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
John_ToDebug17 分钟前
大模型提示词(Prompt)终极指南:从原理到实战,让AI输出质量提升300%
人工智能·chatgpt·prompt
居然JuRan17 分钟前
LangGraph从0到1:开启大模型开发新征程
人工智能
双向3326 分钟前
实战测试:多模态AI在文档解析、图表分析中的准确率对比
人工智能
用户51914958484529 分钟前
1989年的模糊测试技术如何在2018年仍发现Linux漏洞
人工智能·aigc
人类发明了工具30 分钟前
【深度学习-基础知识】单机多卡和多机多卡训练
人工智能·深度学习
用户51914958484540 分钟前
检索增强生成(RAG)入门指南:构建知识库与LLM协同系统
人工智能·aigc
星期天要睡觉1 小时前
机器学习——CountVectorizer将文本集合转换为 基于词频的特征矩阵
人工智能·机器学习·矩阵
lxmyzzs1 小时前
【图像算法 - 14】精准识别路面墙体裂缝:基于YOLO12与OpenCV的实例分割智能检测实战(附完整代码)
人工智能·opencv·算法·计算机视觉·裂缝检测·yolo12
什么都想学的阿超1 小时前
【大语言模型 01】注意力机制数学推导:从零实现Self-Attention
人工智能·语言模型·自然语言处理