**导语：** 中文圈聊 AI 编程，翻来覆去是 Cursor 和 Claude Code，对 OpenAI Codex 的印象多半还停在“ChatGPT 里能写代码”。这是今年最大的信息差之一：Codex 早就不是对话框里的补全器，而是一套横跨终端、IDE、云端、GitHub 和 Slack 的 Agent 家族——CLI 还是开源的，能换模型、能进 CI、能无人值守跑长任务。更关键的是，它的很多“开关”藏在配置文件和命令行参数里，官方首页根本不会告诉你。今天这篇，把 8 张大多数中文用户没翻过的底牌一次摊开。 ## 先纠偏：Codex 到底是什么 很多国内朋友对 Codex 的认知分三种，全都不完整： - **旧印象 A**：“就是 ChatGPT 加了个代码模式”——那是 2021 年的旧 Codex API 时代的事了； - **旧印象 B**：“是个 Copilot 平替补全工具”——补全只是它最不重要的功能； - **新认知**：现在的 Codex 是一个 Agent 家族——**Codex CLI**（终端里的开源 Agent，github.com/openai/codex）、**IDE 扩展**（VS Code 系编辑器里看 diff、逐块采纳）、**云端 Codex**（chatgpt.com/codex，沙箱里并行跑任务）、**GitHub 集成**（在 PR 上发起审查）、**Slack 集成**（频道里 @ 它派活）。 一句话：**Claude Code 有的形态它基本都有，还多了一个可以白嫖额度的云端并行入口。** 而中文圈对它的教程，大多停留在“怎么安装”。 下面 8 张底牌，按“知道的人越少、价值越高”排序。 ## 底牌一：`/init` 与 AGENTS.md——Agent 的员工手册上限 Codex CLI 进入项目后，第一条命令应该是 `/init`。它会扫描你的仓库结构，自动生成一份 `AGENTS.md`——这是 Agent 读的 README。 90% 的人生成的就扔在那不管了，高手是这样用的： 1. **分层放置**：monorepo 根目录放全局规范（技术栈、代码风格、提交规范），在子目录（如 `frontend/`、`server/`）再各放一份局部规范（构建命令、测试命令）。Codex 会就近遵循，子目录规则覆盖根目录的； 2. **写“命令”而不是写“愿望”**：最值钱的三行是构建命令、测试命令、lint 命令。Agent 自己会跑测试闭环，你写清楚 `pnpm test --filter xxx`，它就能自己验证自己的改动； 3. **写禁令**：比如“不要动 `legacy/` 目录”“不要升级依赖大版本”。Agent 没有常识，但有很好的服从性。 `AGENTS.md` 本身是个开放格式（agents.md），思路和 Claude Code 的 `CLAUDE.md`、Cursor 的 `.cursor/rules` 同源——这意味着你给 Codex 写的手册，稍加改造就能喂给别的 Agent，一份投入三份收益。 ## 底牌二：自定义斜杠命令——把重复指令固化成按钮 `~/.codex/prompts/` 目录下，每个 `.md` 文件会自动变成一个斜杠命令。文件名是命令名，内容是提示词。 举两个立刻能用的： - `review-security.md` → 以后输入 `/review-security`，就执行“以安全审计员视角审查当前 diff，重点看注入、越权、密钥泄漏，输出风险清单”； - `changelog.md` → “对比当前分支与 main 的差异，按用户视角生成更新日志，拒绝技术黑话”。 把你的高频动作（代码审查、写周报、生成迁移脚本）都做成命令文件，团队可以约定一套统一的 prompts 收进 git 仓库，新人 clone 后拷贝到 `~/.codex/prompts/` 即可对齐全员口径。这个目录机制中文圈几乎没人写过，但它直接决定你用 Codex 是“聊天”还是“流水线”。 ## 底牌三：`codex exec`——把 Agent 塞进 CI 流水线 这是工程师价值最高的一张牌。`codex exec "任务描述"` 是非交互模式：跑完任务直接退出，不进入对话框，专为脚本和自动化设计。 可复制的一条流水线： ```bash codex exec "修复所有 ESLint 报错并补齐对应单测" --full-auto ``` 进阶玩法是在 GitHub Actions 里加一个 job：PR 打上 `ai-fix` 标签时，runner 里执行 `codex exec` 让它修 lint、补测试，然后以 bot 身份推回分支。