Codex这半年坐的过山车，估计比不少人都要刺激。年初它还是OpenAI藏在Research Preview里那个只能糊命令行的小玩意儿，中途经历了好几次模型换血、功能猛加，到现在已经成了我日常写代码、改Bug、甚至查数据库都在用的主力工具。如果你也在用Codex，或者正准备入坑，这半年OpenAI在它身上的动作，加上怎么把Token消耗压下来、怎么玩出点花活儿，我觉得值得好好盘一盘。

这篇文章我打算从五个角度来讲：Codex半年来的版本和功能演进、Token到底是怎么烧掉的、我在实战里总结的省Token技巧、config.toml配置和登录报错排查，以及一些不太常见但确实好用的玩法。适合刚接触Codex想快速上手的初学者，也适合已经在用但觉得Token烧太快、或者想深挖能力的老手。

1. 半年版本演进：从命令行小玩具到正经编码搭档

1.1 Research Preview阶段：最初只有一个CLI壳子

Codex刚出来那会儿，官方定位是"OpenAI的命令行编码代理"（Welcome to Codex, OpenAI's command-line coding agent），功能简单得可怜。安装完就是一个终端工具，登录后你给它一个自然语言任务，它在本地仓库里自己读代码、改代码、跑命令，然后给你输出一个总结。当时唯一拿得出手的模型是gpt-5-codex（严格说是以它为核心的版本），效果上限不低，但问题也明显：经常读着读着一个大仓库就把上下文撑爆、改到一半忘了前面的意图，而且完全没有图形界面，纯靠着终端交互。

那会儿我自己用下来的感受，就是个"能自己动手的Copilot"，谈不上智能体。但你回头看，Codex和GitHub Copilot那类工具的核心区别从第一天就定下来了：它是agent形态，不是补全形态。你交代任务，它自己规划步骤、自己读代码、自己执行命令，而不是一句一句在你光标旁边给你猜。

1.2 GA与模型迭代：gpt-5-codex正式转正，mini和max补充火力

从Research Preview走向GA（General Availability）是Codex这半年第一个标志性节点。差不多到了年中，OpenAI把Codex从实验状态正式转正，同时把模型从初代gpt-5-codex升级成了正式的gpt-5-codex版本。这个正式版在代码推理、多文件修改、对仓库结构的理解上都比Preview版本强了一大截，我觉得最直观的感受是：它终于能记住你自己写在AGENTS.md里的项目规范了，而不是每次都像失忆一样重新问东问西。

后来OpenAI又补了两个变体：codex-mini和gpt-5-codex-max。codex-mini更轻量，响应快、消耗小，适合处理那些"把这段代码格式化一下""给这个函数写个注释"之类的杂活；gpt-5-codex-max则明显为了硬核推理而来，复杂重构、跨模块分析这类任务我实测下来，成功率确实比标准版高不少，但token消耗也肉眼可见地往上蹿。所以现在Codex里用哪个模型已经变成了一种资源管理策略，这个后面讲省Token时还会细说。

1.3 功能大扩军：MCP、自定义指令、记忆、多文件编辑器全都来了

如果说GA是Codex"转正"，那后面几个月的功能更新就是"加装"。这里我按自己的使用时间线捋一下印象比较深的几个：

• MCP支持：这是把我彻底留住的更新。Codex开始支持Model Context Protocol之后，你可以给它接各种外部工具，数据库、浏览器、文件系统、内部API，全都能通过MCP服务器注册成Codex可调用的工具。相当于Codex从一个只会写代码的，变成了一个能查数据、能跑流程、能操作外部系统的通用agent。
• 自定义指令（custom instructions）：可以在配置文件里写一套"项目行为准则"，比如"改代码前先补测试""不要动package.json""提交信息用英文"，Codex每次干活前都会读。
• 记忆管理：通过/mem命令可以把重要信息写入长期记忆，下次新会话它还记得。这个对跨会话维护项目上下文特别有用。
• 多文件编辑器和分割窗口：终端之外，Codex推出了配套的编辑器界面，同时展示多个文件的修改diff，还能分屏对比。这个主要解决"命令行里改了一堆文件但看不出全局改动"的痛点。

1.4 形态变化：CLI之外，Cloud、桌面版、ChatGPT内嵌全都来了

Codex也不再只是终端里那个命令行工具了。OpenAI做了Codex Cloud，你可以在云端起一个沙盒任务跑Codex，本地啥都不用装；ChatGPT桌面版和网页版里也内嵌了Codex入口，可以直接在对话界面里让它处理代码任务；手机上（ChatGPT App里）也逐步开放了Codex的轻量级使用。也就是说，现在Codex能覆盖"本地终端重度开发"和"云端随手上手"两种场景，它已经不是一个单纯的CLI玩具了。

