40分钟精通 Codex：零基础奶妈级教程（重点总结）

工具选型与安装第 2 / 5 篇

本文是一篇 Codex 桌面端系统教程的内容提炼，覆盖从安装到高级功能、手机端操控的完整流程，核心是 Codex 的各项核心能力与多个实战场景。

关于版本号的说明：原教程为语音讲解，文中出现的模型名称（如 GPT「5.5」、生图模型「image gen / image 2」）来自口述转录，可能与官方实际命名有出入，请以 OpenAI 官网为准。本文保留口述措辞仅作还原。

写作日期：2026-06-16｜复核：2026-09-07｜本篇没有可机器核实的锚点

复核时按同批文章的做法找了一圈：零外链、没有可安装的包名、 没有本文自己断言的 CLI 命令 —— 它讲的是桌面端的界面操作。 ⇒ 正文一处未改，也没有 🔔 判据可给：界面改版这种失效 只能打开软件看一眼，没有零成本的判据。 上面那段「以官网为准」的提醒，仍然是读这篇最该记住的话。

⚡ 最快上手路径（5 步跑起来）

  1. 装：准备一个 ChatGPT 账号（免费也行，额度少一点）→ 官网下载安装。
  2. 登录：登录 ChatGPT 账号，初始设置随便选（后续都能改）。
  3. 设权限：选 自动审查 模式（新手最佳，AI 自动判断风险，危险才问你）。
  4. 选项目：点“项目”→ 选中一个本地文件夹，里面所有文件 Codex 即可读写。
  5. 开聊：找到对话框直接提需求，边按边学。

一句话能力地图：操作本地文件 → 用终端装东西 → 持久记忆（记住你的偏好）→ 生图+计划模式做项目 → 插件（部署/操控浏览器和电脑）→ 把流程沉淀成 skill → MCP 连外部 → 定时自动化 → 手机远程操控。

一、Codex vs Claude Code：先搞清区别

维度 Codex（OpenAI） Claude Code（Anthropic）
本质 由编程 agent 走向通用 agent 同上
模型 桌面端只支持 OpenAI GPT 模型 默认 Claude，可自由替换为任意模型
易用性 产品设计更友好，适合零基础白领 自由度更高，偏专业开发者
功能特色 浏览器操控、computer use、内置生图、手机端远程操控 skill / MCP / 斜杠命令 / hook / 远程操控的“发明者”，但近期更新略慢
价格额度 会员额度大方，20 刀够用，不封号 多数人用不了官方账号，需自行调用 API，花多少算多少

作者的使用结论：

  • 写作 / 规划 → 用 Claude（写作规划能力强）
  • 日常办公 / 执行解决问题 → 用 Codex
  • 编程 → 两个都用
  • 入门只用 Codex 就很强；有条件两个都用最完美。 两者逻辑相通，学会一个就会用另一个。

二、上手准备与界面

  • 唯一前提：一个 ChatGPT 账号（免费也行，额度少一点）。
  • 官网下载 → 安装 → 登录 ChatGPT 账号 → 初始设置随便选（后续都能改）。
  • 界面类似 ChatGPT：左侧管理对话/任务列表，中间聊天，右侧显示结果。
  • 作者的“探索 AI 工具独门秘籍”：别钻研页面，先找到能对话的框开聊，先按能看懂的按钮，边按边学。

三、Codex 各项核心能力

说明：原教程在回顾时把核心能力概括为——本地文件操作、终端命令行、持久记忆、生图/计划模式开发、插件（含浏览器与电脑操控）、Skills、MCP、自动化定时任务。下面按教程讲解顺序逐一展开（浏览器操控与 Computer Use 在原文中归属“插件”章节，本文作为该章节的延伸列出）。

能力 1：本地文件操作（桌面 agent 区别于对话 AI 的最显著能力）

  • Codex 可自主读取和操作本地文件，不限数量（普通 ChatGPT 只能复制粘贴或按格式上传）。
  • “项目”概念 = 本地一个文件夹。选中文件夹即成为项目，里面所有文件 Codex 可自由读写（需授权）。
  • 手动新建任务：除了选项目，也可手动创建新任务，Codex 会自动在本地创建对应文件夹。与 Codex 对话过程中 agent 产出的任何文件（PDF / Markdown / PPT）都直接存在本地电脑。

三种权限模式：

  1. 默认权限：仅在当前文件夹内读写；联网/下载/碰文件夹外文件需申请提权。
  2. 自动审查（推荐新手选）：AI 自动判断操作是否危险，危险才问你，更宽松智能。
  3. 完全访问权限：电脑上几乎无所不能（可改/删任意文件、任意位置执行命令），风险最高。

