OpenAI Codex 是一款客户端应用：OpenAI 的编程智能体，提供云端任务与 CLI 等使用方式。

这些技巧适合已经会基本操作、想进一步提效的用户。

8 条进阶用法

  1. 要求输出「不确定清单」，把需要人工核实的地方单独列出。
  2. 遇到瓶颈时，用 Devin 做一次对照，判断是工具问题还是用法问题。
  3. 把「补全（Completion）」等关键设置弄清楚再调参。
  4. 先要大纲或计划，再要全文，复杂任务分两到三步完成。
  5. 长材料分段处理，每段完成后再要一份汇总。
  6. 记录每次的输入、设置和结果，形成自己的经验库。
  7. 敏感信息用代号替换，交付前再换回。
  8. 把固定的背景和规则保存为预设或模板，避免每次重复输入。

示例：分步完成的写法

修复报错

适用情况：手头有一段报错堆栈和相关代码时。

这是报错信息和相关代码。请先解释报错原因，给出最小修改方案，并说明为什么这个修改不会影响其他调用方。

交付前确认：修改范围足够小。

延伸练习

代码审查

准备材料：一个 Pull Request 的改动。

审查这个改动，按「必须修改 / 建议修改 / 可以忽略」三级列出问题，每条附上文件和行号，重点关注安全、并发和错误处理。

交付前确认：问题定位到行。

写技术文档

准备材料：一个模块的源码。

根据源码为这个模块写 README：用途、安装、最小示例、配置项表格和常见问题。示例代码必须能直接运行。

检查点：示例代码可运行。

读懂陌生代码库

输入：一个刚接手的项目仓库。

先不要改任何代码。请阅读这个仓库，输出：1）目录结构说明；2）主要模块之间的调用关系；3）本地运行步骤；4）你认为最脆弱的 3 个地方。

检查点：运行步骤能实际跑通。

常见问题：生成的代码引用了不存在的函数

让它先搜索代码库确认 API，再写实现；运行测试验证。

常见问题：越改越乱

回滚到上一个可用提交，把需求拆小后重新开始。

常见问题：测试全绿但功能不对

人工补充关键用例，检查测试是否真正断言了结果。

概念补充：差异审阅

在接受 AI 修改前逐个查看 diff，是最重要的安全习惯。

概念补充：MCP

让编程工具连接外部数据和工具的协议。

适合人群：设计师

设计师可以用 Codex 处理灵感与草图、多尺寸物料适配等工作。需要注意：确认生成素材与字体的商用授权，客户未公开的项目不要上传。

适合人群：咨询顾问

咨询顾问可以用 Codex 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

适合人群：数据分析师

数据分析师可以用 Codex 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

使用提醒

本文基于 OpenAI Codex 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读