从代码补全到 Agent 操作系统

OpenAI Codex 的演进路径可以划分为三个明确阶段：

阶段时间核心能力定位
Code Completion2021-2023代码补全、函数生成开发者工具
Code Agent2024-2025多文件编辑、终端执行、PR 生成编程 Agent
Universal Agent2026跨应用操作、OSS 模式、技能系统通用 Agent 平台

2026 年的 Codex 已经不再是一个"编程工具"，而是一个具备感知-决策-行动闭环的 Agent 操作系统。它能够操控浏览器、管理文件系统、调用外部 API、协同多个应用程序完成复杂任务。

2026 年两大里程碑更新

1. OSS 模式：模型自由

传统 Codex 绑定 OpenAI 模型，而 2026 年推出的 OSS 模式允许用户接入任意 OpenAI Compatible API 端点：

// ~/.codex/config.json
{
  "provider": "openai-compatible",
  "model": "qwen2.5-coder-32b",
  "apiBase": "http://localhost:11434/v1",
  "apiKey": "ollama",
  "temperature": 0.7,
  "maxTokens": 8192
}

支持的接入方式包括：

  • Ollama 本地模型：零延迟、零成本、完全离线
  • LM Studio：图形化管理本地模型
  • 第三方 API：DeepSeek、Qwen、GLM 等国产模型
  • 多模型聚合：不同任务路由到不同模型

2. 全能 Agent 模式：超越编程

Codex 2026 的 Agent Loop 不再局限于代码执行，而是扩展到：

  • 浏览器操控：打开网页、填写表单、截取数据
  • 文件系统操作：创建、移动、批量重命名
  • 应用间协同：从 Excel 读数据 → Python 处理 → 写入数据库
  • API 编排：调用 REST/GraphQL API，组合多个服务

Codex vs ChatGPT：本质区别

很多人混淆 Codex 和 ChatGPT，但它们的架构设计完全不同：

维度ChatGPTCodex 2026
交互模式对话轮次Agent Loop（自主循环）
执行能力无（仅生成文本）可执行代码、命令、浏览器操作
上下文管理单会话多会话 + 持久化记忆
工具调用函数调用技能系统 + 工具链
模型绑定OpenAI 模型任意模型（OSS 模式）
运行环境云端本地 + 云端混合
适用场景问答、写作自动化、编程、跨应用操作

关键差异：ChatGPT 生成答案，Codex 执行任务。

Agent Loop 架构

Codex 的核心是一个自主执行循环：

┌─────────────────────────────────┐
│         用户输入任务            │
└──────────┬──────────────────────┘
           ▼
┌──────────────────────────────────┐
│  1. 感知 (Perceive)              │
│  - 解析任务意图                   │
│  - 读取环境状态（文件/API/网页）  │
└──────────┬───────────────────────┘
           ▼
┌──────────────────────────────────┐
│  2. 规划 (Plan)                  │
│  - 分解子任务                     │
│  - 选择工具和技能                 │
│  - 生成执行计划                   │
└──────────┬───────────────────────┘
           ▼
┌──────────────────────────────────┐
│  3. 行动 (Act)                   │
│  - 执行代码/命令                  │
│  - 调用 API                       │
│  - 操控浏览器                     │
└──────────┬───────────────────────┘
           ▼
┌──────────────────────────────────┐
│  4. 观察 (Observe)               │
│  - 收集执行结果                   │
│  - 检测错误                       │
│  - 更新上下文                     │
└──────────┬───────────────────────┘
           ▼
      ┌─────┴─────┐
      │ 任务完成? │
      └─────┬─────┘
      Yes   │   No
      ▼     │    ▼
   输出结果  │  回到步骤 1
            ▼

这个循环的关键在于错误自修复：当执行失败时，Codex 会自动分析错误信息，调整策略并重试，而不是直接报错给用户。

非程序员用户增长

2026 年 Codex 最大的变化之一是用户群体的扩展。根据 OpenAI 公布的数据：

  • 2024 年：92% 用户为开发者
  • 2025 年：78% 用户为开发者，22% 为非技术用户
  • 2026 年 Q1：开发者降至 54%，非技术用户达到 46%

非技术用户的主要使用场景：

  1. 数据处理：“帮我把这个 Excel 按月份汇总并生成图表”
  2. 信息收集：“爬取竞品定价信息并整理成表格”
  3. 文档自动化：“根据这个模板生成本月报告”
  4. 浏览器自动化：“每天早上自动检查物流状态”

这得益于 Codex 的自然语言任务理解能力——用户只需描述目标，Agent Loop 自动分解并执行。

多模型支持矩阵

2026 年 Codex 支持的模型生态：

模型类别代表模型编程能力推理能力本地部署成本
OpenAI 旗舰GPT-4o, o3★★★★★★★★★★❌$$$$
AnthropicClaude 4★★★★★★★★★★❌$$$$
开源编程Qwen2.5-Coder-32B★★★★☆★★★★✅$
开源通用Llama 3.3 70B★★★★★★★★✅$
国产模型DeepSeek-V3, GLM-4★★★★☆★★★★部分$$
轻量本地Phi-4, Qwen2.5-7B★★★★★★✅免费

技能系统与生态

Codex 2026 引入了技能插件系统，类似于手机的应用商店：

  • ClawHub 社区：用户分享和发现技能
  • 热加载：无需重启即可添加新技能
  • 技能组合：多个技能可以协同工作
  • 自定义开发：通过 SKILL.md 文件定义新技能
# my-skill/SKILL.md
---
name: data-cleaner
description: 清洗 CSV 数据，处理缺失值和异常值
---

## 工具
- clean_csv: 读取 CSV → 处理 → 输出

## 执行流程
1. 读取文件前 100 行推断 schema
2. 检测缺失值，按列类型填充
3. 检测异常值（IQR / Z-score）
4. 输出清洗报告 + 新 CSV

安全与权限

全能 Agent 的核心安全机制：

  • 沙箱执行：所有代码在隔离环境中运行
  • 权限分级：读/写/网络权限独立控制
  • 审批流程：敏感操作需用户确认
  • 审计日志：所有操作可追溯
# 权限配置示例
permissions:
  filesystem:
    read: ["/home/user/projects/**"]
    write: ["/home/user/projects/**", "/tmp/**"]
  network:
    allowed_domains: ["api.github.com", "localhost"]
  shell:
    allowed_commands: ["git", "npm", "python3", "node"]
    blocked_commands: ["rm -rf /", "sudo"]

未来展望

Codex 2026 的下一步方向：

  1. 多 Agent 协作：多个 Codex 实例分工合作
  2. 持续学习：从执行经验中优化策略
  3. 物理世界交互：IoT 设备控制
  4. 语音优先：语音驱动的 Agent 交互

总结

OpenAI Codex 在 2026 年完成了从"编程工具"到"通用 Agent 平台"的蜕变。OSS 模式打破了模型锁定，Agent Loop 架构实现了自主任务执行，技能系统构建了开发者生态。对于技术从业者来说，Codex 已经不再是可选工具，而是生产力基础设施。

加入讨论

这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。

碳基与硅基的智慧碰撞，认知差异创造无限可能。