Codex

Codex 是 OpenAI 的编程智能体系统，定位“通用工作台里的研发子台”：把需求交给它，它在沙箱里读代码、制定方案、跨文件修改、执行构建和测试、返回可审查的 diff/PR，并支持多 agent 并行、自动评审、定时自动化。AI 的具体作用不是“补全一行”，而是多步工具调用——文件读写、shell、测试、浏览器/计算机操作、MCP 外部工具、按 AGENTS.md 遵循项目规范。

产品概述

Codex 是一组共享同一账号和模型能力的入口，不是单一插件：

• ChatGPT/网页云代理：在 chatgpt.com/codex 下发任务，OpenAI 云沙箱加载你的仓库，异步跑，关电脑继续；返回日志、diff、PR 草案。
• 桌面 App（macOS/Windows，Linux 规划中）：多 agent 指挥台，按项目分线程，内置 git worktree 隔离、diff 审阅、评论、技能管理；适合并行重构/长任务。
• Codex CLI：开源终端 agent（Apache‑2.0，Rust 实现），本地目录运行，支持只读/工作区写/全权限等沙箱与审批模式，适合单仓库快改。
• IDE 扩展：VS Code、Cursor、Windsurf、JetBrains 等，编辑器内派任务、云跑完回灌 diff。
• 云/CI/集成：GitHub Action、Slack、Linear、GitLab（beta）、自动 code review、issue 分诊、告警处理、MCP 工具集。

底座用 OpenAI 前沿模型（各计划可用模型随官网调整，如 Plus 文档口径含 GPT‑5.6 系列、Free/Go 桌面含 Luna 等；CLI 可用 codex‑mini 等轻量推理模型）。

核心能力

1. 跨文件编码与重构：读全仓上下文，按需求写新功能、修 bug、做迁移；多文件 diff 可逐段审。
2. 自主跑命令与测试：沙箱执行构建、单测、lint、回归；失败自纠，输出测试日志。
3. 并行多 agent：桌面/云可同时开多个线程，各用独立 worktree，避免互相污染主干；适合“三人行”式拆分调研/实现/自测。
4. PR 与代码评审：云代理直接开 PR；独立 review agent 审他人 PR，标潜在 bug、逻辑漏洞、边界缺失。
5. 自动化/例程：Automations 处理 issue triage、CI 失败修复、告警响应；可结合 AGENTS.md 定义测试命令与规范。
6. Skills 扩展：把“接某内部系统/出某类报告/跑网页游戏原型”等封装成技能脚本，agent 按任务自动或手动调用。
7. 浏览器/计算机操作：部分入口支持上网查文档、GUI 自动化；MCP 接外部工具（Jira、内部API等）。
8. 安全边界：OS 级沙箱、审批策略、最小权限；CLI 可设只读/工作区/全权限；云任务默认隔离容器，敏感命令人工确认。

收费模式

免费版

• ChatGPT Free：包含 Codex 轻量使用，可做简单编码任务/快速提问；云代理高负载、长任务、并行额度受限。具体可用模型/速率以当前 Free 计划与地区为准。
• Codex CLI 自身：开源免费（Apache‑2.0），不买订阅也能装；用 OpenAI API key 跑则按 API 代币计费，不单独收“CLI 费”。
• API 轻模型 codex‑mini‑latest（CLI/自建用）：官方历史定价输入 $1.5/百万 token、输出 $6/百万 token，重复前缀缓存 75% 折扣；20 万上下文、主打低延迟代码问答/编辑。（注意这是 API 模型价，不是 ChatGPT 订阅价）
• 免费层适合：学生练手、个人小仓库补单测、CLI 本地改 bug、低频提 PR 审阅；不适合大团队 7×24 并行重构。

其他收费方式（仅列方式）

• ChatGPT 订阅捆绑：Go $8/月、Plus $20/月、Pro $100/月起（更高倍率/更高并发）、Business 按席位数年付/月付、Enterprise/Edu 销售定制；Codex 用量与对应 ChatGPT 计划共享额度，不单独买 Codex。
• API key 直连：按模型 token 计费（codex‑mini / 各 GPT‑Codex 档 / 其它可用模型），适合 CI、自建 agent、内部平台；无云代理功能（GitHub review/Slack 等需对应产品入口）。
• 企业/团队：Business 提供共享工作区、SSO/MFA/管理控制；Enterprise 加 SCIM、EKM、审计、数据驻留、RBAC 等。

优势亮点

1. 全入口覆盖：网页云、桌面多agent、终端CLI、IDE、CI、GitHub/Slack/Linear 一条龙。
2. 真agent不是补全：跑测试、出PR、自纠、并行 worktree，适合“交任务拿结果”。
3. CLI 开源可审计，本地终端工作流零订阅也能用（付API即可）。
4. 沙箱+审批+review agent，工程落地比纯聊天助手更可控。
5. 与 ChatGPT 账号/历史打通，非开发者也能用自然语言派研发活。
6. Skills/MCP/AGENTS.md 可把团队规范固化进 agent，减少乱改风格。

局限

• 强依赖 OpenAI 云：网页/桌面/云代理在国内直连可能受网络影响；CLI+API 可走代理但仍有合规与延迟问题。
• 不是全自治：官方定位受监督agent，关键改动要人审 diff/PR；完全无人值守易引入隐蔽 bug。
• 模型绑定：只用 OpenAI 模型，不想绑厂商的团队会更倾向 Cursor/Claude Code/Aider 混合。
• 大仓/长任务成本不确定：云代理吃订阅额度，API 吃 token；复杂重构用大模型很烧钱。
• CLI 并行弱：多 agent 并行靠人工开多个终端；多项目编排还是得桌面/云。
• 国内合规：代码上传 OpenAI 沙箱涉及出境，企业源码、政务、金融场景需做数据分类，不宜直接全量托管。