Codex九个高效使用技巧和最佳实践分享

旅途开启

如果你是Codex或者VIbeCoding新手,那么这篇文章会帮你更快的获得更好的结果。它涵盖了使 Codex 在 CLI、IDE 扩展和 ChatGPT 桌面应用中更有效的核心习惯，从提示、规划到验证、MCP、技能和计划任务。

当然,这些技巧不仅仅在使用codex中有用,它也是一种通用型的技巧,你可以在其他的编码代理工具中合理的变通和运用,比如ClaudeCode、Grok Build、Pi等等。

上下文提示

尽管如今的模型都已经足够强大,和GPT5.3时代不一样了,那时候的模型,我们还需要研究提示词原理,学习各种提示词技巧才能更好的发挥AI最大的效用,但是现在模型能力已经飞跃了好几个级别,即使提示词不完美也可以派上用场,有时候甚至一句话就可以收获非常满意的结果。

虽然现在明确提的提示词不是获得最佳价值效果的必要条件,到那时它确实能让结果更加的可靠,尤其是在越发庞大的代码库或者高风险的任务中。

如果你正在维护一个大型复杂项目,那么一个最佳的实践是给Codex提供任务所需的正确背景和清晰的结构。

• 目标:你想要改变或者构建什么?

• 背景:哪些文件、文件夹、文档、示例或者错误对这项任务很重要?你可以使用“@”来提及某些文件作为任务的上下文。

• 限制:Codex应该遵循哪些标准、架构、安全要求或惯例。

• 完成时间:任务完成前应该实现什么,比如通过指定测试、行为改变、清晰的UI验证或不再复现的BUG。

这有助于Codex保持范围明确,减少假设,制作出更加容易维护的作品。

根据任务难度选择推理级别,不仅可以使得token消耗最小化,同时也可能使任务完成得更快。

• Low: 适合更快、范围明确的简单小任务。

• Medium 或者 High:用于复杂的调整或者调试。

• Extra High:适合长时间、复杂,需要深度推理的任务。

[!TIP]

一般情况下,如果你做的事比较普通的静态网页开发、基础的文章或者数据处理工作,那么使用中等级别的推理模式就足够了,如果你正在构建一个包含前后端的项目、桌面应用程序,复杂精细的金融数据处理,那么建议将推理级别改为High级别以上。

困难任务,先做规划

如果任务复杂、模糊或者一时难以描述,那么,此时不要犹豫,在开始写代码之前,先做好任务规划。下面是几种做任务规划的形式:

1. Codex的内置规划模式:对于大多是用户来说,这是最简单且最有效的选择。计划模式让Codex可以手机背景,提出澄清问题,并且在实施前指定完备计划。使用“/plan”即可开启计划模式。

2. 对话探讨:如果你对自己想要什么自由一个大致的想法并且不知道如何描述,那么不妨和codex先聊聊你的想法,让codex主导提问。告诉他你的idea、假设,甚至是一点灵光乍现 ,一起把模糊的东西变得具体,然后再开始写代码。

3. 使用PLANS.md模版:对于更高级的工作流程,你可以配置 Codex 使其遵循 PLANS.md 或执行计划模板，以处理运行时间较长或多步骤的工作。

AGENTS.md

AGENTS.md的作用与Claude中的CLAUDE.md的作用类似,可以看作是一个给AI的README。它会自动加载到上下文中,是VibeCoding中非常重要的一个实践。

一个好的AGENTS.md,可能包含:

• 仓库结构和重要目录。

• 项目的启动运行方式。

• 构建、测试和代理检查命令,脚本。

• 工程规范及代码的拉取要求。

• 限制条件和禁忌规则。

• 对“完成”的定义以及任务结果的验证要求。

CLI 中的 /init 斜杠命令是一个快速入门命令，用于在当前目录中生成一个初始化的 AGENTS.md 文件。这是一个很好的起点，但你应该根据团队实际构建、测试、审查和发布代码的方式对生成的内容进行修改。

你可以在不同层级创建 AGENTS.md 文件：位于 ~/.codex 下的全局 AGENTS.md 文件用于存储个人默认设置，仓库级别的文件用于存储共享标准，而子目录中的更具体文件则用于存储本地规则。如果当前目录附近存在更具体的文件，则以该文件的设置为准。

