Codex 零基础系统教程 · 学习笔记

CODEX · 零基础系统教程

从安装到进阶
十个场景彻底拉通 Codex

把桌面 Agent 的能力、组合与手机端操作一次讲清。学完一个，其他同类产品你都能触类旁通。

先分清 Codex 与 Claude Code 定位不同

Codex

桌面端产品设计更友好，适合零基础白领；只支持自家的 GPT 模型；自带很强的浏览器操控与 computer use，内置最新的图像生成模型；额度大方、不封号，20 美元会员对大多数白领高频使用已经够用。

Claude Code

自由度更高，偏向专业开发者；默认使用 Claude 模型，也可自行替换；skill、斜杠命令、远程操控都是它先发明的；但大多数人得自行调用 API，花多少用多少。

怎么选

写作和规划用 Claude 搭配 Claude 模型，日常办公用 Codex，编程时两个都用。入门先学 Codex 就很强，两者逻辑一样，会一个另一个自然也会。

开用前的唯一准备一个账号

准备一个 ChatGPT 账号，免费账号也能用，只是额度少一点。

到官网双击安装，装好后登录账号。

初始设置随便选一个即可，后续随时能改。

界面和 ChatGPT 很像：左侧是对话与任务列表，中间是聊天，右侧是结果。不必急着研究页面，先找到能对话的框，先聊、先点，点着点着就会了。

九项核心能力逐条拆解

本地文件操作

这是桌面 Agent 和普通对话 AI 最显著的区别。过去要让 AI 看到本地内容，只能复制粘贴或按格式上传；现在它可以自主读取和操作本地文件，而且不限数量。

选中一个本地文件夹，它就成了你的「项目」，里面所有文件都能自由读写。案例：把 80 多条命名混乱的剪辑素材，按实际画面内容重新命名——它会先统计数量，再抽帧拼成缩略图分批判断，最后按「序号 + 任务 + 场景 + 行动」的格式命名。

同一个项目可以开多条对话，上下文各自独立，但都能访问同一批文件。任务中产生的任何文件、markdown 都会直接存在本地电脑上。

默认权限：仅在当前文件夹内自由读写；联网、下载或碰文件夹外的文件都要先向你申请。

自动审查：由 AI 判断操作是否危险，危险的才问你，不危险的直接执行。推荐新手选这个。

完全访问：几乎什么都能干，可修改删除任何文件、在任何位置执行命令。新手慎选。

上下文余量看右下小圈斜杠可手动压缩

命令行工具使用

在授权的情况下，Codex 可以使用你的终端替你做那些平时对小白来说很复杂的事。

装常用依赖：比如说“帮我安装 Node.js”，在自动审查模式下它基本不用提权就装好了。

装爆火的新 Agent：不用给官网和仓库链接，只说“最近有个叫 Hermiss 的 Agent 很火，帮我装一个”，它会自己搜索、判断是哪一个，再照官方文档装好并验证。

装软件应用：像编辑器这类平时要手动去网页下载的，它也能帮你下载和卸载。装完再执行一次 git 初始化，右上角就能随时把项目在编辑器里打开手动编辑。

装 skill、MCP 与 CLI：这类东西通常没那么知名，最好给明确的仓库或官网地址，直接把链接丢过去说“帮我装一下”即可。

它还能并行处理任务：一个对话在装东西时，另开一个对话去装别的。面板上转圈代表正在执行，圆点代表已完成。

Node.js Git 飞书 CLI Hermiss

两套持久记忆

和同类工具一样，Codex 也有手动与自动两套长期记忆，把规则、偏好、你的信息以本地文件形式存在电脑上，需要时再注入上下文。

手动记忆文件：全局生效的那份在「设置 → 个性化 → 自定义指令」里，任何项目对话都会第一时间作为上下文发给模型。也可以在对话里直接说“帮我记到全局的 AGENTS.md 里”，它会自己写好。

项目级记忆：只在当前项目生效。建议等项目里有些内容之后，让 Codex 根据它对项目的了解自己来写。

自动记忆：需要在个性化设置里手动打开。开启后，对话结束或闲置一段时间，它会把那段对话总结成记忆。太短的对话不记，额度太低时也不记。官方不建议手动修改这个文件，顶多删掉一些没必要的信息。

