官网唯一下载地址：
Codex 产品总结
截至 2026 年 8 月 22 日，Codex 已经从“AI 编程助手”发展成了 OpenAI 的一套工程智能体工作平台。
一句话理解
Codex 不是单纯帮你写几行代码，而是能够进入项目、理解代码、执行命令、修改文件、运行测试、检查 Diff，并把任务做到可交付状态的 AI 开发智能体。
传统代码助手更多是在回答：
“这段代码应该怎么写？”
Codex 更接近：
“这是项目，这是需求和验收标准，你进去完成它，跑完测试后把修改结果交给我检查。”
它本质上由三部分组成：
GPT-5.6 等模型
+
代码智能体执行框架
+
文件、终端、Git、浏览器、MCP、沙箱等工具因此，Codex 是产品和执行环境，不只是一个模型名称。(OpenAI)
Codex 现在有哪些使用形态
| 形态 | 主要用途 | 适合场景 |
|---|---|---|
| ChatGPT 桌面版中的 Codex | 多项目、多智能体、终端、浏览器、Diff、PR 审查 | 复杂项目和长时间任务 |
| Codex CLI | 直接在本地项目目录工作 | 程序员日常开发、调试、改代码 |
| IDE 扩展 | 在编辑器旁边读取当前文件和选中代码 | 小范围修改、快速问答 |
| Codex Cloud | 在隔离的云端环境执行任务 | 并行开发、代码审查、远程任务 |
| Codex SDK / App Server | 把 Codex 集成进自己的系统 | 企业自动化、CI、内部开发平台 |
| Codex MCP Server | 将 Codex 作为 MCP 工具调用 | 多 Agent 和 MCP 工作流 |
2026 年 7 月，原来的独立 Codex App 已经并入 ChatGPT 桌面应用，但仍然保留独立的 Codex 编程体验，包括多仓库项目、内联 Diff 编辑、PR 审查和 Computer Use。(OpenAI Developers)
CLI 则更适合本地开发：它能够读取项目、修改文件、调用已经安装的编译器和开发工具，也能通过 codex exec 接入脚本和 CI。(OpenAI Developers)
核心能力
1. 完整执行软件开发任务
Codex 可以处理：
- 阅读和解释现有项目
- 查找 Bug
- 开发新功能
- 修改前后端代码
- 编写单元测试
- 执行编译和测试
- 重构和代码迁移
- 数据库结构调整
- 生成和审查 Pull Request
- 检查潜在安全问题
区别在于，它不是生成一段代码就结束，而是可以持续执行：
理解需求
↓
搜索项目
↓
制定计划
↓
修改多个文件
↓
运行编译和测试
↓
分析错误
↓
继续修复
↓
提交可审查结果这也是 Codex 与普通聊天模型、代码补全插件之间最明显的区别。(OpenAI)
2. 多智能体并行工作
Codex 可以同时启动多个 Agent，例如：
Agent 1：分析后端接口
Agent 2：修改 Vue 页面
Agent 3：补充单元测试
Agent 4：审查安全问题
Agent 5：检查最终代码 Diff桌面端内置了 Git Worktree 支持，每个 Agent 可以在独立工作目录中修改同一个仓库，降低互相覆盖代码的风险。(OpenAI)
这让 Codex 更像一个由你监督的“小型开发团队”，而不是一个只能串行聊天的机器人。
3. 本地执行与云端执行
本地模式
Codex CLI、IDE 和桌面端可以直接使用你电脑上的：
- 项目文件
- Git
- Node.js
- Python
- Java
- Docker
- 数据库客户端
- 测试工具
- 编译环境
优点是环境真实，适合依赖复杂的企业项目。
云端模式
Codex Cloud 会为任务创建隔离环境，可以：
- 同时运行多个任务
- 不占用本地电脑
- 自动审查 GitHub PR
- 从 GitHub、GitLab、Linear 或 Slack 发起任务
- 在云端运行测试并提交修改建议
云端更适合标准化、可自动安装依赖的项目。(OpenAI Developers)
