Codex 不是聊天窗口，是一套工作流引擎！14步把AI编程从3%用到97%

大多数人打开 Codex，看到一个聊天窗口，就把它当成”侧边栏更花哨一点的 ChatGPT”。

结果十个人里有九个，都会错过它真正能力的 97%。

他们不做 Skills，不把项目部署成线上 URL，也不会让自动化在自己睡觉的时候跑起来。

今天分享一套 14 步路线图，把你从一个空文件夹，带到一个能跑起来的 AI 工作流。整个过程按 30 分钟设计。

为什么是 Codex 而不是 Claude Code？

Codex 是 OpenAI 的智能体式编程平台，最早在 2025 年 4 月以 CLI 形式发布，现在已经是桌面 App、VS Code/Cursor/Windsurf IDE 插件加云端 Agent。

Sam Altman 在 2026 年 4 月确认过，Codex 当时大约有 400 万周活用户。它是 Claude Code 最直接的竞争对手。

如果你用过 Claude Code，可以用一句话理解 Codex：你电脑上的一个项目文件夹 + 一个 Markdown 配置文件 + 一个会读文件夹里所有内容的 Agent，再加上一层 Skills、MCP 服务器、自动化和内置浏览器。

外壳不同，模型不同，但底层玩法很像。

14 步跑通你的 AI 工作流

第一部分：准备工作

1. 先选项目文件夹：Codex 没有自己的数据库和文件系统。一个 Codex 项目本质上就是你电脑上任意位置的一个普通文件夹。工具壳会变，工作本身不变。

2. 写一份 AGENTS.md：这是 Codex 里最被低估的文件。每次开新聊天，Codex 都会先读它。它告诉 Agent：你是谁、这个项目是什么、目标长什么样、哪些约束很重要。诀窍是别从零开始写——直接用自然语言告诉 Codex 项目目标，让它起草一份，你再改。

3. 每次构建先从 Plan 模式开始：Codex 先不执行任何操作，而是头脑风暴、问澄清问题、列取舍，等你批准后才开始写代码。跳过 Plan 模式，是构建跑偏的最大原因。

4. 用 .env.local 放 API Key：文件名前面的那个点不是装饰，它提醒 Codex 和 git 不要把它提交到公开仓库。加完 key 立刻测试，认证错误越早暴露，越不会拖垮后面的构建。

第二部分：连接和构建

5. 连接 MCP 服务器：GitHub MCP 让你读仓库、建分支、开 PR、评论 issue。Vercel MCP 配合 GitHub，能形成完整的”构建 → 提交 → 部署”闭环。

6. 把工作流变成 Skills：只要跑通了一套工作流，就可以把它做成一个 Skill。下一次只需要一条命令。Skills 在 2025 年 12 月进入 Codex，现在已经是跨平台 Agent Skills 标准的一部分——同一套格式可以在 Codex、Claude Code、Gemini CLI、Cursor 里用。

7. 把 localhost 部署成线上 URL：GitHub 放代码仓库，Vercel 做托管。GitHub 和 Vercel 初次连接之后，每次 push 到 main，都会自动触发 Vercel 部署。三个工具，合成一个工作流。

8. 设置 Automations，并且明确指定模型：Automations 面板里的模型选择器不会继承你当前聊天使用的模型。每个自动化都要明确指定模型，不然本来 7 分钟能跑完的任务，可能会拖成 40 分钟。

9. 选对线程模式：Local 直接在当前目录工作，最快但会碰到你真实的工作树。Worktree 把改动隔离到 Git worktree 里，适合任何有点分量的构建。Cloud 在云端运行，配合 Automations 能做真正异步的工作流。

10. 把内置 Browser Use 当成 QA 循环：仪表盘做好之后，让 Codex 用内置浏览器打开它，点一遍，试着把它搞坏，然后回来报告。它能抓到你只看代码时容易漏掉的问题：外链坏了、空状态太空、搜索逻辑太死板。

真正用 Codex ship 的那 400 万人

他们不是只在聊天框里打问题的人。

他们是把文件夹配置起来的人。

挑一个你还没做的步骤——可能是 AGENTS.md，也可能是你的第一个真正 Skill——明天就加上。然后再加下一个。

Codex 的输出质量，跟你对 Codex 的配置质量强相关。

空文件夹。工作流引擎。中间隔着这 14 步。

GitHub：https://github.com/openai/codex

GitHub: https://github.com/openai/codex