Codex万字通关指南，带你从入门到精通！

全文速览图

咱都说2026是Agent的元年，在这百家争鸣的Agent大锅乱炖里，如果你只让我推荐一个必须要学的，那我觉得：

Codex，绝对是26年最值得学的Agent工具了！

其实半年前，我就在准备这篇教程。当时的Codex在自然语言转代码的身份上，就像一个刚学会写代码的实习生，话不多，但手挺快。

直到今年4月16号，Codex推出了一次名为 “Codex for almost everything” 的更新。非常嚣张，它的意思翻译过来就是“啥都能干”。

真的假的？当时我就觉得，这篇深度教程不能急着做，得先让子弹飞一会儿。

于是，在经过几个月深度的使用、测试和整理后，花了超级多心思的——
《Codex保姆级通关攻略》终于来了~

欢迎大家收看！

同时我也保证：这是一个完完全全零基础小白可以看懂跟着练习的教程，哪怕你已经有了丰富vibe coding的经验，也可以跟着文档有所收获。

这一次，我会带你从下载、安装，到通过4个小Demo跑通Codex的核心能力，再用4个实战案例掌握从需求到落地的完整流程，带你一步步解锁Codex的全套技能。

准备好了吗？我们正式开始！

本篇文章包含以下4个章节：

现在我们进入第一部分—— Codex下载与安装。

使用Codex之前，需要先注册一个ChatGPT账号，免费和付费都可以，区别主要在于可用额度，这点我们后面会详细讲解。有了账号之后，可以直接去ChatGPT的官网，目前主要有两种使用方式：下载桌面端的Codex，和网页端的ChatGPT Work。

先来看第一种——本地安装APP：

进入ChatGPT的官网下载页面：
https://chatgpt.com/zh-Hans-CN/download/

根据自己的操作系统选择对应版本，点击下载，继续点击下一步，等待安装完成即可；

如果不方便安装软件，可以直接访问GPT的网址：www.chatgpt.com，登录后选择Work；

这里要注意，网页端的Work无法直接读取你电脑上的本地目录，需要手动上传文件，或者连接外部服务。所以如果你需要操作本地文件，那桌面端显然会更方便。

两种方式应该怎么选呢？

一句话总结：简单问答和云端资料处理，用网页端Work；涉及本地文件、代码运行等复杂任务，用桌面端Codex。

为了让大家掌握Codex的完整能力，后续课程将以桌面端进行演示，大家还不赶快下载起来~

现在账号和软件准备就绪了。

下面进入第二部分—— Codex基础功能介绍。

这个章节我会带你认识软件界面，再通过实际操作，逐步掌握Codex的模型选择、权限配置等核心功能。

在刚刚过去的7月份，Codex进行了一次大版本更新，这里我整理了五个核心升级点，特别是第二个，能让你的额度利用率直接翻倍！

第1点——GPT、Codex合二为一

桌面端可以在ChatGPT和Codex之间来回切换，在跑Codex任务的同时，你可以点击左侧聊天，跟ChatGPT实时对话，比如我让它翻译一段英文，做一张图，相比之前来得更高效。

另外需要注意，Work模式和Codex是共享额度的，所以在使用前一定要在左下角检查当前剩余额度，避免做到一半发现额度不足。不过我会分享一些小技巧，帮你卡额度“bug”。

第2点——额度小技巧

过去Codex采用5小时用量窗口，工作到一半强行“降智关机”，直接从顶级码农变成小白，老用户懂得都懂。

不过现在官方暂时取消了5小时机制，转为每周额度，任务可以连贯推进，这的确是实打实的体验升级。

改版之后的页面，还藏了一个“重置”按钮，可以刷新每周额度。所以我更推荐的用法是：重度复杂任务安排在刷新之后，简单任务放在剩余空档，这样就相当于每周都有一次“满血开大”的机会，额度利用率直接翻倍。

第3点——模型变多了，推理档位也增加了

先看模型，更新前只有一个5.5模型，属于是“一招鲜吃遍天”；更新之后，一口气给了Sol、Terra、Luna等等，我来简单解释一下这三款新增模型：

1. Sol是旗舰款，最难的活交给它；
2. Terra是均衡性价比款，适合中等强度的日常任务；
3. Luna主打一个“降本增效”，可以批量跑轻度任务，节省额度。

其实大家不用纠结，一句话总结就是：难题给Sol、杂活给Luna、模糊不清就丢给Terra。

再来看推理档位，新版设计很像游戏里的蓄力技能，从低到高总共5个档位，档位越高、额度消耗就越快，我的建议是“好钢用在刀刃上”，日常默认中档，回答出错、速度过慢时再拉高档位。