实战案例 - 视频素材批量重命名：

  • 80 多条命名混乱的视频，让 Codex 按画面内容重命名。
  • Codex 很聪明：先看有多少视频 → 抽帧取关键画面 → 拼成缩略图一组组判断（不逐张看）。
  • 结果遵循“序号_任务场景_行动”的清晰格式。
  • 同一项目可开多个对话，上下文各自独立，但都能访问同一项目文件。
  • 另一案例：把所有风景视频用 FFmpeg 拼接成一整条。

上下文管理：

  • 对话界面的小圈显示当前对话已用多少上下文窗口，鼠标悬停看详情。
  • 上下文快满时 Codex 自动压缩；也可用斜杠 /压缩 命令手动压缩，让模型更聚焦新任务并省额度。
  • 查总额度两种方式：① 左侧设置 → 剩余额度（看 5 小时内 / 本周 / 刷新时间）；② 对话框输斜杠找 /状态，会持续显示上下文余量与限额。

模型选择： 速度选“快速”=加急通道（更耗额度）；模型都选 5.5（更好用）；智能程度选“高”。另有语音输入（麦克风），但转录速度不如专门的语音输入法。

配套建议：装一个 agent IDE / 编辑器（弥补 Codex 短板）

  • Codex 的一个缺点：它没法直接打开并手动编辑文件内容——侧边栏只能查看文件结构和部分内容，无法手动编辑。
  • 解决方案：让 Codex 帮你装一个喜欢的 agent IDE（如 Cursor），装好后执行一次 git init 初始化，右上角就会出现入口，随时可把项目“在编辑器中打开”进行手动编辑。

能力 2：命令行工具使用

在授权下用终端替你做事。可让 Codex 安装对小白很复杂的东西：

  • 第一类 常用依赖：Node.js、Git 等。自动审查模式下基本不问就装好。
  • 第二类 有门槛的新 agent：Claude Code、Hermes 等。不用给链接，说“最近有个叫 Hermes 的 agent 很火，帮我装”，它会自己搜索、判断、按官方文档安装并验证。
  • 第三类 软件应用：Cursor 等平时手动下载的软件也能帮你下载/卸载。
  • 第四类（重要）agent 常用的 skill / MCP / CLI：这类不像大项目著名，最好提供具体仓库或官网地址，把链接拷给 Codex 让它装。
    • 例：find skill（专门找 skill 的工具）、飞书 CLI（把软件几乎所有操作做成命令，方便 agent 调用）。

并行任务处理：它做一件事时，可再开对话让它下载别的。任务列表中转圈=执行中，蓝点=完成，有时会出现申请提权标识。

装好飞书 CLI 后，Codex 可帮你在飞书里写文档、发消息、看日历、做表格。复杂的“收你 599 的部署”都能让 Codex 帮做；遇到问题截图问它即可修。

能力 3：持久记忆

Codex 有两套持久记忆系统（类似 Claude）：

① 手动持久记忆 = agents.md

  • 全局级：设置 → 个性化 → 自定义指令，本质是全局生效的 MD，任意项目对话都会第一时间作为上下文发给模型。
    • 可手动写，作者更喜欢直接对话让 Codex 帮写到全局。
    • 适合记通用大原则：说中文、工作习惯、工作偏好（如“改飞书文档用专属文字颜色+删除线，不直接改”）。
    • 实战：发飞书文档链接 + 按侧边评论修改 → Codex 真用紫色字 + 删除线完成。
  • 项目级：只在该项目生效。可在编辑器手动创建 agents.md 写项目规则，更建议在项目有内容后让 Codex 根据了解自动帮写。

② 自动记忆

  • 需在个性化里手动打开。机制：对话/任务结束闲置一段后，Codex 把对话总结成记忆存起来。
  • 原则：太短的对话不记；总结也耗额度，额度太低不记。
  • 官方不建议手动改自动记忆文件（顶多删没必要的信息）。
  • 文件格式：逐个任务记录 → 记忆来源对话、工作目录、触发召回的关键词、用户偏好、可复用知识/踩坑记录。Codex 会自动召回使用。
  • 明确规则/要求仍建议通过组织 agents.md 实现。

