Codex 實測：OpenAI 的雲端 Coding Agent

昨晚，OpenAI 上了個新功能：Codex，雲端的 Coding Agent

Codex 簡要概述這東西，由 3 部分組成：codex-1 模型、雲端沙盒、GitHub 接口封裝

不錯的產品，交互很讚但不能自主裝依賴，目前幹不了活

這個 Agent 的功能大概包含：

• • 問答 Git 上的項目

• • 跑現成的代碼

• • 修代碼，提 PR（修改代碼，然後提交上去）

按 OpenAI 員工的說法，他們部分時候也會拿這個處理代碼

總評：非常沒用

用例實測

我必須再次說：這東西目前限制很多，包括不僅限於：

• • ❌ 不能聯網（不能訪問外部 API、網站）

• • ❌ 不能臨時裝依賴（如 pip install 無效）

• • ✅ 只能用你倉居里已有的代碼 + 你事先配置好的環境

所以這東西，只能做縫補，幾乎幹不了重活

我能想到的幾個典型場景：

• • QA 大佬們的代碼

• • 寫一點不需要配環境的代碼

QA DeepEP

DeepEP 是之前 DeepSeek 開源的 Infra 框架，我先把它丟進去，選擇「詢問」就好了

寫 Verilog

我本職專業，是EE。

Verlog 這東西，和常規環境沒什麼關係，但非常依賴 AI 對整體項目的理解，而且完全不能依賴 Rag 代碼。

效果是不錯的，改改能用（畢竟 o3）。

背後的實現

說真的，這東西的實現並不複雜，相信很快就會有一堆類似的。

分為三塊：模型、雲端沙盒、打通 GitHub，分別來說說

模型

Codex 背後的模型是 codex-1，通過 o3 調出來的，讓風格更貼近「人寫的代碼」，並且準確性也提升了一些。

以及，發了一個同源的模型：codex-mini-latest，輸入 $1.5，輸出 $6 每百萬 token，比 o4-mini 貴了 30%左右。

調的方法，叫做 Reinforcement Learning， 強化微調，之前介紹過：👉 OpenAI 新貨詳解：強化微調

雲端沙盒

Codex 的代碼是跑在雲端的，會為每個任務啟動一個獨立的雲端沙盒環境，這環境里：

• • 預先拉好你選的 GitHub 倉庫（只讀）

• • 跑你配置好的構建腳本、測試命令、lint 等

• • 不聯網，也沒辦法 pip install

大致就是「開了一台幹淨的服務器」，只裝你確認過的東西，它再在裡面開始「幹活」。

注意：所有修改都只在這個沙盒里完成，Codex 不能直接動你線上倉庫的代碼，最終得你點按鈕發 PR 或下載補丁。

打通 GitHub

Codex 需要你授權 GitHub：

• • 你點「Connect GitHub」之後，它會拿到你的倉庫只讀權限（或者寫權限，如果你開了）

• • 如果你是團隊賬戶，還要選組織、設定權限範圍

• • 需要啟用 MFA（多因素認證），畢竟你讓 AI 有權限提 PR，可以用 Google Auth 或者任何，這裏我用的 OnePass

可以吹，別過分

老實講…這些任務，不用 Codex 也能完成

這個東西全名叫 Codex Research Preview，單純 Preview 已經不夠了，還得加上 Research，畢竟什麼活也幹不了，不要有太高的期待

但是，方向是很讚的。

假想一下你幹活幹到一半去吃法了，AI 無縫接管了你的環境，繼續完成你的工作

總結一下

Codex 是 ChatGPT 新加的遠程代碼助手。它：

• • 產品設計確實不錯，放心也很穩

• • 雲上跑，隔離安全

• • 模型可靠（codex-1 微調自 o3）

• • 流程清晰，輸出可追溯（log、diff、測試結果）

但：

• • 不能聯網

• • 不能裝包

• • 只能在你給定的框架里改點東西

保持關注這個東西全名叫 Codex Research Preview，單純 Preview 已經不夠了，還得加上 Research，目前不要有太高的期待

👉 chatgpt.com/codex