夜雨聆风以前我们说 AI 写代码，大多是在聊天框里问一句：“帮我写个函数”“帮我改个 bug”“帮我解释这段代码”。
但现在，Codex、Claude Code 这一类工具已经不只是“回答代码问题”，而是开始进入真实工作环境：读项目、改文件、运行命令、接入 GitHub、生成 PPT，甚至通过 MCP 接入外部工具。
用过cursor、VS code、trae等软件的人都知道，这样可以更好地捕捉同一个项目内容中的关联，从而撰写出更精准的代码。但是AI Agent的发展不会止步于此。
一、先说 MCP：它到底是什么？
MCP 的全称是 Model Context Protocol，中文可以理解为“模型上下文协议”。
这句话听起来有点抽象。
用一个更直观的说法：
MCP 就是 AI Agent 连接外部工具的通用接口。
它把 AI 与外部工具之间的连接方式标准化。
工具提供 MCP Server，AI 客户端作为 MCP Client 连接它。
连接以后，AI 就不再只能靠你复制粘贴内容，而是可以在权限允许的范围内读取数据、调用工具、执行动作。
所以我们可以把 MCP 理解成：
AI Agent 时代的 USB-C 接口。
USB-C 的意义不是让某一个设备更强，而是让设备之间更容易连接。
MCP 的意义也不是让某一个模型更聪明，而是让模型更容易接入真实世界的工具和数据。
AI 要从聊天框进入真实工作流，就必须连接外部工具。而 MCP，正是连接这些工具的协议层。
二、为什么 Codex 不只是写代码？
Codex 最容易被理解成“AI 程序员”。
这当然没错。
它可以读项目结构，可以修改代码，可以运行测试，可以根据报错继续修复。但如果只把 Codex 理解成写代码工具，就有些窄了。
真正重要的是：
Codex 代表的是一种 Agent 工作方式。
在代码场景里，它进入 IDE、终端和 Git 仓库。
在文档场景里，它可以操作 Markdown、Word 文档或报告文件。
在表格场景里，它可以通过 Python 或相关工具处理 Excel。
在 PPT 场景里，它可以通过 Slides Skill 和程序化工具生成、编辑 .pptx 文件。
在更复杂的场景里，它还可以通过 MCP 接入外部工具和知识库。
所以，Codex 的价值不是“多写几行代码”，而是让 AI 开始围绕真实任务工作。
以前我们使用 AI，是人把材料复制给 AI。
现在使用 Agent，是 AI 在权限范围内进入材料本身。
这就是变化。
三、安装 Codex
我们先从最基础的安装讲起。
Codex 最常用的入口有三个：
第一，Codex CLI。
适合在终端中进入项目，让 AI 读文件、改代码、跑命令。
第二，Codex IDE 插件。
适合 VS Code、Cursor、Windsurf、JetBrains 等编辑器用户，在写代码时直接调用 Codex。
第三，Codex App。
适合管理多个任务、多个线程、多个工作流，也更适合后续接入 MCP 和插件生态。
新手最推荐先从 CLI 开始，因为它最直接，也最容易理解 Codex 的工作方式。
macOS / Linux 安装方式
在终端输入：
curl -fsSL https://chatgpt.com/codex/install.sh | sh
安装完成后，进入你的项目目录：
cd your-projectcodex
第一次运行时，Codex 会提示登录。
一般情况下，选择使用 ChatGPT 账号登录即可
Windows 安装方式
Windows 用户可以在 PowerShell 中运行：
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"
然后进入项目目录：
cd your-projectcodex
如果你平时使用 WSL2，也可以在 WSL2 的 Linux 环境中安装 Codex。
对开发者来说，WSL2 往往更适合处理 Python、Node、Git、Shell 等工程环境。
npm 和 Homebrew 安装方式
如果你已经安装了 Node.js 和 npm，可以使用：
npm install -g @openai/codex
如果你是 macOS 用户，也可以使用 Homebrew：
brew install --cask codex
安装完成后，直接运行：
codex
这里有一个建议：
不要在多个渠道重复安装 Codex。
比如 npm 装了一次，Homebrew 又装一次，后续升级时可能会混乱。
选择一种安装方式，后面就尽量用这一种方式更新。
四、第一次使用 Codex：先让它读项目，不要急着改代码
安装完成后，很多人第一反应是：
“帮我重构这个项目。”
“帮我把所有 bug 都修了。”
“帮我优化一下代码。”
这种指令太大，也太危险。
更好的方式是先让 Codex 读项目。
你可以这样问：
