目前没有中文界面，所以这里把每个功能都翻译一下，方便你找到对应的按钮。

New Thread（新对话）

创建一个新的AI任务对话。创建时可以选择三种模式：

• • Local（本地模式）：直接在你的项目文件夹里工作
• • Worktree（工作树模式）：在Git工作树中隔离工作，不影响主分支
• • Cloud（云端模式）：在远程云端环境执行，需要ChatGPT账户登录

新手建议先用Local模式，最简单直接。

Skills（技能）

和我们之前介绍的Skill系统完全一样。这里可以查看和管理所有可用的Skill，也可以在对话中通过 /skill-name 来调用。

APP和CLI的Skill是共享的，你在CLI创建的Skill，APP里也能直接用。

Automations（自动化任务）

这是APP独有的功能，CLI里找不到。

通俗理解：相当于给AI设了个闹钟。

你告诉AI：”每天早上9点帮我做一件事”，它就会按时执行，结果放进你的收件箱等你审核。

工作方式：

1. 1. 设定执行频率（比如每天、每周）
2. 2. 写好指令（告诉AI要做什么）
3. 3. 可选绑定一个Skill（用 $skill-name 语法）
4. 4. AI按时执行，结果进入审核队列

常见用途举例：

• • 每日扫描最近的提交，检查有没有bug
• • 每周生成一份代码变更报告
• • 定期检查依赖包是否有安全漏洞
• • CI失败时自动总结失败原因

注意： Automations在本地运行，需要APP保持开启状态。对于Git项目，每次自动化任务会在独立的工作树中运行，不会干扰你正在做的事情。

Configuration（配置）

这里可以设置：

• • 模型选择：ChatGPT账户用户可以直接在界面切换模型
• • 审批策略：控制AI能自动做多少事，哪些需要你手动确认
• • 沙箱设置：限制AI的权限范围（只读/工作区写入/完全访问）

这些设置和CLI共用同一个 config.toml，改了一边另一边也会生效。

Personalization（个性化）

可以选择AI的”性格”：

还可以添加自定义指令，比如”用中文回复”、”代码注释用英文”等。这些指令会写入你的 AGENTS.md 文件。

MCP Servers（MCP服务器）

和上一篇讲的MCP配置完全一样。APP、CLI、IDE插件三者共享MCP配置，你在CLI里配好的MCP服务器，APP里自动就能用。

Git（Git集成）

这是APP相比CLI的一大亮点。内置了可视化的Git工具：

• • Diff查看：图形化显示代码变更，可以在行内添加评论
• • 暂存/撤销：选择性暂存某些代码块或整个文件
• • 提交/推送：直接在APP内完成commit和push
• • 创建PR：一键创建Pull Request

在CLI里这些都要靠命令行操作，APP里点点鼠标就行了。当然这里的概念估计你们都还不懂，之后我们会介绍

Environments（环境）

配置代码的执行环境。可以设置本地环境或云端环境，安装项目依赖等。

Worktrees（工作树）

Git Worktree的可视化管理。简单说就是让你的多个AI任务互不干扰。

比如你同时让AI做三件事：修bug、写新功能、重构代码。如果都在同一个目录下操作，文件改来改去肯定会冲突。Worktree就是给每个任务创建一个独立的工作副本，各干各的，互不影响。

