ChatGPT橙皮书：从安装到实战案例的全链路使用指南

ChatGPT橙⽪书 从安装到实战案例的全链路使⽤指南 ⾮官⽅开源指南·持续更新版 编著/B Y泊⾈ ChatGPT橙⽪书：从安装到实战案例的全链路使⽤指南 ⾮官⽅开源指南·持续更新版 写给开发者、独⽴开发者和AI⼯具重度⽤户的Codex使⽤⼿册。 本⽂以2026-07-13可访问的ChatGPT桌⾯应⽤、ChatGPT Work、Codex、Codex CLI、CodexIDE Extension、Sites和浏览器能⼒为参考。相关产品更新很快，安装⽅式、模型名称、额度、⼊⼝位置和命令参数都可能变化；涉及具体功能和价格时，请以OpenAI官⽅⽂档、当前版本和你账号实际显示为准。CC Switch、DeepSeek等第三⽅⼯具和模型接⼊⽅案仅作为扩展⽅法记录，不属于OpenAI官⽅功能。 本次更新 2026年7⽉，Codex的桌⾯体验并⼊新版ChatGPT桌⾯应⽤；Codex仍作为⾯向软件开发的独⽴⼯作⼊⼝，与Chat和Work并列存在。本版因此更新可⻅标题，并新增以下内容： ChatGPT Work：⾯向研究、分析和成品交付的⼯作型Agent。Sites：从提示词或兼容项⽬创建、保存、部署和分享⽹站。Chrome扩展：在⽤户授权下使⽤现有Chrome Profile、登录状态和多标签⻚。 随着Codex桌⾯体验并⼊新版ChatGPT桌⾯应⽤，本书从本版起更名为“ChatGPT橙⽪书”，内容继续覆盖ChatGPT Work、Codex、Sites和浏览器等主要⼯作⼊⼝。 ⽬录 本次更新0.使⽤说明0.1重要声明0.2这份PDF适合谁0.3阅读路线第⼀篇：先搞懂Codex是什么Codex基础认知Codex的使⽤⼊⼝第⼆篇：安装、配置与环境准备安装前准备Codex App安装与上⼿（新⼿最为推荐，也是功能最强的）Codex CLI安装与上⼿Codex IDE ExtensionCodex Web第三篇：核⼼功能详解⾃动化插件SkillMCPWork站点（Sites）代码管理（Git与GitHub⼯作流）云端运⾏记忆系统Chrome插件第四篇：标准⼯作流从需求到交付的完整链路Codex任务模板库第五篇：实战案例库实战案例⼀：制作⼀个宠物零⻝售卖的前端⻚⾯⽹站实战案例⼆：给宠物零⻝⽹站增加功能和优化⻚⾯实战案例三：制作宠物零⻝的管理后台 实战案例四：制作宠物零⻝品牌招商PPT实战案例五：制作宠物零⻝宣传视频附录附录A：第三⽅模型接⼊ 0.使⽤说明 0.1重要声明 本资料为⾮官⽅指南，不代表OpenAI官⽅⽂档。所有功能以OpenAI官⽅⽂档和Codex实际版本为准。本PDF会随着Codex更新持续维护。建议读者优先查看GitHub仓库中的最新版Markdown原稿。 0.2这份PDF适合谁 完全没⽤过Codex，但想系统上⼿的⼈。会写代码，但不知道怎么把Codex接⼊真实项⽬的⼈。已经⽤过Cursor、Claude Code、ChatGPT，想⽐较Codex⼯作流的⼈。独⽴开发者、AI⼯具博主、技术团队负责⼈。想搭建AI编程⼯作流、知识库和⾃动化流程的⼈。 0.3阅读路线 快速上⼿路线：0.使⽤说明→第⼀篇：先搞懂Codex是什么→第⼆篇：安装、配置与环境准备→第四篇：标准⼯作流→第五篇：实战案例库开发者核⼼路线：第⼀篇：先搞懂Codex是什么→第⼆篇：安装、配置与环境准备→第三篇：核⼼功能详解→第四篇：标准⼯作流进阶扩展路线：第三篇：核⼼功能详解→第四篇：标准⼯作流→附录：第三⽅模型接⼊ 第⼀篇：先搞懂Codex是什么 Codex基础认知 Codex到底是什么 很多⼈第⼀次听到Codex，会下意识把它理解成“⼜⼀个AI写代码⼯具”。 但如果只把Codex当成“帮我写代码的ChatGPT”，你很容易低估它。 