OpenAI Codex CLI八大隐藏神技：90%用户只当终端聊天机器人

你大概已经听说过 OpenAI Codex CLI——那个在终端里跑的AI编程助手。但你大概率只用了它最基础的功能：输入需求，等它改代码。事实上，Codex CLI 是一个被严重低估的"瑞士军刀"：它能变身MCP服务器编排多Agent协作，能用Ollama跑本地模型实现零费用编码，能通过Skills系统把你的最佳实践变成可复用的"编程肌肉记忆"。今天这8个隐藏技巧，90%的Codex用户都不知道。读完这篇，你的Codex效率至少翻3倍。

技巧一：9个Slash命令，你大概只用了/help

Codex CLI 内置了9个斜杠命令（Slash Commands），但大多数用户只知道输入/help看帮助文档。这些命令才是高频操作的关键加速器。

最被低估的组合技：在开始一个复杂任务时，先用/goal设定目标，比如：

/goal 重构用户认证模块，从JWT迁移到Session方案，保持API兼容性

然后Codex在整个对话过程中都会以这个目标为北极星，不会因为你的追问而跑偏。这个功能类似于给AI一个"项目管理文档"，但90%的用户从未尝试过。

操作步骤： 1. 打开终端，进入项目目录，运行 codex 2. 在对话框中输入 /goal 你的长期目标描述 3. 后续所有对话都会自动对齐这个目标 4. 如果需要调整目标，再次输入 /goal 覆盖即可

技巧二：Codex变身MCP服务器，编排多Agent协作

这是Codex CLI最酷的隐藏能力——它不只是一个终端工具，还能作为MCP（Model Context Protocol）服务器运行，让其他AI Agent通过标准协议调用它。

这意味着什么？你可以用OpenAI Agents SDK创建一个"项目经理Agent"，它自动调度Codex作为"编程Agent"来完成任务。整个流程完全自动化，不需要人工在终端里打字。

配置方法（在config.toml中）：

[mcp_servers.codex]
command = "codex"
args = ["mcp"]

实际工作流：

flowchart LR
    A[Agents SDK<br>编排器] -->|调用MCP工具| B[Codex MCP Server<br>编码Agent]
    B -->|读取/写入| C[本地代码仓库]
    A -->|调用MCP工具| D[另一个Codex实例<br>测试Agent]
    D -->|运行测试| E[测试结果]
    E -->|反馈| A
    A -->|最终输出| F[完成的功能+通过的测试]

    style A fill:#4f46e5,color:#fff
    style B fill:#10b981,color:#fff
    style D fill:#f59e0b,color:#fff
    style F fill:#ef4444,color:#fff

为什么中国开发者应该关注：国内团队做多Agent编排时，通常需要自建复杂的通信机制。Codex的MCP Server模式提供了一种开箱即用的标准方案，一个配置文件就能让多个Codex实例协同工作。

操作步骤： 1. 确保Codex CLI已安装：npm install -g @openai/codex 2. 在项目中创建或编辑config.toml，添加MCP服务器配置 3. 在Agents SDK代码中，将Codex注册为一个MCP工具 4. 编排器自动分配任务给Codex，Codex返回执行结果

参考来源：OpenAI官方文档 - Use Codex with Agents SDK

技巧三：AGENTS.md三层继承体系——比CLAUDE.md更灵活

你可能知道Claude Code用CLAUDE.md来定义项目指令，但Codex CLI的AGENTS.md有一个更强大的三层继承体系，国内几乎没人讲清楚。

三层结构如下：

关键区别：三层指令会智能合并，不是简单的覆盖。比如全局层说"使用TypeScript严格模式"，项目层说"测试目录允许any类型"，两者会同时生效，不会冲突。

实用场景：假设你同时维护5个项目，每个项目框架不同（React/Vue/Svelte），你可以在全局层定义通用的Git提交规范和代码风格，然后在各项目层定义框架特定的规则。

