文章
分类「Codex」· 共 21 篇
大规模团队架构模式：平台化 Codex 部署
当团队从"个人使用 Codex"扩展到"百人级平台化部署"时，需要解决：
性能优化与成本控制：Token 预算管理
Codex 的成本主要来自Token 消耗，理解其计费模型是优化的前提：
Plugin 开发与分发：跨团队复用
Plugin 是 Skill 的分发单元，支持跨仓库、跨团队共享：
自定义 Skill 开发：沉淀团队工作流
Skill 是 Codex 的可复用工作流单元，区别于一次性 Prompt：
遥测、审计与可观测性：企业级监控
传统安全日志回答"发生了什么"（What），Codex 的 Agent-native 遥测回答"为什么"（Why）：
CI/CD 流水线集成：自动化 Codex 执行
codex exec 命令提供非交互式执行能力，使 Codex 可嵌入 CI/CD 流水线：
企业级配置与合规：集中管控策略
企业级 Codex 部署需回答三个核心问题：谁在用、做了什么、如何管控。
沙盒安全模型深度解析：分层防御的工程实现
Codex 的安全模型采用"沙盒约束 + 审批策略"双轨制：
子 Agent 编排：多智能体并行协作架构
Codex 的 Subagents 机制支持主 Agent 拆分子任务并行执行，每个子 Agent 拥有独立的模型配置、沙盒权限和上下文窗口。这标志着从"单 Agent 串行"到"多 Agent 协作"的架构跃迁：
日常开发工作流设计：从需求到交付
高效的 Codex 工作流不是"问一个问题等回答"，而是人机协作的流水线。设计良好的工作流应明确：
MCP 集成：扩展 Codex 的能力边界
MCP（Model Context Protocol）是 OpenAI 推出的标准化工具集成协议，允许 Codex 调用外部系统（数据库、浏览器、文档平台、GitHub 等）。
多文件编辑与重构：跨文件协调的 Agentic 能力
Codex 的核心优势不是"生成代码片段"，而是理解项目结构后协调跨文件修改。其内部执行流程：
代码审查工作流：让 Codex 当你的 Reviewer
Codex 内置的 /review 命令会启动一个独立的只读子 Agent，与当前会话隔离，避免"自我审查"的认知偏差。
提示工程：让 Codex 精准理解你的意图
Codex 的 Prompt 处理遵循"意图识别 → 上下文加载 → 任务规划 → 执行"四阶段。优质的 Prompt 能显著降低 Token 消耗和提升结果准确率。
AGENTS.md 项目规范：让 Codex 读懂你的团队规则
AGENTS.md 是 Codex 的项目级系统提示持久化机制。它的核心作用是：把"每次都要交代一遍的项目规则"写成文件，让 Codex 每次启动自动读取。
第一个实战任务：从读懂项目到修复 Bug
Codex 的 Agentic Workflow 遵循"理解 → 规划 → 执行 → 验证"四阶段循环。对于初学者，掌握如何描述任务边界比掌握命令更重要：
审批模式与安全入门：控制 Agent 的自主边界
Codex 的权限控制采用"沙盒（Sandbox）× 审批策略（Approval Policy）"双轨模型。这两个维度正交组合，产生 9 种实际权限状态：
基础命令与交互：TUI 导航与核心操作
Codex CLI 的交互界面是一个全屏终端 UI（TUI），基于 Rust 的终端渲染引擎构建。理解其输入模式是高效使用的前提：
首次运行与认证：从登录到第一个会话
Codex CLI 支持两种认证方式，其安全模型和适用场景截然不同：
安装与环境配置：从零到 codex 命令可用
Codex CLI 是一个基于 Node.js 的 npm 全局包，但其底层核心 Harness 使用 Rust 编写，通过 Node.js 封装暴露给终端。这种混合架构兼顾了 Rust 的性能（文件系统监控、沙盒执行）和 Node.js 的生态（npm 分发、配置管理）。
Codex 全景概览：从 ChatGPT 到终端 Agent
Codex 不是 ChatGPT 的终端版。 它是 OpenAI 推出的终端原生自主编程 Agent（Autonomous Coding Agent），核心差异在于：