你在手机上打的标签，就是一条远程指令。 配合 `--json` 等输出参数可以把结果结构化喂给下游脚本（具体参数以 `codex exec --help` 为准，各版本迭代很快）。国内团队用这套的公开案例还很少，属于典型的“海外已在生产环境跑、中文圈还没人写全”的用法。 ## 底牌四：`codex resume` 与长任务——Agent 下班了活不停 Codex 的会话是持久化的。两个命令： - `codex resume`：列出历史会话，挑一个接着聊，上下文完整恢复； - `codex resume --last`：直接续上最近一次会话。 场景：晚上让 Codex 重构到一半你得下班，第二天 `resume --last`，它记得所有上下文，不用重新喂背景。比“把聊天记录复制粘贴给新会话”高效一个数量级。 长任务层面，Codex 系列的高配模型（如 GPT-5.1-Codex-Max 一档）引入了 **compaction**（上下文压缩）机制：上下文快满时自动把旧工作总结压缩、腾出空间继续干，官方称可支撑小时级乃至更长的连续自主工作。换句话说，别的工具在讨论“能不能一次改 20 个文件”，这条线在讨论“能不能干一个通宵”。 ## 底牌五：三档审批 + 沙箱——敢放手的前提是不翻车 很多人要么全程盯着不敢放权（用成了打字机），要么直接全权放养（出过删库惨案的姿势）。正确姿势是理解 Codex 的三档审批： 1. **Read Only**：只读和给建议，改任何东西都要你点头——适合不熟悉的代码库首次探索； 2. **Auto（Agent 模式）**：工作区内自由读写、执行命令，但**出工作区目录、联网**等动作需审批——日常主力档； 3. **Full Access**：完全放开——只在你明确知道后果时用。 底层是真实的系统级沙箱：macOS 用 Seatbelt，Linux 用 Landlock + seccomp 机制圈住文件系统和网络。这不是聊天软件式的“君子协定”，是内核级的围栏。给你的行动建议：日常锁 Auto 档，把“允许联网”当成给新员工开外网权限一样审批。 ## 底牌六：图片输入——UI 稿直接变代码的最后一公里 `codex -i 截图.png "按这张图重构样式"`（多图可重复传参）。三类高价值场景： 1. **设计稿还原**：Figma 导出图或截图直接喂，比口头描述“圆角再大一点”精准得多； 2. **报错截图**：终端红字截图直接甩进去，省掉手动复述堆栈； 3. **白板转代码**：手画架构图拍照，让它生成目录骨架。 配合 IDE 扩展的 diff 视图逐块采纳，设计稿到可运行页面的链路基本不需要第三方 UI 生成工具了。 ## 底牌七：MCP 双向玩法——把 Codex 挂进任何工具 Codex 全面支持 MCP（Model Context Protocol），而且是**双向**的： - **作为客户端**：在 `~/.codex/config.toml` 里配置 MCP servers，接上 GitHub、Figma、数据库等外部工具，Agent 就能直接查 issue、读设计稿、连库执行； - **作为服务端**：官方提供了把 Codex 本身作为 MCP server 暴露的入口，让其他支持 MCP 的 Agent（Claude Code、Zed 等）把 Codex 当成一个“写码工具”来调用。 后一种玩法想象空间很大：你的审查 Agent 负责提需求，Codex 负责干活，各用各的强项模型。具体命令名随版本演进，跑一下 `codex --help` 看当前入口即可。 ## 底牌八：config.toml 换引擎——壳是开源的，芯可以换 `~/.codex/config.toml` 是 Codex 的总控制台：默认模型、审批策略、还可以定义多个 **profile**（比如 `work` 档绑公司规范、`personal` 档绑个人偏好，启动时 `--profile` 切换）。 最被低估的能力是 `model_providers`：Codex CLI 是开源的，配置里可以指向任意 OpenAI 兼容端点——包括本机 Ollama 跑的开源模型。对国内用户这意味着：即使暂时没有 OpenAI 的网络与支付条件，也可以先把这套 Agent 壳用起来（体验会打折，官方模型仍是第一梯队，但架子是自己的）。 