OpenAI Codex大降价在即，官方指南教你高效使用

背景

近期，OpenAI 旗下的编程助手 Codex 在社交媒体上获得了极高的评价。除了即将并入全新改版 ChatGPT 应用的重大战略调整外，用户社区还自发探索出了一套“破解”速率限制的方法：通过邀请好友（无论是否为新用户或订阅用户）打开 Codex 并发送少量消息，即可重置自身的速率限制。

与此同时，OpenAI 官方在官网一口气更新了十余个真实世界的工作流案例，涵盖从网页部署、Mac/iOS 应用构建，到大型项目管理及长达 150 小时的科研任务。这些官方指南旨在解决用户对于“Codex 能做什么”以及“如何使用”的疑问，并提供了一套高效榨干额度的操作手册。

核心内容

Computer Use：让 AI 像人一样操作电脑

Codex 的 Computer Use 功能允许 AI 通过点击、查看和输入来操控电脑界面，适用于跨应用任务，如收集笔记、更新记录、复制细节或回复信息。

• 操作方式：在 Codex App 中开启 Computer Use 插件，在对话框输入指令时以 @Computer 开头，或直接提及特定应用（如 @Slack、@Messages）。
• 典型场景：
  • 播放音乐以集中注意力。
  • 将 Notes 中的面试笔记添加到飞书。
  • 查看企业微信并添加当日待办事项提醒。
• 注意事项：
  • 确保 Mac 在运行时不锁定，或在 Codex 中开启「锁屏操作」功能。
  • 可在自定义设置中指定默认浏览器。
  • 避免同时使用两个线程控制同一应用。
  • 任务结束后，可要求 Codex 总结优化流程，将其转化为可重复的模式。

/goal 模式：赋予 AI 长期自主目标

/goal 命令旨在解决传统 AI 交互中需要人类不断干预、分步指导的问题。它允许用户设定一个明确的目标和收尾条件，让 Codex 在后台自主执行，直到任务完成或达到既定标准。

• 适用任务：介于单一提示词与完整待办清单之间的任务，目标明确且可自我验证。
• 典型用法：
  • 项目迁移：将游戏、移动应用或代码库迁移至新技术栈或框架。
  • 原型开发：从零构建新应用或功能，通过编写 PLAN.md 明确需求，让 Codex 交付打磨过的初稿。
  • 提示词优化：利用测试集和评测结果，让 Codex 自动迭代优化提示词，直至分数达标。
• 最佳实践：
  • 明确目标与收尾条件。
  • 指定 Codex 优先读取的文件、文档、Issue 或日志。
  • 定义用于证明进度的命令或产物。
  • 分阶段执行并记录简短进度日志。
  • 随时使用 /goal 查看状态，或在卡住/需变更方向时暂停或清除。

GPT Image 2 辅助制作 PPT

Codex 内置了 $$slides（基于 PptxGenJS 读写 .pptx）和 $$imagegen（生成配图）两项技能，可自动化处理 PPT 排版与设计。

• 操作逻辑：
  • 提供 Logo、图片等资源文件夹。
  • 通过提示词指定排版细节（如 Logo 位置、文本对齐、图表类型、品牌规范）。
  • Codex 会渲染幻灯片图像，进行溢出和字体替换检查，修复布局问题后交付。
• 进阶应用：
  • 定期报告：建立 guidelines.md 确定内容结构与更新方式，配合数据拉取技能，快速生成周报、月报或股东汇报。
  • 现有 PPT 修改：直接要求修正间距、文字错位等排版错误。

截图转网页：基于 Playwright 的精准还原

Codex 能够根据截图、设计说明或参考图，生成响应式界面，并复用项目现有的代码框架和语言，避免另起炉灶。

• 技术实现：配合 $playwright 技能，Codex 可在真实浏览器中打开页面，对比不同屏幕尺寸下的截图，反复迭代直至视觉与行为高度匹配。
• 提示词关键要求：
  • 重用现有设计系统组件。
  • 严格匹配间距、布局、层级和响应行为。
  • 尊重仓库的路由、状态和数据获取模式。
  • 使用 $playwright-interactive 进行最终验证和迭代。

从零构建浏览器游戏

Codex 不仅具备编码能力，还能理解游戏设计逻辑。构建游戏需先制定详细的规划文档。

• 规划阶段：
  • 编写 PLAN.md：拆解玩家目标、核心循环、操作输入、胜负条件、视觉方向、技术栈及里程碑。
  • 编写 AGENTS.md：定义技术栈（如 NextJS, Fastify, Postgres, Redis）、约定（如每步验证、日志记录）及所需技能。
• 技能集成：
  • $$imagegen：生成美术素材。
  • $$playwright：在浏览器中测试游戏画面与效果。
  • $openai-docs：获取最新 API 文档。
  • Context7 MCP：拉取渲染框架文档。
• 执行过程：Codex 依据计划自动执行，期间通过 Playwright 自测验证，无需人工频繁干预。若生成图片较多，可能需消耗大量 Token 并耗时数小时。

AI 自主科研助手

Codex 可作为长期科研助手，处理需要反复试错、取证和迭代的复杂科学任务。

• 案例一：模型架构优化
  • 场景：测试蛋白质折叠假设（如增加高阶几何结构表示）。
  • 流程：设定科学方向、基线模型及自动打分基准。Codex 自主实现、测试、记录实验、排查故障并迭代，最终产出如 SimplexFold 这样的实验性架构。官方案例显示其可连续运行 150 多个小时。
• 案例二：药物靶点排序
  • 场景：整合遗传学、临床、文献等多源数据。
  • 流程：利用 Life Science Research 插件，并行从各数据库取证，按 1-5 分标准对每条证据线打分，最终汇集成排名表及热力图。

关键要点

• 速率限制重置技巧：邀请非新用户通过链接打开 Codex 并发送几条消息，即可重置邀请人的速率限制。
• Computer Use 核心：通过 @Computer 指令调用，需确保电脑不锁定，适合跨应用自动化任务。
• /goal 模式精髓：提供明确目标、收尾条件及验证标准，实现 AI 的长期自主执行，减少人工干预。
• PPT 自动化：利用 $$slides 和 $$imagegen 结合品牌规范，可实现 PPT 的批量生成与排版优化。
• UI 还原精度：结合 $playwright 进行真实浏览器比对，可高保真地将截图转化为响应式代码。
• 游戏开发流程：依赖 PLAN.md 和 AGENTS.md 进行结构化规划，集成图像生成与自动化测试技能。
• 科研自动化：适用于长周期、多迭代的科学实验，如模型架构搜索和跨数据库药物靶点分析。
• 官方资源：更多案例可访问 OpenAI 开发者官网的 Codex 用例页面。

意义与影响

Codex 的这些更新与功能扩展，标志着 AI 助手从单纯的“代码生成器”向“自主工作流执行者”的转变。

1. 降低使用门槛与提升效率：通过 /goal 和 Computer Use 等功能，用户无需具备深厚的编程细节知识或繁琐的操作