【最强编程工具】CodeX
关于 Codex
Codex 是 OpenAI 开发的一款 AI 编程助手，你可以用自然语言对它说话，它就能产出一段"能跑的代码"，还能帮你修错、解释或执行这段程序。
目前 Codex已经接入最新的 GPT-5 模型，并结合云端沙盒环境，让整个互动过程像在和一位资深工程师聊天一样流畅。
更酷的是，它还开源了一个名为 Codex CLI 的命令行界面，将最新推理模型的能力直接带到你的终端。它可以：
读取、修改和执行你本地机器上的代码
处理文本、截图或图表作为输入
提供三种不同的审批模式
完全在你的终端中运行
关于 Codex可用模型
这是cli工具中/model出来的模型列表
这是你能在4allapi官网看到的模型列表，都是支持的，按次收费。比市面上99%的按tokens收费划算很多，因为编程极其费Tokens,一次几万tokens绝对比1毛钱贵很多
gpt-5 VS gpt-5-codex
安装和设置Codex CLI
一、安装 Codex CLI
如果你想安装使用 Codex CLI，以下是详细安装步骤：
1、安装Node.js（22版或更新）：
访问官网下载对应系统版本安装 Node.js，你可以通过以下命令验证安装：
二、安装 Git （Windows 系统必选）
从git-scm.com下载对应系统版本安装 Git ，并通过以下命令验证：
三、安装 OpenAI Codex CLI：
四、 编辑配置文件（没有文件夹和文件的话新建一个）
Mac编辑 vi ~/.codex/config.toml
Win编辑C:\Users\你的用户名.codex\config.toml
记得改文件后缀
model_provider = "codex"
model = "gpt-5-codex"
model_reasoning_effort = "high"
disable_response_storage = true
[model_providers.codex]
name = "codex"
base_url="https://api.4allapi.com/v1"
wire_api = "responses"
env_key = "K_CODEX" #不要改成自己的密钥，在下面设置！！！
五. 设置环境变量
Win:
系统环境变量新建K_CODEX，值为你的sk-
Mac:
Linux:
六. 启动
如果显示环境未设置报错，重启一下终端
你无需是"技术大牛"，跟着步骤做就能把 Codex CLI 接到中转API，做到"多模型可切换、访问更稳、成本更友好"。
在IDE中使用Codex
Codex cli模式配置好用，在vscode中安装Codex插件，记得认准下载量最高的，避免下载盗版插件！！！
无需额外配置即可使用Codex可视化对话界面，且在Codex cli中的对话记录也都能在插件面板上看到。
利用 OpenAI Codex 构建有趣项目
1. 搭建个人作品集网站
在本项目中，我们将基于现有设计创建一个个人作品集网站。首先，截取你想复刻的作品集网站（例如https://tdhopper.com）的屏幕截图，并将其提供给 Codex CLI 工具。
使用以下命令将图片路径传递给 Codex CLI：
Codex 会分析图片并详细解释其内容。默认使用 "o4-mini" 模型，审批模式为 "suggest"。
接下来，输入如下提示，指导 Codex 基于截图并结合你的个人信息搭建网站：
> Use the image to build a portfolio website for Abid Ali Awan, a professional data scientist who writes about AI and machine learning.
由于处于 "suggest" 模式，Codex 在创建文件或执行命令前会请求你的确认。你只需逐条批准即可。
网站生成后：
- 替换占位符链接（如头像和博客链接）为你的真实资料和博客地址。
- 双击 index.html 文件，即可在浏览器中预览网站。
最终生成的网站将与原始设计高度相似（约90%），并包含你的个性化信息，快速高效，专业美观。
注意："suggest" 模式让你全程掌控文件创建和命令执行过程，方便逐步审查和批准更改。
2. 数据分析项目
在此项目中，我们将分析一个数据集，并通过 Codex CLI 自动生成一份详尽的数据分析报告。此示例展示了 Codex 自动化数据分析与专业报告生成能力。
我们将使用 --auto-edit 模式（半自动模式），Codex 会自动处理大部分任务（如文件创建和编辑），但在执行 shell 命令时仍需你确认。
运行以下命令分析数据集：
codex --auto-edit "The dataset placementdata.csv is available in the root directory. Please perform detailed data analysis and generate an analysis report."
几秒钟内，Codex 会分析 placementdata.csv 数据集，并生成一份结构清晰的 markdown 格式分析报告。
打开报告，你会看到以下内容结构：
数据集概览
：描述数据结构及关键特征
分析细节
：包含统计摘要与技术分析
洞察发现
：突出数据中的主要发现
结论
：总结结果并给出可执行建议
3. 开发图像分类应用
本项目将构建一个基于 ResNet18 预训练模型的图像分类应用，采用 FastAPI 创建自定义用户界面。我们将启用 Codex CLI 的全自动模式，让其自动完成从文件生成到文档编写的全部流程。
使用以下命令指示 Codex 构建应用：
codex --full-auto "Build an image classification application using ResNet18 and FastAPI with Custom UI"
一分钟内，Codex 会生成所有必要文件，包括 Python 脚本、配置文件和使用文档，并提供本地运行指南。
操作步骤如下：
1、安装所需 Python 包：
2、本地运行应用：
在浏览器打开127.0.0.1:8000，上传图片，即可看到模型对图片的前5个预测结果及其概率。
该应用响应迅速，预测准确，即使是未专门训练过的图像（如吉卜力风格图片）也能很好地识别。
4All API - 一站式AI大模型API聚合平台
官网: https://4allapi.com
API Base: https://api.4allapi.com