Codex

🛠️ Codex 工具是什么

Codex 是 OpenAI 开发的 AI 编程代理，2025 年 4 月以命令行工具 Codex CLI 的形式首次亮相，2025 年 5 月 16 日正式以“云端软件工程代理”的研究预览版进入 ChatGPT。需要特别说明的是，它跟 2021 年那个作为 GitHub Copilot 底层模型的同名语言模型完全是两回事——现在的 Codex 是一个面向软件工程工作流的代理式产品，不是代码补全模型。

它的核心定位用一句话概括：你把一个开发任务丢给 Codex，它在自己的沙盒里读代码、改代码、跑测试，然后把改好的东西以 Pull Request 的形式交回来，你审一下决定合不合。不是补全一两行，是替你跑完一个完整的工作流。

它解决的问题是：开发者的时间不应该被消耗在那些“知道怎么做但做起来很烦”的任务上。修个 bug、加个测试、更新依赖、写个文档、重构一段代码——这些任务本身不复杂，但做起来要切来切去、跑测试、等结果。Codex 把这些“有明确终点但需要多步操作”的任务打包成异步工作流，你派发任务，它后台跑，你去做别的事，回头审 PR 就行。

几个事实要先说清楚。Codex 不是一个独立软件，它包含在 ChatGPT 订阅里（Free、Go、Plus、Pro、Business、Enterprise 都有），用 ChatGPT 账号登录就能用。2026 年 4 月推出了代号“Codex for almost everything”的重大更新，让它从纯编程工具往通用电脑工作流 Agent 演变——现在它能操作 macOS 应用、浏览网页、发 Slack 消息、生成图片。但它的核心场景仍然是软件工程，只是边界在扩大。

⚡ 核心功能

• 异步任务委派：这是 Codex 最本质的工作方式。你描述一个任务，它在一个独立的云端沙盒环境里执行——读取仓库、修改文件、运行测试、检查 lint。任务完成后返回一个 Pull Request，里面包含完整的代码变更和测试输出。你不需要一直盯着它，可以并行派发多个任务，做完一个审一个。
• 多代理并行运行：2026 年 4 月的更新让 Codex 支持多个代理同时工作。你可以同时派发“修这个 bug”、“更新那个依赖”、“给这个模块写测试”，它们各自在自己的沙盒里跑，互不干扰。对于批量处理独立任务的团队来说，吞吐量提升明显。
• 后台 Computer Use：2026 年 4 月新增的能力。Codex 可以在后台直接操作 macOS 应用，你继续用你的电脑，它在后台干活。这意味着它能处理那些只能通过桌面 GUI 完成的任务，不只是命令行和代码。
• AGENTS.md 项目规则：你可以在仓库里放一个 AGENTS.md 文件，写明项目的编码规范、测试要求、构建方式。Codex 在执行每一项任务时都会读取并遵循这些规则。这是让 Codex 输出符合团队标准的关键配置，不做的话它只能靠猜。
• Slack / Gmail / Notion 协作工具联动：Codex 可以从这些工具里读取上下文，跟进任务进展。比如你在 Slack 里讨论了一个问题，Codex 能读取相关消息来理解任务背景。
• Codex Security：2026 年 3 月推出，自动做应用安全审查、识别漏洞、提出修复建议。把安全审查从“上线前突击”变成“每次改代码时自动跑一遍”。
• 持久线程与目标模式：Codex 的每个工作线程可以保留上下文，你可以在一个线程里持续跟进一个长期任务。目标模式（Goal Mode）让你定义明确的完成条件（比如“单元测试全部通过”），Codex 会朝着这个目标迭代直到达成。
• 多端接入：ChatGPT 网页版（chatgpt.com/codex）、macOS/Windows 桌面应用、VS Code 扩展、终端 CLI、手机端（通过 ChatGPT App 扫码配对）。你在电脑上派发任务，在手机上审批和跟进，同一个工作流跨设备连续。

✨ 主要亮点与优势

1. “异步队列”的工作模式是真正的差异化。Claude Code 是终端里逐步交互的，Cursor 是编辑器里实时反馈的，Codex 的核心场景是你派发任务，它后台跑，回头审 PR。这个模式适合的是“我知道要做什么，只是不想现在做”的任务。你不需要坐在那里看它写代码，它做完会告诉你。

