最强自动化编程开发伙伴：Windows 下 Codex 下载安装一条龙到精通

19天前更新

2480

大家好，我是小迪xiaodi老师。今天，我会用你能听懂的语言，从零开始，把 OpenAI Codex 彻底讲透。
我不会假设你已经懂任何技术名词，不会直接扔给你一堆命令，而是把每一个概念背后的 为什么 都讲清楚。
我们的目标不是“会敲命令”，而是“能用 Codex 真正做出项目，甚至让它成为你的自动化编程助手”。

下面，正式开始。

第一部分：Codex 到底是什么

Codex 的本质

它是什么

OpenAI Codex 是一个 AI 编程智能体（Agent），它的核心能力是：根据你的自然语言指令，自动理解、修改、创建代码，并直接在你的电脑上执行操作。

它不是“另一个聊天机器人”，而是一个能 直接动手干活 的 AI。你可以把它想象成一个住在你终端里的高级程序员，你告诉它“帮我创建一个网页，有个按钮，点击后调用天气 API 显示结果”，它就会一步步创建文件、写代码、安装依赖、运行测试，直到项目跑起来。

一句话总结：Codex 是一个能写代码、能执行命令、能管理文件的 AI Agent。

Codex 与 ChatGPT 的关系

ChatGPT：属于 AI 聊天 类别。你问，它答。可以聊代码，但不会主动在你电脑上创建文件、运行程序。
Codex：基于与 ChatGPT 同样的底层大模型（GPT 系列），但它被专门训练和包装成一个 可行动的 Agent。Codex 拥有“手”和“眼”——它能读取你的项目文件，执行 shell 命令，然后根据结果继续工作。
ChatGPT 是“顾问”，Codex 是“工程师”。

Codex 与 Claude Code 区别

Claude Code：Anthropic 推出的终端内 AI 编程助手，也属于 AI Agent 类别，能直接读写文件、执行命令。
主要区别：底模不同（Claude vs GPT），交互风格略有差异。Codex 原生深度集成 OpenAI 的工具链与沙箱，Claude Code 则深度绑定 Anthropic 的模型与安全特性。
对于使用者来说，它们解决的 是同一类问题：在命令行里通过自然语言驱动开发流程。选择哪个往往取决于你更信任哪个模型生态，或者哪个在你的网络环境下更好用。

Codex 与 Cursor 区别

Cursor：一款 AI 编程编辑器（IDE），属于 AI 编程 类别。它把 AI 集成到图形化编辑器里，可以聊天、补全、内联修改代码。
Codex：运行在终端里的 Agent，没有图形界面，完全依靠命令行交互。它的强项是 自动执行多步骤任务，比如“初始化一个 Next.js 项目、添加登录页面、配置数据库、启动开发服务器”。
可以结合使用：在 Cursor 里写代码，用 Codex 来处理自动化工作流、部署、测试等。

Codex 与 Hermes Agent 区别

Hermes Agent：通常指一种特定架构的 AI Agent（或者某个具体项目），强调多工具调用和记忆。属于 AI Agent 类别。
Codex 本身就是一个成熟的 Agent 实现，内置了文件系统、命令执行等工具。和 Hermes 相比，Codex 是 OpenAI 官方推出的产品级工具，开箱即用，对普通用户更友好。

Codex 与 OpenHands 区别

OpenHands（原 OpenDevin）：是一个开源的 AI Agent 平台，强调自主编程、多 Agent 协作。它也属于 AI Agent / 自动化工作流 类别。
Codex：更偏向于 个人开发者的终端伴侣，聚焦在单次任务的高效完成。OpenHands 野心更大，想做全自主的软件开发智能体，可以在 Docker 里操作、浏览网页等。Codex 目前更轻量，更接地气。

Codex 与 OpenManus 区别

OpenManus：另一个开源的通用 AI Agent 框架，能够使用多种工具，包括浏览器、代码执行等，属于 AI Agent 类别。
Codex：专注在代码场景，不是通用 Agent。OpenManus 可以帮你订机票，Codex 不会，它只做软件相关的活儿。

分类总结：

AI 聊天：ChatGPT, Claude 网页版
AI 编程（内嵌 IDE）：Cursor, GitHub Copilot Chat
AI Agent（终端编程）：Codex, Claude Code
自动化工作流 / 多 Agent 平台：OpenHands, OpenManus, Hermes

