Codex大降价在即 官方指南手把手教你高效用额度

这段时间，Codex在社交媒体上可以说是好评不断。 有意思的是，有用户发现，现在只要邀请一位朋友加入Codex，就能重置一次速率限制。哪怕被邀请的人不是新用户、也没订阅，只要通过链接打开Codex，发上几条消息，邀请者就能获得一次重置机会。这个操作门槛，低得让人有点意外。 除了拉新送福利，官方那边也有大动作。据外媒援引知情人士的消息，OpenAI正在认真考虑大幅降低Codex的使用费用——目标很直接：从对手Anthropic那里抢客户。具体来说，可能会降低Token的单价，不过这个讨论还在进行中，最终方案尚未落定。 说到底，Codex目前是OpenAI最好的拉新工具。据官方数据，ChatGPT用户已经突破了10亿大关，而Codex的周活用户刚刚才到500万。换算一下就是：200个ChatGPT用户里，只有1个人点开过侧边栏里的Codex。 “用不上”是一方面，但更核心的问题可能是“不知道怎么用”。很多人并不清楚Codex能做什么，或者哪些任务是ChatGPT做不好、只有Codex才能搞定的。 Codex官方显然听到了这些声音。一边高调宣布Codex即将并入ChatGPT——未来你在全新大改版的ChatGPT应用里，可以自由选择让Codex还是ChatGPT来回答；另一边，他们在官网一口气更新了十几个真实世界的工作流程。从部署网页、构建应用，到大型项目管理、150小时的科研任务，再到各种琐碎的业务场景，都有详细的使用案例。 这些教程，可以说是快速上手Codex的最佳指南。它们很好地回答了两个问题：Codex能做什么，以及怎么用它。 #### Computer Use：让Codex帮你控制电脑 “Hey Siri，打开微信给妈妈发消息，说XXXX。” “请先解锁iPhone。” Siri做不到的事，Codex目前也做不到直接操作微信。但Codex的Computer Use功能，允许AI像人一样操作电脑界面——点击、查看、输入，全都行。这项功能特别适合跨应用的任务场景，比如收集笔记、更新记录、在不同位置间复制信息、回复消息等等。 官方给的例子很接地气：简单地放首音乐，或者在不同应用之间切换操作。你的指令可以是： - “@Computer 放点音乐帮我集中注意力。” - “@Computer 把Notes里的面试笔记添加到飞书里。” - “@Computer 查看企业微信，添加提醒，把今天结束前需要完成的事项都列出来。” 具体用法也很简单：先在Codex App里找到Computer Use并确认开启，然后在输入指令时加上@Computer前缀，或者直接提及特定应用，比如@Slack、@Messages。选好插件后，描述任务和你想要的结果，当Codex需要权限时批准一下，剩下的交给它在后台完成就好。 几点注意事项：确保运行时Mac不会锁定，或者在Codex里开启“锁屏操作”功能；可以在自定义设置中告诉Codex默认浏览器是哪个；不要同时用两个Computer Use任务线程控制同一个应用。每个线程结束后，都可以让Codex总结和优化，甚至把这套工作流程变成可重复的模式。 #### 给Codex一个能一直跑下去的目标 平时让AI干活，最怕什么？最怕你得一直盯着它。它做一小步停一下，问“下一步怎么办”，你得像保姆一样在旁边搭着手。 `/goal` 就是来解决这个问题的：给Codex一个长期目标，让它自己沿着这个方向一直跑下去，干完一轮也不停。 官方指南里，几个典型的用法都是那种**比一句提示词大、又比一整张待办清单小**的任务，特点是**目标明确、能自己验证、做到什么程度算完都说得清**。 - **项目迁移**：把游戏搬到新技术栈、把移动应用搬到新平台、或者把整个代码库换个框架，都可以用`/goal`让Codex一路跑完。 - **做原型**：从零做一个新应用、新游戏或新功能，用`/goal`让Codex交出一版打磨过的初稿。你可以写一份PLAN.md，把想做成什么样讲清楚。 - **调提示词**：手上有一套测试集，就能用`/goal`拿评测结果来反复优化提示词。Codex会查看哪些案例失败了、改提示词、重跑评测，一直迭代到分数上去，或者到了你定的收尾条件为止。 写好一个能稳稳跑起来的目标，关键几步是：**给它一个明确目标和一个收尾条件；告诉它先去读哪些文件、文档、issue、日志或计划；定好用哪条命令、哪个产物来证明进度；让它分阶段做，顺手记一份简短的进度日志；过程里随时用`/goal`看状态；跑完了、卡住了、或者要换方向时，再暂停、继续或清除。** #### 用GPT Image 2做PPT 做PPT最磨人的一步，常常是排版。Codex自带两个核心技能：`$$slides`用PptxGenJS直接读写.pptx文件，`$$imagegen`负责生成配图。 官方给的参考提示词是这样的： > 使用`$$slides`和`$$imagegen`技能，按以下方式编辑此幻灯片： > - 如果存在，请在每张幻灯片的右下角添加logo.png文件 > - 在幻灯片X、Y和Z上，将文本向左移动，并使用图像生成功能在右侧生成插图（风格：抽象、数字艺术） > - 尽可能将文本保留为文本，将简单的图表保留为PowerPoint原生图表 > - 添加以下幻灯片：[在此处描述新幻灯片] > - 在新幻灯片和新文本中使用现有品牌标识（颜色、字体、布局等） > - 将更新后的演示文稿渲染成幻灯片图像，检查输出结果，并在交付前修复布局问题 > - 在交付之前运行溢出和字体替换检查，尤其是在牌组密集的情况下 > - 创建一批相关图像时，保存可重复使用的提示或生成说明 除了从零开始做，我们还可以让Codex处理周报、月报、季报这类定期更新的内容。