全局：适用于所有任务的大原则项目级：只在该项目生效

图像生成 + 计划模式做项目

Codex 可以直接调用最新的图像模型生成图片。这一节用一个完整的个人主页开发项目来演示。

计划模式：任务复杂或你自己还没想清楚时打开它，它会先反问细节、列出详细计划，你确认后再动手。可以在计划里补充要求，比如“多用图片，用图像模型生成高级感的图”。

引导：长任务执行中觉得跑偏了，可以随时补充纠偏。消息会排队，不打断模型运行，在下次调用工具后发送——既能避免一路狂飙烧额度，也不用重跑一轮。

分叉：每条 AI 回复下都有这个按钮，可以随时从那里开一个全新对话。前面聊得有价值、后面聊岔了的时候特别好用。

预览浏览器：内置预览可以直接看效果，还能点批注按钮在页面上选中具体元素写修改意见，包括重新生成图片，意见会汇总进对话框一并提交。

网页效果不满意就批注还能唤醒桌面小宠物

插件：连接外部工具与服务

插件大多是让 Agent 与外部平台、外部工具、外部服务连接，本质上是 skill、MCP 这类东西的完整集合包。左侧插件栏已默认开启若干内置插件：浏览器操作、Mac 专属屏幕操作、表格、PPT 等，按需点加号安装即可。

浏览器操控：可以自己点击、翻页、截图、填写表单，常用于自动化测试前端。也有这个插件控制的是你自己已登录的浏览器，装个浏览器扩展后它能在后台执行多个页面操作，不占用你的浏览器。

Computer Use：不只能操控浏览器，你电脑上的 App 它都能操作，目前仅 Mac 支持。实测能成功操作音乐软件，但操作微信这类应用容易被拦。

部署上线：在插件里选适合有域名的方案，或是国内访问更稳的方案，加上 GitHub 插件，回对话里说“帮我把这个网站部署上去”即可。它会主动弹登录链接，用对应账号登录后继续完成部署，最后给你一个可对外访问的链接。想换自己的域名，直接问它教你怎么操作。

Skill：把流程沉淀成可复用技能

Skill 本质上是人为沉淀的、可复用的方法、流程与工具组合，相当于给 Agent 做某类具体任务的行动指南。

想装社区里的 Skill，直接用自然语言让 Codex 下载；遇到找不到的，把链接发给它让它装即可。也可以自己创建，两种方式：一是直接告诉它你想要什么 Skill，讨论打磨出来；二是先跑通流程，再让它形成 Skill——这也是更推荐的做法。

示例流程：让 Codex 找到本周 GitHub 热门项目 → 解释各自是干什么的 → 挑星数最多的一篇写成推荐文章 → 用「去 AI 味」的 Skill 让它更口语化、只留五个精选 → 加上固定开头结尾 → 用图像模型配图 → 输出成图文并茂的飞书文档 → 发送到指定群里。整套结果满意后，让它把这一整套标准和动作做成 Skill。

斜杠手动调用说触发词自动调用

MCP：连接外部知识库

MCP 现在用得不算多了。入口藏在设置里的「MCP 服务器」，但小白看那些字段容易不知道怎么填。

最省事的办法还是把要装的 MCP 链接拷贝给 Codex，让它自己装——它会引导你完成授权登录，登录完就搞定。装好之后，它就能直接读取你外部知识库里的内容，比如笔记本里的访谈视频资料。

自动化定时任务

定时提醒这件事本身不稀奇，但把它和前面学到的能力组合起来，就是「自动化 + 智能化 + 定制化」。

比如把热门项目推荐的 Skill 设成每周自动产出一篇并发送，就成了一个自动化的内容运营机器。

两种创建方式：一是打开自动化面板新建，用提示词写清要做什么，选好触发时间、模型和思考强度，点创建即可；二是在对话里直接说，比如“每周一早上九点自动执行热门项目推荐这个 Skill，产出一篇图文发到群里”。

邮箱、GitHub、飞书都连上之后，还可以让它每天下午六点汇总日历会议、提交记录和邮箱回复，生成一份工作日报。

手机远程操控

把手机上的 ChatGPT 和电脑上的 Codex 都更新到最新版，打开手机端点击侧边栏里的 Codex，它会提示你允许这台手机控制你的电脑，直接就搞定，多台电脑也可以分别连上。

这样的意义是：不管在大街上、地铁上还是朋友聚会，都能随时随地下发任务，让 Codex 在电脑上把活干完。它更像一个能与你远程协作的同事。该功能目前免费版也能用，主要能连的是 Mac 系统的 Codex。

“

我们已经从「问 AI」的阶段，走向了「管理 AI」的阶段。

过去用 ChatGPT，是有问题了问一下，拿到答案就走。现在用 Agent，每个人都得像领导一样：帮它准备上下文和工作环境，指明任务目标，检查它的计划，监督它的过程，验收它的结果。同时还要把好的方法和流程沉淀成可复用的技能，把反复要做的事设成自动化执行的规矩。

课后三件事立刻能用

选一个你手头最乱、最重复的文件夹任务，先用自动审查权限跑通一次，感受「文件成为上下文」的差别。

把一条你最常用的工作规则写进全局 AGENTS.md，让它在所有项目里都默认生效。

挑一件你每周都要重复做的事，先手动跑通流程，再让 Codex 把它固化成 Skill，最后设成定时任务。