国外 LLM 工具实战：从编码到多模态

Codex（OpenAI）：你的 AI 编程搭档

前言：Codex 能帮你做什么

Codex 是 OpenAI 出品的 AI 编程搭档，你可以把它理解成一个「住在终端里的程序员助手」。它的核心能力有三个：读懂代码、改代码、写新代码。和普通的代码自动补全工具不同，Codex 不是猜你下一行写什么，而是理解你整个项目的上下文，然后像一个真人程序员一样多步骤地执行任务。

不懂编程的人能用吗？能。你可以让 Codex 帮你读一段代码、用大白话解释它做了什么，或者帮你定位一个报错的原因。不需要写代码，只需要用中文描述你要什么。

懂编程的人怎么用？修 bug、加功能、写测试、重构、提 PR，Codex 都能胜任。把 Codex 当成一个 24 小时在线的初级工程师，你负责审查它的产出就好。

怎么和它对话？Codex 支持自然语言，你说中文它完全能懂。所有 ChatGPT Plus / Pro / Team / Enterprise 套餐都自带 Codex，也可以通过 OpenAI API Key 调用。

第 1 步：安装 Codex

不管你用什么操作系统，Codex 都装在同一类地方：一个叫「终端」或「命令行」的程序里。下面按系统分别说明。

macOS 用户

1. 按 Command + 空格，输入 Terminal（终端），回车打开。
2. 把下面这行命令粘贴进去，按回车：

# macOS 安装 Codex
curl -fsSL https://chatgpt.com/codex/install.sh | sh

3. 等脚本跑完，看到 Installation complete 就说明装好了。

如果你习惯用 Homebrew 管理软件，也可以用：

# Homebrew 方式安装
brew install codex

Linux 用户

1. 按 Ctrl + Alt + T 打开终端（不同发行版快捷键可能不同，在应用列表里搜 Terminal 也可以）。
2. 粘贴下面命令，回车执行：

# Linux 安装 Codex
curl -fsSL https://chatgpt.com/codex/install.sh | sh

3. 如果有权限问题，在前面加 sudo：

# 如果提示权限不足
sudo curl -fsSL https://chatgpt.com/codex/install.sh | sh

Windows 用户

1. 按 Win + R，输入 powershell，回车打开 PowerShell。
2. 粘贴下面命令，回车执行：

# Windows 安装 Codex（PowerShell）
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

3. 如果弹出安全提示，选「允许」。跑完后关闭 PowerShell 再重新打开即可使用。

第 2 步：登录和第一次会话

Codex 需要登录你的 OpenAI 账号才能使用。推荐用 ChatGPT 账号登录，简单两步：

方式一：用 ChatGPT 账号登录（推荐）

1. 终端里输入 codex 回车。
2. 浏览器会自动弹出一个 OpenAI 登录页，点「确认授权」，终端会自动收到登录信息。

# 启动 Codex，按提示完成浏览器授权
codex
# 首次启动会弹出浏览器登录页面
# 登录成功后终端会显示欢迎信息

方式二：用 API Key 登录

1. 先到 platform.openai.com/api-keys 创建 API Key。
2. 设置环境变量：

# macOS / Linux 设置 API Key
export OPENAI_API_KEY="sk-你的key"

# Windows PowerShell 设置 API Key
$env:OPENAI_API_KEY="sk-你的key"

API Key 方式不需要浏览器弹出登录，适合服务器环境或用自动脚本调用的场景。

第 3 步：第一个任务：让 Codex 解释代码

从最安全的操作开始：让 Codex 帮你读代码并解释它在做什么。这个操作不会修改你的任何文件，特别适合零基础学员。

场景演示

假设你有一个 utils.py 文件，里面有个看了半天也没看懂的 process_data 函数。

# 进入你的项目目录
cd ~/my-project

# 启动 Codex
codex

# 在 Codex 的交互窗口里输入（回车发送）
# 你：阅读 src/utils.py 里的 process_data 函数，用中文解释它做了什么，
#      每一步是什么意思，输入什么，输出什么

Codex 会自动读取文件内容，然后用大白话告诉你函数是怎么工作的。你可以继续追问：