能力 4：图片生成（image gen）+ 计划模式做完整开发项目

生图只是小功能，本章重点演示 用计划模式做一个完整的个人主页开发：

  • 新建“个人主页”项目 → 点加号打开计划模式（任务复杂或自己没想清时适用，AI 先列详细计划，确认后再行动）。
  • 项目无内容时，Codex 用选择框追问大量细节（品牌定位、风格、受众、语言等），没合适选项可选最后一项自填详细要求。
  • 可补充调整方案，如“网页多用图片，用生图能力生成高级感图片”；它会进一步追问风格（点小叹号看风格含义），确认后初始化并逐步生成。

两个重要小功能：

  • 引导（纠偏）：长任务跑偏时随时补充意见。它不会立刻打断，而是排队，右侧“引导”按钮提示“不打断模型运行，下次调用工具后发送”。避免在错误道路狂飙烧额度，也不用重跑。
  • 分叉 fork：每条 AI 回复下方有 fork 按钮，可从该处开新对话。适合前面上下文有价值、后面聊岔了的情况。
  • 桌面宠物（彩蛋）：设置 → 外观可选小宠物，甚至可点击“创建”让 Codex 根据对你的了解生成定制化宠物；唤醒后常驻桌面，头上冒出“正在做什么”的提示。

预览与批注：

  • Codex 内置预览浏览器，右侧侧边栏直接打开看网页效果。
  • 点右上批注按钮，可在页面选中元素写修改意见（含重新生成图片，如 logo 放大、给图加人物、删元素），批注汇入对话框，发送后针对性修改。
  • 项目有雏形后，正是让 Codex 生成项目级 agents.md 的好时机（背景/信息/规则/文件路径都写好），之后新开对话或清空记录都能立即了解项目。

能力 5：插件（Plugins）

  • 插件 = 让 agent 连接外部平台/工具/服务，本质是 skill / MCP / CLI 的完整集合包（操作邮箱、日历、GitHub 等）。
  • 左侧插件栏已默认开启多个内置插件：浏览器操作、Mac 专有屏幕操作、GitHub、表格、PPT 等。插件页无中文翻译，按需点加号安装。

部署上线（coding 板块）：

  • Vercel：更适合有域名的朋友（国内访问无域名可能有问题）。
  • Netlify：没域名、国内访问更友好。
  • 装好插件（GitHub 也要勾选）→ 对话里说“用 Netlify 部署网站”→ 未授权时它弹登录链接（建议用 GitHub 账号登录最方便）→ 自动部署 → 给出最终网站链接，发出去别人即可访问。换自有域名问 Codex 即可。

能力 5 延伸：浏览器操控 & Computer Use（重要内置插件）

  • Browser Use：Codex 直接操控浏览器（点击翻页、截图、填表单），适合前端自动化测试。示例：自动做 MBTI 测试（自己移鼠标、看题、填写、翻页）。
  • Chrome 插件：控制的是你已登录的自己的浏览器（不新开），需在 Chrome 装扩展。好处：后台执行多页面操作，不占用你正在用的浏览器。
  • Computer Use：不止浏览器，连电脑上的 APP 都能操作（暂时只有 Mac 支持）。需在加号底部手动勾选电脑插件。示例：放歌、用微信发消息（微信操作被风控失败，但成功操作了音乐软件，还能操作剪映给项目加音乐）。
  • 作者评价：这两个强大功能目前操作效率偏低，他个人不太常用。

能力 6：Skills（作者每天都用，最推荐）

  • 本质：人为沉淀的可复用方法、流程、工具组合，是 agent 做具体任务的行动指南。
  • 下载社区 skill：用 find skill 找；找不到就直接把链接发给 Codex 让它下载。例：装“SOP + 前端设计”skill、“去 AI 味”skill。
  • 最好用的还是自己创建的专属 skill。 两种创建方式：
    1. 直接说想创建什么 skill，跟它讨论打磨。
    2. （更推荐）先跑通流程，再让它形成 skill。

实战 - 做“GitHub 热门项目图文”skill：

  1. 用 GitHub 插件问最新热门项目 → 让它解释各项目做什么 → 挑星标最多的写一篇推荐文。
  2. 嫌太“人机”→ 要求更口语化、只要 5 个精选、覆盖指定层面。
  3. 斜杠调用“去 AI 味”skill 优化。
  4. 加固定开头结尾、用生图配图、改成飞书文档格式图文并茂；多轮调整满意。
  5. 加一步：把飞书文档发到指定群。
  6. 满意后让 Codex 把整套标准与动作做成 skill。之后斜杠手动调用，或用触发词（如“生成一篇热门项目推荐图文”）让 Codex 自动调用。
  • 价值：把验证调好的一整套流程固定下来，下次稳定输出。

