从 ChatGPT 到 Codex：AI 工具的使用方式变了

从以下内容改编的

图片标题：不要把 Codex 当成另一个 ChatGPT 用

文字标题：从 ChatGPT 到 Codex: AI 工具的使用方式变了

*内容从以下改编的，纯 AI 生成

2. Codex vs ChatGPT：最大的不同

第一，核心目标不同

ChatGPT 的默认目标是回答、解释、推理、帮你整理思路。

Codex 的默认目标是执行、改文件、跑命令、产出可交付结果。 OpenAI 对 Codex 的定义就是 cloud-based software engineering agent，可以写功能、回答代码库问题、修 bug、提 PR；每个任务在独立 sandbox 里运行，可以读/改文件、运行测试、lint、type checker。

所以你问 ChatGPT：

这个页面 SEO 应该怎么改？

它会解释策略。

你问 Codex：

Add sitemap.xml, robots.txt, and improve metadata. Run build after changes.

它会真的去改项目。

这就是第一层差异：ChatGPT 是脑子，Codex 是手。

第二，记忆方式不同

ChatGPT 记忆偏个人化。它可以跨 conversation 用你的长期背景来回答。

Codex 记忆偏项目化/本地化。它靠这些东西保持连续性：

• 当前 thread transcript
• resume 之后的 plan history / approvals
• AGENTS.md
• repo 里的代码和文档
• 可选的 Codex Memories
• ~/.codex/config.toml
• MCP / plugins / skills 的上下文

所以你不要期待 Codex 像 ChatGPT 一样“懂 Limin 的人生处境”。它更应该懂的是：

AllGood 是 privacy-sensitive product，不要乱 log 用户输入，不要乱改 payment，不要新增依赖。

这也是为什么 AGENTS.md 重要。Codex 会在开始工作前读取 AGENTS.md，把它作为项目指导。

第三，usage 逻辑不同

ChatGPT usage 更像“对话额度”。你大量聊天、贴图片、上传文件，会消耗对话/模型额度。

Codex usage 更像“工作量额度”。它消耗快，通常不是因为你说了几句话，而是因为它：

• 读很多文件
• 跑很多命令
• 反复看 error logs
• 多轮修改
• 使用多个 agent
• 接 MCP / plugins / browser / GitHub
• 用高能力模型做长任务

Codex CLI 文档也明确说 subagent workflows 会消耗更多 tokens，因为每个 subagent 都会做自己的 model/tool work。

所以 ChatGPT 的省法是：少贴无关大材料。 Codex 的省法是：任务边界清楚，少让它全局乱看。

第四，权限不同

这是非常关键的一点。

ChatGPT 通常是在一个比较封闭的聊天环境里帮你思考。它可以用工具，但默认不直接拥有你电脑的文件系统和终端控制权。

Codex 可以读 repo、改文件、运行 shell commands、调用 package manager、跑测试，甚至通过 MCP/插件连接外部工具。Claude Code 也类似，Anthropic 官方描述 Claude Code 是可以读取代码库、编辑文件、运行命令、集成开发工具的 agentic coding tool。

你问：“Codex 有更多权限，跟它是客户端有关系吗？”

有关系，但不是因为‘客户端’本身神奇，而是因为客户端/CLI/IDE 这种形态让它可以接触本地工作区和系统命令。

OpenAI 官方说，本地 Codex 使用 OS-enforced sandbox，通常限制在当前 workspace，默认无网络访问，并通过 approval policy 控制什么时候必须问你；cloud Codex 则运行在 OpenAI 管理的隔离容器里，不访问你的 host system。

所以：

ChatGPT 像你请了一个顾问坐在会议室。 Codex 像你让一个施工队进了房子，但给它划了施工区域、工具权限和审批规则。

这就是为什么 Codex 使用时要更小心：它不是只“说错”，它可能“改错”。

第五，失败方式不同

ChatGPT 失败，多数是：解释不准、建议泛泛、幻觉、逻辑不严。

Codex 失败，可能是：

• 改坏文件
• 引入 bug
• 删除重要逻辑
• 新增不必要依赖
• 读了不该读的文件
• 跑了不该跑的命令
• 把任务扩大化
• “顺手重构”导致你看不懂

所以 Codex 的核心使用习惯是：

Plan first. Edit small. Review diff. Run build/test. Commit only after you understand what changed.

不是神神叨叨，是基本家居安全：施工队再聪明，也不能让它自由发挥拆承重墙。

3. 换工具时，你需要的 mindset 转变

从“聊天”变成“派工单”

ChatGPT 可以这样问：

我这个产品怎么做 SEO？

Codex 最好这样问：

Goal: Add basic SEO setup for this Next.js project. Scope: metadata, sitemap, robots.txt only. Constraints: Do not change UI, copy, payment, or PDF export. Done when: build passes and you explain how I can verify it. First inspect relevant files and propose a plan. Do not edit yet.