# 继续追问
# 你：这个函数的第 15 行是什么意思？为什么用 lambda？

# 你：如果输入不对，可能会怎么报错？

# 你：能帮我把这个函数改写成更易懂的版本吗？（不要直接改，先展示给我看）

这个阶段你可以尽情问问题，Codex 不会动你的代码，纯聊天。多试几次，你会慢慢习惯用自然语言和 AI 交流。

第 4 步：让 Codex 帮你修 bug

修 bug 是 Codex 最擅长的功能之一。关键是把 bug 描述清楚：什么现象、什么时候出现、有没有错误消息。

# 修改前先建一个临时分支
git checkout -b codex-fix-bug

# 修完后如果满意，合并回主分支
# 如果不满意，直接切回去就好
git checkout main

如何描述 bug

一个好的 bug 描述包含三个要素：

1. 现象：发生了什么？（网页白屏、报错 500、计算结果不对）
2. 复现步骤：怎么操作会出问题？（点哪个按钮、输入什么数据）
3. 期望结果：正常情况应该是什么样？

# 坏的描述（太模糊）
# 你：帮我修个 bug
# Codex：请告诉我具体是什么 bug？这样对话效率很低

# 好的描述（三要素齐全）
# 你：app.py 的 /login 接口在输入错误密码时返回 500 错误，
#      应该返回 401 并提示"密码不正确"。请定位原因并修复。

审查 Codex 的修改

Codex 改完代码后会展示一个 diff（差异对比），告诉你改了哪些行。你需要：

1. 逐条看改了什么，确认每一条改动你都能看懂
2. 如果看不懂某条改动，直接问 Codex：「这条为什么这么改？」
3. 确认没问题后告诉 Codex「确认」，它才会真正写入文件
4. 修完后跑一下测试，验证修好了没有引入新问题

第 5 步：让 Codex 帮你加新功能

这一步教你把一个模糊的需求变成可运行的代码。我们用加日志功能作为例子，因为这个需求很通用，几乎所有项目都需要。

例子：给 Python 脚本加日志功能

假设你有一个 data_processor.py 脚本，负责读文件、处理数据、写结果，但它没有任何日志，出错了也不知道卡在哪一步。

# 启动 Codex 并描述需求
codex

# 你：data_processor.py 现在没有任何日志。请在关键步骤加上 logging，
#      要求：
#      1. 程序启动时记录一行日志
#      2. 每个主要步骤开始和结束时各记一行
#      3. 出错时记录完整错误堆栈
#      4. 同时输出到控制台和 app.log 文件
#      5. 日志格式为：[时间] [级别] 消息

Codex 会：

1. 先分析 data_processor.py 的结构，找出哪些是主要步骤
2. 展示修改方案给你审查
3. 你确认后写入文件

# 改完后在终端验证
python data_processor.py
# 看控制台有没有日志输出

cat app.log
# 看日志文件内容是否正确

# 让 Codex 帮你写测试
# 你：帮我给刚才加的日志功能写个简单测试，
#      确保日志确实会写到 app.log 里

第 6 步：进阶：多文件操作

真实项目往往不是一个文件就能搞定的。Codex 支持跨文件操作，能同时理解多个文件的关系，并保持改动的全局一致性。

场景：重构一段跨文件逻辑

假设你的项目结构是：

# 项目结构示意
my-api/
  app.py          # 主入口，定义路由
  models/user.py   # 用户模型
  utils/auth.py    # 认证逻辑
  tests/           # 测试文件

你想把认证逻辑从 utils/auth.py 移到 models/user.py 里，并更新所有引用这个模块的文件。

# 你：把 utils/auth.py 里的认证逻辑合并到 models/user.py，
#      更新 app.py 里的 import 语句，
#      同步更新 tests/ 下所有测试文件的 import，
#      确认删除 utils/auth.py 前所有引用都已迁移。

Codex 会自动：

1. 读取相关文件的当前内容
2. 找出所有引用 utils.auth 的地方
3. 展示完整的改动方案（涉及哪些文件、每种改了什么）
4. 确认后逐个文件执行修改

多文件操作注意事项

• 一次改一个主题：不要同时让 Codex 重构认证逻辑又改数据库结构，分开来降低风险
• 每步跑测试：多文件改动涉及面广，每改完一组就跑一次测试，问题早发现
• 善用 Git diff：用 git diff 检查所有改了哪些文件，全局把关
• 让 Codex 自己列出改动清单：在确认之前问它「请列出你准备修改哪些文件，每个改了什么」