现在你清楚了，Codex 就是 OpenAI 家族里那个 专门在终端里干活的编程 Agent。

第二部分：中国用户如何安装 Codex

从零开始，手把手带你打通环境。

环境准备

Codex 是跨平台的，支持：

Windows：需要 Windows 10 及以上，目前已经有桌面APP，直接下载即用
Mac：macOS 11 以上，自带 zsh，几乎不用额外配置。
Linux：Ubuntu 20.04+, Debian, Fedora 等主流发行版均可，需要有 bash 或 zsh。

安装 Codex

下载：https://apps.microsoft.com/detail/9plm9xgg6vks?hl=zh-cn&gl=MC

可以尝试手动设置 API Key 或使用 Codex++ 这样的第三方封装（后面会讲），它们可能提供更灵活的认证方式。

第三部分：Codex++ 是什么

下载：https://github.com/BigPizzaV3/CodexPlusPlus

什么是 Codex++？

Codex++ 是社区开发的 Codex 增强版，并非 OpenAI 官方产品。它基于 Codex 的开源代码修改而来，主要目的是 让 Codex 支持更多模型（本地模型、第三方 API），并绕过 OpenAI 独占限制。

为什么会出现？

官方 Codex 在早期绑定了 OpenAI 的模型和 API，用户如果想用 Claude、Gemini、DeepSeek 等模型，或者想完全离线用本地模型，是不可能的。而且在中国使用 OpenAI API 也有网络和支付门槛。Codex++ 应运而生，它把“模型接口”抽象出来，让你自由选择后端。

解决什么问题？

模型自由：对接 OpenAI、DeepSeek、OpenRouter、Ollama 等。
成本控制：可以使用便宜甚至免费的模型。
离线使用：配合 Ollama 运行本地模型，完全不用联网。
隐私保护：代码不上传给 OpenAI。

与官方 Codex 区别

特性	官方 Codex	Codex++
支持模型	仅 OpenAI GPT 系列	几乎所有主流模型
安装源	npm 官方包	通常 GitHub 源码自行编译或镜像
维护方	OpenAI	社区
稳定性	高	可能有兼容问题
法律风险	无	使用第三方 API 须遵守各自条款

优点

灵活到爆炸，想接什么模型接什么模型。
社区活跃，更新快，往往早于官方支持新功能。
配置透明，方便学习和定制。

缺点

需要更多手动配置，对新手不够友好。
非官方，可能有潜在 bug 或安全风险。
如果 OpenAI 更新协议，可能无法及时跟进。

风险

使用的第三方 API 可能收集你的代码数据。
本地模型可能被恶意软件利用（需确保来源可靠）。
更新不及时会导致功能落后。

适合哪些用户

想用 DeepSeek、通义千问等国产模型的开发者。
注重数据隐私，希望代码不离开本机。
希望学习 Agent 底层原理，不怕折腾。

不适合哪些用户

刚接触编程，希望开箱即用的小白。
企业环境需要稳定、合规的方案。
只用 OpenAI 官方服务且网络通畅的用户。

建议：新手先用官方 Codex 感受流程，熟练后再尝试 Codex++ 解锁更多可能。

第四部分：通过 Codex++ 接入第三方模型

Codex 之所以能调用不同模型，是因为其底层架构设计了一个 Provider（模型提供者）抽象层。这个抽象层定义了统一的接口，如：生成响应（chat）、流式输出。每个模型只需要实现这个接口，就可以被 Codex 调度。Codex++ 正是扩展了这一层，让代码可以注入不同的 Provider。

下面讲解如何通过 Codex++ 接入常见的模型。

DeepSeek

原理

DeepSeek 提供兼容 OpenAI API 格式的接口。Codex++ 中有一个 OpenAI-compatible Provider，只要把 base_url 指向 DeepSeek 的 API 地址，API key 填 DeepSeek 的 key，模型名设为 deepseek-chat（或 deepseek-coder），就可以无缝使用。

接入流程

获取 API Key：登录 platform.deepseek.com，创建 API Key，复制备用。
配置 Codex++（假设已安装）：
在 ~/.codex/config.toml 或环境变量中设置：

[model.default]
provider = "openai_compatible"
model = "deepseek-chat"
api_key = "你的DeepSeek API Key"
base_url = "https://api.deepseek.com/v1"