操作步骤： 1. 创建全局指令：mkdir -p ~/.codex && echo "你偏好使用函数式组件，禁止class组件" > ~/.codex/AGENTS.md 2. 创建项目指令：在项目根目录创建AGENTS.md，写入项目架构和约束 3. （可选）在特定子目录创建AGENTS.md，定义模块级规则 4. 运行codex，观察日志中是否正确加载了三层指令

参考来源：OpenAI Codex Setup Guide - AGENTS.md

技巧四：Skills系统——把最佳实践变成"可执行模板"

Skills是Codex CLI的另一个被严重低估的功能。简单说，Skills就是可复用的Prompt模板+执行脚本，你可以把团队的编码规范、常用操作流程封装成一个Skill，团队成员一键调用。

Skill的文件结构：

.codex/skills/
├── review-security.md      # 安全审查skill
├── gen-api-endpoint.md     # API端点生成skill  
└── fix-lint-errors.md      # Lint错误修复skill

一个实际的安全审查Skill示例（.codex/skills/review-security.md）：

---
name: review-security
description: 安全代码审查，检查SQL注入、XSS、认证漏洞
---

请对以下代码进行安全审查，重点关注：
1. SQL注入风险
2. XSS跨站脚本漏洞
3. 认证和授权绕过
4. 敏感数据泄露
5. 依赖库已知漏洞

输出格式：按严重程度（Critical/High/Medium/Low）分级列出问题。

调用方式：在Codex对话中直接输入/skill review-security即可。

团队共享方法：把.codex/skills/目录提交到Git仓库，整个团队都能用同一套Skill。这比在群里分享"最佳实践文档"高效100倍——因为Skill是可直接执行的，不是躺在Wiki里的死文档。

技巧五：Session恢复——断点续编，不浪费上下文

Codex CLI会自动保存每次会话的完整转录记录（JSONL格式），你可以随时恢复之前的会话，精确到上次中断的那句话。

核心命令：

# 恢复最近一次会话
codex resume --last

# 从历史列表中选择要恢复的会话
codex resume

# 查看指定会话的完整记录
codex resume --id <session-id>

转录文件存储位置：~/.codex/sessions/，每个会话是一个JSONL文件。

为什么这很重要：想象这个场景——你让Codex花20分钟重构了一个模块，第二天发现有个小问题需要微调。如果没有Session恢复，你需要重新描述整个上下文；有了它，直接codex resume --last，Codex完全记得昨天做了什么。

高级技巧：你可以手动编辑JSONL文件来"修改历史"。比如发现之前的某个指令写错了，直接编辑JSONL中对应的那行，然后恢复会话——Codex会按照"修正后"的历史继续工作。

参考来源：How to Resume a Codex CLI Session

技巧六：config.toml连接本地模型——零费用私密编码

这是中国开发者最应该知道的功能。Codex CLI不只能用OpenAI的付费模型，通过config.toml配置，你可以连接Ollama、LM Studio、OpenRouter甚至Azure上部署的任意模型。

连接Ollama本地模型（完全免费、完全离线）：

# 一键启动（Ollama自动配置）
ollama launch codex

或者手动配置config.toml：

[provider]
name = "ollama"
base_url = "http://localhost:11434/v1"

[model]
name = "qwen3:32b"    # 通义千问32B，中文编码能力极强

连接OpenRouter（按需付费，支持数百种模型）：

[provider]
name = "openrouter"
base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."

[model]
name = "deepseek/deepseek-r1-0528"   # DeepSeek R1，性价比之王

省钱计算：

注意：本地模型的编码能力取决于模型大小。建议至少使用32B参数以上的模型，否则体验会明显下降。如果你的机器有32GB以上内存，Qwen3-32B或DeepSeek-Coder-V2-Lite是不错的选择。

参考来源：Codex CLI Custom Model Providers Guide，Ollama Codex Integration

技巧七：审批模式与沙箱——安全与效率的平衡术

Codex CLI有三种审批模式和三种沙箱模式，大多数用户只会用默认设置，不知道可以根据任务风险级别灵活切换。

审批模式对比：

flowchart TD
    A[Codex审批模式] --> B[suggest<br>只建议不修改]
    A --> C[auto-edit<br>自动编辑文件<br>执行命令需确认]
    A --> D[full-auto<br>全自动执行<br>包括运行命令]