第 7 步：进阶：Git 和 CI/CD 集成

Codex 不仅能改代码，还能帮你打理版本控制和 CI 流水线。

自动写 Git commit message

# 你：基于这次改动生成一条规范的 commit message
# Codex 会分析 git diff 后输出类似：
#
# feat: 给 data_processor.py 添加完整日志功能
#
# - 启动时记录程序版本和启动时间
# - 每个处理步骤开始和结束时各记一条 INFO 日志
# - 异常时记录完整错误堆栈到 ERROR 级别
# - 同时输出到控制台和 app.log 文件

自动提 PR

Codex 支持 GitHub 集成，可以在你审查完改动后直接提交为 Pull Request：

# 你：把改动推到 GitHub 并创建 PR，
#      标题：feat: 添加日志系统
#      描述写清楚改了什么、怎么测试

在 CI 流水线里调用 Codex

自动化场景下用非交互模式，适合放在 GitHub Actions、Jenkins 等 CI 系统里：

# 非交互模式，适合 CI 脚本
CODEX_NON_INTERACTIVE=1 codex exec "为 utils.py 补充单元测试"

# GitHub Actions 片段示意
# jobs:
#   codex-review:
#     steps:
#       - run: CODEX_NON_INTERACTIVE=1 codex exec "审查本次 PR 的代码变更"

第 8 步：实战：从零到 PR，全程 Codex

用一个真实场景走一遍完整流程：给一个 Flask API 项目加用户认证功能。从需求分析到提 PR，全程用 Codex 完成。

场景设定

你的项目是一个简单的 Flask API，有 /health 和 /api/data 两个接口，目前没有认证。

第一步：需求分析

# 你：分析当前项目结构，告诉我如果要加用户认证，
#      需要改哪些文件，每个文件改什么，大概多少工作量
#
# Codex 会输出类似：
# 1. app.py：添加 /register 和 /login 两个新路由
# 2. 新建 models/user.py：定义 User 模型
# 3. 新建 middleware/auth.py：JWT 认证中间件
# 4. 修改 requirements.txt：加 bcrypt 和 PyJWT 依赖
# 5. 修改 /api/data：接入认证中间件
# 6. 新建 tests/test_auth.py：认证相关测试

第二步：逐步实现

# 先修依赖
# 你：帮我在 requirements.txt 里加上 bcrypt 和 PyJWT

# 建用户模型
# 你：新建 models/user.py，定义 User 模型，
#      字段：id / username / password_hash / created_at

# 注册接口
# 你：在 app.py 加 POST /register 路由，
#      接收 username 和 password，用 bcrypt 加密后存库，
#      返回 201 和用户 id

# 登录接口
# 你：在 app.py 加 POST /login 路由，
#      验证用户名密码，返回 JWT token

# 认证中间件
# 你：新建 middleware/auth.py，写一个 JWT 认证装饰器

# 保护接口
# 你：给 /api/data 路由加上认证中间件

第三步：写测试

# 你：创建 tests/test_auth.py，写测试用例覆盖：
#      1. 正常注册 返回 201
#      2. 重复注册 返回 409
#      3. 正确登录 返回 token
#      4. 错误密码 返回 401
#      5. 不带 token 访问受保护接口 返回 401

第四步：审查并提 PR

# 你：跑一下测试，如果有失败直接修
# Codex 执行测试，修所有失败用例

# 你：基于这次改动生成 commit message，提交并创建 PR

全程总结

整个流程你只需要用中文描述每一步要做什么，Codex 负责读代码、写代码、跑测试。你的核心工作变成了「审查」和「决策」，而不是「敲键盘」。零基础同学按这个流程，第一次就能完成一个完整的工程任务。

第 9 步：写好 Codex 提示词的 10 个技巧

提示词的质量直接决定 Codex 的输出质量。下面 10 条技巧来自实战经验：

学习检查清单

对照下面的清单，逐个检查你是否掌握了 Codex 的用法：

• 我能独立安装 Codex（三平台任选其一）
• 我成功登录并启动了一次交互式会话，Codex 能正常回复
• 我让 Codex 解释了一个看不懂的代码文件，并看懂了它的回答
• 我描述了一个 bug（现象 + 复现 + 期望），Codex 定位了原因并修复
• 我审查过 Codex 的 diff 输出，确认没问题后才让它写入文件
• 我让 Codex 给项目加了新功能（比如日志、错误处理、参数校验）
• 我做过一次跨文件操作：改了模块 A，更新了所有引用它的文件
• 我在修改前建了 Git 分支，改完后用 git diff 检查了所有改动
• 我让 Codex 帮我生成过 commit message 或提过 PR
• 我完整走了一次「需求 → 改动 → 测试 → 提交」的全流程
• 我能用要点列表格式写出让 Codex 一次做对的提示词
• 我知道怎么让 Codex 先展示方案再执行（安全第一）