启动 Codex++，它就会用 DeepSeek 来生成代码。

常见报错

401 Unauthorized：API Key 错误或余额不足。
Connection refused：网络不通，国内用户一般直连无问题。
model not found：模型名写错，确认是 deepseek-chat 还是 deepseek-coder。

OpenRouter

为什么很多人选择 OpenRouter

OpenRouter 是一个 模型聚合平台，一个 API Key 可以调用几十种模型（GPT-4, Claude 3, Gemini 等），统一计费。用户不需要分别去每个厂商注册。

优势

统一 API，切换模型只需改一个参数。
按量付费，价格透明。
可以比较多个模型效果。

劣势

数据经过中间层，多一层隐私风险。
平台费用可能比自己直接调厂商稍贵。
国内访问 OpenRouter API 有时不稳定。

配置方式

类似 DeepSeek，但 base_url 用 https://openrouter.ai/api/v1，API Key 从 openrouter.ai 获取。模型名如 openai/gpt-4o，anthropic/claude-3-opus。

Gemini

配置方法

可以使用专门的 Gemini Provider，或者用兼容 OpenAI 的代理（如通过 OpenRouter）。如果用原生接口，Codex++ 需要支持 Gemini 的 generateContent 协议。社区有提供 Gemini Provider 插件。

注意事项

Gemini API 免费额度有限，注意用量。
国内直接访问 generativelanguage.googleapis.com 可能受限，需代理。

Claude

配置方法

Claude 没有原生 OpenAI 兼容接口，需通过 Anthropic 的 SDK。Codex++ 通过一个 Anthropic Provider 实现。配置：

[model.default]
provider = "anthropic"
model = "claude-3-5-sonnet-20240620"
api_key = "你的Anthropic Key"

注意事项

Anthropic API 访问需要国外网络。
Claude 的内容安全策略可能拒绝部分代码生成请求。

Qwen（通义千问）

配置方法

阿里云的通义千问也提供 OpenAI 兼容接口（DashScope）。

base_url：https://dashscope.aliyuncs.com/compatible-mode/v1
API Key 从阿里云灵积平台获取。
模型名：qwen-turbo, qwen-plus, qwen-max 等。

注意事项

同样需要国内可直接访问。
Qwen 在中文代码注释、文档生成方面表现优异。

通过这样的 provider 架构，Codex 的模型列表可以无限扩展，甚至你用 Ollama 跑本地 Llama3，也能对接到 Codex 里，让它用本地智能体工作。

第五部分：Codex 自动化编程入门

普通 AI 聊天 vs Agent 编程

普通 AI 聊天

你： “写一个 Python 脚本抓取网页标题”
ChatGPT：返回一段代码。
你需要：复制 -> 打开编辑器 -> 粘贴 -> 保存 -> 运行 -> 调试。

AI 只负责“出主意”，人负责“执行”。

Agent 编程

你（在终端里）： “写一个 Python 脚本抓取网页标题并运行给我看”
Codex：

创建文件 scrape.py
写入代码
运行 python scrape.py
把输出结果展示给你
如果有错，它自己读错误信息，修改代码，再运行，直到成功。

AI 既是“脑”又是“手”，人只需要验收。

“会聊天” ≠ “会自动编程”
因为“自动”意味着 AI 必须能够：

理解当前项目环境
执行命令并获取反馈
根据反馈修正行动
管理文件系统

这些是 Agent 的核心能力，Chat 模式没有这些。

Codex 如何工作（原理）

Codex 运行一个 思考-行动循环（Think-Act Loop）：

读取上下文：当前目录的文件树、打开的文件内容、终端历史输出。
生成计划：LLM 决定下一步要干什么（调用什么工具）。
执行工具：比如运行 shell 命令、写文件、删除文件、搜索代码。
收集反馈：命令的输出、文件变化。
继续循环，直到任务完成。

工具包括：

execute_command：执行任意 shell 命令（ls, npm install, python main.py 等）
write_file / edit_file：创建或修改文件。
delete_file：删除文件。
search：代码搜索。
ask_user：需要确认时询问你。