2. Token为什么会烧得这么快：消耗机制拆解

2.1 计费模型：输入、输出、缓存，还有看不见的"思考token"

我们先搞清楚Codex到底在为什么花钱。GPT系列模型的计费是按token来的，Codex也不例外。你给它的指令、它读到的文件内容、它调用的工具返回、它的输出回复，全部折算成token。而且OpenAI对输入和输出分别定价，输出（生成）通常比输入贵不少。Codex本身的API定价按请求计费的话，输入大概在百万token级别几十美元，输出则要贵几倍。

但Codex烧token真正的大头其实不是这些明面上的输入输出，而是"思考token"。gpt-5-codex系列的模型在动手之前会先做一段内部推理，这段推理消耗的token不会完整展示给你看，但它会计入成本。我用gpt-5-codex-max做过一次简单的"给函数加个参数"，表面上看它输出只有几百字，但实际消耗直接过了万级token，后来看用量详情才意识到是内部推理在吃钱。这也是很多人觉得"Codex怎么这么贵"的核心原因之一：你以为的交易规模和你实际付的钱，量级有时候对不上。

2.2 上下文策略：前缀重放、文件全读自动裁剪

Codex在会话里的上下文管理和ChatGPT网页版也不一样。它的实现是"对话前缀重放"——每执行一轮，它会把之前所有内容重新编码给模型，再叠加新的任务。这就意味着，如果你的历史记录很长，每次新任务光"回忆"就要重复算一遍历史token。官方做了上下文裁剪，超过窗口长度会丢中间的历史，只保留系统提示、近期对话和关键文件，但这只是延迟了问题，不是解决了问题。

还有一个隐藏消耗源：Codex看文件是整读的。你让它改某一个函数，它会先读入整个文件，如果文件几百行还好，一旦遇到上万行的单文件，一次读入就是几万token。如果它还为了理解调用关系去读了其他相关文件，那上下文瞬间膨胀。

2.3 为什么一个小任务也能烧掉几万token

结合上面两点，很多"小任务大消耗"就有解释了。第一，内部推理本身就消耗大；第二，Codex会主动探查仓库，读一堆它认为"可能需要"的文件；第三，运行时的工具调用（读目录、搜代码、执行命令）每一个都会把结果塞进上下文。我见过一个例子，我只是让它"把README里的安装说明改成和config.toml一致"，它连着读了README、config.toml、项目的依赖文件、还跑了一次测试，最后就为了改两行字，花掉了大概两万多token。

所以省Token这事儿，拼的不是小聪明，而是怎么控制Codex的工作范围和上下文体量。

3. 省Token的实战技巧：把每一刀花在刀刃上

3.1 用小模型干杂活，大模型留着重活

最简单也最有效的省Token策略：区分任务难度来换模型。日常我在Codex里全靠/model命令来回切换。codex-mini处理格式化、加注释、简单Bug修复完全够用，而且消耗明显低一截；gpt-5-codex标准版适合大多数开发任务；gpt-5-codex-max只在做跨模块重构、复杂逻辑调试、需要深度推理时才切过去。

你可以把mini理解成骑电动车去楼下买菜，max是开越野车进山。让max给你写个文档注释，就跟你开越野车去买一瓶酱油一样纯属浪费。我实测过，同一类简单任务用mini做，token消耗大约只有max的十分之一不到。

3.2 管好上下文：别让它一上来就读整个仓库

Codex默认的工作方式比较"主动"，收到任务后会自己去摸仓库结构、读文件。这在大仓库里是灾难级的消耗。我的办法是：

• 交代任务时明确限定范围。不要说"帮我看看这个项目哪里有问题"，要说"只检查src/parser目录下的类型解析逻辑，不要看其他模块"。它就不会到处乱摸。
• 每次会话尽量聚焦一个明确子任务。一个会话干一件事，干完就开新会话。不要两个小时之内在一长串对话里从"改登录逻辑"一路聊到"顺便优化一下图片加载"，历史越来越长，每一轮新请求光重放历史就够烧的。
• 手动开新会话（/new）而不是硬续着聊。新会话上下文清空，重新从系统提示和配置文件开始，比你在旧会话里说"忽略上面那些"有用得多。

3.3 用AGENTS.md和自定义指令压缩"废话"

Codex支持项目根目录放AGENTS.md，也支持配置文件里的custom_instructions。这东西是省Token的神器，因为它是被压缩进系统提示的，成本极低，却能大幅减少你反复解释项目规范的成本。我一般会在AGENTS.md里写清楚：项目结构说明、哪些目录不要动、测试命令是什么、代码风格要求、开发工具链。Codex每次开工前都会读，它就不会在刚开始接手任务时问你一堆"你们项目测试怎么跑""这个目录是干嘛的"这种问题。

config.toml里的custom_instructions则放个人级别的全局偏好，比如"不要主动把代码改成TypeScript""提交信息必须英文""改动后必须运行lint"。这些指令每次都有效，能大量避免Codex问一堆无效问题、或者走了错误方向消耗token。