2. 全能型选手，任务覆盖最均衡。2026 年 MSR 会议的一篇论文分析了 7,156 个真实 PR，对比了 Codex、Claude Code、Cursor、Copilot、Devin 五个代理。Codex 是唯一在全部 9 个任务类别中接受率都在 59.6%-88.6% 之间的——没有明显的短板。fix 和 refactor 任务尤其突出，Bug 修复接受率 83%，重构也是最佳。对比 Claude Code 在测试任务上只有 33.3% 的接受率，Codex 的稳定性优势明显。

3. 包含在 ChatGPT 订阅里，没有单独的 Codex 账单。你不需要为了用 Codex 单独买一个 $20/月的工具。ChatGPT Plus 用户本来就在付 $20/月，Codex 直接用，额度共享。Go 用户 $8/月也能有限度试用。对于已经在用 ChatGPT 的人来说，Codex 是“已经付了钱但可能还没用”的能力。

4. 从编程工具往通用 Agent 的演进速度很快。2025 年 5 月发布时只是编程代理，到 2026 年 4 月已经能操作电脑、浏览网页、发 Slack、生成图片、跑 90+ 插件。OpenAI 的路线图很明确——Codex 正在变成一个“数字员工”，而不只是一个“编程助手”。

🎯 使用场景

Codex 的场景围绕“有明确终点的开发任务”展开。它不是用来做创意探索的，也不是用来写作或设计的。

• 批量 Bug 修复：你有一堆 GitHub issue 标签是 bug，每个都不复杂但数量多。把 issue 派给 Codex，它修完开 PR，你审就行。论文数据显示 Codex 在 fix 任务上的接受率是 83%，是同类工具里最高的。
• 重构与代码迁移：把一段代码从旧模式迁移到新模式、更新 API 调用、统一代码风格。Codex 在 refactor 任务上的表现也是同类最佳。配合 AGENTS.md 写明重构规范，输出质量更稳定。
• 测试覆盖：给现有代码补单元测试。这是 Codex 的强项之一，比 Claude Code 在测试任务上的表现好很多（Codex 测试接受率在 70% 以上，Claude Code 只有 33.3%）。
• 文档更新：代码改了，文档没跟上，或者 API 参考过期了。Codex 读取代码后自动更新文档，开 PR。这类任务几乎零风险，适合让 AI 批量处理。
• 依赖升级：把一个项目从旧版本依赖升级到新版本，跑测试，修兼容性问题。这是典型的“知道怎么做但很烦”的任务，Codex 的异步模式正好匹配。
• 不适用的人群：不写代码的用户（Codex 的核心是软件工程）；需要实时交互式补全的开发者（Cursor 或 Copilot 更合适）；预算极有限、只想用免费工具的用户（Free 版的 Codex 额度非常受限）；需要终端深度交互和逐步控制的高级用户（Claude Code 更灵活）。

📋 如何使用

第一步：找到 Codex 入口

登录 ChatGPT，在左侧工具栏找到 Codex。Free 和 Go 用户也能看到入口，但额度很受限。Plus 及以上用户有实际可用的配额。也可以在 chatgpt.com/codex 直接访问 Web 版，或者下载 macOS/Windows 桌面应用获得更完整的界面。

第二步：设置多因素认证（MFA）

第一次使用 Codex 会要求你设置 MFA。用 Google Authenticator 或 Authy 扫码绑定，输入验证码完成。这一步是强制的，不能跳过。

第三步：连接 GitHub

点击“Connect to GitHub”，授权 OpenAI 的 GitHub 连接器。你可以选择授权所有仓库，也可以只授权特定的几个。授权完成后，你的仓库会出现在 Codex 界面里。

第四步：创建环境并开始任务

选择一个仓库，点击“Create environment”。然后你就可以在对话框里描述任务了。比如“修复 #123 这个 issue”、“给 utils 模块补测试”、“把 React 18 升级到 19”。Codex 会在沙盒里执行，完成后生成一个 PR 供你审阅。

第五步：配置 AGENTS.md（强烈建议）

在仓库根目录创建一个 AGENTS.md 文件，写明：项目用什么语言、怎么跑测试、编码规范是什么、哪些文件不要动。Codex 每次执行任务都会读取这个文件。不配置的话，它只能靠代码本身猜你的规范，输出质量会打折扣。

