前言去年 OpenAI 推出 Codex CLI 的时候我只是当成一个终端玩具随便试了试。结果到了 2026 年回头一看围绕 Codex 已经长出了一整个生态——官方有 CLI、Desktop App、IDE 扩展、Web Cloud 四条线社区又冒出了 OpenCode、OpenClaw 这些第三方工具甚至还有人把订阅账号反代成 API 给其他工具用。作为一个日常开发中把这些东西都趟了一遍的人我觉得有必要做一次完整的梳理。这篇文章不是功能列表的罗列而是从实际使用的角度聊聊每种场景适合什么工具、各自有什么坑。一、Codex CLI终端党的主力武器Codex CLI 是 OpenAI 的开源项目本质上是一个跑在终端里的 coding agent。安装方式很简单npmi-gopenai/codex# 或brewinstall--caskcodex装完直接敲codex就能进入交互模式。实际体验我日常用 Codex CLI 做的事情主要是三类快速修 bug在项目目录里直接说fix the failing test它会读代码、跑测试、定位问题、改代码一套下来比我自己 debug 快得多。关键是它改完会自己再跑一遍测试确认这个闭环做得比较扎实。代码重构比如refactor the auth module to use middleware pattern它能理解整个项目的上下文跨文件改动而且风格上会尽量贴近你现有代码的写法。一次性脚本codex exec write a script to migrate all user emails to lowercase这种一次性任务特别好用exec 模式跑完就退出不用进交互界面。模型选择目前默认模型是 GPT-5.4对大多数任务已经够用。如果你是 ChatGPT Pro 用户还能用 GPT-5.3-Codex-Spark这个模型优化过延迟对实时交互体验提升明显。通过/model命令或者--model参数可以随时切换。认证方式有两种路径用 ChatGPT 账号登录Plus 和 Pro 用户有免费 API 额度或者直接配 API key。前者对个人开发者更友好后者适合需要精确控制用量的场景。二、Codex Desktop App多 Agent 并行的指挥中心2026 年 2 月 OpenAI 发布了 Codex 桌面应用先出 macOS3 月跟进了 Windows。这不是简单地把 CLI 套一层 GUI而是真正解决了一个痛点并行管理多个 coding agent。核心能力桌面端最有价值的能力是worktree 隔离。每个 agent 在独立的 git worktree 里工作互不干扰。你可以同时开三个任务——一个写新功能、一个修 bug、一个做代码审查——它们各自在独立的代码副本上操作不会互相冲突。Skills 系统也值得一提。Skills 本质上是打包好的指令集 资源 脚本让 Codex 能做写代码之外的事情。比如用图片生成 Skill 可以让 Codex 直接调 GPT Image 生成 UI 素材然后把它用到前端代码里。Automations是后台自动化功能issue 分类、CI/CD 监控、告警响应这些重复性工作可以配置成自动运行agent 有结果会推送到收件箱。适合谁如果你日常工作需要同时推进多个任务或者团队里想把一些 routine 工作交给 AI 代理桌面端是比 CLI 更合适的选择。CLI 更适合单线程、当前任务的快速交互。三、OpenCode开源阵营的有力替代OpenCode 是 SST 团队做过 SST serverless 框架那帮人用 Go 写的终端 coding agentGitHub 上已经超过 14 万 star月活超过 650 万开发者。和 Codex CLI 的核心区别模型自由度OpenCode 支持 75 模型提供商包括 Anthropic、OpenAI、Google、Mistral、Groq、OpenRouter 等等。你可以用 Claude Sonnet 4.5 跑 OpenCode也可以接 Ollama 跑本地模型。Codex CLI 虽然也支持自定义 provider但默认绑定 OpenAI 生态。零订阅费用OpenCode 本身 MIT 协议完全免费费用只取决于你用哪个模型的 API。如果接 Copilot 认证或者某些免费 tier 的模型甚至可以零成本使用。TUI 体验OpenCode 的终端界面用 Bubble Tea 框架做的体验相当流畅。内置 Build 和 Plan 两个 agentTab 键一按就能切换——Plan 模式只分析不改代码适合先让 AI 出方案再决定要不要执行。安装curl-fsSLhttps://opencode.ai/install|bash# 或brewinstallanomalyco/tap/opencode我的使用方式我主要在两个场景用 OpenCode测试新模型和需要非 OpenAI 模型的项目。比如有些项目我更倾向于用 Claude 来做代码审查这时候 OpenCode 配 Anthropic API 就比 Codex CLI 方便得多。另外 OpenCode 还有桌面端和 IDE 扩展生态也在快速补齐。四、OpenClaw把 AI Agent 变成你的私人助手OpenClaw 的定位和前面几个工具不太一样——它不只是一个 coding agent而是一个跨平台的个人 AI 助手框架。核心思路是通过 WhatsApp、Telegram、Slack、Discord、微信等消息渠道和 AI agent 交互。架构OpenClaw 跑一个本地 Gateway 进程通过 WebSocket 连接各种消息渠道。