在服务器上部署自己的 Codex:把 AI IDE 直接搬进 Linux 服务器

很多人并不是在本地电脑上真正跑程序,而是长期在服务器 / 云主机 / HPC 上工作
这个时候,如果服务器本身就有一个 AI IDE,效率会直接起飞。

今天分享一个非常实用但很多人没有提到的方案
👉 如何在服务器上部署并使用 Codex,让 AI 直接读写服务器环境。


一、为什么要在服务器上用 Codex?

先说结论:服务器 + Codex = 真正的“AI 助理”,而不只是聊天工具。

Codex 在服务器上的核心优势

  1. 直接读取服务器本地环境
    • 项目代码
    • 目录结构
    • 日志文件
    • conda / venv / Docker 环境
  2. 在你授权的前提下,直接操作服务器
    • 写代码
    • 改配置
    • 跑命令
    • 调试脚本
你给服务器装的不是一个工具,而是一个“会写代码的远程助手”。

二、前置条件说明(非常关键)

1️⃣ 服务器需要能访问外网(科学上网)

Codex 启动和登录阶段需要访问 OpenAI 服务。

合理使用机场即可
成本非常低(2 元 / 月级别)
后面我会单独写一篇「服务器科学上网最省钱方案」

好处是:

  • 服务器可以直接拉 GitHub
  • 可以直接拉 Docker
  • 不用在本地下载 → 再上传服务器

三、在服务器上安装 Codex

conda可以一键安装:

conda install -c conda-forge codex

四、启动 Codex(关键点在这里)

安装完成后,进入对应conda环境,启动服务:

conda activate codex codex 

第一次启动时会提示你选择登录方式:

  1. 使用 ChatGPT 账号登录(Plus / Business)
  2. 使用 API Key 按量计费

👉 这篇帖子重点讲 方式 1:账号登录 (API Key直接提供key就好)

注:账号登录需要gpt是 Plus / Business / pro 账号,免费用户没有codex功能


五、进行gpt账户认证

选择1之后,codex会返回给我们一个链接,

由于服务器没有浏览器,很多人会直接复制链接在自己的电脑上打开链接试图认证,

但这不会成功!!原因如下:

当你在服务器运行 codex 并选择 方式 1 时:

  • Codex 会:
    • 在服务器 本地启动一个临时端口(如 1455)
    • 等待浏览器认证回调
  • 它给你的链接本质是:
    • 浏览器登录 → 回调到服务器的 localhost:1455

六、SSH 端口转发进行认证

因此需要用自己的PC端ssh端口转发服务器,链接后启动服务器

ssh -L 1455:127.0.0.1:1455 用户名@服务器IP codex

此时点开返还的链接登录认证即可,后续 不需要每次重新登录。

此时大家只要启动codex就可以开始愉快的对话和授权了,希望大家玩的愉快🙂

Read more

告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

摘要 对于许多开发者而言,与数据库打交道意味着繁琐的语法记忆、复杂的联表查询以及令人头疼的性能优化。你是否曾希望,能用说人话的方式直接操作数据库?飞算JavaAI专业版的SQL Chat功能,正是这样一个革命性的工具。本文将分享我如何将它变为一个永不疲倦的“数据库专家同事”,用自然语言轻松搞定一切数据需求。 一、 痛点切入:我们与SQL的“爱恨纠葛” 还记得那次惨痛的经历吗?新接手一个庞大项目,急需从几十张表中查询一份用户行为报表。你对着模糊的需求文档,在Navicat或DBeaver中艰难地敲打着JOIN、WHERE和GROUP BY,一遍遍执行、调试,生怕一个疏忽就拉垮了线上数据库。这不仅是技能的考验,更是对耐心和细心程度的终极折磨。 尤其是面对以下场景,无力感尤甚: * 复杂查询:涉及多表关联、嵌套子查询、窗口函数,SQL语句长得像一篇论文。 * 性能优化:一条SQL跑起来慢如蜗牛,却不知从何下手添加索引或改写。 * 老项目溯源:面对命名随意的表和字段,理解业务逻辑如同破译密码。 我们需要的不是一个更漂亮的SQL客户端,而是一个能理解我们意图的“智能数据库搭档”

AI实践(2)提示词工程

AI实践(2)提示词工程

AI实践(2)提示词工程 Author: Once Day Date: 2026年3月2日 一位热衷于Linux学习和开发的菜鸟,试图谱写一场冒险之旅,也许终点只是一场白日梦… 漫漫长路,有人对你微笑过嘛… 全系列文章可参考专栏: AI实践成长_Once-Day的博客-ZEEKLOG博客 参考文章:Documentation - Claude API DocsOpenAI for developersPrompt Engineering GuidePrompt Engineering Guide: The Ultimate Guide to Generative AI提示词技巧 – Claude 中文 - Claude AI 开发技术社区Prompting strategies for financial analysis | ClaudeGPT-5 prompting guidePrompt engineering | OpenAI APIPrompting

【硬核】从零搭建16人AI数字员工团队:OpenClaw“龙虾”部署大战斗

【硬核】从零搭建16人AI数字员工团队:OpenClaw“龙虾”部署大战斗

从零搭建16人AI数字员工团队:OpenClaw“龙虾”部署大战斗 大家好,我是禹笑笑,目前已经完成 openclaw 的的第 n 次进化,现目前市面上的部署,大多只是在玩软件安装的事儿。后续我会更新我本地的 openclaw 架构! 声明:本文仅代表个人部署经历和观点,不针对任何工具或平台的商业价值进行评判。所有技术问题均来源于真实使用体验,旨在为后来者提供参考。 前言:一个程序员对AI员工系统的执念 2026年的春天,我做了一个大胆的决定:我要搭建一个拥有16人规模的AI数字员工团队。 这个想法源于一次深夜的技术反思。那时候,我每天疲于应付各种琐碎的技术任务——写代码、查文档、调Bug、做测试、分析数据、优化SEO、运营社交媒体……一个人活成了一支队伍,却总是感觉时间不够用。我开始思考:能不能让AI帮我干活?能不能像管理真实员工一样,管理一群AI Agent? 答案是:能,而且已经有人这么做了。 OpenClaw进入了我的视野。这是一个新兴的多Agent协作框架,核心理念是“AI原生开发”