与本站教程的衔接

学好 Codex 的使用只是第一步，本站还有更多内容帮你在 AI 方向走得更远：

• 提示词工程：写好提示词的本质是「准确传达需求」。这里的技巧不仅适用 Codex，也适用 ChatGPT、Claude、Gemini 等所有 LLM。
• AI Agent 编排：Codex 是典型的「编码智能体」。学会 Agent 编排后，你可以让 Codex 和其他工具（数据库、API、搜索引擎）联合工作，自动完成更复杂的任务。
• 评估与评测：Codex 改完代码后怎么验证质量？评估模块教你建立回归测试体系，用自动化手段把关 AI 生成的代码。
• 安全与对齐：Codex 的权限模式和沙箱能力是这个模块的直接应用场景：用安全策略管好 AI 能碰哪些文件、能跑哪些命令。
• RAG 检索增强：当项目文档太多时，先让 RAG 系统帮你检索相关上下文，再把结果喂给 Codex，改代码更准。
• 国内 LLM 工具：想用国产工具？国内篇介绍了 WorkBuddy、Qwen、GLM 等方案，同样有「安装 → 配置 → 实战」的完整路径。

Claude（Anthropic）

Claude 是 Anthropic 的模型家族，以长上下文、稳健推理与「宪法式」对齐著称。Claude Code 是其命令行编程智能体，能读仓库、编辑、跑命令。

1. 工具介绍与背景

Claude 擅长长文档理解与谨慎执行，是做代码库级重构、文档生成和 Agent 的热门底座。Claude Code 与 Codex 定位接近，但更强调在终端里渐进式协作。

2. 安装部署流程

# 用 npm 全局安装 Claude Code
npm install -g @anthropic-ai/claude-code

3. 注册与账号配置

登录 Anthropic 账号或填入 API Key；团队版可配组织令牌与权限策略。

export ANTHROPIC_API_KEY="你的key"
claude        # 在仓库目录启动

4. 基础使用方法

# 让 Claude Code 解释并改造当前项目
claude "阅读 src/ 目录，给每个公开函数补类型注解"

# 走 SDK 做带工具调用的对话
from anthropic import Anthropic
client = Anthropic()
r = client.messages.create(
    model="claude-opus-4",
    max_tokens=1024,
    messages=[{"role":"user",
               "content":"用一句话总结这段代码的作用。"}],
)
print(r.content[0].text)

5. 与本站教程的衔接

Claude 长上下文适合整库级RAG问答；其工具调用是AI Agent的现成积木；接入评估时可作为被评测模型之一。

Gemini（Google）

Gemini 是 Google 的多模态模型家族，原生支持文本、图像、音频、视频，长上下文窗口大，且通过 AI Studio 与 Vertex AI 提供易用的接入。

1. 工具介绍与背景

最大亮点是「原生多模态」：一次输入就能混合图文音视频，契合多模态应用模块。免费层即可在 AI Studio 里快速试跑。

2. 安装部署流程

# 安装 Google GenAI SDK
pip install google-genai

3. 注册与账号配置

在 Google AI Studio 创建 API Key，配置到环境变量。

export GEMINI_API_KEY="你的key"

4. 基础使用方法

from google import genai

client = genai.Client()
resp = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="描述这张图片里的流程图，并给出优化建议。",
)
print(resp.text)

5. 与本站教程的衔接

Gemini 的多模态能力直接对应多模态应用模块；其 Embedding 可作为向量数据库的向量化前端；大窗口适合把长文档直接丢进RAG链路做端到端问答。

横向对比

Codex 偏「编码智能体」（改代码、提 PR），Claude 偏「稳健推理与长上下文协作」，Gemini 偏「原生多模态」。选型原则：做工程自动化选 Codex；做长文档/谨慎推理选 Claude；做图文音视频混合理解选 Gemini。