    B --> B1[风险: ★☆☆<br>适合: 代码审查]
    C --> C1[风险: ★★☆<br>适合: 日常开发]
    D --> D1[风险: ★★★<br>适合: CI/CD自动化]

    E[沙箱模式] --> F[network-read-only<br>只读网络，默认]
    E --> G[network-full<br>允许网络访问]
    E --> H[danger-full-access<br>完全访问系统]

    F --> F1[安全: ★★★<br>适合: 一般编码]
    G --> G1[安全: ★★☆<br>适合: 需要下载依赖]
    H --> H1[安全: ★☆☆<br>适合: Docker操作]

    style D fill:#ef4444,color:#fff
    style H fill:#ef4444,color:#fff

实用组合建议：

隐藏技巧：你可以在AGENTS.md中为不同目录设置不同的审批策略。比如在src/目录用auto-edit，在infra/目录用suggest，防止Codex误改基础设施代码。

参考来源：Agent Approvals & Security - OpenAI Developers

技巧八：非交互模式——CI/CD流水线中的沉默杀手

Codex CLI不只是交互式工具，它还有一个非交互模式（Quiet Mode），可以直接嵌入CI/CD流水线，实现自动化代码审查、自动修复Lint错误、自动生成测试。

基本用法：

# 非交互模式执行单次任务
codex -q "审查 src/auth.ts 中的安全问题"

# 指定审批模式（必须指定，否则会卡住等输入）
codex -q --approval-mode full-auto "修复所有ESLint错误"

# 输出JSON格式结果
codex -q --format json "生成 user.service.ts 的单元测试"

GitHub Actions集成示例：

name: AI Code Review
on: [pull_request]
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Install Codex
        run: npm install -g @openai/codex
      - name: AI Review
        env:
          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
        run: |
          codex -q --approval-mode suggest \
            "审查本次PR的代码变更，重点关注安全漏洞和性能问题" \
            > review_output.md
      - name: Post Review Comment
        uses: actions/github-script@v7
        with:
          script: |
            const fs = require('fs');
            const review = fs.readFileSync('review_output.md', 'utf8');
            github.rest.issues.createComment({
              owner: context.repo.owner,
              repo: context.repo.repo,
              issue_number: context.issue.number,
              body: review
            });

这个技巧的价值：把Codex嵌入CI后，每个PR都会自动获得AI审查意见。对于没有专职代码审查人员的小团队来说，这相当于免费获得了一个7×24小时的高级工程师做代码审查。

信息差总结

行动指南（按优先级排序）

1. 今天就能做：安装Codex CLI后，立刻创建~/.codex/AGENTS.md全局指令文件，写入你的编码偏好
2. 本周完成：配置config.toml连接Ollama + Qwen3-32B，搭建零费用的本地AI编码环境
3. 下周尝试：把Codex的非交互模式集成到你的GitHub Actions中，实现自动PR审查
4. 本月目标：为团队创建一套Skills模板，提交到项目仓库，统一编码标准

安装命令：

# 安装Codex CLI
npm install -g @openai/codex

# 验证安装
codex --version

# 快速开始
codex "帮我分析这个项目的架构"

参考来源

1. OpenAI Codex Hidden Features: 9 Commands Most Users Have Never Tried — MindStudio深度拆解Codex的9个隐藏命令
2. Codex CLI TUI Shortcuts and Slash Commands: Complete Reference — 最全的快捷键和命令参考
3. OpenAI Codex Setup: AGENTS.md, MCPs, Skills Definitive Guide — AGENTS.md三层继承和Skills系统完整指南
4. Codex CLI as MCP Server: Multi-Agent Workflows — MCP服务器模式和多Agent编排
5. How to Run Codex CLI with Local Models — Ollama/LM Studio本地模型配置教程

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。