OpenAI 内部 Codex 使用指南：代码理解、重构与性能优化

简介

Codex 已被 OpenAI 的多个技术团队日常使用，涵盖安全、产品工程、前端、API、基础设施及性能工程。工程师们借助它加速从理解复杂系统、重构大型代码库到交付新功能、抢修故障等各类任务。  

通过访谈 OpenAI 工程师并分析内部使用数据，我们整理出以下典型使用场景与最佳实践，展现 Codex 如何帮助团队提升效率、改善质量并规模化应对复杂性。更多前沿 AI 编程实践可访问 云栈社区。

用例1：代码理解

Codex 可帮助团队在新入职、调试或排查问题时快速掌握代码库里不熟悉的部分。  

他们常借助 Codex 定位功能核心逻辑、梳理服务或模块间的关系以及追踪数据在系统中的流转。它甚至能识别架构模式或文档缺失的部分，这些原本需要投入大量人力才能整理完成。  

在事件响应中，Codex 通过展示组件间的交互关系、跟踪故障状态在系统中的传播路径，让工程师快速进入新领域。  

团队实际使用感言：  

“每当修复一个漏洞，我都会使用询问模式，检查代码库中是否还存在同类问题。”
——检索系统性能工程师  

尝试用 Codex 进行代码理解时，可参考如下提示：  

• 此仓库中的身份验证逻辑是在哪里实现的？  
• 梳理请求在本服务中从入口到响应的完整流转流程。  
• 哪些模块与 [插入模块名称] 存在交互，异常故障如何被处理？  

用例2：重构与迁移

Codex 广泛用于跨多个文件或软件包执行修改。当需要更新 API、调整模式实现或迁移至新依赖时，Codex 可以轻松且一致地完成改动。  

当数十个文件需要相同更新，或更新涉及正则表达式无法简单捕捉的结构与依赖关系时，该工具尤为实用。  

此外，它还被用于代码清理，包括拆分超大模块、用现代模式替换旧模式，或提高代码可测试性。  

团队真实使用感言：  

“Codex 将所有旧版 getUserById() 替换为我们的新服务模式，并创建了 PR。原本需要数小时的工作，如今只需几分钟。”
——ChatGPT 网页版后端工程师  

尝试使用 Codex 进行重构和迁移，可参考这些提示：  

• 按业务职责拆分当前文件为独立模块，并为各模块生成对应测试。  
• 将所有基于回调的数据库访问转换为 async/await。  

用例3：性能优化

Codex 能用于识别并解决性能瓶颈。  

在调优或可靠性优化工作中，工程师会提示 Codex 分析运行缓慢、内存密集的代码路径（如低效循环、冗余操作、高开销查询），并建议更优替代方案，通常能显著提升效率与可靠性。  

Codex 还可通过找出仍在使用的高风险或已弃用模式，保障代码健康。团队借助它减少长期技术债，并主动预防回归。  

团队实际使用感言：  

“我用 Codex 扫描代码中重复的高开销数据库调用。它能精准识别热点路径，并生成批量查询语句，方便我后续调优。”
——API 可靠性基础设施工程师  

试试用 Codex 进行性能优化：  

• 优化此循环以提高内存效率，并说明你的版本更快的原因。  
• 找出此请求处理程序中的重复高开销操作，并给出可使用缓存的优化建议。  
• 建议在此函数中更高效地批量查询数据库的方法。  