能力 7：MCP（简略）

  • MCP 现在用得不太多。藏在 设置 → MCP 服务器，小白不易填。
  • 最佳方式仍是把想装的链接拷给 Codex 让它自己装。例：装 NotebookLM 的 MCP → 引导授权登录 → 之后 Codex 可直接读取 NotebookLM 上的外挂知识库（如访谈视频笔记本）。

能力 8：自动化定时任务（压轴）

  • 定时任务本身不稀奇，但结合前面各种能力把组合任务定点自动执行才美妙。
  • 两种创建方式：
    1. 自动化面板 → 新建（填提示词写做什么 + 选触发时间 + 选模型/思考强度 → 创建）。官方有参考示例（多与开发相关）。
    2. （更简单，推荐）对话里直接说：“帮我创建自动化任务，每周一早上 9 点执行热门项目推荐 skill，产出图文发到群里。”
  • 进阶示例：连上邮箱/GitHub/飞书插件后，让它“每天下午 6 点汇总日历完成的会议、GitHub 提交记录、邮箱回复记录，生成全面工作日报”。
  • 把“热门项目图文 skill”设成每 3 天/每周自动产出发布 → 等于一个自动化自媒体运营机器。

四、手机端远程操控

  • 设置极简：把手机 ChatGPT 和电脑 Codex 都更新到最新版 → 打开手机 ChatGPT → 侧边栏点 Codex → 允许这台手机控制你的电脑即可。多台电脑可分别连上。
  • 价值：在大街、地铁、聚会随时随地用手机下发任务，让 Codex 在电脑上干完活，像能远程协作的同事。
  • 目前免费版也可用，但主要能连 Mac 系统。

五、常用斜杠命令 / 快捷操作速查

操作 入口 / 命令 作用
压缩上下文 /压缩 任务告一段落后手动压缩，聚焦新任务、省额度
查看状态 /状态 持续显示上下文余量、5 小时与一周限额
调用 skill 斜杠 → 选对应 skill 手动触发已安装的 skill（也可用触发词自动调用）
查剩余额度 左侧设置 → 剩余额度 看 5 小时内 / 本周剩余及刷新时间
计划模式 加号 → 打开计划模式 复杂任务先列计划，确认后再执行
引导纠偏 右侧“引导”按钮 不打断当前运行，排队在下次调用工具后发送
分叉 AI 回复下方 fork 按钮 从某条回复开新对话，复用前文上下文
在编辑器打开 git init 后右上角入口 用外部 IDE 手动编辑项目文件

六、安全与权限提示（重要）

Codex 能力越强，越要管好授权边界。以下场景建议谨慎确认后再放行：

  • 完全访问权限：可改/删任意文件、任意位置执行命令，风险最高。新手默认用“自动审查”即可，不必长期开“完全访问”。
  • Computer Use / 操作 APP：涉及微信、支付、邮箱等敏感应用时，注意它的每一步操作，必要时逐次确认权限，避免误操作。
  • 联网与下载：默认权限下联网/下载会请求提权；对来源不明的链接、仓库保持警惕，只装可信官网/仓库的内容。
  • 自动化定时任务：会在无人看管时联网执行并可能对外发消息/发布内容，设定前确认其动作范围与发送对象。
  • 持久记忆：agents.md 与自动记忆会长期注入上下文，避免把敏感凭据写进去。

一句话原则：把 Codex 当作有执行力的新同事——能力强但仍需你设权限、定边界、验收结果。

七、核心能力回顾

Codex 可以：操作本地文件 → 使用终端命令行工具 → 两种持久记忆 → 生成图片 → 计划模式做完整项目开发 → 丰富插件（操控浏览器和电脑）→ 把知识流程沉淀为可复用 skill → MCP 连接外部 → 设置自动化定时任务 → 手机端远程操控。

八、作者最想强调的两件事（认知升级）

  1. 很多事情已经可以交给 agent 做了。
  2. 我们已从“问 AI”阶段走向“管理 AI”阶段。
    • 过去用 ChatGPT：有问题问一下、拿到答案就走。
    • 现在用 Codex 这类 agent：每个人都要像领导一样——
      • 帮它准备所需的上下文和工作环境；
      • 给它指明任务目标；
      • 检查它的计划、监督过程、验收结果；
      • 把好的方法流程沉淀成可复用技能；
      • 把反复要做的事设成自动化执行的规矩。

一句话：从“使用者”变成“管理者”，这是 agent 时代每个人的角色升级。

← 返回 Agent 开发