ARTICLE · 1211539
Codex从安装到实战案例的全链路使用指南!
AI 编程工具这几年经历了四次进化：2021年 Copilot 补全代码，2022 年 ChatGPT 对话着写代码，2023—2024 年 Cursor 陪你协作改项目，2025 年登场的 Codex 则是能真正执行工程任务的 Agent。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。
它能读懂陌生项目、修 bug、加功能、写测试重构、整理文档和 PR，还能跑命令、看 diff、做 code review。它和 ChatGPT 的区别是：ChatGPT 像顾问，给建议不动手；Codex 像实习生，真的会进项目把活干完。
Codex 有四种形态：App（桌面端）、CLI（命令行）、IDE Extension（编辑器插件）、Web（云端）。新手建议从 App 开始，安装前准备好账号、Git、VS Code 和一个英文路径的练习目录。
第一次打开 Codex App，要记住几个核心概念：项目目录相当于公司地址，thread（对话）相当于员工，review pane 是作业检查区。界面是三栏布局：左边任务列表，中间对话窗口，右边多功能区域。注意项目列表不是聊天记录列表，而是「代码项目列表」，你点进不同项目，Codex 看到的文件范围也不一样。
权限方面要理解 Sandbox 沙盒的三档：read-only（只读）、workspace-write（可写工作区）、danger-full-access（完全访问），配套审批也有三档。新手推荐「workspace-write + 请求批准」的组合。模型推理强度分低、中、高、超高四档，简单任务用低档省额度，复杂决策再开高档。
CLI 通过 npm install -g @openai/codex 安装。登录有两种方式：ChatGPT 账号登录适合普通用户，额度跟套餐走；API Key 登录适合开发者做自动化，按用量计费。橙皮书提醒：API Key 很敏感，不要写进代码、不要上传 GitHub、不要截图公开，一旦泄露要立刻删除或重新生成。
在项目目录运行 codex，它会把当前目录当成工作区，读取项目文件、package.json、README.md、AGENTS.md 和 Git 状态。它的标准工作方式是八步：读取项目 → 理解任务 → 提出计划 → 修改文件 → 运行命令 → 等待批准 → 展示 diff → 处理失败。
常用斜杠命令里，新手最该记住：/plan 先做计划、/diff 看改动、/review 审代码、/compact 压缩超长上下文。遇到卡住或结果不对：Codex 一直不动就检查 approval 或 /ps；反复修不好就让它先总结失败原因；越改越乱就暂停并要求最小改动；理解错需求就重写清楚目标、要求、限制。
Codex Web 的入口是 chatgpt.com/codex，核心概念是 Cloud Task：它在云端克隆你的 GitHub 仓库、新建分支跑任务，完成后提交一份「修改申请」也就是 PR。PR 的好处一句话概括：先检查，再合并，所以 Codex Web 很适合真实项目和团队项目。
创建云端任务要写清四件事：目标（做什么）、范围（只改哪些地方）、限制（哪些不能动）、验证（怎么检查）。橙皮书的示例是「请修复首页按钮点击无反应的问题」，并要求：只改按钮相关文件、不重构整个项目、不删现有功能、修复后运行构建或测试验证。反面示例则是模糊的「帮我优化一下项目」。
橙皮书用一个类比讲清三者关系：插件是能力安装包（工具箱），Skill 是一套固定工作方法（说明书），MCP 是连接外部工具的接口（插座）。常见插件有 Chrome、GitHub、Computer Use、Figma、Documents、Presentations、Spreadsheets、Remotion 等，App 里通过 /plugins 安装。
Skill 的判断标准很实用：每次都要写同一种 X Article、每次都按固定流程做 PR review，就应该做成 Skill；只是提醒用 pnpm，放 AGENTS.md 就行。一个任务重复出现 3 次以上，就值得沉淀成 Skill。
记忆系统则分层存放：当前 prompt 像临时便签；Memories 是个人习惯档案；全局 AGENTS.md 是个人工作规则；项目级 AGENTS.md 则是「写给 Codex 的项目规则说明书」，告诉它项目怎么运行、哪些目录不能动、测试和提交有什么要求。橙皮书还建议在全局 AGENTS.md 里写入防批量删除指令，防止 AI 误删文件。
橙皮书给出的标准工作流是六步：需求拆解 → 制定计划 → 小步实现 → 测试 → 代码审查 → 提交与复盘。第一步先说清背景、要解决的问题、不能动的功能和完成标准；第二步用 /plan 先出计划，不要直接写代码；第三步一次只改一个功能点，不要顺手重构，不确定就先停下来问。
第四步测试要覆盖单元测试、类型检查、lint、构建和手动浏览器测试。第五步做两轮审查：先让 Codex 自审 diff，再人工复核，重点盯安全（是否暴露密钥）、删除内容（误删旧逻辑）、边界条件和计划外修改。
第六步提交与复盘最容易被忽略，但橙皮书强调：交付不是结束，复盘才是下一次效率提升的开始。要生成规范 commit、写清 PR 描述、记录踩过的坑、沉淀好用的 Prompt，并把长期规则更新进 AGENTS.md，否则每次都像第一次做。
第五篇用五个宠物零食项目打通全流程。案例一从零做可发布的前端网站：本地建文件夹 Pet treats，开启计划模式，生成项目计划检查后执行，创建 Git 仓库管理代码，再用注释功能直接在页面上做细节修改，最后推送到 GitHub 并通过 GitHub Pages 发布公开链接。注意 GitHub Pages 只适合托管静态网站，不适合需要后端或数据库的业务逻辑。
案例二给网站增加功能：新建用户登录注册页、创建宠物分类和食品分类、实现加购后购买时确认地址，全程先用计划模式确认 AI 理解需求，再用注释优化细节，最后提交 Git。案例三制作管理后台，流程同样是「计划模式 → 检查效果 → 提交保存」。
案例四制作品牌招商 PPT：先安装 PPT Skill（把 GitHub 上的 Skill 地址发给 Codex 即可），再用「/」选择对应 Skill，Codex 最终生成一份完整的招商 PPT。案例五制作宣传视频：安装 HyperFrames 插件，先计划生成视频方案再执行，成品就是一条宠物零食宣传视频。
附录以 CC Switch + DeepSeek 为例演示第三方模型接入的非官方思路。CC Switch 是第三方开源桌面工具，核心用途有三：Provider 一键切换、MCP 统一管理、Skills 同步到不同 AI 编程工具。操作流程：到 DeepSeek 官网创建 API Key → 打开 CC Switch 添加模型并粘贴 Key → 开启本地路由映射 → 设置里把路由全部打开 → 点击启用。
同时提醒：这类方式不属于 OpenAI 官方功能，模型能力、兼容性、费用和隐私规则都以 CC Switch 和模型服务商的配置为准。重要项目建议先用测试仓库验证，不要直接在生产项目里试。从安装、命令行、云端任务到插件、记忆与标准工作流，这本书把 Codex 从「会聊天的 AI」变成了可交付工程结果的 teammate。
