OpenAI Codex CLI -- 终端里的 AI 编程助手完全指南¶

一句话说明： Codex CLI 是 OpenAI 在 2025 年开源的命令行 AI 编程工具，你在终端里用自然语言告诉它"帮我写个脚本"或"修复这个 bug"，它就能自动读代码、改代码、跑命令，像一个住在你终端里的全能程序员搭档。

目录¶

为什么要学 Codex CLI
核心概念详解（白话版）
安装与部署
认证与 API Key 配置
核心功能详解
安全模式（审批模式）
常用命令速查表
TUI 内部斜杠命令
AGENTS.md 自定义指令
MCP 协议集成
子代理（Subagent）并行任务
与生信的结合场景
与 Claude Code 对比
常见问题与解决方案
学习资源与参考链接

为什么要学 Codex CLI¶

1. 终端原生，不用离开你的工作环境¶

做生信分析的人一天到晚泡在终端里跑 pipeline，Codex CLI 直接在终端里运行，不需要切换到浏览器或 IDE。你可以一边跑 BLAST，一边让 Codex 帮你写下一步的处理脚本。

2. 开源免费，代码完全透明¶

Codex CLI 在 GitHub 上完全开源（Apache-2.0 协议），代码用 Rust 编写，运行速度快。你可以看到它的每一行代码是怎么工作的，不用担心"黑箱"问题。社区已有 79,000+ star 和 400+ 贡献者。

3. 用自然语言就能编程¶

不需要记住复杂的语法，直接用中文或英文告诉它你想做什么。比如"帮我写一个统计 FASTQ 文件读长分布的 Python 脚本"，它就能自动生成。对于编程基础薄弱的生信初学者来说，这大大降低了门槛。

4. 安全可控，三档审批模式¶

Codex 不是"放任自流"地乱改你的代码。它提供三档安全模式：从"每步都要你批准"到"完全自动"，你可以根据信任程度灵活选择。而且它使用操作系统级别的沙盒（sandboxing，就是给程序画个"笼子"不让它乱跑），保护你的系统安全。

5. 多模态输入 + 云端协作¶

你可以把截图、流程图直接发给 Codex 让它看懂并生成代码。还能通过 codex cloud 把任务扔到云端异步执行，上午布置 5 个任务，下午回来看结果。

核心概念详解（白话版）¶

TUI（Terminal User Interface，终端用户界面）¶

白话： 就是一个"好看版的终端"。普通终端是黑乎乎一片文字，TUI 在终端里画出了像 app 一样的界面，有高亮、有菜单、有代码预览。你运行 codex 后看到的那个全屏交互界面就是 TUI。

沙盒（Sandbox）¶

白话： 就像给 AI 画了一个"围栏"。AI 只能在围栏里面活动，不能跑出去乱动你的其他文件或系统设置。这样即使 AI 犯了错，也不会搞坏你电脑上的其他东西。

Codex 使用的沙盒技术： - macOS：Seatbelt（苹果系统内置的安全机制） - Linux：bubblewrap + seccomp（用户命名空间隔离 + 系统调用过滤） - Windows：Windows 原生沙盒

MCP（Model Context Protocol，模型上下文协议）¶

白话： MCP 就像一个"万能适配器"。Codex 本身只会读文件、写代码、跑命令，但通过 MCP，你可以给它接上各种外部工具（比如浏览器、Figma 设计工具、数据库等），让它的能力大大扩展。就像手机通过 USB 适配器可以接键盘、鼠标、U盘一样。

Subagent（子代理）¶

白话： 就像你是一个项目经理，手下有好几个干活的人。主 agent（主代理）是项目经理，它可以把大任务拆成几个小任务，同时派给几个 subagent（下属）并行处理。比如一个负责写测试，一个负责检查安全性，一个负责优化性能，大家同时干活。