3.4 用好工具而不是蛮干

Codex越来越强，也意味着它自己尝试解决问题的路径可能不是最省的。比如它想找一个特定函数，第一反应可能是整个文件读进去搜索。但Codex有工具函数可以用，用/search这类语义搜索或grep式的精确搜索，找到范围后再小步读取，消耗能差一个量级。你可以在指令里告诉它"先搜索定位再读取，不要整文件读入"，这对于超大文件、大型monorepo尤其重要。

另外，MCP工具接入后也一样。Codex调用MCP工具时，工具返回的数据全部进上下文。如果它查了一张几千行的数据库表，烧掉的token比改代码本身还多。所以给Codex接数据库MCP时，我通常会在工具描述里写明"查询必须带LIMIT""不允许SELECT *"，否则它真敢在分析时拉全表。

3.5 把大任务拆成多个小任务：并行变串行，避免上下文雪球

最后一个省Token心法：大任务拆小，小任务串行做。最典型的反例是让Codex"重构这个系统的鉴权模块，顺便把测试补了，再把相关文档一起更了"。这个任务里包含了理解、重构、测试、文档四块工作量，Codex在同一个上下文里做下来，早期讨论的内容到后期还在占用上下文窗口，每执行一步都在加倍重放历史。

我自己现在的做法是：一个会话只做一个原子任务，任务做完立刻/new开新会话。这确实少了点"它在长会话里越来越懂你"的连贯感，但换来的是每次请求的上下文都轻装上阵。实测下来，同样一批活儿，拆任务做比一口气做完能省五成以上的token。当然，拆任务时如果一个任务依赖另一个的结果，就把上一个任务的输出摘要存进记忆（/mem）或者写进一个notes.md，没必要让Codex把上一轮全部过程重新读一遍。

4. 配置与常见问题排查：config.toml里那点事

4.1 config.toml到底是个啥，怎么改

很多人在热词里搜"chatgpt 无法加载 config.toml""因此此对话串无法继续"，其实就是Codex（以及ChatGPT里Codex相关功能）的配置文件出了问题。config.toml默认位置在~/.codex/config.toml（Windows是%USERPROFILE%\.codex\config.toml），作用是告诉你本地的Codex用哪个模型、走哪个接口、带什么默认行为。一个最基本的config.toml长这样：

model = "gpt-5-codex" model_provider = "openai" [model_options] # 控制推理强度 reasoning_effort = "medium" # 一段全局自定义指令 custom_instructions = """ 绝不修改数据库迁移文件。 提交信息一律用英文。 完成前必须运行 cargo test。 """

如果config.toml语法写错了，一个常见的格式问题就是model_provider拼错、model名不在你的账号权限里、或者不小心把[model_options]缩进搞乱。Codex启动时解析失败会直接报"unable to load config.toml"之类，甚至把整个对话卡在启动阶段。我自己的经验是，每改完配置先跑codex --version或者随便发一句"你好"验证一下，别等干了一半才报错。

4.2 登录和token失效：为什么总是让你重新登录

热词里高频出现的几类报错基本都和登录态有关：

sign-in could not be completed: token exchange failed your access token could not be refreshed. please log out and sign in again. token endpoint returned status 403 forbidden

这些本质上是Codex本地保存的登录凭证过期了，或者凭证刷新时网络环境不通导致OpenAI的认证端点拒绝了请求。处理思路很直接：先退出登录再重新来一遍。Codex CLI的命令是codex logout再codex login，网页/桌面版就是头像那退出再登录。别嫌麻烦，很多时候重新登录瞬间就能解决。如果退出重登后还是"token exchange failed"，优先检查config.toml里有没有配错provider指向（有些翻车配置其实是指向了自己写的奇怪endpoint），再检查系统时间对不对——因为OAuth的token验证对系统时间敏感，时间偏了，全新的token也会被判失效。系统时间如果差个几分钟，别犹豫，直接同步一下。

还有一类"403 forbidden"里有country字样的，本质上就是网络出口所处位置不被服务接受，这是网络环境层面的问题，不在代码层面，需要你自己确认当前环境的合规性是否满足你在用的服务条款，Codex本身没有能力改变这一点。

4.3 接入第三方模型：比如DeepSeek

Codex的model_provider机制支持的其实不止OpenAI官方模型。因为它是OpenAI兼容接口，你完全可以把模型改成DeepSeek等第三方提供方。这也是热词里"codex接入deepseek"的来源。做法不太复杂，在config.toml里加一个provider配置：

model = "deepseek-chat" model_provider = "deepseek" [model_providers.deepseek] name = "DeepSeek" base_url = "https://api.deepseek.com/v1" env_key = "DEEPSEEK_API_KEY"