请先阅读当前项目结构，说明主要目录和核心文件的作用。不要修改任何文件。
然后再问：
请检查这个项目如何安装依赖、如何运行、如何测试。只总结命令，不要修改代码。
接着再让它分析具体问题：
我遇到了以下报错。请结合项目代码分析最可能原因，先不要修改文件。
等它分析清楚以后，再允许它动手：
请基于你的分析，用最小修改修复问题。修改后说明你改了哪些文件、为什么这样改、是否需要我继续运行测试。
这就是使用 Codex 的基本顺序：
先读，再分析，再修改，最后验证。
不要一上来就把方向盘交出去。
五、给 Codex 写一个 AGENTS.md：让它知道项目规矩
使用 Codex 时，我强烈建议在项目根目录放一个 AGENTS.md 文件。
你可以把它理解成“写给 AI 程序员的项目说明书”。
例如：
# AGENTS.md## Project OverviewThis is a Python research prototype for data analysis and report generation.## EnvironmentUse Python 3.10+.Create a virtual environment before installing dependencies.## CommandsInstall dependencies:pip install -r requirements.txtRun tests:pytest## Rules- Do not modify raw data files.- Do not delete experiment results.- Prefer minimal and explainable changes.- Ask before adding new dependencies.- After editing code, explain which files were changed and why.
这个文件非常有用。
因为 AI Agent 最大的问题不是不会干活，而是太容易“自作主张”。
你不给它规则，它可能大改结构；
你不给它运行命令，它可能只凭感觉修改；
你不给它禁止事项，它可能误动数据、误删文件、误改配置。
所以 Codex 的安装不是结束。
真正的第一步，是把你的项目规则交给它。
六、配置 MCP：让 Codex 接入外部工具
当 Codex 能够处理本地项目以后，下一步就是接入 MCP。
Codex 的 MCP 配置通常放在：
~/.codex/config.toml
也可以放在项目级目录：
.codex/config.toml
这两个位置的区别是：
~/.codex/config.toml 是全局配置，适合放通用工具。.codex/config.toml 是项目配置，适合放只给当前项目使用的工具。
你可以用命令行添加 MCP Server：
codex mcp add <server-name> -- <server-command>
比如添加一个开发文档 MCP：
codex mcp add context7 -- npx -y @upstash/context7-mcp
也可以直接编辑 config.toml：
[mcp_servers.context7]command = "npx"args = ["-y", "@upstash/context7-mcp"]
配置后，在 Codex 中输入：
/mcp
就能查看当前已经接入的 MCP Server。
这一步的意义很大。
因为从这里开始，Codex 就不只是“会看本地文件”，而是开始连接外部工具。
它可以接开发文档，可以接 GitHub，可以接数据库，可以接内部知识库，也可以通过合适的 MCP Server 接入办公系统。
这就是 Codex 生态真正的入口。
七、Codex到底能不能操纵 Word、Excel、PPT？
这里需要讲清楚，不能夸大。
很多人现在听说 Claude 已经接入 Office 全家桶，就会问：
那 Codex 能不能像 Prism 或 Claude 一样操纵 Word、Excel、PPT？
答案要分层看。
1. PowerPoint：Codex 已经有比较明确的官方用例
在 PPT 方面，Codex 的能力相对明确。
Codex 可以通过 Slides Skill 和 PptxGenJS 生成、编辑 .pptx 文件。
它不是简单生成一张图片，而是尽量保留 PowerPoint 中的可编辑对象，比如文本框、图表、形状、布局元素。
这点很重要。
因为真正有用的 PPT，不应该只是“看起来像 PPT 的图片”。
它应该是可编辑的文件。
文字能改，图表能调，版式能统一，模板能复用。
所以，Codex 做 PPT 的方式更像“把 PPT 当成工程文件来操作”。
它可以根据资料生成大纲，写每页内容，调用程序生成 PPT，再渲染检查文字溢出、元素重叠、字体替换等问题。
这和写代码非常像：
写代码不是生成一段字符串，而是修改一个工程；