AGENTS.md（自定义指令文件）¶

白话： 就像你给新来的实习生写了一份"注意事项"清单。你把项目的规则、偏好写在 AGENTS.md 文件里，Codex 每次启动都会先读这个文件，确保它按你的要求做事。比如"所有 Python 脚本必须加中文注释"、"优先使用 conda 管理环境"。

exec 模式（非交互模式）¶

白话： TUI 交互模式像你跟 AI 面对面聊天，一问一答。exec 模式像你写了张纸条扔给 AI，它做完了把结果写在纸条背面还给你。适合在自动化脚本、CI/CD 流水线里使用。

审批模式（Approval Mode）¶

白话： 就像给 AI 设定不同的"权限等级"。"只读"模式下 AI 只能看不能动；"自动"模式下 AI 可以在工作目录里自由操作；"完全访问"模式下 AI 可以做任何事情。你根据具体场景选择合适的等级。

安装与部署¶

系统要求¶

操作系统：macOS、Linux、Windows（原生 PowerShell 或 WSL2）
Node.js：16 或更高版本（如果用 npm 安装）
网络：需要能访问 OpenAI 的 API（国内可能需要代理）

方式一：npm 安装（推荐）¶

# 全局安装 Codex CLI
npm install -g @openai/codex

# 验证安装成功
codex --version

小贴士：如果你还没有 Node.js，先安装它：

# Ubuntu/Debian
curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash -
sudo apt-get install -y nodejs

# 或者用 conda（生信同学可能更熟悉）
conda install -c conda-forge nodejs

方式二：Homebrew 安装（macOS）¶

brew install --cask codex

方式三：GitHub Release 下载¶

去 Codex Releases 页面下载你系统对应的二进制文件。

# Linux 示例
# 下载后解压，文件名类似 codex-x86_64-unknown-linux-musl
# 重命名并移到 PATH 路径下
mv codex-x86_64-unknown-linux-musl codex
chmod +x codex
sudo mv codex /usr/local/bin/

# 验证
codex --version

WSL2 用户（Windows 子系统 Linux）¶

如果你在 Windows 上用 WSL2 做生信分析：

# 在 WSL2 内直接用 npm 安装
npm install -g @openai/codex

# 建议在 WSL 文件系统内工作（性能更好）
cd ~/projects/  # 推荐
# 不建议 cd /mnt/c/Users/xxx/  # Windows 文件系统，性能差

自动更新¶

# 检查并安装最新版本
codex update

认证与 API Key 配置¶

Codex 支持两种认证方式：

方式一：ChatGPT 账户登录（推荐）¶

# 运行 codex，选择 "Sign in with ChatGPT"
codex

# 或者用设备认证（不打开浏览器）
codex login --device-auth

适用场景：你有 ChatGPT Plus（$20/月）、Pro、Business、Edu 或 Enterprise 计划，Codex CLI 已包含在订阅中，不额外收费。

方式二：API Key 认证¶

如果你有 OpenAI API Key：

# 临时设置（当前终端会话有效）
export OPENAI_API_KEY="sk-你的API密钥"

# 永久设置（写入 shell 配置文件）
# bash 用户
echo 'export OPENAI_API_KEY="sk-你的API密钥"' >> ~/.bashrc
source ~/.bashrc

# zsh 用户
echo 'export OPENAI_API_KEY="sk-你的API密钥"' >> ~/.zshrc
source ~/.zshrc

也可以通过管道传入：

# 通过 stdin 传入 API key
echo "sk-你的API密钥" | codex login --with-api-key

验证登录状态¶

# 检查是否已认证
codex login status
# 退出码为 0 表示已登录

注意事项¶

数据隐私：你的源代码留在本地，只有 prompt（提示词）和高层次上下文会发送给模型
API 费用：使用 API Key 方式按 OpenAI 标准 API 价格计费
国内用户：可能需要配置代理才能访问 OpenAI 的服务