Threads vs Projects——理解上下文

这是整篇文章最重要的部分，请认真看。

两个核心概念

Project（项目）= 你的代码仓库或文件夹。

类比一下：一个Project就像你的工作台。你在这个工作台上做所有和这个项目相关的事。

Thread（对话）= 项目中的一个具体任务。

类比一下：每个Thread就像工作台上的一张任务卡。修bug是一张卡，写文档是另一张卡。

一个Project可以有很多个Thread，但每个Thread只属于一个Project。

为什么这很重要？

这里要引入一个关键概念：上下文（Context）。

什么是上下文？

想象你和朋友微信聊天。你说”那个事情怎么样了？”，朋友知道你说的是哪件事——因为你们前面聊过。这个”前面聊过的内容”，就是上下文。

AI也是一样。你在对话中说过的每一句话、发过的每一个文件，AI都会记住，用来理解你后续的问题。这些AI”记住”的内容，就是AI的上下文。

上下文窗口 = AI的记忆容量

但AI的记忆不是无限的。它能记住的内容有个上限，叫”上下文窗口”。

目前Codex默认使用的模型是GPT-5.3-Codex，它的上下文窗口大约是40万token。你可以简单理解为大约能记住30万字左右的对话内容。

听起来很多，但如果你什么任务都在同一个对话里做，很快就会被塞满。

Thread隔离的好处

不同Thread的对话是隔离的，互不干扰。

打个比方：你同时做3个任务，如果所有对话都写在同一张纸上，修bug的内容、写文档的内容、讨论需求的内容全混在一起——你自己看着都头大，AI也会被搞混。

分成3个Thread就清晰了：

• • Thread 1：专门修bug，AI只记得和bug相关的对话
• • Thread 2：专门写文档，AI只记得和文档相关的对话
• • Thread 3：专门讨论需求，AI只记得和需求相关的对话

这对于知识库类的项目特别重要。 比如你用Obsidian管理笔记，一个Thread查资料，另一个Thread整理文档，互不污染。不会出现你在整理文档的时候，AI突然把查资料时的上下文混进来。

就比如我下面截图的Obsidian笔记，虽然是在同一个仓库，但是根据任务不同我有不同的thread，你也可以把这里理解为网页版GPT的对话概念

Codex APP vs Codex CLI

既然两者底层一样，选哪个好？来做个对比：

最大的几个区别

1. 对话可视化——不用再Resume找对话了

用CLI的时候，想回看之前的对话，需要用 codex --resume 来找。对话多了以后，找起来挺麻烦。

APP里直接有一个对话列表，所有Thread一目了然，点一下就能切换。光这一点，对于经常多任务并行的人来说就值了。

2. Automations定时任务——APP独有

这个功能CLI没有。想在CLI里实现类似效果，你得自己用系统的cron或者其他定时工具来搞，门槛不低。APP里直接设置就行，方便得多。

3. 模型切换更方便

用ChatGPT付费账户登录的话，可以直接在APP界面切换模型，不需要改配置文件。

如果你和我一样是用API Key的： APP和CLI共用同一个 ~/.codex/config.toml，在toml里指定模型就行，APP会自动读取。比如：

model = "GPT-5.3-Codex"

4. 定位：终端和IDE的中间地带

对比终端，APP多了可视化的对话管理、Git操作、定时任务。

对比IDE（如Cursor），APP省略了满屏的代码面板和复杂的编辑器功能，专注在AI对话和项目管理上。

如果你觉得终端太极客、IDE太复杂，APP可能就是你要找的那个”刚刚好”。

个人体验

说句大实话：我个人还是更喜欢用终端。

不知道是不是我的错觉，总感觉APP的响应速度比CLI慢一点。可能是图形界面的渲染开销，也可能纯粹是心理作用，我不确定。

但我必须承认，APP对新手确实更友好。 特别是对话管理和Git操作这两块，可视化的体验比在终端里敲命令舒服太多了。

建议：两个都试试，找到适合自己的工具就行。 反正配置是共享的，切换起来也没什么成本。

总结

今天学到了什么：

1. 1. Codex APP是什么：Codex CLI的图形界面版，目前仅支持macOS Apple Silicon
2. 2. 核心功能：Threads对话管理、Automations定时任务、Git可视化集成、Worktree工作树隔离
3. 3. Threads vs Projects：Project是工作台，Thread是任务卡——任务隔离，保护上下文不被污染
4. 4. vs CLI的区别：对话可视化 + Automations定时任务是最大优势，但速度体感可能稍慢
5. 5. 定位：终端和IDE之间的中间选择，适合想要可视化但不需要完整IDE的用户

核心要点：

• • Codex APP和CLI底层完全一样，配置共享，选哪个都不亏
• • Thread隔离是关键——不同任务分开对话，防止上下文污染
• • Automations是APP独有的杀手功能，相当于给AI设闹钟

下期预告

下一篇我们聊一个可能颠覆你认知的话题：为什么你不需要学N8N了，因为可以用Skill替代

N8N是一个很火的低代码自动化平台，很多人花了大量时间学习它。但我发现，Skill可以替代大部分N8N的使用场景，而且：

• • 学习成本更低
• • 和AI工具原生集成，不需要额外平台
• • 更灵活，改起来更方便

到底是怎么回事？下期详细聊。

敬请期待！

如果觉得有帮助，记得关注这个系列！