AI 编程新王 Codex 全面上手指南

AI 编程新王 Codex 全面上手指南

一篇文章带你精通 Codex 四大环境 + 免费使用方法

💡 前言:AI 编程的新时代

AI 编程的竞争正进入“第二轮洗牌期”。
过去几个月,Claude Code 一度成为开发者的宠儿,但频繁的限速、封号、降智问题让不少人头疼。
如今,OpenAI 推出的 Codex 迅速崛起,凭借强大的编程能力和超高性价比,成为“AI 编程新王”。

Codex 是什么?
它是基于 GPT-5 模型打造的专用编程环境,支持命令行、VS Code 插件、SDK 集成、云端操作等多种运行模式。
不论你是写脚本、做项目、还是维护仓库,Codex 都能像“AI 结对程序员”一样协助你高效开发。

这篇文章会带你彻底掌握 Codex,从安装、登录、模型切换,到免费接入国内模型与高级功能配置。
看完之后,你就能完全用上 Codex,甚至做到“零成本使用”。


⚙️ Codex 的四种运行环境

Codex 支持以下四种主要运行方式:

环境说明
CLI(命令行环境)轻量快速,最核心、功能最完整的环境。
IDE 插件环境直接在 VS Code 中使用,具备交互式文件修改与撤销功能。
SDK 环境可嵌入 Node.js 工程中,用代码直接调用 Codex。
云端环境无需本地安装,通过网页与 GitHub 完成远程开发与代码审核。

其中最推荐的起点是 CLI 环境 —— 它是 Codex 的控制中心。


🧩 命令行环境安装与配置

1️⃣ 安装 Node.js

Codex CLI 依赖 Node.js 环境。
进入 Node.js 官网,根据系统下载并安装 LTS 版本即可。
安装完成后,终端输入:

node -v 

若能正常输出版本号,说明 Node.js 安装成功。


2️⃣ 安装 Codex CLI

打开命令行或 PowerShell,输入:

npminstall -g codex 

等待安装完成。
你可以执行 codex --version 来验证安装是否成功。


3️⃣ 登录 OpenAI 账户

Codex CLI 默认使用 OpenAI 官方模型(GPT-5 / GPT-5-Codex)
首次启动时会要求你登录 ChatGPT 账号。

codex 

终端会自动打开浏览器,跳转至 OpenAI 登录页面。
登录完成后回到终端,输入一句:

Hello Codex!

若收到回复,说明配置成功。


🧠 模型选择与性能档位

使用命令:

codex model 

可在不同模型间切换。

模型特点
GPT-5通用模型,支持代码、自然语言、分析类任务。
GPT-5-Codex编程专用模型,优化代码生成与文件操作能力。

Codex 还支持三种性能档位(Reasoning Effort):

档位特点
Low速度最快,逻辑简单任务。
Medium平衡模式(推荐)。
High推理最强但响应稍慢。

🆓 免费接入国产模型(替代 Plus 方案)

没开通 ChatGPT Plus?
没关系——你可以通过国产开放模型 API 接入 Codex,实现免费使用

以下以 智谱大模型开放平台 为例:

  1. 前往 docs.bigmodel.cn 注册账号;
  2. 进入「账号设置 → 访问令牌」创建新的 API Key;
  3. 打开模型库,筛选「支持推理 API」的模型(如 glm-4.6);
  4. 复制模型的 base_urlapi_key

然后编辑 Codex 配置文件:

  • Windows:C:\Users\<用户名>\.codex\config.toml
  • macOS/Linux:~/.codex/config.toml

示例:

model_name = "glm-4.6" base_url = "https://api.xxx.com/v1" api_key_env = "BIGMODEL_KEY" 

⚠️ 注意:
不要在配置文件中直接写 API Key。
你需要在系统环境变量中新建一个变量:

变量名变量值
BIGMODEL_KEY你的 API Key

保存后重启 Codex,即可直接免费调用该模型。


🐞 已知问题与解决方案

自定义模型存在一个小问题:
有时 Codex 会调用系统默认编辑器修改文件,效率较低。

解决方法:

在提示词中加入「请使用 Codex 内置编辑接口修改文件」,
可降低触发外部调用 Bug 的概率。

🔧 Codex 常用命令一览

命令功能
/init扫描当前目录并生成 AGENTS.md,帮助 Codex 理解项目结构。
/compact压缩对话上下文,节省 token 并提高专注度。
/new清空对话记录,开始新任务。
/approvals调整 Codex 执行权限(手动 / 自动 / 全自动)。
/mcp列出已安装的 MCP(Model Context Protocol)工具。

🧰 MCP 工具:让 Codex “会用外部软件”

MCP(Model Context Protocol)是 Codex 的插件机制
让它能直接操作数据库、Excel、甚至网页浏览器。

例 1:安装 Context7 MCP

🧠 Context7 是什么?

