OpenAI 近日在其官方帮助中心正式上线了 Codex 的完整文档集合，系统性地介绍了这款 AI 编程智能体的功能、使用方式与配套服务。Codex 被定义为可帮助用户更快地编写、审查和交付代码的 AI 编程智能体，文档覆盖了从安全审查、云端任务执行到 pull request 处理、用量分析等全链路能力。这一动作标志着 OpenAI 将 Codex 从早期的技术预览推进到了规范化、产品化的运营阶段，开发者首次可以依据官方文档系统性地了解并接入这一工具。
与以往零散的功能介绍不同，此次发布的文档以集合形式呈现，涵盖 Codex 安全、Codex 云端、Amazon Bedrock 配置、pull request 审查、用量重置机制、ChatGPT 桌面版集成以及学生专享额度等多个独立条目。每个条目都针对一个具体的产品能力或使用场景展开说明，形成了较为完整的产品知识体系。对于正在评估或已经使用 Codex 的开发团队而言，这意味着他们可以获得来自官方的权威操作指引，而不必依赖社区经验或第三方教程。
Codex 安全与漏洞识别成为文档核心板块
在本次发布的文档中，Codex 安全被置于显著位置。根据官方说明，用户可以通过 Codex Security 识别并验证已连接代码仓库中的漏洞，并对相应的修复方案进行审核。这一功能将 AI 编程智能体的能力从单纯的代码生成扩展到了安全审计领域，使 Codex 能够在代码提交之前就介入潜在风险的发现与修复流程。对于企业级开发场景而言，这种内置的安全审查能力有望降低代码上线后的漏洞暴露面。
文档还特别强调了修复方案的审核环节，这意味着 Codex 并非简单地给出漏洞告警，而是会提供可操作的修复建议并允许用户进行验证。这种设计思路体现了 AI 编程工具从辅助写作向辅助决策的演进方向。开发者可以在 Codex 的协助下完成从漏洞发现、修复建议生成到最终确认的完整闭环，而这一过程始终处于用户的控制之下。
安全能力的文档化也反映出 OpenAI 对 Codex 在企业环境中落地的重视。代码仓库的连接、漏洞的验证以及修复方案的审核，都涉及敏感的开发资产与流程，官方通过独立的安全文档条目对这些环节进行了说明，有助于打消开发团队在数据安全与流程合规方面的顾虑。
云端任务执行与 pull request 审查形成工作流闭环
Codex 云端是本次文档中另一个重点介绍的能力。根据官方描述，Codex 云端可以运行编程任务、保存任务文件，并配合用户的账户和工作空间使用。这意味着 Codex 不仅可以在本地环境中辅助编程，还能够以云端服务的形式承接更复杂的编程任务，并将任务产物持久化保存。对于需要跨设备协作或长时间运行任务的开发场景，云端能力提供了更大的灵活性。
在代码协作层面，Codex 提供了审查 pull request 的完整支持。文档指出，用户可以使用 Codex 查找 pull request、检查更改并处理审查反馈。这一流程覆盖了代码审查中最常见的三个环节：定位待审查的变更、理解变更内容、以及给出或处理审查意见。将 AI 智能体引入 pull request 审查，有望缓解开发团队在代码评审环节的人力瓶颈，尤其是在变更量大、审查周期长的项目中。
云端执行与 pull request 审查两项能力的结合，使 Codex 能够嵌入到从任务执行到代码合并的主流开发工作流中。开发者可以在云端发起编程任务，待任务完成后通过 Codex 审查相关 pull request，并基于审查反馈进行迭代。这种端到端的支持方式，是 Codex 区别于单一代码补全工具的重要特征。
Amazon Bedrock 配置与模型选择提供企业级接入路径
文档中专门设置了使用 Amazon Bedrock 配置 Codex 的条目，涵盖受支持的模型、AWS 凭证和本地客户端设置等内容。这表明 Codex 可以通过 Amazon Bedrock 平台调用 OpenAI 模型，为已经在 AWS 生态中构建基础设施的企业提供了一条更贴合现有架构的接入路径。对于有严格云服务采购规范的组织而言，通过 Bedrock 使用 Codex 可能比直接接入 OpenAI 服务更容易通过内部合规审查。
另一条目进一步说明了 Codex 如何使用 Amazon Bedrock 上的 OpenAI 模型，以及支持哪些本地工作流和功能。这意味着 Codex 在 Bedrock 环境下的能力边界已经被官方明确界定，开发者可以据此判断哪些功能可以在 Bedrock 上使用，哪些需要依赖其他接入方式。这种透明度对于企业技术选型至关重要。
在模型使用管理方面，文档还介绍了在工作和 Codex 中管理 GPT-6 Astra 用量的方法，包括理解模型选择、使用额度以及 Ultrafast 等选项。这表明 Codex 背后涉及多种模型与用量策略，用户需要根据自身套餐和任务需求进行合理配置。官方将这些信息纳入文档，有助于用户避免因用量超限或模型选择不当而影响开发效率。
用量分析与重置机制完善账户管理体验
Codex 的用量管理在文档中占据了多个条目。其中，储存的 Codex 重置如何运作这一条目详细说明了重置的使用方式、过期时间以及问题排查方法。对于按周期使用 Codex 的用户而言，理解重置机制直接关系到任务规划与额度分配。官方将重置规则文档化，可以减少用户因不熟悉规则而造成的额度浪费或使用中断。
在 ChatGPT 桌面版中查看工作和 Codex 使用情况并使用个人分析这一条目，则介绍了如何查看工作和 Codex 用量、检查每月用量限额，以及使用个人分析探索活动规律。这意味着用户可以在桌面客户端中集中掌握自己的 Codex 使用情况，并通过分析功能了解自身的编程活动模式。这种用量可视化能力对于个人开发者优化工作习惯、对于团队管理者评估工具投入产出都具有参考价值。
文档还涉及在 ChatGPT 套餐中使用 Codex 的访问与入门方式，以及如何在 ChatGPT 应用中归档和删除 Codex 聊天。后者特别说明，用户必须先归档聊天才能将其删除，这一细节体现了 Codex 聊天记录管理的具体操作约束。通过归档隐藏侧边栏中的聊天、再删除不再需要的记录，用户可以保持工作空间的整洁，同时避免误删重要对话。
学生专享额度与产品化运营策略逐渐清晰
本次文档中还包含学生专享 Codex 额度 — 服务条款这一条目，列出了面向大学生的 Codex 额度相关资格要求、验证方式、兑换流程及条款。这表明 OpenAI 正在通过专项额度计划吸引学生群体使用 Codex，培养未来的开发者用户基础。将服务条款单独成文，也说明该计划有明确的适用边界和操作规范，并非简单的促销活动。
从整体文档结构来看，OpenAI 对 Codex 的运营已经形成了多层次的产品体系：面向个人开发者的 ChatGPT 套餐接入、面向学生群体的专享额度、面向企业用户的 Amazon Bedrock 配置路径，以及贯穿其中的安全、云端、审查与用量管理能力。这种分层设计有助于 Codex 覆盖从学生到专业开发团队的不同用户群体。
综合来看，Codex 帮助中心文档的发布，是 OpenAI 将 AI 编程智能体推向规范化产品运营的重要一步。文档所覆盖的安全审查、云端任务、pull request 处理、模型配置与用量分析等能力，共同构成了一个从代码生成到安全交付的全链路支持体系。随着这些能力被系统性地文档化，开发者对 Codex 的预期与使用方式也将更加明确，AI 编程智能体的产品化竞争有望进入新的阶段。
数据来源:OpenAI(原文)