保持实用。简短准确的 AGENTS.md 比一长串模糊规则的文件更有用。从基础开始，只有在发现反复错误后才添加新规则。

如果 AGENTS.md 变得太大，保持主文件简洁，并参考针对特定任务的标记文件，比如规划、代码审查或架构等。

保持实用、简短准确的AGENTS.md比一长串模糊规则的AGENTS.md更加高效有用,一般情况下,这个文件的内容尽可能的保持在300行左右,除了哪些项目的基础信息 ,在开发过程中,哪些反复出现的错误,我们可以将经过验证后的解决方案作为AGENTS的内容条目放进去。

配置Codex以保持一致性

配置是确保 Codex 在不同会话和设备上表现更一致的主要方式之一。例如，你可以为模型选择、推理强度、沙盒模式、审批策略、配置文件以及 MCP 设置指定默认值。

一个不错的初始配置方案是：

• 将个人默认设置保存在 ~/.codex/config.toml 中（在 ChatGPT 桌面应用中，通过“设置” > “配置” > “打开 config.toml”即可访问

• 将特定仓库的行为配置保存在 .codex/config.toml

• 仅在特殊情况下使用命令行覆盖设置

config.toml 文件用于定义持久化配置，例如 MCP 服务器、多代理设置和功能开关。针对特定配置文件的覆盖项则存储在独立的 $CODEX_HOME/profile-name.config.toml 文件中。

Codex 自带操作级沙箱功能，并提供两个关键控制选项供你调整。审批模式决定 Codex 在何时请求你的许可来执行命令；沙箱模式则决定 Codex 是否可以在目录中读写，以及代理可以访问哪些文件。

如果你是VibeCoding的新手，建议从默认权限开始。默认情况下请严格控制审批和沙箱设置，只有在明确需要时，才针对可信仓库或特定工作流放宽权限。

[!TIP]

请尽早为你的实际环境配置 Codex。许多质量问题实际上是配置问题，例如工作目录错误、缺少写入权限、模型默认值错误，或者缺少工具和连接器。

通过测试和审查提高可靠性

不要仅仅要求Codex推进任务。还要要求它在需要时创建测试用例，运行相关检查，确认结果，并在你接受之前审核工作成果。 Codex可以为你完成这个循环，但前提是它必须知道“正确结果”应该是什么样子的。这些指导信息可以来自提示词，也可以来自AGENTS.md文件。

这可能包括：

• 为该变更编写或更新测试用例

• 运行相应的测试套件

• 检查代码规范、格式或类型检查

• 确认最终行为与需求一致

• 审查差异文件，检查是否存在缺陷、回归问题或高风险模式

在 ChatGPT 桌面应用中切换“差异”面板，即可直接在本地查看更改。点击特定行以提供反馈，该反馈将作为上下文输入到下一次 Codex 的生成中。

这里有一个很有用的选项是斜杠命令 /review，它提供了几种代码审查方式：

• 以 PR 风格的方式，针对基准分支进行审查

• 审查未提交的更改

• 审查某个提交

• 使用自定义审查说明

如果你和你的团队有一个 code_review.md 文件，并在 AGENTS.md 中引用它，Codex 在审查时也可以遵循这些指导。这是希望审查行为在不同仓库和贡献者之间保持一致的团队的一个强有力的模式。

[!IMPORTANT]

Codex 不应该仅仅生成代码。在适当的指令下，它还可以帮助测试、检查和审查代码。

使用 MCP

当所需上下文存在于仓库之外时，请使用 MCP。它允许 Codex 连接到你已经使用的工具和系统，因此你不必不断将实时信息复制粘贴到提示中。

模型上下文协议（Model Context Protocol，简称 MCP）是一种开放标准，用于将 Codex 连接到外部工具和系统。

在以下情况下使用 MCP：

• 所需的上下文存在于仓库之外

• 数据经常变化

• 你希望 Codex 使用工具而不是依赖粘贴的指令

• 你需要跨用户或项目实现可重复的集成

Codex 同时支持带 OAuth 功能的 STDIO 和 Streamable HTTP 服务器。 在 ChatGPT 桌面应用中，前往“设置”>“MCP 服务器”即可查看自定义服务器和推荐服务器。通常，Codex 可以协助你安装所需的服务器。你只需提出请求即可。你还可以在命令行界面（CLI）中使用 codex mcp add 命令，通过指定名称、URL 及其他详细信息来添加自定义服务器。