💡 使用技巧

• AGENTS.md 是 Codex 输出质量的最大杠杆。花 20 分钟写好 AGENTS.md——测试命令、lint 规则、代码风格、禁止事项——比任何提示词技巧都管用。Codex 每个任务都会读它，相当于给 AI 配了一本项目手册。
• 任务描述要包含验收标准。“修复登录 bug”太模糊，“修复登录时邮箱大小写敏感导致的验证失败，需要加单元测试覆盖这个场景”才是 Codex 能高质量执行的任务。论文数据也显示，任务类型对接受率的影响（29 个百分点）远大于代理之间的差异（大多数在 10-20 个百分点）。
• 用“目标模式”定义明确的完成条件。弱目标是“帮我实现这个计划”，强目标是“把这个 Python 工具迁移到 Rust，直到所有单元测试通过”。有验证器的任务，Codex 能自主迭代到达成，没有验证器的任务它不知道什么时候算完成。
• 派发任务前先 Git commit。Codex 会改你的代码。虽然它开的是 PR，但在某些配置下（比如 CLI 模式）它可能直接改本地文件。任务前 commit 一下，不满意可以回退。
• 注意用量消耗，小任务不一定省。有用户反馈，仅仅修改 AGENTS.md 里几行规则，5 小时额度就从 91% 掉到了 89%。Codex 的 credit 消耗跟任务复杂度不完全成正比，有时候一个简单任务的“思考开销”也不小。派发任务时尽量描述清楚，减少它来回试错的次数。

📦 安装方式

一个实际建议：如果你只是想在浏览器里跑几个任务，直接用 Web 版就够了。如果你需要管理多个并行任务、或者想要更完整的文件浏览和 diff 查看体验，装 macOS/Windows 桌面应用。CLI 适合习惯终端工作流的人，但要注意包名别装错。

💰 收费情况

Codex 没有独立的定价——它包含在 ChatGPT 的订阅方案里，用量和 ChatGPT 共享同一个额度池。这意味着你不需要为 Codex 单独付费，但你也无法“只买 Codex 不买 ChatGPT”。

几个关键点要留意：额度每 5 小时重置一次，不是每月。Pro 用户还有每周上限，但 2026 年 7 月曾临时移除过 5 小时限制。模型选择直接影响消耗速度——GPT-5.6 Astra 比 Luna 贵得多，用便宜模型能让额度撑更久。用超了可以在不升级方案的情况下单独买 credit，但免费版不能买。

一个实话：如果你每天只跑两三个小任务，Plus 的额度基本够用。但如果你在做大规模的 Agent 工作流——批量修 issue、持续重构、多任务并行——Plus 的额度可能一周内就消耗得差不多了。Pro 5x 的 $100/月对于重度用户来说可能是必须的。API 模式是另一个选项，按 token 计费没有 5 小时窗口限制，适合批量处理或程序化调用，但会失去 GitHub 集成和 Slack 联动。

👥 适用人群

• 开发者/工程师：这是 Codex 最核心的用户群。你每天写代码，有明确的开发任务需要完成，愿意把一部分“有标准答案”的工作交给 AI。Bug 修复、重构、测试、依赖升级这些任务最适合。
• 技术团队负责人：你需要管理一批开发任务，但团队产能有限。把批量的小任务（文档更新、代码风格统一、测试补全）派给 Codex，让人类开发者专注在更需要判断力的工作上。论文数据显示 Codex 的 PR 接受率稳定在 77.9%，对于标准化任务来说这个质量是够用的。
• 已经在用 ChatGPT 的人：你本来就在付 $20/月的 Plus 订阅，Codex 是“已经包含但可能还没用”的能力。不需要额外花钱，值得试一下。
• 初创公司和小团队：预算有限但需要快速迭代。Codex 的异步队列模式让一个人可以“管理”多个开发任务，相当于用 $20/月买了一个初级开发者的部分产能。
• 不适用的人群：不写代码的用户；需要实时交互式补全的开发者（Cursor 或 Copilot 更合适）；习惯终端逐步交互控制的高级用户（Claude Code 更灵活）；对中国网络环境有硬性要求但无法稳定访问 OpenAI 服务的用户。

