先说说对 Codex 评测的几个核心判断。

如果说 Cursor 是个需要你手把手带着结对编程才能干活的实习生，那 Codex 就更像个远程外包员工：任务甩过去，基本不用管，等它完成后验收一下。不合格？没问题，让它重做，直到满意为止。最关键的一点是，理论上你可以同时拥有无数个这样的外包员工。

不过话说回来，目前的 Codex 明显还是个半成品。限制不少，比如虚拟机环境一但安装好就断网，有严格的运行时长限制，单次能处理的活儿也很有限。坦白说，现在还不值得仅仅为了它去开通 ChatGPT Pro 的会员。

打个比方，这个外包员工的电脑不能联网，只能靠项目现有的代码和自身经验去改程序，完全凭自己的理解交付结果。而且，每次外包任务都是一锤子买卖——成果你要么全盘接受，要么全盘拒绝，没法做小幅度的二次修改。更麻烦的是，这位员工还比较“懒”，时间一到立刻下班，而且每一次任务还会随机换人，项目经验完全无法积累。但好一点的是，它会严格遵守你提供的文档规范（比如 AgentS.md）。

什么是 Codex？

就在昨天，OpenAI 发布了 Codex——一个强大的云端软件工程智能助手。它由专门针对编程及工具调用进行了大量强化学习的 codex-1 模型驱动，好处是能并行处理多个任务。开发者可以同时部署多个 Codex 智能体，协作起来效率相当可观。

年初的时候就记得 Sam Altman 提过这个智能体，说它能像真正的软件工程师一样在后台为你工作。那时候心里就挺期待的，毕竟很多繁琐的事情如果能交给它做，那可就省心多了。正好手头的活儿也需要这样一个帮手。

昨天 ChatGPT Pro 的订阅用户开始能体验了，于是花了几个小时，翻来覆去地好好测试了一番。

Codex 工作原理

Codex 的核心由两部分组成：Codex-CLI 和基于 Docker 的虚拟机技术。

Codex-CLI 是 OpenAI 最新发布的基于命令行的 AI 编程智能体。它能阅读你的代码，根据要求来解释、修复 Bug、更新代码。作为智能体，自然也能调用命令行工具——比如检索文件、创建文件、安装依赖包、运行测试等等。有趣的是，Codex-CLI 背后可以接入不同的模型，比如 OpenAI 的 o3 或者 Claude 3.7 sonnet。

虚拟机则提供了任务执行的环境，通过 Docker 实现。每一次任务开始，都会创建一个全新的虚拟机，支持 Python、Node.js、Swift、Rust、Go、Bun、Ja va 等语言环境。需要强调一点：这个虚拟机环境一开始是可以联网的，但在自动下载完项目代码、安装好所需的第三方库之后，就会彻底断开网络连接，后续再也不能访问互联网。

目前，OpenAI 的云端 Codex 和 Codex-CLI 还是有些区别的：

• • 云端 Codex 在虚拟机上自动运行，无需你自行搭建环境，每次任务都会自动初始化一个新环境。
• • 虚拟机环境开局联网，但装完项目依赖后立刻断网，后续只能连接大语言模型。
• • 云端 Codex 使用专为编程任务强化训练过的 codex-1 模型，更擅长写代码和调用命令行工具。

云端 Codex 的优缺点

弄清楚了背后的工作原理，它的优缺点就很好理解了。

优势明显：

• • 无需自建环境，随时随地——甚至手机上就能启动任务。
• • 支持多个任务并行运行。
• • 模型编程和调用工具的能力非常出色。
• • 能直接连接你的 GitHub 仓库。
• • 完成任务后，自动提交 Pull Request。

限制同样突出：

• • 完全不支持联网任务，没法查阅在线文档或更新依赖库版本。
• • 不能访问本地内网资源，只能读取托管在 GitHub 仓库中的文档。
• • 每次任务都会重新初始化环境，中断后无法在原结果上继续。
• • 单次任务执行时间受限，最多交互数次就强制结束。比如，用它做文件翻译任务，每次只能翻译大约 5 个文件，必须提交 PR 后才能重新开始。
• • 只能自动提交 PR，无法读取 PR 评论或 GitHub Issue 的信息，需要人工来复制任务细节。
• • 单个文件处理长度受限，文件稍长就没法处理，具体上限还没彻底摸清。
• • 当前虚拟机环境只支持 Python、Node.js、Swift、Rust、Go、Bun、Ja va 这几种语言。
• • 每次任务的输出字节数有限。由于 Codex 依赖 Codex-CLI 的 shell 命令输出，单次命令行最长输出仅 1600 字节，超出就报错：

  Error: Output for session 'shell2' contained a line exceeding the max of 1600 bytes...

