首页 › tips-tricks › 别只拿Codex补代码：8个深水区开关

说明：本轮搜索工具权限受限（WebSearch 被拒、ducksearch 需审批），以下内容基于 Codex CLI 官方仓库文档中长期稳定、公开可查的功能写成，未编造 Star 数、版本号和价格；个别随版本变动的细节已标注“以官方文档为准”。

别只拿Codex补代码：8个深水区开关

OpenAI 家的 Codex CLI，很多人（包括不少国内教程）都只当它是个“终端里的 ChatGPT"：装上、登录、问两句代码就完事了。这可能是目前性价比最低的用法之一。Codex CLI 在 GitHub 上开源（仓库 openai/codex，Apache 2.0 协议），整个配置系统完全透明可改——profiles 多配置切换、自定义 model_provider 接任意模型、沙箱与审批策略分级、codex exec 塞进 CI、AGENTS.md 三层项目记忆……这些能力组合起来，它更像一个可编排的本地 Agent 运行时，而不是一个补全器。国内教程几乎都停在“怎么安装登录”，深水区的开关没人讲。这篇把 8 个最实用的挖出来，全部零成本，装完就能用。

先搞清楚它的配置骨架

Codex CLI 的一切自定义都围绕一个文件：~/.codex/config.toml（TOML 格式）。你在会话里敲的 /model、选的审批模式，本质上都是在改这个文件的运行时状态。理解了这一点，后面 8 招就是往这个骨架上挂东西：

flowchart TD
    A[~/.codex/config.toml 总配置] --> B[profiles 多套预设]
    A --> C[model_providers 自定义接入点]
    A --> D[sandbox_mode + approval_policy 安全双闸]
    A --> E[MCP servers 外挂工具]
    B --> F[codex --profile deep 启动时切换]
    D --> G[会话内 /approvals 动态调级]
    E --> H[Agent 运行时调用外部能力]
    I[AGENTS.md 项目记忆] -.自动注入.-> F

记住这个分层：总配置是地基，profile 是场景预设，provider 是模型来源，sandbox/approval 是安全闸门，AGENTS.md 是长期记忆。8 个狠活都在这五层里。

狠活1：profiles——一套配置文件养出三个"人格"

痛点：写代码时想要快模型省额度，做架构分析时想要强推理模型，跑自动化脚本时要全程免审批。每次手动切太烦。

做法：在 config.toml 里定义多个 profile，启动时一行切换：

[profiles.fast]
model = "gpt-5.1-codex-mini"   # 以当前可选模型列表为准
model_reasoning_effort = "low"

[profiles.deep]
model = "gpt-5.1-codex"        # 以当前可选模型列表为准
model_reasoning_effort = "high"

[profiles.yolo]
approval_policy = "never"
sandbox_mode = "danger-full-access"

然后：

codex --profile fast     # 日常改代码，响应快
codex --profile deep     # 啃硬骨头，推理拉满
codex --profile yolo     # 全自动跑批，无人值守

具体可用的 model 名随版本更新，以官方文档为准。这个玩法国内很少有人讲——大部分人根本不知道 Codex 支持启动时切配置预设，还在每次会话里手动 /model。

狠活2：model_providers——一个壳接遍全场，含本地模型

Codex CLI 不锁死在 OpenAI 模型上。config.toml 支持自定义 model_providers，任何兼容 OpenAI Chat Completions/Responses 协议的接入点都能挂进来（Ollama、vLLM 起的本地服务、各类聚合网关）：

[model_providers.local]
name = "ollama"
base_url = "http://localhost:11434/v1"
wire_api = "chat"

[profiles.local-fast]
model = "qwen3-coder"          # 示例，以本地已拉取模型为准
model_provider = "local-fast"

对国内用户的现实意义：公司内网不能出墙跑云模型时，Codex 壳 + 本地开源模型照样能组成完整的 Agent 工作流——工具调用、文件编辑、沙箱执行全都在，只是换了个脑子。这是"时间差+方法差"双重信息差：海外社区早就把 Codex 当通用 Agent 壳玩，国内教程还教你怎么登录 ChatGPT 账号。

狠活3：sandbox + approval 双闸——先看懂再放权

Codex 的安全模型是两个独立旋钮：

sandbox_mode：进程能碰到什么。read-only / workspace-write / danger-full-access 三档，workspace-write 下还能用 [sandbox_workspace_write] 细调网络开关；
approval_policy：什么时候要你点头。untrusted / on-failure / on-request / never 四档。

经典组合拳：平时用 workspace-write + on-request（能自己干，出界才问你）；跑长任务切 on-failure（失败才打断你）；read-only + 任意审批档位是"只让 AI 当分析师，不碰文件"的安全模式。会话里随时 /approvals 动态调级，不用重启。多数翻车事故（AI 删库、乱改配置）都是这两个旋钮没理解就全放开导致的，反过来，理解了它们你就敢放心让它干重活。