你可以在 WhatsApp 里给你的 agent 发消息它会调用后端的 AI 模型来完成任务——写代码、搜索网页、管理日历、发邮件甚至通过 ACPAgent Client Protocol调度 Codex、Claude Code 等其他 coding agent。npminstall-gopenclawlatest openclaw onboard --install-daemon用 OpenClaw 编排 CodexOpenClaw 的 coding-agent skill 可以直接调 Codex CLI 来执行任务# 在 OpenClaw 中调度 Codex 做后台任务bashpty:true workdir:~/project background:true\command:codex --yolo exec Build a REST API for todos这个组合的意义在于你可以在手机上通过 WhatsApp 给 agent 布置编程任务它在服务器上用 Codex 执行完成后推送通知给你。真正的异步 coding workflow。适合什么人OpenClaw 的学习曲线比较陡配置项多安全设置也需要注意默认 Gateway 是开放的一定要做认证配置。适合折腾能力强、想深度定制 AI 工作流的开发者。五、反代成 API把订阅额度榨干这是我最近花了不少时间研究的一个方向。核心思路是ChatGPT Plus/Pro 订阅包含了 Codex 的使用额度而 Codex 底层用的是 Responses API。通过反向代理可以把这个能力暴露成标准的 OpenAI 兼容 API给 Cursor、Windsurf、Cline 等其他工具使用。方案一config.toml 自定义 ProviderCodex CLI 原生支持自定义 model provider。在~/.codex/config.toml里配置model gpt-5.4 model_provider proxy [model_providers.proxy] name My LLM proxy base_url http://proxy.example.com env_key OPENAI_API_KEY wire_api responses这是最轻量的方式适合把 Codex 指向自己的中转服务比如你需要做请求日志、用量统计、或者多账号负载均衡的场景。我目前在用的是 https://chongai.pro 充值的 ChatGPT Plus 订阅通过这种方式配合 Codex CLI 使用日常开发基本够用。方案二CLIProxyAPICLIProxyAPI 是社区做的一个 Go 项目它把 Codex、Claude Code、Gemini CLI 等工具的 OAuth 认证封装成了 OpenAI 兼容的 API 端点。gitclone https://github.com/router-for-me/CLIProxyAPI.gitcdCLIProxyAPImakerun启动后你的 Cursor 或者其他工具只需要配置Base URL: http://localhost:8317/v1 Model: gpt-5-codex就能直接用 ChatGPT 订阅的额度调 Codex 模型了不需要额外的 API 费用。方案三codex-lb 负载均衡codex-lb 是另一个思路——专门做 Codex 的负载均衡代理支持多账号轮转、WebSocket 转发、用量追踪。适合团队场景多个开发者共享几个 Codex 账号。风险提示反代使用本质上是利用订阅额度的灰色地带。OpenAI 的 TOS 对此没有明确态度但理论上存在账号风控风险。个人使用问题不大大规模商业化搞这个我不建议。六、怎么选一张决策表简单粗暴地做个判断场景推荐工具理由日常单任务开发Codex CLI最轻量和 terminal 工作流无缝衔接多任务并行管理Codex Desktopworktree 隔离 agent 编排想用非 OpenAI 模型OpenCode75 模型支持零订阅费异步/移动端编程OpenClaw CodexWhatsApp 布任务agent 后台执行给 IDE 工具供 APICLIProxyAPI / config.toml订阅额度复用团队共享 Codexcodex-lb多账号负载均衡七、一些使用建议先搞清楚认证方式。Codex CLI 现在支持 ChatGPT 账号直接登录Plus 用户有 $5、Pro 用户有 $50 的免费 API 额度。很多人不知道自己的 ChatGPT 订阅其实已经包含了 Codex 的使用权限。善用 AGENTS.md。在项目根目录放一个 AGENTS.md 文件写清楚项目的架构、代码规范、常见坑点。Codex 和 OpenCode 都会读这个文件作为上下文能显著提升输出质量。控制好权限模式。Codex CLI 有四个审批模式suggest只建议不执行、auto-edit自动改文件但命令需要审批、full-auto全自动、和 yolo连网络访问都放开。日常开发建议用 auto-edit跑 CI 脚本再上 full-auto。模型不是越贵越好。GPT-5.4-mini 处理简单的代码问答和小改动绰绰有余响应速度还快。重型任务再切 GPT-5.3-Codex 或 GPT-5.4。OpenCode 用户可以按同样的逻辑在 Claude Sonnet 和 Opus 之间切换。结尾2026 年的 AI coding 工具已经从能用进化到了好用的阶段。不管你是纯终端党、IDE 党、还是喜欢在手机上远程操控的效率狂人都能找到适合自己的工作流。关键不是追最新的工具而是搞清楚自己的实际需求然后选一个顺手的深度用起来。