核心功能详解¶

1. 交互式 TUI 模式¶

这是最常用的模式。运行 codex 进入全屏交互界面：

# 启动 TUI（无初始提示）
codex

# 带初始提示启动
codex "帮我解释这个代码仓库的结构"

# 指定工作目录
codex --cd ~/projects/my_pipeline "分析这个项目"

在 TUI 里你可以： - 输入自然语言指令 - 看到 Codex 的执行计划，逐步批准或拒绝 - 查看语法高亮的代码和 diff（代码差异） - 用 @ 搜索并引用工作区文件 - 用 ! 前缀直接跑 shell 命令（如 !ls） - 按 Ctrl+R 搜索历史提示 - 按 Ctrl+C 或输入 /exit 退出

2. 自主编程 -- 多文件编辑¶

Codex 可以同时读取和修改项目中的多个文件：

codex "给所有 Python 脚本添加 argparse 命令行参数解析"
# Codex 会：
# 1. 扫描项目里所有 .py 文件
# 2. 理解每个脚本的功能
# 3. 为每个脚本添加合适的命令行参数
# 4. 展示修改方案让你审批

3. 沙盒执行 -- 安全地运行代码¶

Codex 在受保护的沙盒环境中运行命令，防止误操作：

# 在沙盒中执行命令（手动测试）
codex sandbox -- python my_script.py

# 工作区只写模式（推荐日常使用）
codex --sandbox workspace-write "跑一下测试看看有没有报错"

4. 多模态输入 -- 看图写代码¶

你可以把截图或设计图发给 Codex：

# 单张图片
codex -i error_screenshot.png "帮我分析这个报错"

# 多张图片
codex --image flowchart.png,table.png "按这个流程图写脚本"

生信场景：把一张热图截图发给 Codex，让它帮你写出生成同样热图的 R 代码。

5. 图片生成¶

Codex 可以直接生成图片（使用 gpt-image-2 模型）：

codex "帮我画一个展示 16S rRNA 分析流程的示意图"

6. 网页搜索¶

Codex 内置网页搜索功能，可以查找最新信息：

# 默认使用缓存搜索（更安全）
codex "搜索 MetaPhlAn4 的最新版本和更新内容"

# 使用实时搜索（获取最新数据）
codex --search "查找 Kraken2 数据库的最新下载链接"

7. 代码审查¶

# 在 TUI 内输入 /review 打开审查菜单
# 支持的审查类型：
# - 对比基准分支的改动
# - 审查未提交的更改
# - 审查特定 commit
# - 自定义审查指令

8. 会话恢复 -- 接着上次聊¶

# 恢复最近一次会话
codex resume --last

# 从会话选择器中挑选
codex resume

# 恢复并追加新指令
codex resume --last "继续上次的工作，把测试也加上"

9. 会话分叉 -- 从某个节点分出新分支¶

# 在 TUI 中按两次 Esc 回溯到之前的消息
# 按 Enter 从那个节点分叉出新对话

# 命令行方式
codex fork --last

10. 非交互式脚本模式（exec）¶

适合自动化和 CI/CD：

# 执行任务并输出结果
codex exec "修复 CI 失败的问题"

# JSON 格式输出（方便程序解析）
codex exec --json "列出所有 TODO 注释"

# 把最终回复保存到文件
codex exec -o result.md "总结这个项目的架构"

11. Codex Cloud -- 云端异步执行¶

# 打开云端任务管理器
codex cloud

# 直接提交云端任务
codex cloud exec --env ENV_ID "修复所有 linting 错误"

# 多次尝试（best-of-N），选最好的结果
codex cloud exec --env ENV_ID --attempts 3 "重构认证模块"

# 应用云端任务的结果到本地
codex apply TASK_ID

安全模式（审批模式）¶

这是 Codex CLI 最重要的安全特性之一。你可以控制 AI 在你电脑上能做多少事情。

三档模式详解¶

模式	读文件	改文件	跑命令	网络访问	适用场景
Read-only（只读）	可以	需审批	需审批	需审批	学习代码、代码审查
Auto（自动，默认）	可以	可以	工作目录内可以	需审批	日常开发
Full Access（完全访问）	可以	可以	可以	可以	信任的项目+受控环境

