AI炼丹日志-25 - OpenAI 开源的编码助手 Codex 上手指南

点一下关注吧!!!非常感谢!!持续更新!!!

Java篇:

  • MyBatis 更新完毕
  • 目前开始更新 Spring,一起深入浅出!

大数据篇 300+:

  • Hadoop(已更完)
  • HDFS(已更完)
  • MapReduce(已更完)
  • Hive(已更完)
  • Flume(已更完)
  • Sqoop(已更完)
  • Zookeeper(已更完)
  • HBase(已更完)
  • Redis (已更完)
  • Kafka(已更完)
  • Spark(已更完)
  • Flink(已更完)
  • ClickHouse(已更完)
  • Kudu(已更完)
  • Druid(已更完)
  • Kylin(已更完)
  • Elasticsearch(已更完)
  • DataX(已更完)
  • Tez(已更完)
  • 数据挖掘(已更完)
  • Prometheus(已更完)
  • Grafana(已更完)
  • 离线数仓(已更完)
  • 实时数仓(正在更新...)
  • Spark MLib (正在更新...)

官方地址

由 OpenAI 开源的 codex 编码助手

"Lightweight coding agent that runs in your terminal"
https://github.com/openai/codex

选择原因

它结合了 ChatGPT 级别的推理能力与实际运行代码、操作文件、迭代开发的强大功能,

并且一切都在版本控制之下完成。

简单来说,这是一种基于对话驱动的开发方式,能够理解并执行你的代码仓库。

● 零配置 ------ 只需要你的 OpenAI API 密钥,即可直接使用!

● 全自动审批 ------ 同时保持安全可靠,通过禁用网络访问和目录沙盒隔离来实现

● 多模态支持 ------ 可以传入截图或图表,直接用于实现功能 ✨

● 完全开源 ------ 你可以自由查看代码和参与贡献!

环境配置

配置推荐

● 操作系统:macOS 12+、Ubuntu 20.04+/Debian 10+ 或通过 WSL2 的 Windows 11

● Node.js:22或者更新的版本

● Git(可选):2.23+版本中内置了 PR 助手

● RAM:最低要4GB(推荐是8GB)

Node环境

注意:这里需要用到 Node.js 的环境,自行配置。
https://nodejs.org/en

官方推荐的是 Node-22 比较新的版本,可以用 nvm 来安装新的:

shell 复制代码
nvm install 22

下载完毕

使用 node 22

shell 复制代码
nvm use 22

使用 npm 全局安装 codex:

shell 复制代码
npm install -g @openai/codex

安装完毕:

拉取仓库(可跳过)

(可以不做)此外,我们拉下仓库:

shell 复制代码
git clone https://github.com/openai/codex

接着我们安装其他依赖:

shell 复制代码
npm install

配置 Key

此外我们还需要配置 OpenAI 的 Key

shell 复制代码
export export OPENAI_API_KEY="xxx"

测试使用

OpenAI

shell 复制代码
codex

启动成功:

随便测试一个,写个冒泡排序法之类的:

DeepSeek

记得输入DeepSeek的Key:

shell 复制代码
export DEEPSEEK_API_KEY=""

启动之后,如果不好使,可以切换一下model。启动后,输入"/"会有提示:

shell 复制代码
codex --provider deepseek

这里让AI写一个冒泡排序法:

配置文件

config

可以在全局上配置 Codex 的行为:

shell 复制代码
vim ~/.codex/config.json

可以看到这样的内容:

shell 复制代码
model: o4-mini
approvalMode: suggest
fullAutoErrorMode: ask-user
notify: true

大致内容如下:

Instructions

自定义的一些指令行为:

shell 复制代码
~/.codex/instructions.md

可以配置一些默认的指令行为:

shell 复制代码
- Always respond with emojis
- Only use git commands when explicitly requested
相关推荐
لا معنى له3 小时前
目标检测的内涵、发展和经典模型--学习笔记
人工智能·笔记·深度学习·学习·目标检测·机器学习
AKAMAI4 小时前
Akamai Cloud客户案例 | CloudMinister借助Akamai实现多云转型
人工智能·云计算
小a杰.6 小时前
Flutter 与 AI 深度集成指南:从基础实现到高级应用
人工智能·flutter
colorknight6 小时前
数据编织-异构数据存储的自动化治理
数据仓库·人工智能·数据治理·数据湖·数据科学·数据编织·自动化治理
Lun3866buzha7 小时前
篮球场景目标检测与定位_YOLO11-RFPN实现详解
人工智能·目标检测·计算机视觉
janefir7 小时前
LangChain框架下DirectoryLoader使用报错zipfile.BadZipFile
人工智能·langchain
齐齐大魔王7 小时前
COCO 数据集
人工智能·机器学习
AI营销实验室8 小时前
原圈科技AI CRM系统赋能销售新未来,行业应用与创新点评
人工智能·科技
爱笑的眼睛118 小时前
超越MSE与交叉熵:深度解析损失函数的动态本质与高阶设计
java·人工智能·python·ai
tap.AI9 小时前
RAG系列(一) 架构基础与原理
人工智能·架构