新版Codex全攻略：从基础到高阶的完整实操指南

OpenAI 近期对 Codex 进行了大规模更新，不仅将其与 ChatGPT 桌面端整合为同一应用，还带来了更强的多智能体协作、更丰富的插件生态、图片批注编辑以及持久记忆等能力。本文基于 B站UP主的完整实操教程，系统梳理新版 Codex 从基础使用到高阶开发的全套玩法，帮助你真正把这个工具用好。

Codex基础界面与项目文件夹

界面布局与模型选择

新版 Codex 已与 ChatGPT 桌面端合并，顶部可在 ChatGPT 与 Codex 之间自由切换。ChatGPT 更偏向聊天和办公，而 Codex 功能更丰富，更适合代码开发和项目执行。Codex 的定位本质上是一个 AI Agent 平台——AI Agent（智能体）是指具备自主感知环境、制定计划、调用工具并执行任务能力的AI系统，区别于传统的"一问一答"式聊天机器人。多智能体协作（Multi-Agent Collaboration）则是让多个Agent各司其职、并行或串行地完成复杂任务。这一范式在2024-2025年成为AI应用的核心趋势，其底层逻辑是将大型任务拆解为子任务，分配给具有不同工具权限和专业能力的Agent，最终汇总结果，从而突破了单一模型的上下文窗口限制和能力瓶颈。

在模型选择上，教程给出了明确建议：开发或较难的任务用 GPT-5.x（High 档），小型任务用轻量模型即可。首次执行任务时把模型调高、提示词写清楚，能让第一次输出的质量更有保障。

项目文件夹的正确用法

项目文件夹是桌面端 AI Agent 的核心。它可以存放文档、表格、图片、代码以及任务规则，Codex 不仅能读取分析，还能直接创建、修改和整理其中的文件。

创建项目时可以添加多个源文件夹：

• 主文件夹：默认工作空间，通常存放任务规则和最终生成结果；
• 补充文件夹：作为个人知识库，存放品牌规范、历史方案、参考数据、论文笔记等。

以 UP主的实际工作流为例，他把大模型论文、技术报告和研究笔记整理成补充知识库。研究 DeepSeek Harness 时，新建专属研究文件夹并设为主文件夹，再让 Codex 深入调研——收集官方文档、项目仓库、发布说明，横向对比不同作者的操作方法，最终生成一份带来源链接的深度调研报告，还附上了 13 张不同作者用法的分析卡片。

计划模式与权限设置

Codex 提供了计划模式，先生成方案供你确认后再执行；权限则分三档：

• 请求批准：每次风险操作都询问；
• 帮我批准（推荐）：AI 自行处理低风险操作，高风险才确认；
• 完全访问权限：AI 全权负责，一般不推荐。

值得一提的是快照功能：同时按下两个 Command 键即可把页面快照发给 AI，快照会带上 URL 链接，让 AI 清晰看到桌面内容，比普通截图强很多。此外，运行过程中还能通过"调整方向"按钮中断并追加上下文。

本地办公文件处理能力

真实办公场景中，我们更多面对 Excel、PPT、Word 等本地文件。新版 Codex 在这方面的表现相当亮眼。

数据分析与文档生成一条龙

以"基于手机配件近四个月销售数据做经营汇报"为例，Codex 可以借助插件完成完整链路：

• 使用 spreadsheet 插件套用模板生成 Excel 分析表；
• 使用 data analytics 插件按照"数据质量检验→构建图表→结果验证"的流程执行，避免直接套用空白表格；
• 使用 document 插件配合自定义模板生成 Word 版经营报告；
• 使用 presentation 插件从 Word 提炼要点生成 PPT；
• 甚至可以生成 HTML 网页。

更关键的是编辑体验：在 Word、PPT、HTML 中都可以直接选中某段内容或添加批注评论，把修改需求发送到对话框，非常接近人类的协作方式。PPT 还能直接调用生图功能添加配图。

多任务并行执行

新版多智能体能力更稳定。你可以在一条指令里安排多个任务，Codex 会自动新建多个独立对话分工执行——比如同时研究 DeepSeek Harness 和分析电商数据，两个任务并行推进，完成后统一汇报结论和文件位置。这一"一条指令、多对话并行"的设计，极大提升了处理繁杂事务的效率。