命令行设置¶

# 只读模式（最安全）-- 只能看，改动都要你批准
codex --sandbox read-only "帮我分析这个脚本的逻辑"

# 工作区写入模式（推荐日常使用）
codex --sandbox workspace-write "重构这个模块"

# 完全访问模式（慎用！）
codex --sandbox danger-full-access "配置开发环境"

# 跳过所有安全检查（仅限隔离的 CI 环境！）
codex --dangerously-bypass-approvals-and-sandbox "..."
# 注意：没有简写形式，必须输入完整参数名

在 TUI 内切换模式¶

在交互界面中，输入 /permissions 即可切换审批模式。

安全建议¶

日常开发用 Auto 模式就够了，它在工作目录范围内自动操作
敏感项目用 Read-only 模式，每步都确认
Full Access 仅在你完全信任项目和任务时使用

始终使用 Git，这样即使 AI 改错了也能轻松回退：

# 在让 Codex 工作之前先提交当前状态
git add -A && git commit -m "checkpoint before codex"

常用命令速查表¶

启动相关¶

# 基础启动
codex                              # 启动 TUI
codex "你的提示"                    # 带提示启动
codex --cd /path/to/project        # 指定工作目录

# 模型选择
codex --model gpt-5.5              # 使用最新模型（如可用）
codex --model gpt-5.4              # 使用 GPT-5.4
codex --oss                        # 使用本地开源模型（需要 Ollama）

# 多目录支持
codex --cd apps/frontend --add-dir ../backend --add-dir ../shared

exec 自动化¶

codex exec "任务描述"                # 非交互执行
codex exec --json "任务描述"         # JSON 输出
codex exec -o output.md "任务描述"   # 结果保存到文件
codex exec resume --last "继续"      # 恢复上次的 exec 会话

会话管理¶

codex resume                       # 选择并恢复历史会话
codex resume --last                # 恢复最近一次会话
codex resume --all                 # 显示所有目录的会话
codex fork --last                  # 分叉最近一次会话

认证管理¶

codex login                        # 浏览器登录
codex login --device-auth          # 设备认证（不开浏览器）
codex login --with-api-key         # API Key 认证
codex login status                 # 检查登录状态
codex logout                       # 退出登录

配置与功能¶

codex features list                # 查看功能开关
codex features enable xxx          # 启用某功能
codex features disable xxx         # 禁用某功能
codex update                       # 更新 Codex CLI

MCP 管理¶

codex mcp list                     # 列出 MCP 服务器
codex mcp add NAME -- command      # 添加 stdio 类型的 MCP
codex mcp add NAME --url https://  # 添加 HTTP 类型的 MCP
codex mcp remove NAME              # 删除 MCP 服务器

Shell 补全¶

codex completion bash              # 生成 bash 补全脚本
codex completion zsh               # 生成 zsh 补全脚本
codex completion fish              # 生成 fish 补全脚本

# 安装补全（以 zsh 为例）
echo 'eval "$(codex completion zsh)"' >> ~/.zshrc
source ~/.zshrc

TUI 内部斜杠命令¶

在 Codex 交互界面中，你可以用 / 开头的命令快速操作：

命令	作用
`/model`	切换模型或调整推理等级
`/review`	打开代码审查菜单
`/permissions`	切换审批模式
`/theme`	选择和预览界面主题
`/resume`	恢复之前的会话
`/fork`	分叉当前会话
`/side`	侧边任务
`/mcp`	查看当前 MCP 服务器状态
`/copy` 或 `Ctrl+O`	复制最近的 Codex 输出
`/clear`	清除聊天记录并开始新对话
`/exit` 或 `Ctrl+C`	退出
`/help`	查看所有可用命令
`/title`	设置会话标题
`/plugins`	查看已安装的插件
`@文件名`	模糊搜索并引用工作区文件
`!shell命令`	直接运行 shell 命令

实用快捷键¶

快捷键	作用
`Enter`（运行中按）	向当前轮次注入新指令
`Tab`（运行中按）	排队等下一轮发送
`Esc Esc`（连按两次）	回溯编辑之前的消息
`Ctrl+L`	清屏（不清对话）
`Ctrl+R`	搜索历史提示
`Ctrl+G`	打开外部编辑器写长提示
`Up/Down`	浏览历史草稿