Context7 是由 Upstash 推出的一个开源 MCP(Model Context Protocol)Server。
它的核心目标是:

让 AI 编程助手(如 Codex、Claude Code、Cursor 等)能够实时访问最新的框架文档、API 用法与示例,从而生成更准确、更贴近版本实际的代码。

换句话说,Context7 让 Codex 拥有“技术文档即时记忆”
当你让 Codex 写 Next.js、React、Tailwind、Prisma 等框架代码时,
它会自动查询 Context7 提供的实时文档数据,从而避免“胡编 API”或引用旧版语法的问题。

例如,

当你让 Codex 生成 Next.js 15 的路由代码时,
它不再依赖模型训练时的旧语料,而是即时从 Context7 获取该版本的真实写法。
⚙️ Context7 的作用

集成 Context7 后,Codex 可以在执行编程任务时做到:

  1. 自动查询文档
    • 识别你当前使用的框架或库;
    • 自动匹配正确的 API 文档和示例。
  2. 版本感知开发
    • 了解每个库的具体版本差异;
    • 避免“方法弃用”或“参数错误”问题。
  3. 减少幻觉(Hallucination)
    • 不再凭空生成不存在的函数或类型;
    • 输出代码几乎总是与真实 API 匹配。
  4. 提示增强(Prompt Enrichment)
    • Codex 的提示上下文中自动注入对应库的技术知识;
    • 让模型生成代码时“有理有据”。

一句话总结:

Codex 负责思考与生成,Context7 负责提供真实知识。
🧩 在 OpenAI Codex 中安装 Context7

要让 Context7 为 Codex 提供文档支持,只需在 Codex 的 MCP 配置文件中添加一段配置。
官方推荐的配置方式如下👇

🛠️ 基本安装配置

在 Codex 的 MCP server 配置文件(通常是 config.toml)中,添加以下内容:

[mcp_servers.context7] args = ["-y", "@upstash/context7-mcp", "--api-key", "YOUR_API_KEY"] command = "npx" 

解释:

  • command = "npx":让 Codex 通过 Node.js 的 npx 运行 Context7;
  • args:传入运行参数,包括包名和认证密钥;
  • YOUR_API_KEY:到 Upstash Context7 注册并生成的密钥。

完成后保存配置,重启 Codex CLI。
首次运行 Codex 时,它会自动加载 Context7,并显示类似:

✔ Loaded MCP server: context7 
⚠️ Windows 用户注意事项

若遇到 request timed out(请求超时)错误,可改用完整路径配置 Node.js 与包路径:

[mcp_servers.context7] command = "C:\\Program Files\\nodejs\\node.exe" args = [ "C:\\Users\\yourname\\AppData\\Roaming\\npm\\node_modules\\@upstash\\context7-mcp\\dist\\index.js", "--transport", "stdio", "--api-key", "YOUR_API_KEY" ] 

或使用 CMD 启动方式:

[mcp_servers.context7] command = "cmd" args = ["/c", "npx", "-y", "@upstash/context7-mcp", "--api-key", "ctx7sk-06b8d8a7-827a-450d-92e3-c8ef9ea0c2ce"] startup_timeout_sec = 20.0 [mcp_servers.context7.env] SystemRoot = 'C:\Windows' 
⚠️ macOS 用户注意事项

如遇相同问题,可显式指定 Node.js 全路径:

[mcp_servers.context7] command = "/Users/yourname/.nvm/versions/node/v22.14.0/bin/node" args = [ "/Users/yourname/.nvm/versions/node/v22.14.0/lib/node_modules/@upstash/context7-mcp/dist/index.js", "--transport", "stdio", "--api-key", "YOUR_API_KEY" ] 
✅ 成功后你可以这样使用
帮我写一段使用 Prisma Client 连接 PostgreSQL 的示例代码 

或:

Next.js 15 中的 app router 怎么动态加载组件? 

Codex 将实时从 Context7 中提取对应框架的官方文档片段,生成完全匹配当前版本的写法。


例 2:安装 Excel MCP

📊 Excel MCP 是什么?