生图与图片批注修改

生图是 Codex 的另一大功能。以亚马逊北美站户外电子手表卖家为例，Codex 能读取产品图、联网校验亚马逊图片规范，再生成符合尺寸要求的产品图和 A+ 图片。

对于图片修改，Codex 新增了图片批注编辑能力，可以直接在图上添加评论、擦除、调整大小。而针对精细修改难以用文字描述的痛点，教程推荐了 GitHub 上开源免费的 Covered 插件——把图片拖入画布圈出要改的区域并标注（如"把手表数字改成 9.14""去掉太阳光"），再连同截图发给 Codex，就能精准描述修改意图。

一个实用 Tips：做图时应多与 AI 沟通。比如儿童短袖的"吸湿速干"卖点，AI 会建议改写为"运动后快速干爽、不易着凉感冒"，让消费者更有具象化感受。

持久记忆与CLI联动

agents.md的两级配置

Claude Code 有 CLAUDE.md，Codex 对应的则是 agents.md，分两级配置：

• 全局配置：在设置-个性化中，写入个人偏好、代码风格、常用工具；
• 项目级配置：位于工作区根目录，提供特定项目的技术栈、架构说明。

agents.md 和 CLAUDE.md 代表了一种新兴的"AI工程实践"——通过结构化文本向AI声明项目约束、代码风格、技术栈偏好和工作规范。这种做法借鉴了软件工程中 .editorconfig、.eslintrc 等配置文件的思路，但面向的"执行者"从IDE和Linter变成了AI。分层配置（全局→项目→子目录）的设计则参考了Git配置的优先级机制，确保通用规范和项目特殊需求能够共存而不冲突。随着AI编程工具的普及，维护好这类配置文件正在成为开发者的新基本功。

优先级上，越靠近当前工作目录优先级越高，Codex 会自动合并各层配置并遵循"后者覆盖前者"的逻辑。例如顶层放通用规范，frontend 和 backend 文件夹各放专属 agents.md，层层递进不会冲突。

CLI联动打通业务流

Codex 可直接操作终端，因此能调用飞书 CLI、钉钉 CLI、GitHub CLI 等工具。教程演示了两个典型场景：

• 让 Codex 读取文章链接及评论，调用飞书 CLI 修改文档并用红色标记 AI 改动；
• 电脑装机工作室将各平台订单 Excel 数据自动填入飞书多维表格，自动跳过重复项，实现销售部与技术装机部之间的跨部门信息联通。

这类方法同样适用于电商选品调研、客户跟进、销售线索管理等场景，让分散的数据真正流动起来。

插件、Skill与自动化

插件生态：Skill + MCP + CLI的集合

新版插件本质是把干一类活所需的工具打包，且支持自建插件。值得补充的是，MCP（Model Context Protocol）是Anthropic于2024年底提出的开放协议，旨在为AI模型提供标准化的工具调用和上下文注入接口，类似于"AI世界的USB接口"。在MCP之前，各平台的插件实现方式各不相同，开发者需要为每个平台单独适配。MCP的出现推动了插件生态的标准化，但随着Codex等平台将Skill、CLI调用和原生插件深度整合，MCP在实际使用中的必要性有所降低——平台内置的能力已经覆盖了大部分MCP原本要解决的问题。

以下是几类值得关注的插件：

• 视频类：remotion（React）、hyperframes（HTML/CSS）用代码做视频；chatter card 是对话式 AI 剪辑插件，剪口播非常丝滑；
• 设计类：Product Design（OpenAI 版设计插件），能自动调用多个子智能体协同开发页面，视觉效果高度还原参考风格；
• 浏览器类：Chrome 自动化控制你正在使用的登录状态浏览器，适合操作后台、报销系统；ChatGPT 内置浏览器则在右侧打开，适合临时查资料、填问卷；
• 系统类：Computer Use 可跨平台接管鼠标键盘完成桌面任务，但额度消耗快；录制技能可以把手动演示的工作流录成可复用的专属技能包。

Computer Use（计算机使用）是指AI通过模拟鼠标点击、键盘输入和屏幕截图识别来操作桌面应用程序的能力。这项技术由Anthropic在2024年10月率先公开演示，其技术原理是AI通过周期性截取屏幕画面，利用视觉理解能力识别界面元素的位置和状态，然后生成对应的鼠标坐标和键盘指令来完成操作。优势是无需API适配即可操作任何GUI应用，但截图识别和坐标计算消耗大量token，速度远慢于直接API调用，且在界面元素密集或动态变化时容易出错，因此更适合作为其他自动化手段的补充，用于处理那些没有CLI或API的传统软件。