狠活4：codex exec——把 Agent 塞进 CI 和脚本

这是被低估最狠的一个功能。codex exec "任务描述" 是非交互模式：不进 TUI，跑完出结果，专为自动化设计。配合 --profile yolo：

# CI 里对每次 PR 做一轮 AI 代码走查
codex exec --profile review "审查本次改动，输出风险点列表" 

# 本地批量任务：给每个模块补单测
for m in auth billing order; do
  codex exec "为 src/$m 补充 pytest 单测，只改测试文件"
done

它让 Codex 从"交互工具"变成"可编排的批处理引擎"。海外已经有人拿它做夜间自动重构、PR 自动初审、迁移脚本批跑，国内几乎没人系统讲过这条路径。配合狠活3的沙箱，workspace-write 限死在工作目录，批量跑也不心虚。

狠活5：AGENTS.md 三层记忆——给不同范围的 AI 立规矩

类似 Claude Code 的 CLAUDE.md，Codex 读的是 AGENTS.md，而且是三层叠加：

~/.codex/AGENTS.md —— 全局口味（语言、代码风格、禁改区域）
仓库根目录 AGENTS.md —— 项目规则（构建命令、目录结构、测试约定）
子目录 AGENTS.md —— 模块级细则（比如 src/legacy/ 里写"此目录慎改，先跑回归"）

进入会话时自动注入对应层级的规则。实战技巧：把"每次改完先跑 make test""不要动 migrations/ 下的历史文件"这类血泪教训写进去，AI 违规率会断崖式下降。仓库里没有的话，会话里敲 /init 让它替你生成一份初稿，再人工修——比从零手写快十倍。

狠活6：MCP 外挂——给 Agent 装上数据库和浏览器

Codex CLI 支持 MCP（Model Context Protocol）服务器，在 config.toml 里挂载：

[mcp_servers.postgres]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]

挂上之后，AI 能直接查库、调浏览器、读外部系统，而不是隔着你的复述猜 schema。配合 MCP 生态里现成的 filesystem、github、playwright 等服务器，Codex 就从"代码助手"升级成"能操作整个开发环境的执行体"。注意：MCP 服务器本身是第三方代码，只挂可信来源，这和狠活3的沙箱是互补关系——MCP 工具调用走的是宿主进程，沙箱管不住它。

狠活7：会话内三连——/compact、/model、resume

长会话跑着跑着上下文爆炸、响应变慢变贵？/compact 一键把历史压缩成摘要接着聊，主旨保留、token 砍半以上。/model 会话内临时换模型（试完不满意不用改配置文件）。退出时选不住的会话，codex resume 能列出历史会话挑一个接着跑——昨天下班前的调试现场，今天原样恢复。这三个命令全是会话内的，零配置，但国内教程基本只教到"怎么提问"，这三个一键提效的入口没人提。

狠活8：notify 钩子——长任务跑完叫你来验收

config.toml 里的 notify 配置可以在 Codex 完成回合（需要你决策或任务跑完）时触发外部程序。挂个系统通知或推送到手机，人就可以离开终端：让 Agent 跑一次大重构，你去看剧，完事了手机一震回来 review diff。无人值守工作流的最后一块拼图。具体参数格式以官方文档 docs/config.md 为准。

信息差总结

维度	国内教程普遍认知	海外重度玩家实际在用
定位	终端里的 ChatGPT 补全器	可编排的本地 Agent 运行时
模型	只能登录 OpenAI 账号	model_providers 接任意兼容端点/本地模型
切场景	每次手动 /model	profiles 预设一键切换
批量	只会交互式一问一答	codex exec 塞 CI/脚本无人值守
记忆	每次重新交代背景	AGENTS.md 三层自动注入
安全	要么全信要么不敢用	sandbox+approval 双闸分级放权
长会话	爆了就重开	/compact 压缩续聊 + resume 恢复现场

行动指南

今晚 10 分钟：brew install codex（或按官方仓库 README 的安装方式）装好登录；
会话里敲 /init，让它给当前项目生成 AGENTS.md，花 3 分钟人工修订；
在 ~/.codex/config.toml 抄上面的 profiles 模板，建 fast/deep/yolo 三套预设；
挑一个重复性任务（补单测、批量改配置），用 codex exec 写成脚本跑一遍，体验"Agent 当批处理引擎"的感觉；
进阶：挂一个 MCP 服务器（建议先从 filesystem 或 github 开始），观察工具调用日志，理解 Agent 是怎么操作外部世界的。

参考来源

Codex CLI 官方开源仓库（安装、文档入口）：https://github.com/openai/codex
仓库内配置文档 docs/config.md（profiles/model_providers/sandbox 权威说明）：https://raw.githubusercontent.com/openai/codex/main/docs/config.md
OpenAI Codex 产品文档（云端/CLI 全家桶）：https://developers.openai.com/codex
AGENTS.md 规范（跨工具通用的项目记忆格式）：https://agents.md

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。

51学通信知识星球海报-扫码加入