Excel MCP 是一个通过 MCP 协议暴露的“表格自动化工具”,
让 Codex 能直接创建/读取/修改 Excel 文件(以及常见 CSV/表格操作),
把“让 AI 写代码→写入表格→分析数据”这一整链路打通。

适用场景包括:批量报表生成、数据清洗、按规则高亮、排名/统计汇总、从代码输出到表格等。

⚙️ Excel MCP 的作用
  • 表格生成与导出:从自然语言需求直接生成结构化表格;
  • 数据处理与统计:排序、筛选、分组、聚合、计算平均/中位数等;
  • 格式与样式:条件高亮、前 n 名标记、列宽优化;
  • 自动化工作流:与 Git/数据库 MCP 串联,做“拉数据→整形→导出→发 PR”。

一句话总结:

Codex 负责指令和逻辑,Excel MCP 负责把结果落地到真实表格。
🧩 在 OpenAI Codex 中安装 Excel MCP

在 Codex 的 MCP 配置文件(通常是 config.toml)中添加如下配置(使用 Python uvx 运行):

[mcp.excel] command = "uvx" args = ["excel-mcp", "--stdio"] 

保存并重启 Codex 后,执行 /mcp 应能看到 excel 已被加载。

⚠️ Windows 用户注意事项

如果你的系统没有正确识别 uvx,或遇到超时问题:

  • 确保已安装好 Python/UV(pip install uv 或参考 uv 官方安装方式);
  • 必要时使用完整路径,例如:
[mcp_servers.excel] command = "cmd" args = ["/c", "uvx", "excel-mcp-server", "stdio"] startup_timeout_sec = 20.0 [mcp_servers.excel.env] SystemRoot = 'C:\Windows' 
⚠️ macOS 用户注意事项

若使用 uvx 命令不可用或存在多版本 Python,请显式写全路径:

[mcp.excel] command = "/Users/yourname/.local/bin/uvx" args = ["excel-mcp", "--stdio"] 

或:

[mcp.excel] command = "/opt/homebrew/bin/uvx" args = ["excel-mcp", "--stdio"] 

✍️ 自定义命令(Prompt 级命令)

你可以在 .codex/prompts/ 文件夹里创建文件,来自定义命令。

例如新建 gitdiff.md

比较 {{branch1}} 与 {{branch2}} 的差异,并用自然语言总结。 

重启 Codex 后执行:

/cmd gitdiff main dev 

Codex 就会自动对比两个分支并输出总结结果。
这种方式非常适合创建你的个性化开发指令库


🧑‍💻 IDE 插件环境:VS Code 直接使用 Codex

打开 VS Code → Extensions,搜索 “OpenAI Codex” 并安装。

Codex 插件优点:

  • 支持可视化文件对比;
  • 支持“一键撤销(Undo)”;
  • 支持粘贴图片进聊天窗口,便于 AI 理解 UI 或截图。

插件与 CLI 共用配置文件和历史记录,无需重复设置。


☁️ 云端环境:网页上直接写代码

Codex 还支持 云端开发模式
访问 codexgpt.com

  1. 登录并绑定 GitHub 账户;
  2. 上传项目仓库;
  3. 在网页输入修改指令(如“让按钮更显眼”);
  4. Codex 自动修改代码、创建 Pull Request;
  5. 审核后合并,VS Code 可直接同步更新。

自动 Code Review 功能

打开「设置 → 启用自动代码审核」,
Codex 会对每次 Pull Request 自动进行 Code Review。

例如它能提示:

“将 HTTPS 改为 HTTP 可能导致请求失败。”

这个功能在团队协作与代码质量保障上非常有用。


🧬 SDK 集成:让 Codex 嵌入你自己的程序

如果你想让自己的项目直接调用 Codex,可使用官方 SDK。

使用步骤

npm init -y npminstall codex-sdk 

创建 index.mjs

import Codex from"codex-sdk";const codex =newCodex();const result =await codex.ask("写一个输出 Hello World 的 Python 程序"); console.log(result);

运行:

node index.mjs 

若成功输出结果,说明 SDK 环境已正确配置。


AI 编程的未来不是取代程序员,而是放大他们的创造力。
掌握 Codex,你就拥有了一个随时待命的超级搭档。

Read more

5分钟部署通义千问3-Embedding-4B,vLLM+Open-WebUI打造知识库神器

5分钟部署通义千问3-Embedding-4B,vLLM+Open-WebUI打造知识库神器 1. 引言:为什么需要高效向量化模型? 在构建现代检索增强生成(RAG)系统时,文本向量化是决定语义搜索质量的核心环节。传统的嵌入模型往往面临维度低、上下文短、多语言支持弱等问题,难以满足真实业务中对长文档、跨语种、高精度匹配的需求。 2025年8月开源的 Qwen3-Embedding-4B 正是为此而生——作为阿里通义千问系列中专精于「文本向量化」的双塔模型,它以4B参数量实现了2560维高维向量输出,支持长达32k token的上下文处理,并覆盖119种自然语言与主流编程语言,在MTEB英文、中文和代码三项基准测试中均领先同尺寸开源模型。 更关键的是,该模型已深度集成 vLLM 与 Open-WebUI,支持一键部署、OpenAI兼容接口调用,配合GGUF-Q4量化版本仅需3GB显存即可运行,RTX 3060级别显卡即可轻松承载每秒800文档的编码吞吐。 本文将带你从零开始,5分钟内完成 Qwen3-Embedding-4B 的本地部署,结合 vLLM 高性能推理与 Open

