Codex完整使用教程2026最新版

前言

Codex 是 OpenAI 推出的代码专用大模型，基于 GPT 系列深度优化，可读懂自然语言、生成/修改/调试全语言代码，支持桌面客户端、CLI命令行、VSCode插件、云端网页、API调用五种使用方式，也是 GitHub Copilot 底层核心模型。

本教程从零覆盖安装、登录、基础操作、实战案例、高阶配置、避坑指南，新手可直接跟着操作。

一、环境与账号准备

系统支持

• 桌面端：Windows 10+/macOS（Intel/Apple Silicon）

• CLI：全平台（Windows/macOS/Linux），需 Node.js 16+

• IDE：VSCode、Cursor、JetBrains 全系列编辑器

登录权限两种方案
ChatGPT Plus/Pro 账号（推荐）

登录桌面/网页版，解锁完整本地文件读写、云端会话、项目Agent功能，无需单独配置密钥。
OpenAI API Key

前往 OpenAI 平台创建密钥，适合 CLI、本地私有化调用；缺点是云端同步功能受限。
安全前置提醒

• 仅在独立项目文件夹使用Codex，禁止直接操作桌面、系统目录、敏感配置目录；

• 修改代码前建议 Git 提交快照，方便一键回滚AI修改；

• 不要上传含数据库密码、私钥、业务密钥的文件给Codex。

二、五种安装与启动方式（按需选择）

方式1：桌面客户端（新手首选，可视化操作）

下载安装包：OpenAI 官网 codex 页面获取对应系统安装包
打开软件，两种登录：

◦ 扫码登录 ChatGPT 账号（推荐）

◦ 粘贴 OpenAI API Key 登录

初始化项目：点击「选择文件夹」，选中你的代码项目目录
模式切换（左上角）

◦ Local本地模式：读写本机文件，本地执行命令（开发核心）

◦ Cloud云端模式：网页在线运行，可绑定GitHub仓库，无本地文件权限

方式2：CLI 命令行（后端/自动化/服务器）

macOS/Linux 安装

npm全局安装

npm i -g @openai/codex

Homebrew备选

brew install openai-codex

Windows

npm i -g @openai/codex

环境变量配置密钥

macOS/Linux

export OPENAI_API_KEY="你的API密钥"

Windows PowerShell

$env:OPENAI_API_KEY="你的API密钥"

启动交互会话

codex

单行直接下发任务（无需进入交互）

codex "写Python脚本读取Excel并导出JSON"

常用CLI快捷指令

解释当前目录代码架构

codex "梳理本项目目录结构，输出文档"

解析一段代码

codex explain "目标代码片段"

静默模式适配CI流水线

codex --silent "单元测试全覆盖优化"

方式3：VSCode 插件（写代码实时辅助）

VSCode 扩展市场搜索 OpenAI Codex 安装插件
侧边栏打开 Codex 面板，登录账号/填入API Key
基础功能：

◦ 选中代码右键：优化、注释、修复bug、重构

◦ 侧边对话：直接下发项目改造需求

◦ 内联代码补全，注释生成完整函数

方式4：Cloud 网页云端（无本地安装）

浏览器打开 OpenAI Codex Cloud
ChatGPT账号登录，授权GitHub仓库访问权限
直接在线创建项目、编辑文件、运行脚本，适合临时开发、远程调试

方式5：原生API调用（二次开发/自建工具）

基于OpenAI标准接口调用Codex模型，Python示例：

import openai

openai.api_key = "你的API密钥"

prompt = """

用Go语言写HTTP接口，实现用户登录，带参数校验与异常捕获

"""

res = openai.ChatCompletion.create(

model="gpt-codex",

messages= ${"role":"user", "content": prompt}$ ,

temperature=0.2 # 越低代码越严谨

)

print(res $"choices"$ $0$ $"message"$ $"content"$ )