第4点——网站一键部署

这是我认为本次最强的更新点。过去做好网页想上线分享，得经历买服务器、配域名、传文件这三件套，现在这只“拦路虎”被新版Sites彻底解决了。

比如我这里已经用Codex做好了一个网页，只需要一句话：斜杠调用Sites，输入“帮我部署网站”；后面的项目检查、版本保存和线上部署，它都会自动跑完。

部署成功后，我们还能继续设置访问权限，把浏览权限设置为“所有人可观看”后，你就能发给朋友，在手机、平板、电脑上都能直接查看。

在7月24日，桌面端Codex加入了语音控制，免费版用户暂时还不支持。

简单说就是，Windows和Mac用户，可以直接用嘴指挥它干活了；你可以一边跟ChatGPT说话，一边让Codex操控电脑、写代码，顺便再调度ChatGPT Work执行任务，这个体验可以说是颠覆性的。

而且Mac用户还多了一个叫Appshots的功能：就是语音对话时，Codex可以直接看到电脑当前打开的窗口，了解你正在做什么，回答就更贴近上下文。

总结一下这次的更新点：ChatGPT与Codex合并、额度松绑、模型升级、语音控制，网站能一键部署上线。

不难看出，Codex已经从单一的编程工具，升级成了一套成熟的项目工作台。

不过想把这些升级点全部用起来，还需要对软件页面进一步了解，接下来我就以桌面端为例，带你快速认识Codex的功能界面。

Codex的主页面分3块区域，顶部为导航栏，左侧是侧边功能栏，中间大块区域则是对话消息记录栏。

上方导航栏最左侧的三个按钮，分别是侧边栏、返回、前进。侧边栏就是打开我们历史对话的地方，可以点击选择展开或者隐藏。旁边四个文字按钮分别为“文件、编辑、视图、帮助”，这些按钮主要用于文件的选择，设置等等。

左侧的侧边栏，最上方的模块有标签、搜索和五个任务按钮。点击ChatGPT标签，可以切换为Codex。

标签下方的五个任务按钮分别是：

1. 新建任务，是在你的项目内新建一个对话框；
2. 已安排，是设定好的自动化任务；
3. 插件，可以选择更高级的插件来辅助工作；
4. 站点，就是我前面提到的，可以把你的想法变成网站；
5. 最后一个聊天，顾名思义，就是新建聊天窗口开启一个新对话。

左下方的项目区块，可以新建项目和对话。在同一个项目里面，资料、信息是同步共享的，所以在开始对话之前，务必新建一个项目文件夹，这样后续对话的资料都会统一保存。

侧边栏最下方是个人信息，点击头像，可以查看自己的用量、套餐和设置等等。

来到中间的对话栏：包含输入框和对话按钮。默认状态下，Codex会在对话区块给我们4个推荐问题；

下方的对话区块就是我们跟Codex交互的主战场了，注意底部这行黄色文字，它显示的是Codex当前的权限等级，总共三档：

第一档，请求批准。这是最保守的模式，Codex只能在当前工作区内读取文件，任何区域外的文件和请求网络，都需要你手动点击确认；

第二档，替我批准。遇到原本需要你确认的操作时，它会先替你判断风险，符合安全规则就自动确认，风险过高才会提醒；

第三档，完全访问。这就相当于完全撤掉了本地沙箱和人工审批，Codex可以跳出当前项目，读写你电脑上的任何文件，并自由联网、全程不再询问。

权限越高，越要慎用，所以我建议大家在新手期，优先选择请求批准，等完全熟悉工作流和任务后，再逐步放开权限。如果你担心文件安全，前两个模式永远是更稳妥的选择。

来到对话框右下角，这里是模型的选择入口。在7月份大版本更新之后，共有5个模型，分别是前面介绍过的5.6 系列Sol、Terra和Luna，以及过往的5.5和5.2，旧版本模型更多是为了兼容原有项目，且性能较弱，确实没有选择的必要了。

