如何使用OpenAI Codex程式設計

“軟體工程正在發生變化，到 2025 年底，軟體工程的面貌將發生根本性的改變。”Greg Brockman 在 OpenAI 釋出會上的開場白為接下來的活動定下了基調。OpenAI釋出了Codex，這是一個雲原生軟體代理，旨在與開發者一起工作。

Codex 並非單一產品，而是由 Codex-1 （OpenAI 的最新編碼模型）驅動的代理系列。幾周前，Codex CLI 作為在終端內執行的輕量級伴侶問世。今天，焦點轉向了它更大的遠端代理，它完全可以在 ChatGPT 上使用。你可以啟動多臺“迷你電腦”，在喝咖啡的時候處理多項任務。本文將概述 ChatGPT 上的 Codex，我們將很快釋出一些基於專案的相關文章。

從程式碼補全到Vibe編碼

OpenAI 早在 2021 年就開始致力於人工智慧輔助編碼，當時推出了最初的 Codex 模型，併為 GitHub Copilot 等工具提供支援。那時，它的功能更像是為開發人員提供自動完成支援。

從那時起，很多事情都發生了變化。得益於強化學習技術的重大進步，Codex 的功能已經大大增強。

現在，在 Vibe 編碼成為新常態的世界裡，你只需用母語描述你想要的東西，Codex 就會找出如何構建它。最新版本的 Codex-1 基於 OpenAI 的 o3 架構，並根據真實世界的拉取請求進行了微調。它不僅能生成程式碼，還能遵循最佳實踐，如內襯、編寫測試和保持一致的風格，使其真正適用於實際開發工作。

推薦閱讀：掌握 Vibe 編碼藝術指南

如何透過ChatGPT介面訪問Codex？

按照以下簡單步驟開始使用 Codex（所需時間 5 分鐘）：

1. 在 ChatGPT 中找到 Codex

開啟 ChatGPT，進入左側導航欄的“Codex”側邊欄，您會看到一個新的“Codex (beta)”圖示。單擊它以顯示代理儀表板。

2. 多因子身份驗證

點選“Set up MFA to continue”，使用您喜歡的身份驗證應用程式（如 Google Authenticator 或 Authy）掃描二維碼，然後輸入驗證碼進行驗證。就這樣，一切就緒。

3. 連線 GitHub（僅限首次使用）

只需點選一下 OAuth，Codex 即可授權讀/寫您的版本庫。您可以將其限制在特定組織或個人專案中。

4. 選擇版本庫和分支

選擇你希望 Codex 負責的專案。代理會將該分支克隆到它自己的沙盒中。

5. 配置環境（可選）

新增環境變數、秘密或設定命令，就像在 CI 作業中一樣。Linters 和 formatters 已預裝，但你也可以根據需要更改版本。

6. 選擇任務模板

Ask：“解釋架構”。Code：”查詢並修復 test_api.py 中的錯誤測試。Suggest：讓 Codex 掃描軟體倉庫並提出維護建議，或直接用自然語言輸入自定義指令。

7. 執行與多工

按下“Launch”。每個任務都會啟動自己的微型虛擬機器；你可以並行排隊處理幾十個任務，然後繼續在 ChatGPT 的其他地方聊天。

8. 檢視結果

綠色複選標記表示測試透過。點選任務卡可以檢視差異、模型解釋和完整的工作日誌。

9. 合併或迭代

點選“Open PR”，將分支推送回 GitHub，或在需要修改時回覆任務並提供後續說明。

OpenAI Codex演示

在本節中，我將與大家分享不同的示例，演示這款全新的軟體開發代理如何為您的生活增添色彩！

示例 1：加速開發

OpenAI 工程師納喬-索托（Nacho Soto）展示了 Codex 如何透過設定專案腳手架（如 Swift 軟體包）幫助他更快地開始新任務。透過簡單的提示，他就能卸下設定工作，專注於構建功能，而 Codex 會在後臺處理其餘工作。

示例 2：審查工作流

Codex 不僅僅支援程式碼生成。它還適用於審查工作流，開發人員可在其中檢查人工智慧生成的拉取請求，發現格式問題等問題，並提示 Codex 進行修復。

示例 3：使用Codex修正程式碼

工程師 Max Johnson 解釋了 Codex 如何幫助他修復小錯誤和程式碼質量問題，而又不分散他的注意力。他沒有切換上下文，而是將這些任務交給 Codex，之後再檢視結果，以改進程式碼庫。