三、界面核心概念（桌面端）

工作区（文件夹）

单个项目对应一个工作区，Codex仅读取选中目录内文件，隔离多项目上下文。
Thread 会话线程

/new 创建新会话，每个线程独立上下文；修改项目规则文件AGENTS.md后必须新建线程生效。
修改预览面板

AI修改文件后右侧展示diff对比，支持暂存、全部提交、单文件还原，不会直接覆盖原文件。
指令前缀

◦ /new 新建对话

◦ /clear 清空当前上下文

◦ /read 读取指定文件内容

◦ /run 执行终端命令

四、基础操作流程（标准开发闭环）

步骤1：限定任务范围（减少AI误操作）

下发指令先约束权限，示例：

仅读取src目录文件，不修改配置文件，分析接口逻辑并输出优化方案

步骤2：下发自然语言需求（3类标准场景）

从零生成代码

写一个Flask后端，实现CRUD用户接口，使用SQLite，增加日志打印与全局异常处理

现有代码修改重构

打开utils.py，优化加密函数，替换MD5为SHA256，增加参数非空判断，输出完整修改diff

调试排错

当前运行报错Index out of range，读取main.py定位数组越界，给出修复代码与原因

步骤3：审核AI变更（关键！）

右侧面板查看文件增删行，区分三种操作：

• 暂存：先保存修改，二次确认

• 提交：确认覆盖本地文件

• 还原：放弃本次AI修改，回退原始代码

步骤4：迭代优化

无需重复粘贴代码，直接追加需求：

刚刚生成的接口增加JWT鉴权，token有效期2小时

五、分场景实战示例

实战1：前端快速页面开发

指令示例：

在当前目录新建index.html、style.css、app.js，制作移动端登录页面，蓝色主题，表单校验，适配手机屏幕，完成后右键预览效果

实战2：后端脚本自动化（CLI）

codex "编写Shell脚本，批量重命名文件夹下图片，统一为img_001.jpg格式"

实战3：项目全量重构

梳理当前Vue2项目，给出Vue3迁移改造步骤，分批修改路由、组件、生命周期，每次只改一类文件

实战4：代码安全审计

扫描项目所有JS文件，找出SQL注入、XSS、明文密码等安全漏洞，输出漏洞清单与修复代码

六、高阶自定义配置

项目专属规则 AGENTS.md

项目根目录新建AGENTS.md，自定义AI编码规范，新建线程生效，模板：

项目编码规则

所有注释使用中文
Python代码强制PEP8规范，函数必须写文档字符串
禁止使用废弃API，异常必须try-catch捕获
新增文件必须配套单元测试
不修改.env、config.yaml配置文件
CLI 全局配置文件

路径 ~/.codex/config.toml，自定义模型、上下文长度、命令权限：

model = "gpt-codex-pro"

temperature = 0.1

max_context_tokens = 12000

allow_shell = true # 允许执行终端命令

自定义模型接入

支持接入本地开源代码大模型（Qwen-Coder、CodeLlama），修改config：

model = "qwen2.5-coder:32b"

model_provider = "ollama"

七、高效使用技巧

精准约束上下文

需求开头指定目录、文件、禁止操作范围，避免AI全局乱改。
调低温度参数

生成严谨业务代码设置temperature=0_{0.3；创意脚本可0.5}0.7。
分步拆解大需求

大型项目不要一次性下发全部需求，分「调研→单文件修改→全量重构」三步执行。
搭配Git使用

每次AI修改前提交git快照，出错一键回滚，避免代码丢失。
批量文件操作规范

一次只让AI修改一类文件，不要同时改前端+后端+配置。

八、常见问题与避坑

AI擅自修改系统/配置文件

解决：AGENTS.md中明确禁止操作.env、系统目录，下发指令第一句限定文件范围。

本地模式无法读写文件

解决：客户端授权文件夹完整读写权限，Windows关闭文件夹只读，macOS授予磁盘权限。

CLI调用提示密钥无效

解决：复制密钥无多余空格，确认账号有余额/额度，环境变量正确加载。

生成代码存在漏洞、冗余

解决：增加审计指令，要求AI生成后附带安全自查说明，手动审核核心逻辑。

会话上下文混乱

解决：需求跨度大时执行/new新建线程，清空历史对话。

九、权限与计费说明

ChatGPT Plus/Pro：桌面Codex基础功能免费，复杂大型项目、长上下文消耗订阅额度；
API调用Codex：按输入/输出token计费，代码场景token消耗较低；
Cloud云端版：绑定GitHub后每月免费有限额度，超额需升级订阅。

十、总结

Codex 核心优势是深度本地项目感知，区别于普通ChatGPT仅粘贴代码片段，可自主遍历目录、多文件联动修改、执行终端命令。新手优先使用桌面客户端可视化操作；后端/自动化场景选择CLI；日常写代码搭配VSCode插件；二次开发使用API调用。遵循「限定范围→生成→审核→迭代」流程，配合Git快照与项目规则文件，可大幅降低AI改代码出错概率，提升开发效率。