Codex 保姆级完整教程:从安装、选模型,到让 AI 真正交付一个本地项目

我以前用 AI，基本就是问问题、改文案。

回答看起来不错。可一关掉聊天窗口，工作还是那堆工作。

我不是程序员。第一次把 Codex 用到实际项目里，也不是让它写代码。我让它打开电脑里的一个项目文件夹，先读完我的周计划、账号定位和素材记录，再做文章策划、列素材清单，最后把结果保存回本地。

区别一下就出来了：聊天 AI 给我一段答案，Codex 把结果留在项目里。文件能打开、能检查，也能接着改。

这篇文章本身，就是我用 Codex 完成的一次真实交付。

我不是程序员，也不准备把这篇教程写成一堆技术名词。我想解决的是一个更实际的问题：普通人怎样从零开始，用 Codex 安全地完成第一项本地任务？如果暂时不方便使用官方 GPT，又怎样用阿里云千问跑通一条低成本路线？

先说我的结论：

有条件的话，重要任务我会直接用 GPT-5.6 Sol，推理强度开到 High 或 Max。不是为了“参数拉满”的爽感，而是我更在意少返工一次、少漏掉一个文件。模型单价只是成本的一部分，核对、等待和重做也要算钱。

国产模型当然可以用，而且有些已经有官方接入方法。但“价格便宜”和“完成任务的总成本低”不是一回事。后面我会把两条路线都讲清楚。

一、Codex 到底是什么？非程序员为什么也能用？

你可以先把 Codex 理解成：能在你授权的项目范围内，围绕文件和工具持续执行任务的 AI 工作代理。

它最早、最强的场景当然是软件开发，但它的工作方式并不只对程序员有用。

只要你的任务包含下面几个动作，Codex 就可能比普通聊天框更合适：

读取一组本地资料；
按规则整理、重命名或修改文件；
生成 Markdown、表格、报告、网页或脚本；
对结果做检查，再继续修改；
把同一套做法沉淀成长期规则和重复流程。

比如我现在会让它做这些事：

读取选题、定位和素材，生成公众号文章；
把零散资料整理成内容项目；
清洗表格、制作经营分析；
把一次成功操作写成 SOP 或 Skill；
每周读取计划和进度，辅助复盘下一步。

但如果你只是临时问一个问题、改一小段文字，普通聊天工具可能更轻。不要为了用 Codex 而用 Codex。

Codex 真正的价值，是把“聊出一个想法”推进到“交付一个能打开、能检查、能继续修改的结果”。

二、开始前，先选对路线

目前我建议把使用路线分成两类。

路线 A：官方 GPT 路线，适合多数新手

如果你有可用的 ChatGPT 账号和 Codex 权限，直接使用官方模型，是步骤最少、工具兼容最完整的方案。

截至 2026 年 7 月 14 日，OpenAI 已在 Codex 中提供 GPT-5.6 Sol、Terra 和 Luna：

Sol
：旗舰能力，适合复杂项目、长链路任务、关键内容和最终审查；
Terra
：能力与成本更平衡，适合日常工作；
Luna
：速度快、成本低，适合高频、低风险、格式化任务。

我自己的用法很直接：搭框架、做关键判断和最终审查，我会优先用 Sol；批量改格式、整理资料，再交给便宜模型。

因为能力不足造成的返工，通常比 Token 的差价更贵。省下几块钱，却多花两个小时重做，我不觉得这是降本增效。

路线 B：阿里云千问，作为低成本备用方案

如果暂时无法使用官方 GPT，或者有大量低风险任务需要控制成本，这篇教程只讲一种：阿里云百炼中的千问模型。

原因很简单：它有官方 Codex 配置文档，也有支持 Responses API 的模型，不需要再加协议转换工具。对第一次配置的人来说，少一层转发，就少一个出错点。

但这里有一个很关键的技术门槛：最新版 Codex 的自定义模型接入，目前要求 Responses API。

模型名字再强、API 再便宜，如果只提供 Chat Completions，而没有兼容 Responses，最新版 Codex 就不能直接把它当成完整替代品。

所以，选模型不能只看价格和榜单，还要看四件事：

协议是否兼容；
工具调用是否完整；
流式输出和长任务是否稳定；
图片、联网、并行工具等能力是否受限。

如果你是从短视频里看到这条路线，先别被“两分钟、全免费”带着走。Codex 客户端和模型 API 不是同一笔账，新用户额度也会变化。演示可以剪成两分钟，真实配置不一定一次成功。

三、第一步：安装并打开 Codex

如果走官方 GPT 路线，新手优先使用官方桌面应用；如果要接入阿里云千问，当前官方文档最明确的路径是 Codex CLI 或 VS Code 的 Codex 插件。