AGENTS.md 自定义指令¶

在项目根目录创建 AGENTS.md 文件，Codex 每次启动时会自动读取：

# AGENTS.md

## 项目信息
这是一个宏基因组分析 pipeline，使用 Python + Snakemake 构建。

## 编码规范
- 所有 Python 脚本必须加中文注释
- 使用 conda 环境 `bioinfo` 运行生信工具
- 使用 conda 环境 `t2d_ml` 运行机器学习脚本
- 优先使用 BioPython 处理序列数据
- 脚本必须有 argparse 命令行参数

## 禁止事项
- 不要修改 data/raw/ 目录下的原始数据
- 不要直接 pip install，必须用 conda
- 不要删除 results/ 目录下已有的结果文件

## 偏好
- 变量名用英文，注释用中文
- 日志输出用 logging 模块，不要用 print
- 输出文件统一放在 results/ 目录下

Codex 会严格遵守这些指令，就像你给实习生写的工作手册一样。

MCP 协议集成¶

MCP（Model Context Protocol）让 Codex 可以连接外部工具，扩展能力。

配置方式¶

MCP 配置存储在 ~/.codex/config.toml 文件中：

# ~/.codex/config.toml

# stdio 类型的 MCP 服务器（本地进程）
[mcp_servers.my-tool]
command = "node /path/to/mcp-server.js"
supports_parallel_tool_calls = true

# HTTP 类型的 MCP 服务器（远程服务）
[mcp_servers.remote-tool]
url = "https://mcp.example.com"

命令行管理¶

# 添加一个本地 MCP 服务器
codex mcp add my-db-tool -- python /path/to/db_mcp_server.py

# 添加一个远程 MCP 服务器
codex mcp add docs-search --url https://docs-mcp.example.com

# 带环境变量的 MCP
codex mcp add my-tool --env DB_HOST=localhost --env DB_PORT=5432 -- python server.py

# 查看已配置的 MCP
codex mcp list

# 删除 MCP
codex mcp remove my-tool

# 在 TUI 内查看 MCP 状态
# 输入 /mcp

把 Codex 自己变成 MCP 服务器¶

Codex 也可以作为 MCP 服务器供其他 AI 工具调用：

codex mcp-server
# 暴露两个工具：codex()（开始对话）和 codex-reply()（继续对话）

子代理（Subagent）并行任务¶

当任务复杂时，你可以让 Codex 派出多个子代理并行工作：

# 在 TUI 中直接用自然语言要求
codex "用子代理并行完成以下任务：
1. 子代理1：检查所有脚本的错误处理
2. 子代理2：为缺少注释的函数添加 docstring
3. 子代理3：运行测试并修复失败的用例"

配置子代理¶

在 ~/.codex/config.toml 中配置：

[agents]
# 子代理使用的模型可以单独指定
# 具体配置参考官方文档

Guardian 子代理¶

Guardian 是一个特殊的"看门人"子代理，用于安全审查。当主代理要执行敏感操作时，Guardian 会先审查，通过后才允许执行。

注意：子代理会消耗更多的 token（API 额度），因为每个子代理都独立调用模型。

与生信的结合场景¶

场景 1：自动生成分析脚本¶

codex "写一个 Python 脚本，功能如下：
1. 读取 FASTQ 文件
2. 统计读长分布
3. 统计 GC 含量分布
4. 用 matplotlib 画出两个分布的直方图
5. 输出统计摘要到 CSV 文件
加详细的中文注释"

场景 2：调试 Snakemake Pipeline¶

codex -i error_screenshot.png "这是我运行 Snakemake pipeline 时的报错，帮我分析原因并修复 Snakefile"

场景 3：批量处理多个样本¶

codex "帮我写一个 shell 脚本，批量对 data/raw/ 目录下所有 paired-end FASTQ 文件运行 fastp 质控，输出到 data/clean/ 目录。要求：
- 自动识别 _R1 和 _R2 配对
- 使用 8 个线程
- 生成 HTML 质控报告
- 添加日志记录"