🌍 全球使用情况

Codex 在 2025 年 5 月发布后增长迅速。OpenAI 在 2026 年 6 月披露 Codex 的全球周活跃用户超过 500 万。2026 年 4 月时周活跃开发者约 300 万，一个多月内增长了 60% 以上。

亚太地区是增长最快的区域。OpenAI 的 APAC 初创企业负责人 Thomas Jeng 表示，自 2025 年底推出以来，Codex 在该地区的采用率增长了约 17 倍，“我职业生涯中从未见过这样的增长势头”。新加坡已经进入 Codex 全球前五大市场。

印度是 Codex 增长最猛的市场之一。2026 年初以来，印度周活跃用户增长了 27 倍，日交互量增长超过 20 倍。印度目前是 Codex 全球前五大市场之一，前十大参与度市场之一。有意思的是，印度超过 25% 的 Codex 请求是非编程任务——研究、文档、工作流自动化——说明它正在从“编程工具”变成“通用工作流工具”。

在中国市场，Codex 的直接使用受到网络访问限制。国内开发者要稳定使用 Codex 需要解决网络问题，这比 Claude Code 或 Cursor 的门槛更高。实际使用 Codex 的国内用户主要是两类：一是能稳定访问 OpenAI 服务的出海团队和跨境开发者；二是通过 API 中转或企业采购渠道获得访问的团队。中文社区关于 Codex 的系统性教程和实战分享也在增加，但整体规模不如 Copilot 和 Cursor 的中文生态。

⚖️ 优缺点分析

优点

• 全能型选手，任务覆盖最均衡。2026 年 MSR 论文的 7,156 个 PR 分析显示，Codex 是唯一在全部 9 个任务类别中接受率都在 59.6% 以上的代理，fix 和 refactor 尤其突出，Bug 修复接受率 83%。没有明显的短板，适合作为团队的“默认选项”。
• 异步队列模式真正解放时间。你派发任务，它后台跑，回头审 PR。不需要坐在那里看它写代码。配合多代理并行，一个人可以同时管理多个开发任务，吞吐量提升明显。
• 包含在 ChatGPT 订阅里，没有独立成本。Plus 用户不需要额外付费就能用 Codex，额度共享。对于已经在用 ChatGPT 的人来说，这是一个“已经付了钱但可能还没用”的能力。
• AGENTS.md 让输出可预测。你可以在仓库里定义编码规范、测试命令、禁止事项，Codex 每个任务都会遵循。这比其他工具靠提示词“提醒”AI 要可靠得多。
• 从编程工具往通用 Agent 的演进很快。2026 年 4 月以来的更新让 Codex 能操作电脑、浏览网页、联动 Slack/Gmail，边界在持续扩大。OpenAI 的路线图很明确——Codex 正在变成一个通用工作流 Agent。

缺点

• Mac 桌面应用的资源消耗问题严重。多个用户反馈 Codex 桌面应用导致 Mac 系统卡顿，即使关闭应用，问题仍然持续，只有重启才能解决。有用户测算，运行约 21 天后 SSD 写入量达到约 37 TB，一年可能写入约 640 TB，足以在不到 12 个月内消耗掉普通消费级 SSD 的全部写入寿命保修额度。这是硬件层面的真实损伤，不是“体验不好”这么简单。
• 用量消耗不透明，小任务也可能吃掉大量额度。有用户反馈，仅仅修改 AGENTS.md 里几行规则，5 小时额度就从 91% 掉到 89%。更严重的是，当 Codex 产出错误结果时，用户需要消耗更多额度来让它修正或重做，而“错误-修正”的循环成本全部由用户承担。有用户购买了 €20 的额外 credit，在做了少量有用工作后 93 个 credit 就已经消耗完了。
• 需要网络访问，国内使用门槛高。Codex 的核心服务运行在 OpenAI 的云端，国内直接访问不稳定。跟 Cursor（有国内可用的替代方案）或本地部署的 AI 工具相比，Codex 对中国开发者的“可用性”门槛更高。这不是功能问题，是能不能用上的问题。
• Free 和 Go 版的 Codex 额度非常受限。Free 版“仅够快速体验”，Go 版 $8/月也只是“有限度使用”。要真正把 Codex 作为日常开发工具，至少需要 Plus（$20/月），重度使用需要 Pro（$100/月起）。这个价格门槛对于学生和预算敏感的用户来说不低。