然后把环境变量DEEPSEEK_API_KEY设成你的DeepSeek Key（或者用codex配置的认证方式），重新登录即可。但这里我要泼一盆冷水：Codex的很多核心agent行为（比如工具调用、内部推理、MCP编排）在第三方模型上表现不稳定。我自己试过接DeepSeek跑一些简单任务，体验尚可，但复杂一点的仓库重构就经常卡在"无法理解工具返回"。所以我的结论是：第三方模型可以用于尝鲜或者低成本跑简单任务，生产级别的主力开发还是用官方模型靠谱。

还有一个常见报错是"No such model"或者"model_not_found"，多半就是你model字段写的名字和provider支持的名字对不上，或者你的账号没有该模型的权限（比如想用gpt-5-codex-max但你的订阅档位不支持）。这种就别折腾了，先查一下当前支持的model列表再说。

4.4 常见问题速查表

5. 新奇玩法：Codex还能这么玩

5.1 用MCP打通数据库，让它自己查数据写分析

这是我觉得Codex变"agent"之后最有想象力的一块。接一个SQLite或PostgreSQL的MCP服务器之后，你直接对它说："查一下最近30天订单表里销量最高的10个SKU，对比上周变化并生成一段分析。"它会自己调用数据库工具、写SQL、跑查询、读返回结果，最后给你一段完整分析。这种用法已经不是代码助手了，是数据分析实习生。

我接了一个轻量SQLite MCP之后，本地几十个项目的统计数据、仓库规模、依赖变更趋势都不用自己手写了。但前面省Token处也提醒过，给MCP工具加好"查询必须LIMIT"这类约束，不然它查个全表比请人分析还贵。

5.2 批量代码审查：让Codex当你的PR审阅机器人

Codex的codex review命令发布之后，我基本上把所有合并请求的初审都交给它了。让它在PR级别审查代码，输出问题清单、潜在Bug、风格问题，并给出修改建议。比我人工扫一遍快不少，而且它不会漏掉那种"改了A文件但忘了同步B文件引用"的跨文件问题。结合前面说的Github PR review功能，直接在评论里at它就能触发审查。

不过要记住，它是辅助审查不是替代者。我遇到过它把一些合理的架构选择当问题报出来、或者漏掉性能类隐患的情况。大方向看，Codex适合做"第一遍粗筛"，最终决策还得是人。

5.3 自动化文档和测试：你写代码，它写"售后"

写测试用例、补文档这类琐事是Codex最被低估的场景。你给它一个函数，让它"写一组边界值和异常路径的单元测试"，它会读函数实现、设计用例、把测试文件写好，甚至跑一遍验证。文档也一样，让它基于代码生成API说明、更新README的用法示例，基本不需要再人工改。它能从"写代码的agent"变成"代码周边的全能助理"，是因为这些任务都有明确的输入（代码内容）和明确的输出（测试/文档），上下文范围可控，token消耗也比较划算。

5.4 在编辑器里用Codex：不离开IDE也能开"自动驾驶"

Codex虽然是个CLI，但在VS Code这类编辑器里也有较好的集成。通过编辑器插件，你可以选中一段代码直接交给Codex处理，不用复制粘贴。开着分割窗口看它改代码，和终端里交互体验完全不同。如果习惯图形界面，建议体验一下，直观性提升很大。

5.5 把Codex当"研究助手"而不是"代码生成器"

前面说的都是写代码，但你完全可以跳出这个框。Codex天然能读很多东西：你的仓库、文档、日志、配置文件。你可以让它"分析这个项目里日志格式的变化，找出从2.x升级到3.x需要改的所有调用点"，或者"根据git历史总结这个模块最近五次提交都在改什么"。这种总结提炼类任务，Codex比人快太多了，token消耗也远低于让它硬写大段新代码。

还有个小技巧：Codex的记忆系统可以跨会话维护项目笔记。我会在每周末开一个会话，让Codex回顾这一周在这个仓库里做过的所有改动，整理成notes存进/mem。这样下周开工时，它能"记得"之前做过什么，而不需要我重新写一长段背景说明。

最后聊个我自己的心得。Codex这半年进步速度确实快，从单纯"替你敲命令"到"MCP接数据库、记忆跨会话、Cloud沙盒跑活"，每个版本都在往更成熟的agent方向走。但工具越强，越需要你管住它的工作范围。省Token的最核心不是找什么黑科技，而是更清晰地定义任务边界：告诉它做什么、不做什么、先看哪、别碰哪。省下的不光是钱，还有你等它跑完的时间。我见过很多人抱怨Codex又慢又贵，最后发现多半是因为任务描述写得像开盲盒——它只能靠猜，一猜就要多读文件、多跑命令、多试错。把这一个习惯改过来，整个体验会提升一大截。