Skill：越用越懂你的技能库

Skill 是给 AI 的一项专属技能。教程演示了创建 AI 动画 Skill 的完整过程：放入参考图 → 用 Skill Creator 反复确认细节 → 生成图片测试 → 调用 hyperframes 渲染视频。做完后还能把使用中遇到的经验和坑写回 Skill，让它越来越贴合自己的需求。

真正好用的 Skill 往往是根据自己工作流定制的——老师做备课 Skill，电商做上新 Skill，自媒体做脚本分镜 Skill，办公可做周报、会议纪要 Skill。相比之下 MCP 目前用得已经不多。

自动化：综合运用的集大成

自动化之所以放在最后讲，是因为它综合运用了前面所有能力。概念很简单：把原本手动发送的工作设为按固定时间自动执行。比如设定每天早上 9 点自动调用 AI 新闻和 GitHub 热点的 Skill，汇总后以飞书文档发送——每天准时收到最新资讯。

AI编程高阶玩法

最后是代码开发中的高阶功能，教程通过开发一个 AI 工作台并部署上线完整演示。

Goals目标模式

当需求文档写得非常详细时（包含技术栈、设计基调、架构示意图、功能点），可用目标模式让 AI 一次性执行到位。但要注意：任务表述不清 AI 就容易跑偏，前期一定要写清楚。

分支与Worktree的区别

两者区别可以用一句话概括：

• 分支到新聊天：对话分开了，文件没分开——保留上下文另开思路，但操作同一份文件，适合做 plan 讨论；
• Worktree：对话和项目目录都分开了——基于 git 单独切一份工作区，互不覆盖，适合同时开发两个功能。

注意 Worktree 依赖 git，项目必须已初始化并至少提交过一次。

从技术原理上讲，Git Worktree 是 Git 2.5 版本引入的特性，允许在同一个仓库下同时检出多个工作目录，每个目录对应不同的分支。传统的Git工作流中，切换分支意味着整个工作目录的文件都会被替换，未提交的修改可能丢失或产生冲突。Worktree 解决了这个问题：你可以在 path-A 目录开发 feature-A，同时在 path-B 目录开发 feature-B，两者共享同一个 .git 仓库但文件完全独立。在AI编程场景中，Worktree 的价值更加突出——它允许AI在一个独立的工作区大胆实验，即使生成的代码有问题，也不会影响主分支的稳定代码。

Hook钩子：工作流的安全阀

Hook 是挂在工作流指定节点自动触发的脚本，特别适合那些每次都要做又容易忘的事。Hook 机制在软件工程中有着悠久的历史，Git本身就内置了 pre-commit、post-merge 等十余种钩子，用于在特定操作前后自动执行检查脚本。在AI编程工具中引入Hook机制是对DevOps安全实践的延伸：当AI拥有直接读写文件和执行命令的权限时，误操作的风险显著放大——例如AI可能在调试时将API密钥写入公开文件，或意外修改生产环境的数据库配置。

教程演示了一个安全 Hook：当 AI 涉及修改 .env、数据库文件或核心代码时，先弹出高风险警告，等用户确认后再执行——有效防止 API key 泄露等风险。通过在关键操作节点设置 Hook，相当于为AI的自主行为安装了"安全阀"，实现了"AI自主执行"与"人类最终把关"之间的平衡。

站点一键部署

开发完成后，可通过插件将项目一键部署到站点。Codex 会自动完成从传统 Next.js 服务端到云端兼容架构的迁移，支持设置访问权限、自定义域名、查看浏览量和数据库表内容，省去繁琐运维。

总结

新版 Codex 已经从一个代码工具进化为覆盖办公、设计、知识管理、自动化和全栈开发的综合 AI Agent 平台。它的核心价值在于：用项目文件夹管理上下文、用 agents.md 沉淀偏好、用 Skill 沉淀经验、用插件扩展能力、用自动化解放双手。对于希望深度使用 AI 提效的个人与团队，这套工具链值得认真投入学习和定制。