“软件工程正在发生变化，到 2025 年底，软件工程的面貌将发生根本性的改变。”Greg Brockman 在 OpenAI 发布会上的开场白为接下来的活动定下了基调。OpenAI发布了Codex，这是一个云原生软件代理，旨在与开发者一起工作。
Codex 并非单一产品，而是由 Codex-1 （OpenAI 的最新编码模型）驱动的代理系列。几周前，Codex CLI 作为在终端内运行的轻量级伴侣问世。今天，焦点转向了它更大的远程代理，它完全可以在 ChatGPT 上使用。你可以启动多台“迷你电脑”，在喝咖啡的时候处理多项任务。本文将概述 ChatGPT 上的 Codex，我们将很快发布一些基于项目的相关文章。
从代码补全到Vibe编码
OpenAI 早在 2021 年就开始致力于人工智能辅助编码，当时推出了最初的 Codex 模型，并为 GitHub Copilot 等工具提供支持。那时，它的功能更像是为开发人员提供自动完成支持。
从那时起，很多事情都发生了变化。得益于强化学习技术的重大进步，Codex 的功能已经大大增强。
现在，在 Vibe 编码成为新常态的世界里，你只需用母语描述你想要的东西，Codex 就会找出如何构建它。最新版本的 Codex-1 基于 OpenAI 的 o3 架构，并根据真实世界的拉取请求进行了微调。它不仅能生成代码，还能遵循最佳实践，如内衬、编写测试和保持一致的风格，使其真正适用于实际开发工作。
推荐阅读：掌握 Vibe 编码艺术指南
如何通过ChatGPT界面访问Codex？
按照以下简单步骤开始使用 Codex（所需时间 5 分钟）：
1. 在 ChatGPT 中找到 Codex
打开 ChatGPT，进入左侧导航栏的“Codex”侧边栏，您会看到一个新的“Codex (beta)”图标。单击它以显示代理仪表板。
2. 多因子身份验证
点击“Set up MFA to continue”，使用您喜欢的身份验证应用程序（如 Google Authenticator 或 Authy）扫描二维码，然后输入验证码进行验证。就这样，一切就绪。
3. 连接 GitHub（仅限首次使用）
只需点击一下 OAuth，Codex 即可授权读/写您的版本库。您可以将其限制在特定组织或个人项目中。
4. 选择版本库和分支
选择你希望 Codex 负责的项目。代理会将该分支克隆到它自己的沙盒中。
5. 配置环境（可选）
添加环境变量、秘密或设置命令，就像在 CI 作业中一样。Linters 和 formatters 已预装，但你也可以根据需要更改版本。
6. 选择任务模板
Ask：“解释架构”。Code：”查找并修复 test_api.py 中的错误测试。Suggest：让 Codex 扫描软件仓库并提出维护建议，或直接用自然语言输入自定义指令。
7. 运行与多任务
按下“Launch”。每个任务都会启动自己的微型虚拟机；你可以并行排队处理几十个任务，然后继续在 ChatGPT 的其他地方聊天。
8. 查看结果
绿色复选标记表示测试通过。点击任务卡可以查看差异、模型解释和完整的工作日志。
9. 合并或迭代
点击“Open PR”，将分支推送回 GitHub，或在需要修改时回复任务并提供后续说明。
OpenAI Codex演示
在本节中，我将与大家分享不同的示例，演示这款全新的软件开发代理如何为您的生活增添色彩！
示例 1：加速开发
OpenAI 工程师纳乔-索托（Nacho Soto）展示了 Codex 如何通过设置项目脚手架（如 Swift 软件包）帮助他更快地开始新任务。通过简单的提示，他就能卸下设置工作，专注于构建功能，而 Codex 会在后台处理其余工作。
示例 2：审查工作流
Codex 不仅仅支持代码生成。它还适用于审查工作流，开发人员可在其中检查人工智能生成的拉取请求，发现格式问题等问题，并提示 Codex 进行修复。
示例 3：使用Codex修正代码
工程师 Max Johnson 解释了 Codex 如何帮助他修复小错误和代码质量问题，而又不分散他的注意力。他没有切换上下文，而是将这些任务交给 Codex，之后再查看结果，以改进代码库。
示例 4：通话时发现代码库中的错误
Calvin 分享了 Codex 如何在值班时帮助处理紧急任务。通过向 Codex 发送堆栈跟踪，他可以快速获得诊断或修复。它还有助于微调警报和处理日常运营工作，从而减少人工操作。
OpenAI Codex与o3
提示：“Please fix the following issue in the matplotlib/matplotlib repository. Please resolve the issue in the problem below by editing and testing code files in your current code execution session. The repository is cloned in the /testbed folder. You must fully solve the problem for your answer to be considered correct.”