自动测试、自动修复 Bug 其实就是这个循环的体现：运行测试 → 发现失败 → 读取错误 → 修改代码 → 再运行测试 → 通过。

第六部分：适合新手的实战项目

第 1 阶段：Hello World

学什么：验证 Codex 基本交互、确认环境正常。
怎么做：终端进入一个空目录，运行 codex，输入：

“创建一个 hello.py 文件，打印 Hello World，并运行它。”
为什么学：培养“下指令”的感觉，感受 Agent 自动执行的魔法。
常见错误：

没有在空目录下操作，导致文件杂乱。
命令权限不足（Windows 可能需要管理员模式）。
排查：如果 Codex 不动，检查网络和登录状态；如果执行命令报错，看错误输出，继续和它对话让它修正。

第 2 阶段：Python 脚本

学什么：多步骤任务，环境依赖处理。
项目：“写一个 Python 脚本，接受命令行参数作为名字，调用一个免费 API 判断该名字的性别概率（genderize.io），并打印结果。”
为什么学：涉及安装 requests 库（pip install requests）、文件保存、命令行参数、外部 API 调用，属于真实编程场景。
常见错误：依赖未安装导致运行失败；Codex 可能使用了不存在的 API 参数。
排查：让 Codex 自己看报错并修正，或要求它先检查环境。

第 3 阶段：网页项目

学什么：完整项目初始化、多文件协同、前端开发。
项目：“在当前目录下初始化一个 React 项目，做一个简单的待办事项列表，包含添加和删除功能。”
为什么学：涉及 npx create-react-app（或 Vite）、修改组件、样式、运行开发服务器。Agent 需要执行大量命令。
常见错误：Node 版本不匹配、项目创建超时、端口冲突。
排查：要求 Codex 换用 Vite 创建项目（更快），或手动清理环境后重试。

第 4 阶段：C++ 项目

学什么：编译型语言项目，构建系统。
项目：“创建一个 CMake 的 C++ 项目，实现一个简单的计算器（加减乘除），并编译运行测试。”
为什么学：C++ 需要编译器（g++/clang）、CMake 配置、编译、运行，步骤多，容易出错，锻炼 Agent 的调试能力。
常见错误：编译器未安装、CMake 版本低、代码语法错误。
排查：先让 Codex 检查 gcc --version，确保工具链存在，再开始项目。让 Codex 根据编译错误修正。

第 5 阶段：AI Agent 项目

学什么：用 Codex 创建另一个 Agent！这是元编程。
项目：“用 Python 写一个简单的命令行 Agent，它可以接收用户问题，调用 OpenAI API 回答，并且有记忆最近 3 次对话的功能。”
为什么学：涉及 API 调用、会话管理、面向对象设计，而且你可以用 Codex 来调试这个 Agent，形成“用 Agent 开发 Agent”的体验。
常见错误：API Key 安全（不要硬编码，用环境变量）；记忆逻辑错误。
排查：Codex 会指导你设置环境变量，并写单元测试验证记忆功能。

通过这 5 个阶段，你就能从“看着它干活”进化为“指挥它干复杂的活”。

第七部分：Codex 高阶工作流

MCP（Model Context Protocol）

是什么

MCP 是 Anthropic 发布的一种 开放协议，用于在 AI 模型和外部工具之间建立标准化连接。它定义了“工具”如何被发现、如何调用、如何传输结果。

为什么重要

之前每个 AI 应用都要单独对接各种工具（GitHub、数据库、文件系统），MCP 统一了接口。就像一个 USB-C 标准，只要支持 MCP，工具可以即插即用。

Codex 如何使用 MCP

Codex CLI 支持 MCP 服务器。你可以在配置中声明 MCP 服务端，然后 Codex 就能自动获得那些工具。比如：

// .codex/mcp.json
{
"servers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_TOKEN": "xxx" }
}
}
}

配置后，Codex 就能管理 Issues、PR、仓库搜索等，而不用你手动给 GitHub token。

GitHub 结合

除了 MCP，Codex 原生就可执行 git 命令。高级用法：让 Codex 分析 PR 差异、写 commit message、自动生成 changelog。你可以说：“帮我把最近的改动提交，并写一个符合 conventional commits 的 commit message。”

Docker 结合

Codex 可以在容器内操作。你可以让它写 Dockerfile，然后 build 并运行。更高级：在 MCP 中配置 Docker 服务器，让 Codex 管理容器生命周期。

案例： “帮我为一个 Python Flask 应用创建一个 Docker 镜像，并启动容器，映射端口 5000。”

VSCode 结合

Codex 终端可以嵌入 VSCode 的内置终端。两者配合：在 VSCode 里编辑文件，用 Codex 自动执行任务。此外，有一些非官方扩展能让 Codex 的输出以注释形式出现在编辑器中。