Telegram bot & Mini-App开发实践---Telegram简单介绍与初始化小程序获取window.Telegram.WebApp对象并解析

Telegram bot & Mini-App开发实践---Telegram简单介绍与初始化小程序获取window.Telegram.WebApp对象并解析

➡️【好看的灵魂千篇一律,有趣的鲲志一百六七!】- 欢迎认识我~~作者:鲲志说(公众号、B站同名,视频号:鲲志说996)科技博主:极星会 星辉大使后端研发:java、go、python、TS,前电商、现web3主理人:COC杭州开发者社区主理人 、周周黑客松杭州主理人、AI爱好者: AI电影共创社杭州核心成员、阿里蚂蚁校友会技术AI分会副秘书长博客专家:阿里云专家博主;ZEEKLOG博客专家、后端领域新星创作者、内容合伙人 今天是2024年10月24日,又是一年1024程序员节。和往常一样,平淡的度过了一天,又和往常不一样,收到了人生第一束花花🌹值得纪念。就像两年前毅然决然的从电商行业进入一个零基础零认知的web3世界一样,都有第一次的刻骨铭心,选择了就勇敢的做下去,开花结果是期待,但过程也十分重要。也像2016年下半年第一次注册ZEEKLOG去检索问题的解决方案,经过多番查阅实践,终于解决;更像2017年9月27日我的第一篇ZEEKLOG博客文章潦草问世,当初不追求得到什么,只把ZEEKLOG文章当作是学习笔记,知识总结,一路写写停停,不知不觉间也悄然过去了7个年头,断然想不到博

功能媲美收费在线教育平台!一款完全免费的开源智慧云智能教育平台,支持Web、App、小程序全端使用

功能媲美收费在线教育平台!一款完全免费的开源智慧云智能教育平台,支持Web、App、小程序全端使用

💂 个人网站:IT知识小屋🤟 版权: 本文由【IT学习日记】原创、在ZEEKLOG首发、需要转载请联系博主💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦 文章目录 * 简介 * 架构 * 系统亮点 * 功能列表 * UI界面 * 开源地址&使用手册 * 写在最后 简介 本系统是一款功能全面的开源在线教育系统,支持学生端、管理端、小程序和 App等多终端使用。系统采用前后端分离架构设计,内置课程学习、在线考试、试题管理、错题本、视频课堂、消息中心等核心功能,同时具备用户与权限管理、考试分析、课程管理、日志管理等管理端功能。系统采用SpringBoot、Mybatis-Plus、Shiro、MySQL、Redis等技术栈构建,前端使用Vue与UniApp实现,可支持多端实时同步和高可用、高性能部署。 系统采用模块化设计,

ComfyUI保姆级安装指南:从零配置Python环境到共享WebUI模型库(避坑大全)

ComfyUI终极安装指南:复用WebUI资源与高效配置实战 第一次接触ComfyUI时,我被它那类似Blender的节点式界面震撼到了——这完全颠覆了我对AI绘画工具的认知。但随之而来的安装过程却让我这个有三年Stable Diffusion使用经验的老用户也踩了不少坑。最头疼的问题莫过于:如何在保留现有WebUI模型库的同时,让ComfyUI也能共享这些资源?毕竟谁也不想在已经塞满3TB硬盘的模型库里再复制一份几十GB的数据。 1. 环境预检与准备工作 在开始安装前,我们需要确保系统满足ComfyUI的基本运行要求。与WebUI不同,ComfyUI对环境的纯净度要求更高,特别是Python版本的管理。 1.1 硬件配置核查 最低配置: * 显卡:NVIDIA GTX 1060(4GB显存) * 内存:16GB DDR4 * 存储:SSD剩余空间≥50GB(仅系统+程序) 推荐配置: * 显卡:RTX 3060(12GB显存)及以上 * 内存:32GB DDR4 * 存储:NVMe SSD(模型库单独存放) 提示:显存不足8GB的用户建议关闭--hig