Codex 适用场景

结合自己和其他用户的测试反馈来看，目前 Codex 的可用场景其实不算太多，主要适合用在：

• • 代码解释与梳理——帮你搞清结构，但受限于单次处理长度。
• • 代码审查——阅读代码并给出改进建议（同样不能太长）。
• • 小型 Bug 修复——简单且明确的小缺陷，交给它再合适不过。
• • 小功能迭代——比如语言国际化、样式调整。但涉及网络更新（像升级 Next.js）就无能为力了。
• • 生产环境紧急修复——比如休假时突发故障，只带手机也能用 Codex 快速提交 PR 更新线上环境。

其他场景，暂时还真不敢想太多。毕竟 Codex 目前还只是“Research Preview”，技术限制摆在那里。

只有等 OpenAI 后续逐步放开联网限制、增加任务执行时长，并允许虚拟机做更灵活的定制，Codex 才有望在实际生产中发挥真正的高效。

Codex 这类 AI 编程智能体的未来：会替代程序员吗？

以现状来看，Codex 离取代程序员（哪怕只是初级）还有相当远的路要走，不必过度期待。但未来，它或许会改变软件开发的模式——让 AI 编程变得像今天的 AI 绘图一样：一个简单的任务，只需要不断地“抽卡”提示词就能完成。当然，这一切的前提是，你背后需要有专业的软件工程师或更高级的 AI 来帮你规划任务，合理拆解工作流程。

一些案例

分析代码库并根据建议更新 readme ✅

分析代码库的能力还不错，能逐个文件阅读，然后汇总，最终给出一些修改建议。

根据建议，让它更新了一下 Readme。这种简单任务完成得不错——能根据项目情况分析，然后更新说明文件。

升级 nextjs 版本 ❌

想让它帮忙升级 nextjs 版本，但有点坑的是，配置完运行环境后不能联网，所以它最终没能完成这个简单但常见的版本升级任务。

处理 PR Review 结果 ❌

Codex 能提交 PR，但对于 PR 里的评论却没法直接处理——也就是说，它不能阅读 PR Review 的结果，只能在你单独给它说明之后才能理解。

批量转换代码语言 ✅ ❌

想让 Codex 把一个项目从 ReScript 重写成 TypeScript。但实际操作中遇到了两个问题：

1. 每次执行任务算力有限，一次只能处理一部分文件。
2. 执行完一次任务后，必须先提交代码合并 PR，否则在同一会话中继续新任务，之前的修改不会被应用。这一点和使用 Cursor 之类的 IDE 差别很大——Cursor 里一次交互完，再次交互时之前的修改还在；而在 Codex 里，每次交互都是一个全新的虚拟机。

引用外部文档 ❌

让它初始化一个 React Router v7 + cloudflare 的项目。先给它提供了文档链接，但无法阅读，只能按自己的知识库去生成——结果并不是我想要的。后来直接告诉它要执行的命令行，但它不能联网，所以也没法正常用命令行初始化项目。

长文翻译 ✅❌

测试了一下长文翻译能力——其实跟写代码没太大关系，纯粹是想试试 Codex 的另类用法。放了一个 300 多行的 Markdown 英文文件让它翻译。一开始它哗哗地写 python 脚本去安装 Google 翻译，后来发现自己不能联网，最后才用自己内置的能力来完成翻译。

然后又发现文件太长，于是把 300 多行拆成几次来翻译。翻译到第三段的时候，命令行 shell 溢出了（超出 1600 字节），没法继续。新开命令行窗口，内容少一点再继续翻译。

翻译到 255 行的时候，它说时间到了，得提交代码了！

准点下班！

最终只是翻译了一部分内容，但如果你没有仔细看日志，或者去检查结果，你是不知道它其实偷工减料了的！

又多测试了一次，这次让它直接翻译，不要使用外部工具。倒是少走了点弯路，但结果也只是翻译了一部分。

结论

开头已经总结得差不多了。现阶段可用性还不高，只能做一些简单的、不需要联网的任务。但未来可期——可以让它在后台同时执行多个任务，人只需要去验收结果就好。