用例4：提升测试覆盖率

Codex 可帮助工程师更快编写测试，尤其适用于测试覆盖率不足或完全缺失的场景。  

修复漏洞或重构时，工程师通常会让 Codex 提供覆盖边界情况和潜在异常路径的测试建议。对于新代码，它可根据函数签名和周边逻辑生成单元测试或集成测试。  

Codex 尤其擅长识别边界条件，例如空输入、最大长度或不常见但合法的状态，这些在初期测试中极易被忽略。  

团队实际使用感言：  

“我夜间让 Codex 处理覆盖率偏低的代码模块，第二天醒来就能拿到可直接运行的单元测试 PR。”
——ChatGPT 桌面版前端工程师  

可参考这些提示提升测试覆盖率：  

• 为此函数编写单元测试，覆盖边界场景与失败路径。  
• 为该排序工具生成基于属性的测试。  
• 扩充测试文件，补充空输入与无效状态等缺失场景。  

用例5：提升开发速度

Codex 通过加快开发前期搭建与收尾工作的效率，帮助团队提升整体速度。  

启动新功能时，工程师用它搭建样板代码，包括生成文件夹、模块和 API 存根，快速产出可运行代码，无需手动逐一配置关联。  

临近发布时，Codex 处理各类琐碎但关键的工作，助力按期交付，例如分类排查漏洞、补齐开发缺口，以及生成发布脚本、遥测钩子和配置文件。  

它还可将产品需求转化为初始代码。工程师常粘贴用户需求或规格说明，让 Codex 先生成代码初稿，后续再自行完善优化。  

团队实际使用感言：  

“我一整天都在开会，依旧合并了4个PR，全靠 Codex 在后台自动处理工作。”
——ChatGPT Enterprise 产品工程师  

借助 Codex 提升开发速度的示例提示：  

• 为 POST /events 搭建新的 API 路由，并添加基础验证和日志记录。  
• 使用此模板 [插入你的遥测代码示例] 生成一个遥测钩子，用于跟踪新引导流程的成功/失败状态。  
• 根据此规范创建一个存根实现：[插入规范或产品反馈]。  

用例6：保持专注高效

Codex 能帮助工程师在日程零散、频繁被打断的情况下，维持稳定的工作效率。  

它可用于记录未完成工作、将笔记转化为可运行原型，或拆分出可日后继续的探索性任务，方便工程师在不丢失上下文的前提下暂停和接续工作，尤其适合值班或会议较多的场景。  

团队实际使用感言：  

“遇到随手小修复需求时，我直接下发 Codex 任务，无需手动切换分支，空闲时审核它生成的 PR 即可。”
——ChatGPT API 后端工程师  

可参考这些提示，使用 Codex 保持专注：  

（具体提示文字可参考用例1中的询问模式等）  

用例7：探索与创意构思

Codex 同样适用于开放性工作，例如寻找替代方案、验证设计决策。你可提示它给出多种解题思路、探索陌生开发模式，或对各类假设进行压力验证，有助于梳理方案取舍、拓宽设计选择。  

它还能用来排查关联漏洞。针对已知问题或已弃用方法，Codex 能够识别代码中其他相似写法，便于及时发现回归问题、完成代码清理。  

团队实际使用感言：  

“Codex 帮助我解决了冷启动问题——我粘贴一份规格说明和文档，它就会生成代码框架，或者指出我遗漏的地方。”
——ChatGPT 桌面版产品工程师  

探索与构思的示例提示：  

• 如果系统采用事件驱动而不是请求/响应模式，它会如何运作？  
• 找出所有手动构建 SQL 字符串而非使用我们的查询构建器的模块。  
• 将代码改写为更标准的函数式风格，避免数据变更与副作用。  

最佳实践

为 Codex 提供清晰框架、上下文和迭代空间，就能发挥最佳效果。以下是 OpenAI 团队总结的使用习惯：  

从“询问模式”开始
对于大规模改动，先在询问模式下让 Codex 提供实施方案，切换到代码模式后，即可将该方案作为参考。两步式流程能使 Codex 的输出更贴合实际，减少错误。Codex 最擅长范围清晰的任务（约一小时工作量或数百行代码），随着模型性能提升，可承接的任务体量也会增大。  

持续改进 Codex 的开发环境
配置启动脚本、环境变量及网络访问权限可显著降低出错概率。留意可通过调整 Codex 环境配置解决的构建错误，往往需要多轮迭代调试，但长期看能带来可观的效率提升。  

像撰写 GitHub Issue 一样组织提示
按照描述 PR 或 Issue 的语气编写提示，必要时附上文件路径、组件名称、代码差异和文档片段。使用“参照 [module X] 模块的方式实现该功能”这类句式，能优化生成效果。  

将 Codex 任务队列用作简易任务清单
随时新建任务记录零散想法、未完成工作或临时小修复，不要求一次性生成完整 PR。Codex 可作为工作暂存区，方便恢复专注后继续处理。  

使用 AGENTS.md 提供持续上下文
维护 AGENTS.md 文件，帮助 Codex 在代码仓库中跨不同提示保持高效。内容通常包括命名规范、业务逻辑、特殊规则以及依赖关系等仅凭代码无法推断的约定。  

使用“Best of N”提升输出效果
Best-of-N 功能支持一次性为同一任务生成多份结果，便于快速比对方案并择优选用。对于复杂任务，可整合不同结果的优势部分，形成更完善的方案。  

展望未来

Codex 虽仍处于研究预览阶段，但已切实改变了研发模式，帮助我们加快开发节奏、编写更高质量代码，同时承接以往难以排期的工作。  

我们对未来发展充满期待——随着模型持续迭代优化，Codex 将更深融入工作流程，解锁更强大的软件开发方式。我们将持续分享沿途积累的经验与心得。