场景 4：理解和重构现有代码¶

codex "帮我分析 scripts/ 目录下所有的分析脚本：
1. 解释每个脚本的功能（用中文）
2. 画出它们之间的依赖关系
3. 找出可以优化的地方"

场景 5：数据库查询与注释¶

codex "写一个脚本，用 BioPython 的 Entrez 模块：
1. 读取 gene_list.txt 中的基因名列表
2. 从 NCBI 查询每个基因的功能描述
3. 获取 GO 注释
4. 输出为 Excel 表格"

场景 6：统计分析与可视化¶

codex "帮我用 R 写一个脚本：
1. 读取 OTU 表（results/otu_table.tsv）
2. 计算 alpha 多样性（Shannon、Simpson、Chao1）
3. 做分组间的 Wilcoxon 检验
4. 画箱线图，标注显著性
5. 保存为 PDF"

场景 7：使用 bioSkills 插件¶

社区开发了专门的生信技能包 bioSkills，可以直接安装：

# 安装所有生信技能
./install-codex.sh

# 只安装特定类别
./install-codex.sh --categories "single-cell,variant-calling,microbiome"

安装后就可以用更专业的提示：

codex "用 STAR 比对我的 paired-end RNA-seq 读段到人类基因组"
codex "从我的 tumor-normal BAM 文件中调用体细胞变异"
codex "分析 16S 微生物组数据并生成分类柱状图"

与 Claude Code 对比¶

这两个是目前（2025-2026）最强的终端 AI 编程工具，各有所长：

对比维度	Codex CLI	Claude Code
开发商	OpenAI	Anthropic
开源	完全开源（Apache-2.0）	非开源
底层技术	Rust 编写，高性能	Node.js/TypeScript
默认模型	GPT-5.4 / GPT-5.5	Claude Opus 4.6 / Sonnet 4.6
上下文窗口	最高约 1M tokens	最高约 200K tokens
沙盒机制	OS 内核级（Seatbelt/bubblewrap）	应用层，可编程钩子
自主程度	支持完全自动（fire-and-forget）	偏向开发者参与（developer-in-the-loop）
云端异步	支持（codex cloud）	不支持
Token 效率	更省 token（约 4 倍差距）	消耗更多 token
代码质量	广泛重构更强	精确修改更强，能发现深层 bug
MCP 支持	支持	支持
子代理	支持（subagent）	支持（Agent Teams）
图片输入	支持	支持
定价	ChatGPT 订阅包含（$20/月起）	按 token 计费 + 订阅阶梯
IDE 插件	VS Code、Cursor	VS Code
桌面应用	macOS、Windows	macOS
GitHub Stars	79,000+	37,000+

怎么选？¶

选 Codex CLI 的场景： - 你想要批量、并行处理多个任务（比如同时修复 5 个 issue） - 你需要"布置任务后走开"的异步工作方式 - 你更看重 token 成本效率 - 你想要一个开源、可自定义的工具 - 你已有 ChatGPT Plus 订阅

选 Claude Code 的场景： - 你在做复杂的、需要深度理解的代码探索和调试 - 你更看重代码质量而非速度 - 你需要更精细的安全治理（26 个钩子事件） - 你的项目对 bug 容忍度很低（Claude 能发现更深层的问题）

