OpenAI Codex CLI 是一个开源工具，旨在将 AI 编码助手的强大功能直接引入您的终端。与 Cursor AI 和 Windsurf 等工具类似，Codex CLI 提供聊天驱动的开发，不仅可以理解您的代码库，还可以进行更改、执行命令，甚至从头开始构建新项目。

在本文中，我们将学习如何在本地设置 Codex CLI，并通过构建三个有趣的项目来探索其功能。在此过程中，我们将测试它的多模式特性、审批功能以及理解和修改代码库的能力。

设置 Codex CLI

1. 从 nodejs.org 下载并安装 Node.js（版本 22 或更高版本，建议使用 LTS）。使用以下方法验证安装：

node -v
npm -v

2. 从 git-scm.com 下载 Git 并使用以下命令进行验证：

git --version

3. 安装 OpenAI Codex CLI

npm install -g @openai/codex

4. 设置您的 OpenAI API 密钥

export OPENAI_API_KEY="your-api-key-here"

5. 导航到您的项目目录：

cd 

6. 如果需要，初始化 Git：

git init

7. 以交互模式启动 Codex CLI：

codex

1. 建立投资组合网站

在这个项目中，我们将创建一个受现有设计启发的作品集网站。首先，我们将截取要复制 （https://tdhopper.com/） 的投资组合网站的屏幕截图，并将其提供给 Codex CLI 工具。

使用以下命令向 Codex CLI 提供映像位置：

codex --image "C:\Users\abida\Pictures\Screenshots\Screenshot 2025-04-26 194831.png"

Codex 将分析图像并提供图像所代表内容的详细说明。默认情况下，它使用 “o4-mini” 模型，批准设置设置为 “suggest”。

接下来，编写以下提示，指示 Codex 根据屏幕截图构建一个投资组合网站，但根据您的详细信息进行自定义：

Use the image to build a portfolio website for Abid Ali Awan, a professional data scientist who writes about AI and machine learning.

由于我们处于 “建议” 模式，Codex 将在创建文件或运行 shell 命令之前要求确认。只需在显示时批准所有请求。

Codex 完成该过程后，您将在几分钟内构建一个功能齐全的作品集网站。

将占位符链接（例如，个人资料图片和博客链接）替换为您的实际个人资料图片 URL 和博客 URL。

双击该文件以在浏览器中打开网站。index.html

最终的网站将与原始设计 90% 相似，包含您的个人详细信息和自定义设置。该过程快速、高效，并生成具有专业外观的作品集网站。

注意：“建议”模式可确保您对文件创建和执行过程拥有完全控制权。这使得逐步审查和批准更改变得容易。

2. 执行数据分析

在本项目中，我们将使用 Codex CLI 分析数据集并生成全面的数据分析报告。此示例演示了 Codex 如何简化数据分析并自动创建专业报告。

首先，我们将使用 --auto-edit 模式，它是半自动的。在此模式下，Codex 可以自动执行大多数任务，包括文件创建和编辑，而无需您的批准。但是，在运行 shell 命令时，它仍会提示您进行确认。

执行以下 Codex 命令对数据集进行分析。

codex --auto-edit "The dataset `placementdata.csv` is available in the root directory. Please perform detailed data analysis and generate an analysis report."

在几秒钟内，Codex 将分析数据集 （placementdata.csv） 并以 markdown 文件的形式生成详细的分析报告。

生成报表后，打开 Markdown 文件进行查看。您将找到一个结构良好的文档，其中包含以下部分：

• 数据集概述：描述数据集的结构和关键特征。
• 分析详情：包括统计摘要和技术分析。
• 见解：突出显示数据中的主要发现。
• 结论： 提供结果摘要和可作的见解。

3. 开发图像分类应用程序

在这个项目中，我们将构建一个用于对图像进行分类的机器学习应用程序。该应用程序将使用 ResNet18 预训练模型和 FastAPI 来创建自定义用户界面。为了简化流程，我们将在完全自主模式下运行 Codex CLI，使其能够处理从文件创建到文档的所有事情。

使用以下命令指示 Codex 构建应用程序：

codex --full-auto "Build an image classification application using ResNet18 and FastAPI with Custom UI"

在一分钟内，Codex 将生成所有必要的文件，包括 Python 脚本、配置文件和文档。它还将提供有关如何在本地运行应用程序的分步指南。

1. 首先，我们需要安装此项目所需的所有 Python 包。

pip install -r requirements.txt

2. 要在本地运行应用程序，请使用以下命令：

uvicorn main:app --reload

3. 在浏览器中打开链接，上传图片，然后查看模型中的前 5 个预测及其概率。http://127.0.0.1:8000

该应用程序响应迅速，并提供准确的预测，即使对于未明确训练的图像（例如，吉卜力风格的图像）。

结论

与 GitHub Copilot 相比，我发现 Codex CLI 是一个更出色的工具，尤其是在其准确性、代码库理解和调试功能方面。它的突出特点之一是它能够以最少的干预执行项目——大多数任务只需要一个命令，而且很少需要后续命令来解决问题。Codex CLI 生成的项目开箱即用。

Codex CLI 的另一个主要优点是它是开源的，这为定制提供了令人兴奋的可能性。开发人员可以集成自己的本地语言模型 （LLM），甚至是 DeepSeek R1 或 Claude 3.7 等专有模型，使其成为适用于各种用例的高度灵活且适应性强的工具。