Codex真正重要的地⽅，不是它能不能写⼀个函数、补⼀段代码、解释⼀个报错，⽽是它代表了AI编程⼯具的⼀次⻆⾊变化： 以前，AI是坐在你旁边帮你补代码的⼈。 后来，AI是在编辑器⾥和你⼀起改代码的⼈。 现在，Codex更像是⼀个可以被交代任务的⼯程执⾏者。 它不只是回答你“这段代码怎么写”，⽽是可以进⼊⼀个项⽬，读取⽂件，理解上下⽂，制定计划，修改代码，运⾏命令，检查结果，最后把改动整理成可以review的结果。 这就是Codex和普通AI聊天⼯具最⼤的区别。 AI编程⼯具的四次进化 过去⼏年，AI编程⼯具⼤致经历了四个阶段。 2021年：Copilot补全时代。Codex这个名字第⼀次被⼤量开发者听到，是因为GitHub Copilot。那时AI主要负责代码补全：你写开头，它补后⾯；你写函数名，它补函数体。它像⼀个更聪明的输⼊法，能让你写得更快，但项⽬怎么拆、⽂件怎么找、测试怎么跑，仍然主要靠⼈完成。 2022年：ChatGPT对话时代。ChatGPT出现后，AI编程从“补全”进⼊“对话”。你可以直接问它报错原因、代码优化、接⼝写法、项⽬结构解释。AI从输⼊法变成了问答伙伴。但它通常不在真实项⽬⾥，你需要复制代码、粘贴报错、⼿动补上下⽂，再把答案搬回项⽬。 2023—2024年：Cursor项⽬协作时代。Cursor这类AI编辑器让AI真正进⼊编辑器，能看到⽂件、修改函数、跨⽂件重构、根据项⽬上下⽂完成⼀部分开发任务。AI开始从“回答问题”变成“协助修改项⽬”。但它⼤多数时候仍依附在IDE⾥，你还需要盯着它改、判断下⼀步、跑测试、整理提交。 2025年：Codex⼯程Agent时代。Codex重新出现后，已经不只是当年负责代码补全的模型，⽽是⾯向真实软件⼯程任务的coding agent。它能读项⽬、解释代码、修bug、加功能、补测试、重构模块、运⾏命令、检查diff、整理PR说明，甚⾄并⾏处理多个⼯程任务。 这意味着，AI编程⼯具的重点正在从“帮你写代码”转向“帮你交付任务”。 ⼀句话总结： Copilot帮你补代码，ChatGPT帮你想代码，Cursor陪你改项⽬，⽽Codex开始帮你执⾏⼯程任务。 Codex能做什么 What Codex Can Do 很多⼈第⼀次⽤Codex，会直接问： “帮我写⼀个登录⻚⾯。”“帮我修⼀下这个bug。”“帮我做⼀个项⽬。” 这些当然可以，但还不够准确。 Codex真正擅⻓的，不是凭空⽣成⼀段代码，⽽是在真实项⽬⾥完成⼀组⼯程任务。 它可以读项⽬、找⽂件、理解上下⽂、制定计划、修改代码、运⾏命令、检查结果、整理diff，最后把任务推进到可以review的状态。 所以，不要把Codex当成⼀个“代码⽣成按钮”。 更准确地说： Codex是⼀个可以进⼊项⽬现场的AI⼯程助⼿。 它能做的事，⼤致可以分成以下⼏类。 读懂⼀个陌⽣项⽬ 使⽤Codex的第⼀步，不应该是让它直接写代码，⽽是让它先读项⽬。 它可以帮你快速搞清楚： 项⽬⽤什么技术栈。⼊⼝⽂件在哪⾥。核⼼模块在哪⾥。测试和构建命令是什么。哪些⽂件不能随便动。 很多Codex任务失败，不是因为它不会写代码，⽽是因为它还没理解项⽬，就被要求直接动⼿。 解释代码和梳理逻辑 Codex可以帮你解释看不懂的代码。 ⽐如： 这个函数是做什么的。这个组件为什么这样写。接⼝调⽤链路是什么。状态从哪⾥来。这个bug可能和哪些⽂件有关。 它不只是解释单个函数，还可以结合上下⽂，梳理模块关系、数据流和潜在⻛险。 这对接⼿旧项⽬尤其有⽤。 修bug和加功能 Codex很适合处理边界清楚的开发任务。 ⽐如： 修复⼀个可复现bug。新增⼀个设置⻚。新增⼀个表单校验。新增⼀个接⼝。新增⼀个导出按钮。优化⼀个前端⻚⾯。 但不要直接把⼀个⼤项⽬丢给它。 更好的⽅式是把任务拆⼩： 1.先读项⽬。2.再出⽅案。3.只改⼀个模块。4.跑测试。5.看diff。6.确认没问题后再继续。 