本地模型结合

通过 Ollama + Codex++ 或 MCP，可以使用本地 Llama3、CodeQwen 等。工作流：敏感代码绝不出本地，Codex 运行在本地模型上。

自动化测试结合

让 Codex 监听文件变化，自动运行测试。例如，使用 watchexec 结合 Codex 命令：

watchexec -w src "codex '运行所有测试并修复失败的测试'"

CI/CD 结合

在 GitHub Actions 里调用 Codex CLI（通过 API key）：

自动 review PR。
自动修复失败测试。
生成 API 文档。

案例：在 action yml 里：

- name: Codex auto-fix
run: npx @openai/codex "分析测试失败原因并提交修复"
env:
OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}

但要注意安全，不要授予写权限给公开仓库的自动修复。

第八部分：如何让 Codex 成为自动化编程助手（提示词模板）

针对不同模式设计高效指令。

编程助手模式

“你是我的编程伙伴。请以问答形式帮我分析当前代码的问题，不要直接修改文件，除非我明确要求。当提出修改时，请解释为什么。”

项目开发模式

“我们正在开发一个[描述项目]。请遵循以下规则：1. 所有函数都要有类型注解；2. 修改前先列出计划；3. 每完成一个功能，运行相关测试。”

Bug 修复模式

“这是一个 bug 修复任务。首先复现错误，分析根本原因，提出可能的修复方案。选择一个方案实施，并添加回归测试。”

代码审计模式

“作为安全审计员，审查代码中的漏洞、不良实践和性能问题。给出严重程度分类，并推荐修复。不要修改文件，只输出报告。”

重构模式

“对[文件/模块]进行重构，目标：提高可读性，不改变任何外部行为。在修改前先说明你将进行的更改，然后实施并运行现有测试。”

文档生成模式

“为项目生成完整的 API 文档，格式为 Markdown。包含概述、端点、参数、示例请求和响应。将文档写入 docs/ 目录。”

逆向分析辅助模式

“我有一个未知的二进制文件。请指导我如何使用工具（objdump, strings, gdb）进行分析，解释输出含义，但不要执行危险操作。目标：理解其主要功能。”

Windows 软件开发模式

“我们使用 C# 和 .NET 开发一个 Windows 桌面应用。遵循 MVVM 模式。请使用 Windows 特有的 API 时给出解释，并确保兼容性。”

C++ 开发模式

“这是一个 C++17 项目，使用 CMake。请确保代码符合现代 C++ 核心准则，注意 RAII、智能指针。编译时使用 -Wall -Wextra 并确保 0 错误。”

Python 开发模式

“这是 Python 3.11 项目。使用 Poetry 管理依赖，遵循 PEP8，使用 black 格式化。所有公共函数包含 docstring。在修改后运行 pytest。”

使用这些模板时，你可以将它们保存为 .codexrules 文件，Codex 会自动加载作为长期指令。

第九部分：日常使用注意事项

容易踩坑的问题

1. 无限修改代码

现象：Codex 反复修改同一个文件，永远不满意。
原因：没有明确的完成标准，或陷入过度优化。
避免：给任务明确终点，如“直到测试通过”或“运行后输出符合要求”。如果循环，直接说“停止修改，我认为现在已经可以了”。

2. 错误修复循环

现象：运行->报错->修改->新错误->再修改，死循环。
原因：修改引入新问题，Codex 又不看全局。
避免：要求它“先分析错误原因，不要急着修改”，或者你手动回滚到安全版本，让它重新思考。

3. 上下文污染

现象：Codex 开始“胡言乱语”，把之前的旧信息当作当前状态。
原因：会话太长，历史对话混乱了它的记忆。
避免：定期用 /clear（如果支持）或新开会话。复杂任务分成短会话。

4. Token 浪费

现象：大段输出不相关的代码、自言自语。
原因：提示词太宽泛，或者模型倾向啰嗦。
避免：使用精确的指令，加上“简洁回答，只给出关键代码差异”。

5. Prompt 失控

现象：你给的规则太多太乱，AI 的表现反而下降。
原因：提示词相互矛盾，或过长超出有效注意力。
避免：把规则拆分成优先级，只保留最重要的 3-5 条。系统性使用项目规则文件。