示例 4：通話時發現程式碼庫中的錯誤

Calvin 分享了 Codex 如何在值班時幫助處理緊急任務。透過向 Codex 傳送堆疊跟蹤，他可以快速獲得診斷或修復。它還有助於微調警報和處理日常運營工作，從而減少人工操作。

OpenAI Codex與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

輸出：

觀察結果：

Codex 生成的修正比 o3 生成的修正更準確、更完整。它正確地刪除了 mlab._spectral_helper 中視窗歸一化過程中不必要使用的 np.abs()，因為它曾導致帶有負值（如 flattop）的視窗出現不正確的結果。Codex 用正確的數學表示式替換了錯誤的邏輯，使用 (window2).sum() 代替了 (np.abs(window)2).sum()，這符合 SciPy 實現中的最佳實踐。它還包含一個單元測試來確認該行為，從而使修復既可驗證又可靠。相比之下，o3 的輸出似乎並不完整，也沒有明確解決核心問題，因此 Codex 是更有力的選擇。

OpenAI Codex的工作原理

1. Codex 編寫程式碼：該模型首先生成程式碼，以解決給定任務。
2. 它執行程式碼：不僅要評估輸出結果的可信度，還要實際執行。
3. 檢查測試結果：Codex 觀察生成的程式碼是否透過了相關測試。
4. 只有任務成功完成，它才能獲得獎勵：與專注於下一個單詞預測的傳統 LLM 不同，Codex 只有在程式碼端到端都能正常工作的情況下才能獲得高分。
5. 它透過反饋來學習：如果程式碼失敗，Codex 會重試：建立重寫指令碼、修正校驗錯誤並調整格式，直到符合標準。
6. 它像初級開發人員一樣發展：這種培訓方法能讓 Codex 的行為不像文字生成器，而更像一位深思熟慮的工程師，遵循真實世界的編碼實踐。

在標準化基準和 OpenAI 內部工作流程中，Codex-1 都優於之前的模型。如下圖所示，在 SWE-Bench Verified 基準測試中，Codex-1 在所有嘗試次數上都達到了更高的準確度，並在 OpenAI 的內部軟體工程任務中遙遙領先。這凸顯了 Codex-1 在現實世界中的可靠性，尤其是對於將其整合到日常工作流程中的開發人員而言。

Source: OpenAI

雲端計算工作室內部一瞥

每次按下 Codex 側邊欄中的“執行”按鈕，系統就會建立一個微型虛擬機器沙盒：擁有自己的檔案系統、CPU、記憶體和鎖定的網路策略。系統會克隆你的版本庫，注入環境變數，並預裝常用的開發工具（排版器、格式化器、測試執行器）。這種隔離帶來了兩個立竿見影的好處：

1. 安全性和可重複性– 流氓指令碼無法觸碰你的筆記型電腦或洩露機密；整個執行過程可在稍後重放。
2. 規模並行性– 需要修改錯別字、協調超時時間，以及查詢神秘的錯誤？啟動三個任務，並行檢視結果。

可選的 AGENTS.md 檔案就像機器人的 README：你可以描述專案佈局、如何執行測試、偏好的提交風格，甚至要求在步驟之間列印 ASCII 貓。說明越豐富，Codex 的執行就越流暢。

可用性、限制與下一步？

Codex 目前對 ChatGPT 專業版、企業版和團隊版使用者開放。免費層和 EDU 使用者有望很快獲得訪問許可權。在研究預覽期間，使用將受到嚴格的限制，但這些限制可能會根據需求而變化。未來的計劃包括為 Codex 提供 API、整合到 CI 管道以及統一 CLI 和 ChatGPT 版本，以便在本地和雲開發之間實現無縫切換。

推薦閱讀：

• 用 Windsurf 進行 Vibe 編碼
• 使用Cursor AI來感受Vibe編碼的高效率產出

結論

我剛剛完成了一次多檔案重構，而且從未碰過我的筆記型電腦。

– OpenAI 工程師

這樣的故事預示著未來的編碼將類似於高階協調：你提供意圖，代理處理細節。Codex 代表著開發人員與程式碼互動方式的轉變，從手動編寫所有程式碼轉變為協調高階任務。工程師現在更關注意圖和驗證，而 Codex 則負責執行。對許多人來說，這預示著一種新的開發工作流程的開始，在這種流程中，人與代理的協作將成為標準而非例外。

您打算如何使用 Codex？請在下面的評論區告訴我！