总结一份guidelines.md，确定好内容、结构和更新方式，再配合别的技能拉取对应数据——比如给股东的季度汇报，换上最新数字和洞察就行。修改现成的PPT，直接在对话框里要求Codex调整间距、文字错位这类小毛病，也很方便。 #### 让Codex照着截图做网页 手上有几张截图、一份简短的设计说明，或者几张找灵感的参考图，Codex能照着做成响应式界面。关键是，它会顺着项目里已有的写法来——即原有框架和语言，不会另起一套。 再配上`$playwright`，Codex能在真实浏览器里打开页面，按不同屏幕尺寸跟我们上传的截图逐一对照，反复迭代到接近为止。 参考提示词如下： > 请以我提供的屏幕截图和注释为依据，在当前项目中实现此用户界面。 > 要求： > - 重用现有的设计系统组件和标记 > - 将屏幕截图转换为此存储库的实用程序和组件模式，而不是发明一个并行系统 > - 间距、布局、层级和响应行为要紧密匹配 > - 尊重仓库的路由、状态和数据获取模式 > - 使页面在桌面和移动设备上都能响应 > - 如果截图中的任何细节不明确，请选择最简单但仍符合整体方向的实现方式，并简要说明假设 > > 验证： > - 将最终的用户界面与提供的屏幕截图进行比较，包括外观和行为 > - 使用`$playwright-interactive`检查UI是否与引用匹配，并根据需要进行迭代，直到匹配为止 #### 从零做一个在浏览器跑的游戏 做游戏是能看出Codex不只会写代码还懂设计的典型场景。一个真正的游戏，得有写下来的玩法概念、渲染层、前端外壳、后端状态、美术素材，还得不停地调画面和手感。 动手搭架子之前，先让它写一份PLAN.md，把游戏拆成具体几块：玩家目标、核心循环、操作和输入、胜负条件、难度和成长、视觉方向、技术栈和部署假设、里程碑的先后顺序。 再写一份AGENTS.md，可以参考下面的写法： > 游戏名 > <游戏类型> > > 技术栈： > - 前端 NextJS（部署在 Vercel） > - 渲染用 <填技术> > - 后端 Fastify + WebSocket（部署在 <平台>） > - 数据库 Postgres，缓存和 pub/sub 用 Redis > - 生成式 AI 功能走 OpenAI > > 约定： > - 每做完一个功能就用 build / test 命令验一下 > - 做新功能时照着 PLAN.md 来 > - 把思路和决定记在 .logs 里，迭代时回头查 > - 用 playwright 测画面效果，不对味就改 > - 用 imagegen 出素材，每出一批就把 prompt 存进 .prompts，方便以后接着出同款 > - 用 Context7 MCP 拉 <渲染框架> 的文档 把AGENTS.md里提到的技能都装上：`$$imagegen`出美术素材，`$$playwright`在真实浏览器里测试游戏，`$openai-docs`拉最新的OpenAI API文档，需要的话再加个Context7 MCP拉渲染框架的文档。 接下来Codex会照着计划先做出第一版。如果要生成的图很多，这一版可能得跑上好几个小时，Token疯狂燃烧。但借由Playwright的能力，Codex可以自己在浏览器里试玩、验证游戏效果，中间基本不用你管。计划写得越细，第一版出来就越像样。 让Codex自己写一份游戏的Plan.md，输入提示词，然后它就能生成一个几乎可以直接上线的小游戏。 `Use $playwright-interactive, $imagegen, and $openai-docs to plan and build a browser game in this repo. Implement PLAN.md, and log your work under .logs/.` 除了小游戏，用Codex提供的构建iOS App插件，一句话就能在Codex内查看和测试iOS应用。 #### 让AI自己跑科研 Codex能干的不止写代码。在科研里，它也能当一个长期干活的研究助手。用户给出方向和判断，它去实现、取证、打分、反复迭代。 其中一个案例是改模型架构。假设手上有个蛋白质折叠的假设——“让模型多表示一些高阶的几何结构，会不会学得更好”——这种想法一遍写不完，得反复试。用Codex的Goal Mode，给它三样东西：一个划好边界的科学方向、一个能跑的基线模型、一套能自动打分的基准，它就会照着这个目标一路爬分，实现、测试、记实验、查故障、再改。 官方给出的例子里，Codex连着跑了150多个小时，产出了一个叫SimplexFold的实验性架构。 另一个是给药物靶点排序。这类任务的麻烦点在于证据散在十几个数据库里，遗传学、临床、文献、表达数据各管一摊。用Life Science Research插件，Codex能并行去各家数据库取证，每条证据线各自按1-5分打分，最后汇成一张打分表加一份排名，还能配上热力图之类的可视化结果。 OpenAI官网上还有更多用例，这里只是列举了部分热门的用法。感兴趣的可以自行去OpenAI开发者官网探索，试试不同的案例。