最佳实践：两个都用。 大量开发者的经验是：用 Codex 做广泛重构和批量任务，用 Claude Code 做精确修改和复杂调试。

常见问题与解决方案¶

Q1: `codex: command not found`¶

原因：npm 的全局安装路径不在你的 PATH 环境变量里。

解决：

# 查看 npm 全局安装路径
npm bin -g
# 输出类似：/home/user/.npm-global/bin

# 添加到 PATH
echo 'export PATH="$(npm bin -g):$PATH"' >> ~/.bashrc
source ~/.bashrc

# 重新验证
codex --version

Q2: 连接 OpenAI API 超时（国内用户常见）¶

解决方案：

# 方案1：设置代理
export HTTPS_PROXY="http://127.0.0.1:7890"  # 替换为你的代理地址
export HTTP_PROXY="http://127.0.0.1:7890"

# 方案2：使用兼容的 API 中转服务
# 在 ~/.codex/config.toml 中配置 api_base

Q3: 使用本地开源模型（不需要 API Key）¶

Codex 支持通过 Ollama 使用本地模型：

# 先安装并运行 Ollama
ollama serve

# 下载模型
ollama pull codellama:34b

# 用 --oss 标志启动 Codex（默认 OSS 模型为 gpt-oss:20b）
# 如需指定其他模型，用 -m 参数
codex --oss "帮我写个脚本"
codex --oss -m codellama:34b "帮我写个脚本"  # 指定具体模型

社区也有完全离线的分叉版本，如 open-codex。

Q4: Codex 修改了不该改的文件¶

预防措施：

# 1. 始终在 Git 仓库中工作
git init  # 如果还没有初始化

# 2. 工作前先提交
git add -A && git commit -m "checkpoint"

# 3. 使用沙盒限制
codex --sandbox workspace-write "..."

# 4. 在 AGENTS.md 中声明禁止修改的文件/目录

事后补救：

# 撤销所有未提交的更改
git checkout .

# 或者回退到之前的 checkpoint
git reset --hard HEAD

Q5: Token 消耗太快/太贵¶

省 Token 技巧：

# 1. 用具体的提示而非模糊的要求
# 不好："优化这个项目"
# 好："优化 scripts/align.py 中 process_reads() 函数的内存使用"

# 2. 设定范围
codex --cd scripts "只看 align.py 和 filter.py"

# 3. 选择合适的模型
codex --model gpt-5.3-codex "简单的代码补全任务"  # 更便宜的模型用于简单任务

Q6: `--full-auto` 已弃用¶

从 2025 年末开始，--full-auto 标志已被弃用。新的替代方式：

# 旧方式（会收到警告）
codex --full-auto "..."

# 新方式
codex --sandbox workspace-write --ask-for-approval never "..."

# 或使用权限配置文件
codex --profile my-trusted-profile "..."

Q7: WSL2 中性能差¶

# 把项目放在 WSL 文件系统内（不要放在 /mnt/c/ 下）
mkdir -p ~/projects
cd ~/projects
git clone your-repo

# 在 WSL 内运行 Codex
codex --cd ~/projects/your-repo

Q8: 怎么在 CI/CD 中使用？¶

# GitHub Actions 示例
# OpenAI 提供了官方的 GitHub Action
# 参考：https://developers.openai.com/codex/github-action

# 手动方式：在 CI 环境中
codex exec --sandbox workspace-write --json "修复 lint 错误" > result.json

学习资源与参考链接¶

官方资源¶

Codex CLI 官方文档 -- 最权威的参考
GitHub 仓库 -- 源代码和 issue 追踪
快速入门指南 -- 5 分钟上手
命令行参考 -- 完整的命令和参数
功能特性 -- 各功能详解
最佳实践 -- 官方推荐的使用方式
安全文档 -- 安全机制说明
更新日志 -- 版本历史
npm 包 -- npm 安装页面

生信相关¶

OpenAI Codex for Biotech and Bioinformatics Research -- Codex 在生信领域的应用综述
bioSkills -- 社区开发的生信技能包，支持 Codex 和 Claude Code

对比评测¶

Claude Code vs Codex CLI (Northflank) -- 详细对比评测
Codex vs Claude Code (DataCamp) -- 数据科学视角的对比
Claude Code vs Codex CLI (NxCode) -- 2026 年最新对比

社区项目¶

open-codex (ymichael) -- 支持多个 AI 供应商的分叉版本
open-codex (codingmoh) -- 完全离线本地运行的版本

最后更新时间：2026 年 5 月

提示：Codex CLI 更新频率很高（几乎每月都有新版本），建议定期运行 codex update 获取最新功能。本教程基于 2025-2026 年的信息编写，部分功能和模型可能会随版本更新而变化。