4. 项目级规则：AGENTS.md
Codex 支持在仓库中放置：
AGENTS.md它类似于专门写给 AI 开发人员看的 README.md，可以长期规定：
- 项目架构
- 哪些目录可以修改
- 哪些文件禁止修改
- 前端和后端启动命令
- 测试命令
- 代码规范
- 数据库操作限制
- 完成任务的验收条件
- 是否允许重构
- 是否必须先制定计划
OpenAI 官方建议把稳定的项目规则放在 AGENTS.md 中，而不是每次重复写进提示词。(OpenAI Developers)
这对你尤其重要，因为你之前最不满意 AI 的一点就是：
不按照要求，乱改、乱删、乱重构。
Codex 虽然不能百分之百杜绝这种问题，但通过 AGENTS.md、权限配置、Git Worktree 和验收标准，可以显著提高可控性。
5. Skills、Plugins 和 MCP
Codex 不再局限于“写代码”。
Skills
Skill 是一套可复用的工作流程，例如：
迁移老板代码
发布测试环境
检查数据库迁移
生成接口文档
审查 Vue 页面
检查登录权限是否被破坏Skill 可以包含：
- 指令
- 模板
- 示例
- 脚本
- 文档
- 工具调用方式
MCP 和插件
Codex 可以通过 MCP 或插件连接：
- GitHub
- GitLab
- Notion
- Slack
- 数据库
- 内部 API
- 自己开发的 MCP Server
这样它就不只是修改代码，还可以读取需求、查询工单、创建任务、更新文档或者调用企业系统。(OpenAI Developers)
Codex 自己甚至也可以作为 MCP Server，被其他 Agent 调用。(OpenAI Developers)
6. 自动化任务
Codex 支持定时或重复执行任务，例如：
每天检查构建失败
定期检查 PR 评论
发现新的 Review 意见后自动修复
每周扫描技术债
发布完成后检查服务状态
定期生成项目进度报告稳定的重复流程可以封装成 Skill，再通过 Scheduled Tasks 自动运行。(OpenAI Developers)
当前模型体系
目前 Codex 推荐使用 GPT-5.6 系列：
| 模型 | 定位 |
|---|---|
| GPT-5.6 Sol | 能力最强，适合复杂编码、大型重构、安全分析和长任务 |
| GPT-5.6 Terra | 能力和成本平衡，适合日常开发 |
| GPT-5.6 Luna | 速度最快、成本最低，适合简单任务和批量处理 |
| GPT-5.3 Codex Spark | Pro 用户可用的快速实时编码预览模型 |
官方将 Sol 定位为旗舰模型；Terra 适合日常任务；Luna 偏向快速和低成本。Codex Cloud 在部分场景会自动选择模型，本地 CLI、IDE 和桌面端则可以手动选择。(OpenAI Developers)
通常可以这样选择：
简单查询、改字段、补注释
→ Luna
普通业务功能、接口开发、页面修改
→ Terra
复杂 Bug、架构调整、大型重构、迁移
→ Sol安全和权限控制
Codex 并不是默认拥有整台电脑的全部权限。
本地模式通常采用：
操作系统沙箱
+
工作目录写入范围
+
命令审批
+
网络访问审批默认情况下网络访问可以关闭，文件写入通常限制在当前工作区；当 Codex 要访问外部网络、操作工作区以外的文件或执行高权限命令时，可以要求用户批准。(OpenAI Developers)
可设置不同权限模式，例如：
- 只读
- 当前工作区可写
- 使用网络前询问
- 执行危险命令前询问
- 完全访问
实际开发中不建议直接长期启用完全访问，尤其不要在包含生产密钥、数据库密码和 SSH 凭证的环境里无审批运行。
Codex 的明显优势
1. 从“回答问题”升级为“完成工作”
它最大的价值不是代码生成质量，而是：
能把搜索、修改、运行、测试、修复和检查串成完整闭环。
2. 特别适合已有代码库
它可以在现有项目上做增量修改，而不是每次从零生成一个 Demo。