我这里给大家放一张性能对比图，可以更直观地看出孰强孰弱，后面的案例制作相对复杂，所以建议大家优先选用Sol、推理强度保持默认即可。

另外，相应的模型输入输出报价，我也整理出一张表格，感兴趣的同学可以查看：

讲到这，软件界面你已经摸清了。但俗话说得好：是骡子是马，咱拉出来溜溜。接下来我会用几个小demo，带你把Codex最核心的几个能力过一遍，也请大家同步打开手上的Codex，跟着我一起做。

那第一个要展示的能力，也是我最喜欢拿来“震撼”新手的案例——让Codex帮你干“体力活”。

能力1-操作本地文件

首先准备一些图片素材，新建文件夹命名为：Codex_test，拖入素材，可以看到图片命名非常杂乱，光看名字根本不知道每张图是什么。

我们把这个文件夹丢给Codex，然后输入：“帮我把这个文件夹里的所有图片素材，按照实际内容重新命名，格式统一为横版/竖版_详细内容，只修改文件名，不要改动‘图片’。

注意我这段提示词包含两个关键信息：

1. 要它干什么；
2. 要什么格式，描述越具体，结果就越贴近需求。

稍等几分钟，现在我们再来看文件夹，图片全部命名完毕，而且每一张内容都对得上，简直是“a piece of cake”啊。

不如再刁难刁难它：“帮我把这些图片剪成一段10秒钟的混剪视频，并配上BGM，比例为横版4:3，最后输出到原文件夹”。

稍等片刻，大家可以看到，成片就自动保存在文件夹了，并且音乐节奏、画面转场都有了，效果当然比不上专业剪辑，但用来快速制作预览片妥妥够用了。

不过你有没有发现，刚才这两次对话，我都在反复交代格式和规则，一次两次还行，如果每天都重复这种“体力活”，确实太麻烦了。好在Codex有个“懒人”玩法，也是我要介绍的第二个能力——记住你的习惯。

能力2-持久记忆

点击左下角的“设置”，找到“个性化”，这里可以看到两个选项：自定义指令和启用记忆。

前者适合存放固定需求，比如你喜欢的回复风格、工作习惯，写在这里的内容会自动同步到全局AGENTS.md，相当于Codex上岗前的员工手册。

我们来做个简单测试：“以后回复时，在不影响阅读的前提下，加一个符合语境的Emoji”，点击保存。

回到主页，新建一个任务，随便问它一个问题，可以看到回复里出现了Emoji，而且切换新对话后依然存在，这就说明指令生效了。

另一个启用记忆功能，你可以理解成手机的自动云备份，开启之后，Codex会从之前的任务中自动提取信息，不过要注意这里的记忆是在后台整理，不一定你刚说完，它马上就能记住。

所以像GitHub地址、固定工作规范，这类必须准确执行的信息，我更建议直接写进AGENTS.md。

比如我经常要往自己的GitHub仓库传输文件，那就不用每次都复制链接，直接跟它说：“请把我的GitHub仓库地址写入到全局AGENTS.md”；

再来新建任务测试一下：“把Codex_test文件夹里的所有图片和视频，上传到我的GitHub仓库”。

可以看到，图片和视频全部上传完成，位置也完全正确。这个能力的价值就在于：你使用Codex的次数越多，它就越懂你，甚至你的审美偏好它都能记得住。

能力3-MCP

在刚才的演示中，我们让Codex记住了GitHub仓库地址，解决了“迁移文件”，如果再进一步，让它读取仓库、调用技能，接入外部服务，就需要用到第三个能力——MCP。

一句话解释：MCP相当于Agent连接外部工具的“转接头”。Codex本身是个万能选手，但它总得想办法连上外面的世界，比如飞书、浏览器，才能发挥出本领，那MCP就是这些外部服务的统一接口，所以每多插一个，Codex就多一项技能。

安装方式也很简单，还是以GitHub为例，因为后面用到的Skill大多都来自这里，直接在对话框输入：“帮我安装GitHub MCP”，Codex就会帮你自动安装。有了这项能力之后，Codex就能直接读取仓库、统筹项目文件了。所以以后看到任何一个好玩的开源项目，都可以先拿给它验验货。

到这里，Codex已经会干活、能记事、连接到外部工具了，现在距离完全体还差最后一块拼图——Skill。

能力4-SKILL

Codex什么活都能接，但“能做”跟“做好”是两码事，想让它交出专业水准的东西，就离不开Skill的参与。

你可以把Codex想象成一个满级的游戏角色，各种属性全拉满，什么副本都敢进。可它要是没技能，打谁都只会平A，虽然也能赢，但总是差点意思不够爽。Skill就是技能书，装一本会一招，装十本就有十个大招，面对不同任务时，Codex就能打出组合连招，让你赢得酣畅淋漓。