Codex更适合连续完成⼩任务，⽽不是⼀次吞下⼤项⽬。 Codex可以帮你补测试，也可以帮你重构代码。 它可以做： 补单元测试。补边界条件。补异常场景。提取重复逻辑。拆分过⻓函数。整理组件结构。封装API请求。 但这类任务必须加边界： 不改业务逻辑。不改公共API。不引⼊⽆关依赖。不⼤范围重构。修改后必须跑测试。 Codex能重构，但你必须控制范围。 写⽂档和整理PR Codex很适合写⼯程⽂档。 ⽐如： README。安装说明。启动说明。 接⼝⽂档。环境变量说明。项⽬结构说明。PR描述。commit message。更新⽇志。 ⽂档不是附属品。在Codex⼯作流⾥，⽂档本身就是上下⽂基础设施。⽂档越清楚，后续⼈和AI接⼿项⽬都会更轻松。但要提醒Codex： 不要编造不存在的命令，不确定的信息要明确标注。 跑命令、看diff、做reviewCodex和普通聊天⼯具最⼤的区别之⼀，是它可以在项⽬环境⾥运⾏命令。 它可以： 运⾏测试。运⾏lint。运⾏typecheck。运⾏build。查看git status。查看git diff。搜索代码。检查修改结果。 这让Codex不只是“猜答案”，⽽是可以验证结果。 但命令执⾏也有⻛险。 能验证的，可以让它验证。 有⻛险的，必须由你批准。 涉及⽣产环境、数据库、真实⽤户数据的操作，不要交给它⾃动执⾏。 什么时候适合⽤Codex适合Codex的任务，⼀般有⼏个特点： ⽬标明确。 范围可控。上下⽂清楚。结果能验证。失败能回滚。⻛险可接受。 ⽐如： 读项⽬。修bug。加⼩功能。补测试。写⽂档。优化前端⻚⾯。整理PR。审查diff。处理重复任务。 什么时候不适合直接⽤Codex 不建议直接让Codex处理： ⽣产数据库。真实⽤户数据。⽀付核⼼逻辑。权限和安全核⼼模块。⼤规模架构迁移。没有备份的重要项⽬。没有测试的核⼼业务。你⾃⼰也⽆法验收的任务。 如果你判断不了结果对不对，就不要让Codex独⽴完成。 Codex可以提⾼效率，但不能替你做判断。 Codex能做的事情，不只是写代码。 它真正重要的能⼒是： 把⼀个明确的软件⼯程任务，从需求推进到可review的结果。 你不是让它随便写点代码。 你是在让它按照你的项⽬规则、上下⽂和验收标准，完成⼀项可控的⼯程任务。 Codex与ChatGPT的区别 很多⼈会问： 既然ChatGPT也能写代码，为什么还要⽤Codex？ 核⼼区别在于： ChatGPT更像⼀个顾问，有问题问GPT，从它那⾥得到答案，然后⾃⼰去执⾏。那么现在Codex更像是⼀个实习⽣，我们能够真正的让它帮我们⼲活，交代任务能够完成这种。 ChatGPT适合帮你想问题。 Codex适合帮你推进任务。 更合理的⽤法是： 先⽤ChatGPT想清楚，再⽤Codex进项⽬执⾏。 Codex与Cursor的区别 很多⼈会把Codex和Cursor放在⼀起⽐较，因为它们都能帮你写代码、改代码、理解项⽬。 但它们的定位并不⼀样。 Cursor更像⼀个AI编辑器，Codex更像⼀个⼯程Agent。 合理的⽤法是组合使⽤： ⽤Cursor做⽇常编码和局部修改，⽤Codex做任务推进和⼯程交付。 Cursor负责陪你写。 Codex负责帮你跑完整任务。 ⼀个偏IDE协作，⼀个偏Agent执⾏。 这就是它们最⼤的区别。 Codex与Claude Code的区别 Codex和Claude Code很像。 都是agentic coding⼯具，但两者的侧重点不⼀样。 Claude Code更偏终端⾥的⻓期协作Claude Code的体验更像是： 你打开终端，把它放进项⽬⾥，然后和它围绕⼀个开发任务持续协作。 它适合： ⻓时间读项⽬。持续追踪⼀个复杂任务。在终端⾥边讨论边修改。处理多步骤⼯程问题。通过hooks、subagents、MCP等机制扩展⼯作流。 所以，Claude Code更像⼀个⻓期待在你终端⾥的