3. Git 工作流比较完整
支持：
- Diff 检查
- Worktree
- PR 审查
- GitHub 自动 Review
- 变更回退
- 多任务隔离
4. 扩展能力强
通过：
AGENTS.md
Skills
Plugins
MCP
SDK
App Server
Automations可以逐渐把它配置成符合公司开发流程的专用工程智能体。
局限和风险
Codex 能力很强，但不能理解成“完全不用管的自动程序员”。
1. 仍然可能误解业务
尤其是：
- 企业历史系统
- 隐含业务规则
- 数据库字段语义
- 登录和权限逻辑
- 钉钉审批状态
- 财务、PLM、ERP 等复杂流程
代码能编译，不等于业务一定正确。
2. 容易被不清晰的需求带偏
只说：
帮我优化一下项目。
风险很高。
更可靠的写法是明确：
目标
相关文件和上下文
限制条件
验收标准这也是 OpenAI 官方推荐的任务结构。(OpenAI Developers)
3. 测试体系决定上限
如果项目没有：
- 单元测试
- 接口测试
- 构建检查
- 类型检查
- 数据库迁移验证
Codex 就很难判断自己到底改对没有。
4. 不能盲目接受全部修改
仍然需要检查：
- 修改了哪些文件
- 有没有扩大范围
- 是否删除原有逻辑
- 是否改变接口兼容性
- 是否修改数据库数据
- 是否引入新的依赖
对你这个 PLM 项目的适用性
你目前是：
单人开发
Vue3 + Vite + Python
已有老板上游原型
需要持续增量迁移
不能破坏登录、权限和接口
需要尽量避免 AI 乱改这个场景与 Codex 的匹配度比较高。
建议的组合
ChatGPT 桌面版 Codex
用于管理项目、复杂任务、多线程工作
Codex CLI
用于本地项目修改、运行前后端和测试
Codex Cloud
用于独立代码审查、PR Review、并行分析
AGENTS.md
固定项目架构和禁止事项
Skill
固化“迁移老板代码”等重复流程你的 AGENTS.md 至少应该规定：
1. 只能修改当前需求直接相关的文件。
2. 禁止主动重构无关模块。
3. 必须保留现有登录、权限和接口协议。
4. 修改数据库前必须先说明变更内容。
5. 禁止自动删除表、字段和生产数据。
6. 修改完成后必须运行前端 build。
7. 修改完成后必须运行后端测试。
8. 必须列出全部修改文件。
9. 必须说明潜在风险和未验证内容。
10. 复杂任务必须先生成计划，确认影响范围后再实施。把你经常说的“迁移老板代码”做成 Codex Skill，也很合适：
拉取上游最新代码
→ 对比差异
→ 识别 UI 和业务变化
→ 只做增量同步
→ 保留生产登录和权限
→ 合并数据库结构
→ 编译测试
→ 输出变更报告价格与使用额度
Codex 已包含在 ChatGPT 的 Free、Go、Plus、Pro、Business、Edu 和 Enterprise 计划中，不同计划共享相应的 Codex 使用额度。
当前个人计划大致为：
| 计划 | 官方价格 |
|---|---|
| Free | 0 美元/月 |
| Go | 8 美元/月 |
| Plus | 20 美元/月 |
| Pro 5× | 100 美元/月 |
| Pro 20× | 200 美元/月 |
也可以在 CLI、IDE 或 SDK 中使用 API Key，此时按照 API Token 单独计费；不过 API Key 模式不包含部分云端能力，例如 GitHub 自动代码审查和 Slack 云端集成。(OpenAI Developers)
最终评价
Codex 最准确的定位不是：
AI 帮你写代码。
而是：
你负责定义目标、约束和验收标准，Codex 负责进入真实工程环境执行，并把结果提交给你审查。
对于简单项目，它可能显得偏重；但对于你这种单人开发完整 PLM、频繁迁移上游代码、前后端联动、需要严格控制修改范围的项目，Codex 的价值会比较明显。
最适合把它当成：
可监督的资深开发执行者
+
代码审查员
+
自动化工程平台而不是完全无人监管的“自动程序员”。