🔄 与同类工具对比

跟 Claude Code 的对比值得多说一句。两者都是终端优先的 AI 编程工具，但工作模式完全不同。Claude Code 是逐步交互的——你在终端里看着它执行，每一步都可以介入和调整。Codex 是异步队列的——你派发任务，它自己跑，回头审 PR。选哪个取决于你的工作习惯：如果你想“盯着它干活，随时叫停”，Claude Code 更合适；如果你想“派活给它，回头收货”，Codex 更对路。论文数据也显示，Claude Code 在功能开发（72.6%）和文档任务（92.3%）上表现更好，但测试任务接受率只有 33.3%，是明显的短板。

跟 Cursor 的对比：Cursor 是编辑器内的实时协作工具，你写代码的时候它在旁边辅助。Codex 是异步任务代理，你不需要一直坐在编辑器前。如果你习惯“边写边改，实时反馈”，Cursor 的体验更好。如果你要处理的是“我知道要改什么，但不想现在动手”的任务，Codex 的异步模式更省心。价格上 Cursor 起步 $20/月，Codex 包含在 ChatGPT 订阅里（也是 $20/月起），但如果你已经在用 ChatGPT，Codex 相当于“不加钱”。

跟 GitHub Copilot 的对比：两者都走云端异步代理的路线，但 Codex 的 PR 接受率更高（77.9% vs 68.0%）。Copilot 的优势在于深度绑定 GitHub 工作流——issue、PR、CI 全部原生集成，权限和分支策略可以直接复用。如果你的团队一切都在 GitHub 上，Copilot 的集成摩擦更小。如果你更看重输出质量而不是集成度，Codex 的数据更好看。

📝 总结：值不值得用

明确结论：如果你已经在用 ChatGPT Plus 或更高级的订阅，Codex 是“已经付了钱但可能还没用”的能力，值得试。如果你需要的是一个异步任务代理来处理批量开发工作，Codex 是目前同类工具里任务覆盖最均衡、PR 接受率最高的选择之一。如果你需要的是终端里逐步控制的深度交互，Claude Code 更合适。

Codex 的核心价值不在“AI 能写代码”——现在所有工具都能做。它的价值在于它改变了你使用 AI 的方式：从“坐在那里跟 AI 对话”变成“派发任务然后去做别的事”。异步队列的模式配合多代理并行，让一个人可以管理多个开发任务，相当于把 AI 从“结对编程的搭档”变成了“带一组实习生的工头”。MSR 论文的数据也支持这一点——在标准化任务上（Bug 修复、重构、测试、文档），Codex 的 PR 接受率稳定在 77.9%，是五个代理里唯一没有明显短板的。

什么时候值得用：你已经是 ChatGPT Plus/Pro 用户（不加钱就能用）；你的团队有批量的标准化开发任务（Bug 修复、依赖升级、测试补全、文档更新）；你习惯“派活-收货”的工作模式而不是“实时盯着 AI 写代码”；你需要一个在多个任务类型上都表现稳定的代理，不想为不同任务换不同工具。这些情况下，Codex 的异步队列模式能真实提升你的吞吐量。

什么时候不推荐：你不用 ChatGPT，也不打算为它付 $20/月（Codex 没有独立版本）；你习惯终端逐步交互，需要随时介入和调整（Claude Code 更合适）；你对 Mac 桌面应用的资源消耗问题非常敏感（目前有真实的 SSD 磨损和系统卡顿反馈）；你在国内，无法稳定访问 OpenAI 服务；你只需要简单的代码补全（Copilot 更轻、更便宜）。

说得直白一点：Codex 是一个“为异步开发工作流设计的 AI 代理”，不是一把万能钥匙，也不是一个必须拥有的工具。它做的事情很专一——把“有明确终点的开发任务”自动化掉。如果你恰好有这个问题，而且已经在 ChatGPT 的生态里，它是目前最值得试的选项之一。如果你不在这个场景里，它就是一个需要 $20/月起步的额外工具，不如先用 Copilot 或 Cursor 看看自己到底需要什么。用之前建议先想清楚一个问题：你的日常工作里，有多少任务是“我知道怎么做但不想现在做”的？如果这个比例超过 30%，Codex 的异步模式可能真的能帮你省时间。