Codex 不怕你啰嗦，它怕你模糊。

从“记住我”变成“写进项目规则”

你不要指望 Codex 自动长期记住所有偏好。重要规则放到：

• AGENTS.md
• README.md
• project docs
• issue / task description
• short prompt context

Codex Memories 可以辅助，但不是 source of truth。OpenAI 官方也说，required team guidance 应该放在 AGENTS.md 或 checked-in documentation。

从“相信回答”变成“检查产物”

用 ChatGPT，你主要判断答案有没有道理。

用 Codex，你要看：

• diff 改了哪些文件
• 有没有改出范围
• 有没有新增依赖
• build / lint / test 是否通过
• 页面是否真的正常
• 敏感数据有没有暴露

对你这种非工程师 builder，这个 mindset 特别重要：你不需要会手写所有代码，但你要会验收。

从“单次问答”变成“工作流组合”

你的最佳组合不是“ChatGPT 或 Codex 二选一”，而是：

ChatGPT：帮你想清楚需求、风险、验收标准。 Codex：执行明确任务。 Claude Code：继续做你熟悉的主开发。 Codex / ChatGPT：做 second review。

你现在不需要变成工具收藏家。工具越多越自由？不，工具越多越像养猫：每只都觉得自己才是主人。

4. 对普通用户和 builder，Codex 的极大使用场景是什么？

对普通用户，Codex 最近的扩展重点已经不只是 coding。OpenAI 6 月 2 日说 Codex 现在每周超过 500 万用户，非开发者约占 20%，且非开发者增长速度是开发者的 3 倍以上；他们提到的使用场景包括报告、表格、演示文稿、合同、研究、数据分析、workflow automation、轻量工具构建。

所以普通用户的大场景是：

把散落在不同工具里的信息，变成一个可交付产物。

比如：

• 从网页/文档/表格里整理报告
• 根据数据生成 dashboard
• 把会议材料变成 executive summary
• 把设计 brief 变成创意资产
• 把重复工作变成小工具
• 连接 Slack / Google Docs / Coda / Figma / Canva 等工具做工作流

对 builder 来说，Codex 的大场景更直接：

第一，代码库问答。 “这个项目登录流程在哪里？” “PDF export 相关文件有哪些？” “为什么这个按钮点击后没反应？”

第二，小功能实现。 SEO、OG image、sitemap、metadata、表单校验、loading state、error state、空状态、mobile fix。

第三，bug fix。 贴报错，让它定位、修复、跑测试。

第四，review。 让它查 Claude Code 的 diff：有没有隐私、安全、支付、数据泄露、regression 风险。

第五，工具连接。 你提到“与插件配合，读取网页”，这个方向是对的，但我会稍微修正一下： 读取网页不是终点，读取后产出可执行结果才是 Codex 的价值。

比如对你：

• 读取 AllGood 页面 → 检查 SEO / OG / mobile / trust signals
• 读取竞品页面 → 生成 landing page improvement backlog
• 读取 Google Search Console / analytics → 找流量问题
• 读取 Figma / 页面截图 → 修改代码实现
• 读取用户反馈 → 生成 issue list，再逐项修复
• 读取 Stripe / payment 文档 → 检查集成逻辑
• 读取 GitHub issue → 自动改代码并提 PR

如果只是“帮我理解这篇网页”，ChatGPT 更轻。 如果是“读完网页，并把我的项目改好”，Codex 更合适。

5. 为什么 Codex 最近突然火？

我认为不是单一原因，而是几个信号叠加。

第一，OpenAI 官方强推。 6 月 2 日 OpenAI 发布 Codex for every role, tool, and workflow，推出 role-specific plugins、Sites、annotations，把 Codex 从 coding tool 往 knowledge work tool 推。

第二，用户规模突然有了可传播数字。 OpenAI 说 Codex 每周用户超过 500 万，并且自 2 月 desktop app 发布以来增长超过 6 倍。这个数字本身就会制造市场注意力。

第三，ChatGPT 正在变成更大的工作平台。 Reuters 6 月 7 日援引 Financial Times 报道称，OpenAI 计划对 ChatGPT 做重大改版，把它往 “superapp” 方向推进，并给 Codex 更多突出位置和资源。Reuters 也注明其未能独立核实 FT 报道，但这个方向和 OpenAI 自己的 Codex 发布节奏是吻合的。

第四，Claude Code 的领先心智被挑战。 过去一段时间，Claude Code 是 coding agent 叙事里的强势样本；现在 OpenAI 把 Codex 作为 ChatGPT 生态的核心入口推出来，用户自然会开始比较、迁移、发帖。Claude Code 官方也仍然在快速扩展，它本身已经是 terminal、IDE、desktop、web 多端工具，并支持 MCP、auto memory、skills、hooks 等。

第五，AI coding agents 整体进入大众 adoption 阶段。 2026 年的研究已经把 coding agents 作为一个正在快速普及的开发工具类别来研究；一篇基于 GitHub traces 的论文估计，coding agents 在项目中的采用率已经达到 15.85%–22.60%，而且还在上升。

所以它不是“凭空突然火”。是 OpenAI 产品推进 + 用户规模 + ChatGPT 入口 + Claude Code 对照组 + 整个赛道成熟，一起把它推起来。