Problem statement:[Bug]: Windows correction is not correct in `mlab._spectral_helper` ### Bug summary Windows correction is not correct in `mlab._spectral_helper`: https://github.com/matplotlib/matplotlib/blob/3418bada1c1f44da1f73916c5603e3ae79fe58c1/lib/matplotlib/mlab.py#L423-L430 The `np.abs` is not needed, and give wrong result for window with negative value, such as `flattop`. For reference, the implementation of scipy can be found here : https://github.com/scipy/scipy/blob/d9f75db82fdffef06187c9d8d2f0f5b36c7a791b/scipy/signal/_spectral_py.py#L1854-L1859 ### Code for reproduction ```python import numpy as np from scipy import signal window = signal.windows.flattop(512) print(np.abs(window).sum()**2-window.sum()**2) ``` ### Actual outcome 4372.942556173262 ### Expected outcome 0 ### Additional information _No response_ ### Operating system _No response_ ### Matplotlib Version latest ### Matplotlib Backend _No response_ ### Python version _No response_ ### Jupyter version _No response_ ### Installation None
输出：
观察结果：
Codex 生成的修正比 o3 生成的修正更准确、更完整。它正确地删除了 mlab._spectral_helper 中窗口归一化过程中不必要使用的 np.abs()，因为它曾导致带有负值（如 flattop）的窗口出现不正确的结果。Codex 用正确的数学表达式替换了错误的逻辑，使用 (window2).sum() 代替了 (np.abs(window)2).sum()，这符合 SciPy 实现中的最佳实践。它还包含一个单元测试来确认该行为，从而使修复既可验证又可靠。相比之下，o3 的输出似乎并不完整，也没有明确解决核心问题，因此 Codex 是更有力的选择。
OpenAI Codex的工作原理
- Codex 编写代码：该模型首先生成代码，以解决给定任务。
- 它运行代码：不仅要评估输出结果的可信度，还要实际执行。
- 检查测试结果：Codex 观察生成的代码是否通过了相关测试。
- 只有任务成功完成，它才能获得奖励：与专注于下一个单词预测的传统 LLM 不同，Codex 只有在代码端到端都能正常工作的情况下才能获得高分。
- 它通过反馈来学习：如果代码失败，Codex 会重试：创建重写脚本、修正校验错误并调整格式，直到符合标准。
- 它像初级开发人员一样发展：这种培训方法能让 Codex 的行为不像文本生成器，而更像一位深思熟虑的工程师，遵循真实世界的编码实践。
在标准化基准和 OpenAI 内部工作流程中，Codex-1 都优于之前的模型。如下图所示，在 SWE-Bench Verified 基准测试中，Codex-1 在所有尝试次数上都达到了更高的准确度，并在 OpenAI 的内部软件工程任务中遥遥领先。这凸显了 Codex-1 在现实世界中的可靠性，尤其是对于将其集成到日常工作流程中的开发人员而言。
Source: OpenAI
云计算工作室内部一瞥
每次按下 Codex 侧边栏中的“运行”按钮，系统就会创建一个微型虚拟机沙盒：拥有自己的文件系统、CPU、内存和锁定的网络策略。系统会克隆你的版本库，注入环境变量，并预装常用的开发工具（排版器、格式化器、测试运行器）。这种隔离带来了两个立竿见影的好处：
- 安全性和可重复性– 流氓脚本无法触碰你的笔记本电脑或泄露机密；整个运行过程可在稍后重放。
- 规模并行性– 需要修改错别字、协调超时时间，以及查找神秘的错误？启动三个任务，并行查看结果。
可选的 AGENTS.md 文件就像机器人的 README：你可以描述项目布局、如何运行测试、偏好的提交风格，甚至要求在步骤之间打印 ASCII 猫。说明越丰富，Codex 的运行就越流畅。
可用性、限制与下一步？
Codex 目前对 ChatGPT 专业版、企业版和团队版用户开放。免费层和 EDU 用户有望很快获得访问权限。在研究预览期间，使用将受到严格的限制，但这些限制可能会根据需求而变化。未来的计划包括为 Codex 提供 API、集成到 CI 管道以及统一 CLI 和 ChatGPT 版本，以便在本地和云开发之间实现无缝切换。
推荐阅读：
结论
我刚刚完成了一次多文件重构，而且从未碰过我的笔记本电脑。
– OpenAI 工程师
这样的故事预示着未来的编码将类似于高级协调：你提供意图，代理处理细节。Codex 代表着开发人员与代码交互方式的转变，从手动编写所有代码转变为协调高级任务。工程师现在更关注意图和验证，而 Codex 则负责执行。对许多人来说，这预示着一种新的开发工作流程的开始，在这种流程中，人与代理的协作将成为标准而非例外。
您打算如何使用 Codex？请在下面的评论区告诉我！
评论留言