第十部分：Codex 保养维护指南

把 Codex 当成你的高级工具箱，需要日常维护。

如何长期保持高质量输出

Prompt 维护

定期回顾你的 .codexrules 文件，删除过时的约束，更新新的编码规范。就像打理花园，杂草会不断长出来。

记忆管理

Codex 目前没有跨会话长期记忆（除非通过文件）。你可以手动维护一个 PROJECT_MEMORY.md，记录架构决策、当前进度，并让 Codex 每次会话开始时读取。

项目规则管理

使用 conventions.md 或 .cursorrules 这类文件，定义代码风格、命名约定、测试策略，并告诉 Codex 始终遵循。

MCP 维护

升级 MCP 服务器，检查它们的输出是否仍然符合预期。当工具 API 改变时，及时更新配置。

API 管理

关注 API 额度，设置使用上限。对于非紧急任务，切换到便宜模型（如 DeepSeek）。监控 API 日志，发现异常调用。

模型选择策略

复杂推理、重大重构：GPT-4o 或 Claude 3.5 Sonnet。
简单脚本、批量修改：DeepSeek-Coder、Qwen。
隐私敏感、频繁迭代：本地 Ollama 模型。

上下文管理

当处理大型项目时，只加载相关文件到上下文，不要让 Codex 读取整个代码库。
使用 .codexignore 忽略 node_modules、dist 等目录。
定期“压缩”对话：总结当前状态，然后新开一个会话，把总结作为第一条消息。

小白入门路线图

安装环境：安装 Node.js，配置 npm 国内源。
安装 Codex：全局安装，完成登录。
Hello World：在一个空文件夹里，让 Codex 创建并运行 hello 程序。
简单脚本：写一个实用 Python 脚本（如文件重命名）。
理解 Agent 循环：观察它是如何运行命令、读错误、修正的。
项目实战：做一个网页或 C++ 小项目。
学习规则文件：创建第一个 .codexrules，定义代码风格。
尝试第三方模型：通过 Codex++ 接入 DeepSeek 体验不同模型。

进阶路线图

多项目工作流：同时在几个不同项目里使用 Codex，体会上下文切换。
MCP 集成：配置 GitHub MCP Server，让 Codex 管理 Issues。
自动化测试循环：建立“修改代码→自动测试→修复”的流程。
自定义工具：编写自己的 MCP server（例如查询公司内部数据库）。
CI/CD 集成：在 GitHub Actions 中使用 Codex。
Codex++ 源码定制：修改 provider，添加特殊需求。

专家路线图

多 Agent 协作：用 Codex 调度其他 Agent（如 OpenHands）分工。
开发自己的 Agent 框架：借鉴 Codex 架构，造一个垂直领域 Agent。
安全与合规深度实践：审计 Codex 生成代码的安全性，建立企业级策略。
性能优化：对 Codex 的 token 消耗、延迟进行优化，使用缓存。
贡献社区：向 Codex 或 Codex++ 提交 PR，开发插件。

常见问题 FAQ

Q：Codex 可以离线使用吗？
A：官方 Codex 不行，必须联网。使用 Codex++ 配合本地模型（Ollama）可离线。

Q：Codex 会记录我的代码吗？
A：官方默认会记录以改进服务，但可以申请关闭。使用第三方模型请阅读隐私政策。

Q：Windows 和 Mac 哪个体验好？
A：Mac 和 Linux 更流畅，Windows 下也完全可用，注意终端和权限设置。

Q：Codex 老是忽略我的部分指令怎么办？
A：把关键约束写成 .codexrules，会显著提高遵循率。或者用更强调的表达：“必须……”，“永远不要……”。

Q：Codex 可以生成一个完整的 App 吗？
A：可以，但需要你逐步引导，把控架构。不要一次性要求过大。

Q：我该选官方 Codex 还是 Codex++？
A：先用官方，遇到模型限制或网络实在解决不了时，再用 Codex++。

Q：会写一半就中断吗？
A：可能因为网络超时或 token 限制。设置更大的 max_tokens 或调整网络。

最佳实践清单

✅ 每次任务前明确验收标准。
✅ 小步提交，频繁 git commit。
✅ 让 Codex 先读代码再提修改意见。
✅ 复杂任务分解为多个会话。
✅ 定期用 codex --help 了解新功能。
✅ 管理好 API key，用环境变量。
✅ 在容器或虚拟机中运行不信任的代码生成。