这技能书里装的，其实就是工作步骤和经验，比如第一步做什么、用哪个工具、按照什么标准检查。承载这些内容的核心文件叫SKILL.md，以find-skills为例，打开它的SKILL.md，最上面一栏是名称和简介，这块是给人看的，方便你一眼判断它的用途；

再往下的功能介绍和实现步骤，这部分是给AI读的，相当于把一个成熟的工作流原封不动地迁移进来。

所以给Codex装Skill，本质上就是给它一份清楚的工作流程，因为人人都能制作分享，所以各大开源社区的Skill也如雨后春笋般地涌现出来，但作为新手不建议一股脑全装，我把比较实用的分成了这几类，大家可以保存：

其中这个find-skills可以帮你寻找技能，skill-installer负责安装技能，skill-creator可以创建你自己的技能。Remotion和HyperFrames更偏程序化视频制作；

至于其他第三方Skill的名字和版本，都可能随时变化，所以安装之前一定要先检查版本是否对应。

那找到合适的Skill之后，还是老规矩，把安装包或者网址发给Codex，输入一句话指令：“帮我安装这个Skill”，还是非常方便的。

到这里，你已经学习并掌握了Codex的基本功能，足够你处理日常工作里的大部分杂活了。接下来的进阶玩法，就是把这些能力真正用起来的地方。

来到Codex实战案例部分，我们就要正式上手操作了。

不知道小时候大家有没有玩过GBA游戏机。

我们可以在网上找到一张参考图，给到Codex，同步给Codex提示词。需要简单交代清楚画面的物品布局，交互关系。

提示词：“我想要做一个3D GBA的游戏，左边是一个游戏机，右侧是四个磁带，通过鼠标选择，插入之后，游戏机上会呈现对应的游戏画面，并且游戏是可以通过我的键盘进行控制的，帮我生成一下，画面布局参考这个”

按照以上的提示词，我们可以得到以下的成品。看！游戏机的布局位置，磁带的位置都还原了。

并且有四款小游戏：星际大战、贪吃蛇、弹射弹珠、公路汽车。我们点击对应的磁带，游戏机上就会有相对应的画面交互。并且我们是可以通过键盘操作来决定游戏的。

但是我想要让游戏的体验感变得更好，我们继续进行第二轮优化。我这里针对游戏机色调，以及磁带盒样式进行微调。

对话：“游戏机的样式，以及磁带，磁带盒的样式都不够真实，3D，帮我调整优化一下，严格按照我提供的图片进行调整”

Codex就严格按照我的修改意见进行二次调整了。

优化之后，我们可以看见，不管是游戏机的样式，画面的细节展示，都变得更加美观真实了。

想要什么场景，想玩什么游戏，动动手指，你也可以制作同款游戏。

成品展示：

接下来我们再来进行个人网站制作。

这里给大家推荐一个网站：https://motionsites.ai/。里面有非常多的网站样式参考。

大家看我给Codex的指令是这样的：“严格参考这份文档的风格和布局，生成一个类似的HTML页面，保持所有视频动画效果一致；补充一个细节，鼠标悬停在联系按钮时，才会浮现出微信和邮箱。”

信息补充这一块的提示词我们是需要自己补充的，补充的方向就是你的个人信息，想要展示的内容。

稍等一会Codex就可以给到我们完整的成品网页项目了。我们看到不管是背景，视频动效，还是文字的表达都是非常完整的。

当然你还可以不断地针对你的网页内容进行优化，也可以把一些图像作品，视频作品上传上去。

如果想让你的网站从本地变为公开的，我们可以部署到Netlify。我这里先安装一下Netlify插件，我们在插件模块找到Netlify，点击安装，然后再进行对话“帮我把这个本地网站部署到Netlify”，Codex就可以完成完整的线上部署了，最重要的是轻量化，且免费！

当然，如果你担心网页不断优化的过程中丢失早期版本，我们又想要初始的版本。我相信这是大家很多人的痛点，因此我们可以在制作的过程中多次部署到Git上。

对话：“帮我把这个网页部署到GitHub***文件夹内，命名为个人网页_1.1”，这样Codex就可以帮助我们完成部署。不管是1.1，1.2的版本，我们都可以进行主动积极的版本留存。下次再用的时候，直接让Codex根据Git仓库进行版本回溯即可。

