AI 程式設計教程中文版
官方教程中文版模型、價格與效率

閱讀使用經驗和實踐建議

把 OpenAI 的 Codex best practices 整理成穩定工作法:上下文、規則、配置、驗證、MCP、skills 和自動化。

Codex 的穩定性不只來自模型能力,也來自工作流設計。好的上下文、清楚的規則、合適的許可權、可執行的驗證和可複用的 skills,都會直接影響結果質量。

OpenAI 的 best practices guide 覆蓋 CLI、IDE、App 等入口。本頁把核心建議整理成可執行步驟。

不要把 Codex 當成一次性問答助手。把它當成需要上下文、規則、工具和反饋迴圈的工程協作者,結果才會穩定。

一條穩定工作鏈

flowchart LR
    Context["給上下文"] --> Plan["先規劃"]
    Plan --> Rules["沉澱規則"]
    Rules --> Configure["配置行為"]
    Configure --> Validate["測試和審查"]
    Validate --> Tools["接入外部工具"]
    Tools --> Skills["沉澱 Skills"]
    Skills --> Automate["自動化重複任務"]

這條鏈路的重點是逐步加固,而不是一次性把所有能力開啟。

先給任務上下文

一個可靠任務至少包含四件事:

  • Goal:你要改變什麼。
  • Context:哪些檔案、報錯、設計、文件和任務相關。
  • Constraints:哪些規則、邊界、禁止事項必須遵守。
  • Done when:什麼算完成,怎麼驗證。

示例:

目标:修复设置页移动端按钮文字溢出。
上下文:问题发生在 375px 宽度,相关页面是 settings/profile。
约束:不改全局设计系统,不新增依赖。
完成标准:375px 不溢出,桌面布局不退化,types:check 通过。

上下文不一定長,但必須真實、相關、當前。

難任務先規劃

複雜任務直接開改,通常會擴大範圍。更穩的做法是先讓 Codex 做只讀計劃:

请先只读分析,不要修改文件。
输出相关文件、风险点、建议修改范围、验证方式和不确定项。

Plan 階段適合:

  • 需求模糊。
  • 改動跨多個模組。
  • 你不確定檔案位置。
  • 任務需要設計取捨。
  • 需要先估計風險。

計劃不是儀式。它是防止 Codex 在錯誤方向上高效執行。

用 AGENTS.md 儲存長期規則

當你反覆在 prompt 裡寫同一類要求,就應該沉澱到 AGENTS.md

適合寫入:

  • repo layout。
  • 啟動、測試、構建命令。
  • 包管理器和禁止命令。
  • 程式碼風格、PR 預期、驗證標準。
  • 敏感目錄、金鑰、部署和生產紅線。
  • 多 agent 協作時的檔案邊界。

維護原則:

  • 短而準,比長而泛更有用。
  • 只有反覆發生的規則才寫進去。
  • 發現 Codex 第二次犯同類錯誤,就更新規則。
  • 大型專項流程可以引用獨立 markdown 或 skill。

用配置保持行為一致

config.toml 用來儲存長期偏好,CLI 引數用來處理一次性覆蓋。

常見配置維度:

  • sandbox mode。
  • approval policy。
  • profiles。
  • MCP servers。
  • feature flags。
  • model reasoning effort。

建議:

  • 個人預設值放在 CODEX_HOME/config.toml
  • 專案規則放在 repo .codex/AGENTS.md
  • 臨時實驗使用 -c key=value
  • 常用模式沉澱為 profile。

配置不清楚時,很多質量問題會偽裝成“模型不穩定”。

用驗證建立反饋迴圈

不要只讓 Codex 改完就停。讓它驗證、解釋證據、說明未覆蓋範圍。

驗證可以包括:

  • 單元測試。
  • 型別檢查。
  • lint。
  • build。
  • 截圖或瀏覽器檢查。
  • diff review。
  • 手動驗收清單。

關鍵是驗證必須對應任務目標。文件改動跑型別檢查,UI 改動看截圖,業務邏輯改動跑相關測試。

如果驗證失敗,Codex 應說明:

  • 失敗命令是什麼。
  • 失敗是否由本次改動引入。
  • 已經嘗試了什麼。
  • 下一步需要什麼環境或人工決策。

用 MCP 接入外部上下文

當上下文在 repo 外時,用 MCP,而不是反覆複製貼上。

適合接入:

  • issue tracker。
  • 日誌和監控。
  • 內部文件。
  • 設計工具。
  • 只讀資料庫查詢。
  • GitHub、Slack、Linear 等協作系統。

接入原則:

  • 從 1-2 個高價值工具開始。
  • 明確只讀和寫入許可權。
  • 避免把敏感 token 寫入儲存庫。
  • 把工具使用邊界寫進規則或 managed configuration。

MCP 的價值是減少上下文搬運,不是把所有系統無差別開放給 agent。

把重複流程變成 Skills

當一個 prompt 或流程反覆出現,就應該變成 skill。

適合沉澱:

  • PR 審查清單。
  • release note 生成。
  • 文件美化和質量檢查。
  • 日誌分診。
  • migration planning。
  • incident summary。

一個好 skill 應該包含:

  • 清楚的觸發描述。
  • 輸入和輸出邊界。
  • 需要讀取的檔案或規則。
  • 驗證方式。
  • 必要時的指令碼或模板。

先做小而穩定的 skill,再逐步擴充套件,不要一開始覆蓋所有邊界情況。

自動化只處理穩定流程

Automations 適合已經穩定、可重複、低歧義的任務。

適合:

  • 定期總結 commits。
  • 掃描常見 bug 模式。
  • 生成 standup summary。
  • 檢查 CI failures。
  • 起草 release notes。

不適合:

  • 需要頻繁人工判斷的任務。
  • 許可權高、影響生產的任務。
  • 結果很難驗證的任務。

實用原則:skill 定義方法,automation 定義時間表。

最小採用順序

  1. 先寫清楚任務 prompt。
  2. 對複雜任務先 plan。
  3. 把重複規則寫進 AGENTS.md
  4. 配置 sandbox、approval 和 profiles。
  5. 每次改動都執行對應驗證。
  6. 接入最有價值的 MCP。
  7. 把重複流程沉澱為 skills。
  8. 最後再自動化穩定任務。

Codex 的最佳實踐不是某一個技巧,而是這條鏈路能持續改進。

延長用量的 4 個槓桿

官方 Pricing 頁給出 4 條延長 usage limits 的具體做法,可以直接套到日常工作裡:

槓桿做法實際收益
控制 prompt 大小刪除無關背景,指令具體輸入更短,啟動更快
收緊 AGENTS.md大專案用巢狀 instructions 控制注入範圍減少每次 thread 預設上下文
關掉不用的 MCP暫停或解除安裝非當前任務依賴的 MCP server工具目錄和初始化成本降低
切換更小模型routine 任務換 gpt-5.4-mini,複雜任務才升 gpt-5.5local message 限額更耐用

這 4 條不需要排隊做。哪一條容易改、立即就改。

接下來去哪

本頁目錄