「Codex 到底是什麼？」這個問題之所以難答，是因為它不是一個東西，而是 OpenAI 把同一個編程 Agent 放進四種容器裡的一整個產品族：跑在你終端機裡的 CLI、裝進編輯器的擴充、一個桌面 App、以及跑在雲端的 Codex Web。這篇文章把四種形態一次講清楚，重點放在入門者最先會碰到的兩個：CLI 與 Web。
Codex 是什麼
核心身份：OpenAI 的編程 Agent。跟 Claude Code 同一物種——你給目標，它自己讀程式碼、改檔案、執行指令、看結果、迭代，直到交活。差別在形態佈局：Claude Code 的身份核心是終端機；Codex 從第一天就把「本地」與「雲端」當成兩條腿走路。
四種形態分別是：
- Codex CLI——開源（Apache-2.0 授權，倉庫在 github.com/openai/codex），官方定義是「跑在你終端機裡的輕量編程 Agent」，執行在你的電腦本地。
- IDE 擴充——裝進 VS Code、Cursor、Windsurf 等編輯器，把 Codex 帶進圖形介面。
- 桌面 App——終端機裡輸入
codex app啟動的獨立視窗體驗。 - Codex Web——chatgpt.com/codex 上的雲端 Agent：把任務派給它，它在雲端的環境裡跑，可以多個任務平行執行，完成後把改動以 diff 的形式交回來供你審查。
用起來實際長什麼樣
先裝 CLI。macOS／Linux 一行：
curl -fsSL https://chatgpt.com/codex/install.sh | sh
Windows 用 PowerShell 的 irm https://chatgpt.com/codex/install.ps1 | iex；也可以走 npm（npm install -g @openai/codex）或 Homebrew（brew install --cask codex）。然後 cd 進專案、輸入 codex。
首次啟動要你選登入方式：用 ChatGPT 帳號登入（Plus、Pro、Business、Edu、Enterprise 這些付費方案都包含 Codex 用量，官方推薦這條路），或者用 API key 按量計費（需要額外設定）。
之後的體驗跟所有終端機 Agent 同構：你用自然語言說「把這個 API 的錯誤回應統一成同一種 JSON 格式，並補上測試」，它開始循環——讀檔、改檔、跑指令、看輸出、再改。跟 Agent 的四個零件 對照著看，Codex CLI 就是那三個「普通程式」零件（上下文、工具、循環）包著 OpenAI 模型的一個具體實現。
第一個任務怎麼挑。 跟所有終端機 Agent 的磨合期一樣：挑小的、可驗證的、可回退的——「給這個工具函式補一份使用說明」這種，而不是上來就「重構整個模組」。小任務的好處有三個：diff 幾分鐘讀得完、Git 一條指令退得回去、你對它行為品質的感覺建立得快。跑順三五個小任務，再逐步放大交給它的範圍。自主性是磨合出來的，不是第一天就設定好的。
安全機制是這個形態的必修課。 官方文件有專門章節講 Codex 的沙箱（Sandbox（沙箱））與審批（approvals）：哪些指令可以在圍欄裡直接跑、哪些要先問你、哪些一律拒絕，都可以設定。新手期的建議很簡單——保持預設的審批設定，先觀察一週它的行為品質，再決定放寬什麼。
雲端那條腿的時刻是另一種：早上把三個互不相干的任務——修一個 issue、補一份文件、升級一個依賴——都派給 Codex Web，去做自己的事，下午回來收三份 diff，逐個審查、逐個決定合不合併。「可平行、可走開、交付物是可審查的 diff」是雲端形態的三個關鍵詞。
兩條腿怎麼選
初學者的決策很簡單：
- 要「在場」就用 CLI。 任務跟你的本地環境強耦合（依賴、環境變數、只在你機器上跑得起來的服務）、你想即時掌舵逐條批准——本機跑 CLI。
- 要「走開」就用 Web。 任務可以自足描述（修一個 issue、補一份文件、升一個依賴）、你不介意 repo 進雲端環境——派給 Codex Web，幾個任務平行跑，回頭收 diff。
- IDE 擴充是隨習慣。 你日常用哪個編輯器，Codex 就跟到哪裡，體驗介於兩者之間。
資料暴露面的差別要想清楚：CLI 動的是你機器上的檔案，只有模型推理走雲端；Web 是把程式碼庫放進 OpenAI 的雲端環境裡跑。前者暴露面小，後者省心——你的程式碼合規要求決定你該偏哪邊。
還有一個貫穿兩條腿的細節：就像 Claude Code 有 CLAUDE.md，Codex 支援在 repo 裡放一份 AGENTS.md 專案說明檔（官方文件有專頁）。把建置指令、測試約定、程式碼風格寫清楚，每個任務——不管本地還是雲端——都從同一份共識出發。這是終端機 Agent 時代的「教一次就夠」，跟 Cursor 的 Rules 是同一個思想。
Codex 不是什麼
它不是 ChatGPT 的聊天視窗。 ChatGPT 給你文字回答，複製貼上與執行都是你的事；Codex 真的動手做事——在你的機器上（CLI）或在雲端環境裡（Web）。同一個帳號體系，兩種物種。
它不是 IDE。 CLI 沒有編輯器；IDE 擴充有，但那只是四種容器之一，主場仍然是「交代任務、收 diff」的循環，不是邊打字邊補全——那是 Cursor 那一格的事。
它不等於 Claude Code，也不是它的換皮。 兩家是不同公司、不同模型、不同 harness 工程；形態重心也不同（終端機為主 vs 本地＋雲端並重）。對初學者，真正的差別往往不是能力高低，而是你的帳號與生態站在哪邊：已經訂閱 ChatGPT 的人，Codex 是零額外決策的選擇；工作流圍繞 Anthropic 生態的人則相反。
CLI 開源，不等於整個 Codex 開源。 開源的是終端機那個程式；雲端服務、模型本身都是封閉的商業服務。
計費模式
兩條路：包含在 ChatGPT 付費方案裡（登入即用，無需另付），或走 API 按用量計費。各方案的用量邊界以官方頁面為準：openai.com/codex。CLI 本身免費且開源，你付的從來是模型的錢——這一點跟所有 harness 相同，下一篇會解釋為什麼。
誰不該用它
- 要求完全離線、或必須自架模型的人。 四種形態都依賴 OpenAI 的雲端模型，本機跑的只是 harness。
- 不願意把代碼庫交到外部雲端的人。 尤其是 Codex Web——任務環境在 OpenAI 的雲端。本地 CLI 的暴露面小得多，但模型推理本身仍在雲端。
- 想看逐鍵過程、逐步確認的人。 這個形態交付的是結果與紀錄，不是即時的游標。
下一步
- 直接動手：Codex 安裝與上手。
- 對照組：Claude Code 是什麼：終端機 Agent 的參考樣板，同形態的另一個樣板，兩篇讀完再選邊。
- 往上抽一層：Agent Harness 是什麼：模型外面那層普通程式 講「模型外面那層程式」如何決定體驗，Harness 演化史：六個時代，每一代的新能力與新翻車方式 講這類工具是怎麼演化出來的。
- 全景地圖與學習順序：AI 編程工具地圖：先認形態，再記名字。
- 名詞：CLI（命令列介面）、Sandbox（沙箱）、API Key。