成品展示：

这个案例解决了设计师的老大难问题：手上只有一张成品图，想改却动不了。常见场景就是甲方发来一张海报，让你把文案换掉、主体换个位置，但你没有源文件，AI抽卡效率低，只能重做。

现在，只需要把这张图丢给Codex，让它还原成可编辑的PSD，提示词的重点有三个：保留一层锁定的原图备份；把你想要拆解的元素一个一个点名；文字要还原为可编辑的文字层。那剩下的就是一些细节要求了，比如边缘不要留白边和锯齿、图层用中文命名等等。

最终Codex给了我们完整的PSD，我们把PSD拖入PS里面。

可以看到PSD里面的内容都是分好层级的。背景，主体，文字层级清晰，且可编辑。它贴心地帮我们准备好所有字体，可以直接替换我们想要的字体。

成品展示：

利用Codex制作PPT，做PPT的完整流程总共是三个步骤：定选题、敲定风格、生成。

先来看第一步，定选题。

我们还是以AI工具热度排行榜为例，先让Codex帮我搭建内容框架：“我在做一篇报告，主题是2026年AI工具的月度排行榜，帮我细化框架和文本内容，需要细致到每个产品每个月份的热度和用户情况。”

第二步，敲定风格。内容有了，风格怎么定呢？可以直接找张参考图丢给Codex，或者调用现成的Skill。这里给大家推荐两个GitHub上的高星项目：

第一个（frontend-slides）可以教Codex怎么把PPT做好看；
第二个（beautiful-html-templates）提供了海量高级模板；
安装完成后，需要进一步优化：“帮我修改一下这两个Skill，后续制作PPT时，直接调用文件夹里的AGENTS.md模板。”

第三步，生成。准备工作就绪后，输入斜杠调用Skill，接着说“根据skill帮我生成完整的PPT。”

这时候Codex会反过来问你想要什么风格，选完之后一口气给你出三个方案挑选，怎么样，有没有当老板的感觉？还是很爽的~

成品展示：

好了，以上就是我们分享的4个案例，从游戏开发到网页搭建，从图像拆解到演示文稿，Codex 正把创意落地的门槛降到最低。

那么接下来，我们再聊聊，一些关于AI编程的问题～

两年前，想把一个好点子落地，答案是先学几年编程；但现在，编程的门槛已经从“会写代码”，降低到了“会说人话”。理清楚下面这三个问题，你将会少走很多弯路：

1. Coding到底是在干嘛？
2. AI 又是怎么打破技术门槛的？
3. 一行代码都不会，真能做开发吗？

这里要给大家破除一个误区：编程并非高深莫测，它不是数学题目，更不是影视剧里满屏滚动的绿色字符。它的本质，是把人的想法，翻译成计算机可以准确执行的指令。

打个比方：你家里有一个手速极快、但完全不会做饭的机器人。想让它炒个菜，你的菜谱就不能写“油热了下菜”，因为它不知道什么叫热了。你得写：倒 5 毫升油，中火加热 30 秒，放入青菜 200 克，翻炒 60 下...

这份“菜谱”，就是计算机程序，写“菜谱”用的语言，就是代码。至于大家听过的Python、Java等等，你可以理解成鲁菜、川菜这些不同的菜系流派。

过去学编程，至少要跨过三道门槛：学习编程语言、配置开发环境和debug。

而现在，这些都可以交给Codex这样的AI Agent，它读过互联网上海量代码，相当于一个掌握所有编程语言的老师傅，能直接替你Coding、运行程序、修复bug，并最终交付成品。

答案是：能。身份得先转变一下。你不是程序员，是甲方，提需求、看效果、不满意就打回重做，具体执行全部交给Codex。

这种动嘴不动手的编程方式，圈子里有个专门的名字—— vibe coding，直译过来就是“凭感觉编程”，具体可以浓缩成这四个动作：说、做、看、改。

第一步，说，用大白话讲清楚你想要什么；
第二步，做，让Codex编写代码并运行起来；
第三步，看，检查效果是否符合预期；
第四步，改，提出修改意见，继续迭代。

这套教程后面的所有实战，本质上都是这套逻辑。

同时我贴心地也给大家准备了一份小白词汇表，这些词在后面章节会高频出现，建议截图保存：

到此本期Codex分享的4个章节就结束了。

温馨提示：Codex 还在持续更新，部分功能和界面可能会有变化，具体请以最新版本为准