做 PPT 也不是生成一张图，而是生成一个可维护的演示文件。
2. Word 和 Excel：Codex 可以处理文件，但不是默认原生接管 Office
Word 和 Excel 要更谨慎地讲。
Codex 可以通过本地脚本处理 .docx 和 .xlsx 文件。
例如：
用 Python 读取 Excel 数据；
用 openpyxl 写入表格和公式；
用 python-docx 生成 Word 报告；
用 Markdown 先生成结构化内容，再转换为 Word；
用脚本把实验数据整理成表格、图表和报告。
这种方式属于“文件级操作”。
它不一定需要真正打开 Microsoft Word 或 Excel，而是直接修改 Office 文件格式。
对于个人用户、科研工作者、开发者来说，这种方式已经很实用。
比如你可以让 Codex 完成：
“读取这个 Excel，统计每组实验均值和标准差，并生成一个新的结果表。”
“根据这个 Markdown 论文笔记，生成一份 Word 报告。”
“把代码输出的图表和数据整理成一份汇报材料。”
“把实验结果写进 PPT，并保留可编辑图表。”
八、和 Claude 对比：Claude 的 Office 生态更直接，但也不是 Claude Code 本体完成一切
这里可以顺便讲一下 Claude。
Claude 现在在 Office 生态上确实走得更直接。
Claude for Microsoft 365 已经可以在 Excel、PowerPoint、Word、Outlook 之间协同工作。
比如从 Excel 读取数据，生成 PowerPoint 汇报；从 Word 读取内容，整理成 PPT；从 Outlook 邮件中提取上下文，辅助写文档。
这说明 Claude 在办公场景里已经形成了比较明确的产品入口。
但也要注意：
Claude Code 仍然是面向代码的 Agent。
Claude for Microsoft 365 是 Office 插件。
Microsoft 365 Connector 是连接企业数据的 MCP 连接器。
它们属于同一个 Claude 生态，但不是同一个东西。
尤其是 Microsoft 365 Connector，本身更多是读取和分析 SharePoint、OneDrive、Outlook、Teams 中的信息，并受到企业权限控制。
不是所有连接器都能随意创建、编辑、删除文档。
所以最准确的说法是：
Claude 在 Office 插件和 Microsoft 365 连接器上走得更前；Codex 则是从代码 Agent 出发，通过 MCP、Skills 和文件级操作，向文档、表格、PPT 工作流扩展。
两者路线不同。
Claude 更像是从办公入口往 Agent 工作流扩展；
Codex 更像是从工程入口往通用生产力扩展。
九、几个实用提示词
1. 让 Codex 读项目
请先阅读当前项目结构，说明主要目录和核心文件的作用。不要修改任何文件。
2. 让 Codex 总结运行方式
请检查这个项目如何安装依赖、如何运行、如何测试，并总结成 README 中可用的命令说明。先不要修改文件。
3. 让 Codex 配合 MCP 查文档
请结合已接入的 MCP 文档工具，查询当前库的最新用法，并检查项目中是否存在过时写法。
4. 让 Codex 处理 Excel
请读取 data.xlsx，统计每组实验结果的均值、标准差和最大最小值，并生成一个新的 result.xlsx。保留原始数据，不要覆盖源文件。
5. 让 Codex 生成 Word 报告
请根据 result.xlsx 和 figures 文件夹中的图片，生成一份结构清晰的实验报告草稿，输出为 Markdown，并说明后续如何转换为 Word。
6. 让 Codex 生成 PPT
请根据 report.md 生成一个 10 页左右的汇报 PPT，要求每页标题明确、文字简洁、图表可编辑，避免文字溢出，并保留后续人工修改空间。
7. 让 Codex 检查 PPT
请检查生成的 PPT 是否存在文字溢出、元素重叠、字体不一致、页面信息过密等问题，并给出修改建议。十、结语：Codex 的核心不是安装，而是把工作流接起来
所以，Codex 的安装其实并不复杂。过去我们使用 AI，是在聊天框里要一个答案。现在我们使用 Codex，是把 AI 放进工作流里，让它围绕一个真实任务持续执行。
写代码，只是第一步。
写文档、做表格、生成 PPT、连接知识库、读取项目资料、整理汇报材料，才是更大的生产力场景。
从这个意义上说，Codex 不只是一个 AI 编程工具。
它更像是一个从代码世界出发的通用 Agent 工作台。
而 MCP，就是把这个工作台连接到真实世界的接口。
未来的效率差距，可能不只来自谁会用 AI 写代码，
而是来自谁更早把自己的代码、文档、表格、PPT 和知识库，接进同一个 Agent 工作流。