桌面应用路线

从 OpenAI 官方页面下载并安装应用，登录自己的账号。不要把账号、验证码、API Key 交给代登录、代充值或来历不明的中间商。

第一次打开后，不要立刻选整个“文档”目录或公司资料库。先新建一个测试文件夹，例如：

Codex第一次练习/├── 01_我的定位.md├── 02_原始素材.md└── 03_文章要求.md

三份文件只放公开、虚拟或已经脱敏的信息。

CLI 路线

需要接国产模型时，可先安装 Node.js 18 或更高版本，再安装最新版 Codex：

npm install -g @openai/codexcodex --version

能够显示版本号，说明安装成功。

配置文件通常位于：

macOS / Linux：~/.codex/config.tomlWindows：用户目录\.codex\config.toml

注意：OpenAI 官方文档明确说明 CLI 和 IDE 插件会复用这套配置；国产模型厂商当前的教程也主要针对 CLI 和 IDE 插件。不要把这些命令行配置直接理解成“任何桌面界面都百分之百支持”。

四、第二步：先把权限调到新手模式

很多人第一次使用最担心的是：它会不会乱删文件？会不会动到电脑里其他资料？

安全不能靠“相信 AI”，要靠边界。

新手建议这样做：

只打开专门的测试文件夹；
选择需要批准的权限模式，例如 Ask for approval；
第一次任务先禁止联网；
不给账号密码、客户隐私、合同原件和未脱敏数据；
涉及删除、覆盖、发布、付款、发消息时，必须人工确认。

记住一句话：给 AI 的权限，应该和你给一个刚入职的新同事差不多，而不是直接把公司钥匙交给它。

五、第三步：完成第一个本地项目

我们不从“帮我写一篇文章”这种模糊需求开始，而是完成一个最小闭环：

读取三份资料 → 生成一份公众号大纲 → 保存到本地 → 打开验收 → 继续修改。

1. 先让它只读检查，不要修改

打开刚才的测试文件夹后，先输入：

请先只读检查当前文件夹。告诉我：1. 里面有哪些文件；2. 每份文件分别提供了什么信息；3. 你还缺什么信息。现在不要修改、删除或新建任何文件，不要联网。

这一步是在确认两件事：它有没有进对文件夹，它有没有读懂资料。

2. 用“五要素”下达任务

一条真正可执行的需求，至少要说清五件事：

目标：最终要完成什么；
输入：读取哪些资料；
输出：保存在哪里、用什么格式；
边界：哪些事不能做；
验收：做到什么才算完成。

可以直接复制下面这段：

目标：根据当前文件夹里的三份资料，生成一份公众号文章大纲。输入：- 01_我的定位.md- 02_原始素材.md- 03_文章要求.md输出：- 新建 04_公众号文章大纲.md- 必须包含：标题候选、目标读者、核心观点、完整结构、每部分要点、待核验事实边界：- 不覆盖原文件- 不编造案例和数据- 不联网- 不发布到任何平台验收：- 文件必须真实保存到当前文件夹- 完成后告诉我文件路径- 再按上述要求自检一次先给执行计划，不要立即修改。等我确认后再开始。

这不是“高级提示词”，本质上是一次清楚的任务交代。

3. 先看计划，再批准执行

重点检查三个地方：

文件路径对不对；
它准备修改哪些文件；
有没有越过你设定的边界。

如果计划没问题，再让它执行。

4. 不要只看聊天框，要打开真实文件

Codex 回复“完成了”，不等于任务真的完成。

你要到文件夹里找到 04_公众号文章大纲.md，逐项检查：

文件是否存在；
原文件有没有被覆盖；
标题、结构和读者是否符合要求；
数据和案例有没有被编造；
待核验内容有没有单独标记。

5. 纠偏时，不要推倒重来

如果结果只有一部分不对，可以这样说：

保留现有文件中已经正确的目标读者和文章结构。只修改以下部分：1. 标题太像工具说明书，增加个人转型现场；2. 第三部分太抽象，改成读者可以照做的步骤；3. 所有尚未核验的模型和价格信息，统一标记“发布前复核”。修改后重新打开文件自检，不要改动三份原始资料。

这样做比每次重新生成更稳定，也更像真正的项目协作。

六、怎么在 Codex 里接入阿里云千问？

这是目前国产模型里相对清晰的一条官方路径。

阿里云有多种计费方案。本篇只演示按量计费的官方直连；控制台给出的 API Key 和 Base URL 必须成套使用，不要混用。

如果要使用最新版 Codex，优先选择明确支持 Responses API 的千问模型。例如官方当前列出的 qwen3.7-max、qwen3.7-plus、qwen3.6-plus、qwen3.6-flash。

下面以华北 2 按量计费的 qwen3.7-max 为例。在 ~/.codex/config.toml 中加入：

model_provider = "Model_Studio"model = "qwen3.7-max"[model_providers.Model_Studio]name = "Model_Studio"base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"env_key = "DASHSCOPE_API_KEY"wire_api = "responses"

然后把自己的百炼 API Key 放进环境变量，不要直接写进配置文件：

export DASHSCOPE_API_KEY="替换为你自己的API_Key"codex

第一次只在测试文件夹里跑一个小任务。如果出现 401，优先检查 API Key 是否与方案、地域和 Base URL 对应；出现 404，检查 Base URL 与 wire_api。

