开源模型

OpenAI Codex 云端版完整评测，不堪大用但未来可期

2025 年 5 月 21 日

OpenAI Codex，你的云端编程助手，虽然功能有限但潜力十足。核心内容： 1. Codex作为编程助手的工作方式和效率 2. Codex当前的限制和不足之处 3. Codex工作原理及其核心组件介绍

先说说我对 Codex 评测结果：

如果说 Cursor 是个需要我们结对编程才能干活的实习生，那么 Codex 就更像个外包员工：任务甩过去，基本不用管，等它完成后验收一下。不合格再让它重做，直到满意为止。最关键的是，你可以同时拥有无数个这样的外包员工。

但目前 Codex 明显还是个半成品，有很多限制，比如安装好虚拟机环境后就不能联网，有严格的运行时长限制，单次能处理的任务也很有限，还不值得专门为了它去开 ChatGPT Pro 的会员订阅。

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己的经验去修改程序，完全凭自己的理解去交付任务结果。而且外包任务是一锤子买卖，出来什么结果你要么全盘接受，要么全盘拒绝，无法进行小幅二次修改。更麻烦的是，这位外包员工还比较懒，时间一到就立刻罢工，每一次任务还会随机换人，项目经验完全无法积累，好在它会严格遵守你提供的文档规范（比如 AgentS.md）。

什么是 Codex？

昨天 OpenAI 发布了 Codex，一个强大的云端软件工程智能助手，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，能并行处理多个任务。开发者可以同时部署多个 Codex 智能助手，协作高效完成任务。

年初时就记得 Sam Altman 提到过这个智能体，说它能像真正的软件工程师一样在后台为你工作。当时我就很期待，因为这意味着很多繁琐的事情可以交给它来做，正好我也需要这样一个帮手。

昨天起，ChatGPT Pro 的订阅用户可以开始体验，于是我花了几个小时，深入反复地测试了一番。

Codex 工作原理

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

Codex-CLI 是 OpenAI 最近发布的一个基于命令行的 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，它自然也可以调用命令行工具，比如检索文件、创建文件、安装依赖包、运行测试等等。Codex-CLI 背后可以接入不同的大语言模型，比如 OpenAI 的 o3 或者 Claude 3.7 sonnet 等。

虚拟机则提供了任务执行的环境，使用 Docker 技术实现，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、Java 等语言环境。需要强调的是，这个虚拟机环境一开始是可以联网的，但在自动下载项目代码和安装完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 稍有区别：

• 云端 Codex 是在虚拟机上自动运行的，不需要你自行搭建环境，每次任务都自动帮你初始化一个新环境。
• 虚拟机环境开局联网，但安装完项目依赖后立即断网，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、调用命令行工具。

云端 Codex 的优缺点

明确了 Codex 背后的工作原理后，你更容易理解它的优缺点。

优势明显：

• 无需自建环境，随时随地甚至手机上都能启动任务。
• 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。

限制同样明显：

• 完全不支持联网任务，无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。例如，我用 Codex 做文件翻译任务，每次只能翻译约5个文件，无法连续执行，需提交 PR 后再重开任务。
• 只能自动提交 PR，无法读取 PR 评论或 GitHub Issue 的信息，需人工复制任务细节。
• 单个文件处理长度受限，文件稍长就无法处理，具体上限还未测试清楚。
• 当前虚拟机环境仅限 Python、Node.js、Swift、Rust、Go、Bun、Java 这几种语言。
• 每次任务的输出字节数受限，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，超出即报错：
```
Error: Output for session 'shell2' contained a line exceeding the max of 1600 bytes...
```

Codex 适用场景

根据我自己和其他用户的测试反馈，目前 Codex 的可用场景其实不多，适合用在：

• 代码解释与梳理，帮你搞清楚结构（但受限于单次处理长度）。
• 代码审查，阅读代码给出改进建议（同样不能太长）。
• 小型 Bug 修复，简单且明确的小 bug，非常适合交给 Codex 完成。
• 小功能迭代，如语言国际化、样式调整。但涉及网络更新（比如升级 Next.js）则无法完成。
• 生产环境紧急修复，比如休假时紧急故障处理，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好想太多，毕竟 Codex 目前只是“Research Preview”，技术限制不少。

只有等 OpenAI 后续逐步放开联网限制，增加任务执行时长，并允许虚拟机更灵活的定制，Codex 才能逐渐具备实际生产的高效能。

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模式，让 AI 编程变得如同今天的 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，你背后需要专业的软件工程师或更高级的 AI 来帮你规划任务，合理拆分工作流程。

一些案例

分析代码库并根据建议更新 readme ✅

分析代码库还是不错，能逐个文件阅读，然后汇总，最后能直接给出一些修改建议

根据建议，让它更新了一下 Readme，这种简单任务还是不错，能根据项目情况分析，然后更新说明文件

升级nextjs版本 ❌

我想让它帮我升级nextjs版本，但有点坑的是它配置完运行环境后不能联网，所以最终它无法帮我完成这个简单但是常见的版本升级任务

处理 PR Review 结果 ❌

Codex 能提交 PR，但是对于 PR 里面的评论无法直接处理，也就是它不能阅读 PR Review 的结果，只能在它的对话框中说明

批量转换代码语言 ✅ ❌

我想让 Codex 帮我把一个项目从 ReScript 重写成 TypeScript

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，需要先提交代码合并 PR，否则在同一会话中继续新的任务，之前的修改是不会应用的。这点和使用 Cursor 之类的 IDE 差别很大，Cursor 里面你一次交互完，再次交互之前的修改还在，而 Codex 里面每次交互，都是一个全新的虚拟机