[!TIP]

只有当工具能真正优化工作流程时，才应将其添加进来。不要一开始就将所有使用的工具都连接起来。先从一两个能明确消除你经常进行的手动操作环节的工具开始，然后再逐步扩展。

将可重复的工作转化为技能

一旦工作流可以重复执行，就不要再依赖冗长的提示词或反复的问答。利用技能（Skill）将操作说明打包到 SKILL.md 文件中，并确保上下文和 Codex 中的辅助逻辑能够一致地应用。技能可在命令行界面（CLI）、IDE 扩展和 ChatGPT 桌面应用中通用。

确保每个技能仅针对一项任务。从 2 到 3 个具体用例入手，明确定义输入和输出，并撰写描述说明该技能的功能及适用场景。包含用户实际会说到的触发短语类型。

不要试图一开始就涵盖所有边界情况。先从一个具有代表性的任务入手，确保其运行良好，然后将该工作流转化为技能，并在此基础上进行优化。仅当脚本或额外资源能提高可靠性时才将其纳入。

一个很好的经验法则是：如果你一直在重复使用相同的提示词或修正相同的工作流，那么它很可能应该成为一个技能。

技能对于以下这类重复性任务特别有用：

• 日志分拣

• 发布说明起草

• 根据检查清单审查 PR

• 迁移规划

• 遥测或事件摘要

• 标准调试流程

$skill-creator 技能是构建技能首个版本的最佳起点。在迭代过程中，请将首个版本保留在本地。当准备好广泛分享时，将其打包为插件。技能最重要的部分之一是描述。它应说明该技能的功能以及何时使用。

个人技能存储在 $HOME/.agents/skills 中，共享的团队技能可以提交到仓库内的 .agents/skills 目录中。这对新团队成员的加入尤为有用。

使用计划任务处理重复性工作

一旦工作流运行稳定，你可以安排 Codex 在后台为你自动执行该工作流。在 ChatGPT 桌面应用中，通过计划任务功能，你可以为周期性工作选择项目、提示词、执行频率以及执行环境。

请在“计划”页面创建计划任务。选择项目、提示词、执行频率，并指定任务是在专用的 Git 工作树中运行，还是在你的本地环境中运行。

合适的候选任务包括：

• 汇总最近的提交

• 扫描可能存在的 bug

• 起草发布说明

• 检查持续集成（CI）失败

• 编写每日站会总结

• 按计划运行可重复的分析工作流

一个有用的原则是：技能决定方法，而计划任务决定时间表。如果某个工作流仍需要大量人工干预，请先将其转化为一项技能。一旦工作流变得可预测，将其纳入计划就能节省时间。

整理长期进行的聊天记录

聊天记录会随着时间的推移积累上下文、决策和操作，因此妥善管理它们对质量有着重大影响。 ChatGPT 桌面应用允许你固定聊天记录并创建工作树。如果你使用命令行界面 (CLI)，以下斜杠命令特别有用：

• /experimental 用于切换实验性功能并将其添加到 config.toml 文件中

• /resume：恢复已保存的聊天

• /fork：在保留原始对话记录的同时创建新聊天

• /compact：当聊天内容过长且你需要早期上下文的摘要时使用。Codex 也会自动压缩聊天记录

• /agent：当你正在运行多个并行代理，并希望在活动代理线程之间切换时使用

• /theme：选择语法高亮主题

• /apps：在 Codex 中直接使用 ChatGPT 应用

• /status 用于查看当前会话状态

为每个连贯的工作单元保留一个聊天窗口。如果工作仍属于同一个问题，通常最好留在同一个聊天窗口中，因为这样可以保留推理轨迹。仅当工作真正出现分支时才进行分叉。

[!TIP]

利用 Codex 的子代理工作流，将范围有限的工作从主线程中分离出来。让主代理专注于核心问题，并将探索、测试或分类等任务交给子代理处理。