顺带说清价格账：**用 ChatGPT 账号登录，Plus（$20/月）和 Pro（$200/月）订阅本身就内含 Codex 使用额度**，不必单独买 API；另有按量计费的 API key 模式适合自动化场景。很多人不知道订阅里藏着这块额度，白白多付了工具钱。 ## 附赠：云端并行，被忽略的印钞入口 CLI 之外，chatgpt.com/codex 的云端版可以**同时开多个任务并行跑**（各自在独立沙箱），也能从 GitHub 的 issue/PR 和 Slack 里直接派活。正确的分工是：云端并行跑独立小任务（修 bug、写迁移、补测试），本地 CLI 干需要你盯着的核心活。一个人同时推进四五个任务，这才是“一个人顶一支小队”的完整含义。 ## 一图看懂：截图到上线的流水线 ```mermaid flowchart TD A["设计稿截图"] -->|图片输入| B["Codex CLI"] C["AGENTS.md 手册"] --> B B --> D{"三档审批"} D -->|只读| E["仅给建议"] D -->|自动| F["工作区内改码"] D -->|全权| G["装依赖跑测试"] F --> H["resume 续会话"] G --> H H -->|codex exec| I["CI 自动修复"] I --> J["PR 云端审查"] J --> K["合并上线"] ``` ## 与国内同类工具对比 | 维度 | Codex | Trae（字节） | 通义灵码（阿里） | |---|---|---|---| | 形态 | CLI/IDE/云端/GitHub/Slack | IDE 为主 | IDE 插件为主 | | 核心是否开源 | CLI 开源 | 闭源 | 闭源 | | 换模型 | 支持 OpenAI 兼容端点 | 以自家/内置为主 | 以通义系为主 | | CI 自动化 | exec 模式原生支持 | 需自行封装 | 需自行封装 | | 国内可用性 | 需网络与支付条件 | 开箱即用 | 开箱即用 | 国产工具胜在开箱即用与企业合规，Codex 胜在开放性、CI 深度与订阅额度打法。架构师和独立开发者值得为前者付一次学习成本。 ## 信息差总结 | 你以为 | 实际上 | |---|---| | Codex 就是 ChatGPT 写代码 | 是横跨 CLI/云端/GitHub/Slack 的开源 Agent 家族 | | 必须盯着对话框用 | exec 进 CI + resume 续会话 + 云端并行，可无人值守 | | 只能用 GPT 模型 | config.toml 可接任意 OpenAI 兼容端点（含本地模型） | | 订阅只是聊天额度 | Plus/Pro 内含 Codex 额度，很多人重复付了工具钱 | | 规则写在提示词里 | AGENTS.md 分层手册 + prompts 目录才是 Agent 上限 | ## 行动指南 1. 安装：`npm i -g @openai/codex`（macOS 也可 `brew install codex`，以仓库 README 为准）； 2. 用 ChatGPT 账号登录，先确认订阅内含额度再决定是否另购 API； 3. 进主力项目跑 `/init`，手动补上“构建/测试/lint 三命令”和禁令清单； 4. 把你最高频的三个动作写进 `~/.codex/prompts/`，变成斜杠命令； 5. 日常锁 Auto 审批档，周末试一次 `codex exec` 接 GitHub Actions； 6. 长任务切换支持 compaction 的高配模型，体会“跑一个通宵”和“改 20 个文件”的区别。 ## 参考来源 1. OpenAI Codex CLI 开源仓库：https://github.com/openai/codex 2. OpenAI Codex 官方开发者文档：https://developers.openai.com/codex 3. Codex 云端任务入口：https://chatgpt.com/codex 4. AGENTS.md 开放格式官网：https://agents.md > 注：本文基于截至发稿的公开资料整理，各命令参数与版本迭代较快，以官方仓库 README 与文档为准。 --- > 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。