阿里云经常会提供试用额度或套餐，但额度、有效期和价格会变化。不要把某次活动写成“永久免费”，以当天控制台和官方文档为准。

第一次配置，跑通上面这一条就够了。MiMo、DeepSeek、Kimi、GLM、MiniMax 的接入方式各不相同，后续适合分别做成独立教程，不要一次全装进电脑里。

七、便宜模型和最强模型，怎么分工最划算？

不要只算每百万 Token 的价格，要算“完成一件事的总成本”：

总成本 = 模型费用 + 重试时间 + 人工核对 + 返工损失 + 错误风险

我会这样分：

适合便宜模型的任务

批量改格式；
初步分类、摘要和转写；
低风险草稿；
已经有明确模板的重复任务；
可以自动验收的简单处理。

适合 GPT-5.6 Sol 这类旗舰模型的任务

一个项目第一次搭框架；
多文件、长上下文、复杂工具调用；
个人定位、商业策略和产品设计；
要公开发布的关键内容；
最终审查、找漏洞、做取舍；
一旦做错会造成明显时间或信誉损失的任务。

我的习惯是，重要任务直接把能力拉高。额度不够，我先问自己：这个结果以后还会不会再用？如果会，升级通常比反复迁就一个能力不足的模型更划算。

但花掉更多 Token，不会自动变成资产。对我来说，真正能留下的是这些东西：

经过验证的项目文件和作品；
写进 AGENTS.md 的长期规则；
能重复调用的 Skill、模板和 SOP；
记录了背景、选项、判断和结果的决策日志；
你每次纠偏后沉淀下来的表达偏好和验收标准。

这些东西不保存，换一个任务、账号或模型，AI 未必还“懂你”。我不指望它凭空记住一切，而是把经验、规则和反馈写下来，让它下一次能重新读到。

八、从一次任务，升级成你的 AI 工作系统

当你已经完成第一个本地项目，可以继续做三层升级。

第一层：给项目写一份 AGENTS.md

它相当于这个项目的长期工作说明书，可以写：

# 项目规则- 所有公开内容使用中文。- 不编造数据和案例，事实不确定时标记待核验。- 不覆盖原始素材，修改稿另存新文件。- 涉及发布、删除、付款和外部发送必须先确认。- 文章保持真实、具体、少用空话和夸张表达。

以后每次进入这个项目，Codex 都能先读取这些规则。

第二层：把重复流程做成 Skill 或 SOP

如果你连续三次都在做“读取素材—生成大纲—写初稿—去 AI 味—检查事实”，就不要每次重新解释。

把输入、步骤、标准和失败处理沉淀下来，AI 才会越来越像你的工作系统，而不是一次性聊天对象。

第三层：让 AI 参与决策准备，而不是替你承担责任

AI 可以帮你：

整理选项；
找盲点和反例；
模拟不同方案的结果；
读取过去记录，提醒你前后矛盾；
把模糊直觉转成可比较的标准。

它未来可能比你更熟悉你留下的资料和决策轨迹，但这不等于它可以替你对现实后果负责。

医疗、法律、投资、人事、合同和重大经营承诺，AI 只能做辅助研究与结构化分析，最终判断仍要由你和相应专业人士完成。

九、新手最容易踩的七个坑

1. 第一次就打开全部资料

先用测试文件夹和脱敏资料，跑通再扩大范围。

2. 只说“帮我做一下”

没有目标、输入、输出、边界和验收，模型只能猜。

3. 一开始就给最大权限

新手先用需要批准模式，敏感动作永远人工确认。

4. AI 说完成了就算完成

必须打开文件、检查路径、核对内容。

5. 把 API Key 写进文档或截图

密钥只放环境变量或可信的密钥管理工具，泄露后立即重置。

6. 把“OpenAI 兼容”当成“Codex 兼容”

最新版 Codex 还要看 Responses API 和工具调用，不能只看“OpenAI 兼容”四个字。

7. 照抄半年前的教程

模型名、接口、免费额度、Codex 版本都可能变化。发布和配置前，优先查 OpenAI 与模型厂商官方文档。

十、最后给你一个 30 分钟作业

不要收藏完这篇文章就结束。

现在新建一个测试文件夹，放三份可公开的 Markdown 资料，然后让 Codex 完成：

只读检查 → 给出计划 → 生成一个新文件 → 保存到本地 → 打开验收 → 修改一次

真正的完成标志，不是 Codex 在聊天框里说“任务已完成”，而是你能在电脑里打开那个文件，并清楚说出：

它读了什么；
它改了什么；
哪些地方做对了；
下一轮要怎样纠偏。

如果半小时后，你得到一个能打开的文件，而且知道它为什么对、哪里还要改，Codex 才算真正用起来了。

我现在更愿意把 AI 当成长期协作对象。但所谓“它越来越懂我”，不是靠多聊几句，而是我每次都把判断写进项目，把有效做法留下，把错误也记下来。

模型一定会换。今天是 GPT-5.6 Sol 和千问，明天还会有新的名字。能一直带走的，是你自己留在文件夹里的作品、规则和决策记录。

版本提醒：文中的模型、协议、套餐和接口信息核验于 2026 年 7 月 14 日。实际配置前，请以 OpenAI 和各模型厂商的最新官方文档为准。