OpenAI Codex
Codex работает агентом OpenAI для задач с кодом, файлами и инструментами. Харнес (agent harness) связывает модель с рабочей средой: читает проект, выполняет изменения, запускает проверки и управляет разрешениями. Общая механика разобрана на странице «Харнес».
Для выбора важны две независимые вещи: где выполняются команды и какая модель принимает решения. Сессия на ноутбуке и облачная задача могут получить одинаковый промпт, но разные файлы, инструменты и доступы.
Где работает Codex
Заголовок раздела «Где работает Codex»- CLI (command-line interface). Работа в терминале из каталога проекта. Исходный код CLI открыт: репозиторий OpenAI, лицензия Apache-2.0.
- Расширение IDE (integrated development environment). Агент рядом с редактором и изменениями в коде.
- Приложение ChatGPT на компьютере. Интерфейс Codex для работы с проектами; набор доступных возможностей зависит от версии приложения и настроек организации.
- Облачные задачи. Выполняются в подготовленном удалённом окружении. Незакоммиченные файлы и локальные сервисы не следует считать автоматически доступными в облаке.
Выбирайте поверхность под работу, затем проверяйте её фактические права. Общий аккаунт не означает одинаковое окружение во всех сессиях.
Как передать правила и разделить работу
Заголовок раздела «Как передать правила и разделить работу»Для памяти проекта используется AGENTS.md: команды сборки, соглашения и ограничения. Глобальные инструкции и вложенные файлы дополняют правила репозитория. Генерацию через /init рассматривайте как заготовку для ревью.
Codex поддерживает скилы в формате SKILL.md. Проектные процедуры можно хранить в .agents/skills/, личные в ~/.agents/skills/. Скил вызывается явно через $имя или выбирается по описанию; подробности и дополнительные пути приведены в Build skills. Плагины позволяют распространять процедуры вместе с подключениями.
Есть и встроенные субагенты с отдельным контекстом. Им можно поручить исследование или независимые проверки. В актуальном локальном Codex делегирование запускается по прямой просьбе либо применимой инструкции проекта или скила. Отдельные роли и настройки описаны в документации субагентов.
Внешние системы подключаются через MCP. Для повторяемых задач без интерактивного диалога есть codex exec. Подготовка таких запусков разобрана в главе «Фоновые агенты».
Чем отличаются песочница и подтверждения
Заголовок раздела «Чем отличаются песочница и подтверждения»Песочница (sandbox) ограничивает технически доступные действия команд: чтение и запись файлов, выход в сеть. Политика подтверждений (approval policy) определяет, когда нужно решение человека. Это разные настройки; разрешение в промпте не создаёт сетевой доступ и не меняет права файловой системы.
В CLI настройки можно проверить через /permissions и ~/.codex/config.toml. Режим workspace-write ограничивает запись рабочей областью, но сам по себе не означает, что чтение всего остального запрещено. Проверяйте эффективную конфигурацию, включая ограничения организации. Принципы и различия сред описаны в Agent approvals & security.
MCP-сервер или браузер с авторизованным аккаунтом может действовать вне песочницы команд. Для них проверяйте собственные полномочия: локальный запрет записи не запрещает изменение задачи в трекере.
Как выбирать модель и учитывать расход
Заголовок раздела «Как выбирать модель и учитывать расход»На 23 октября 2026 года официальная документация рекомендует GPT-6.1 Sol для сложной агентной работы при наличии доступа. GPT-6 Astra предназначена для более требовательных задач, GPT-6 Luna для узких и массовых. В CLI используется /model; уровень усилий (reasoning effort) выбирается отдельно. Доступность зависит от аккаунта, клиента и организации. Источник: модели Codex.
Основной сценарий рассчитан на модели OpenAI. Для локальных открытых моделей и настраиваемых провайдеров существуют отдельные настройки CLI; совместимость инструментов и возможностей надо проверять для конкретного подключения. Если нужен регулярный выбор между несколькими поставщиками, сравните также OpenCode и pi.
Вход через ChatGPT и использование API-ключа имеют разные способы учёта расходов. Подписка не означает безлимитную работу; облачные задачи и несколько агентов могут быстрее расходовать доступный объём. Перед пилотом проверьте лимиты своего аккаунта, а пользу измеряйте по принятым результатам.
Как попробовать на одном проекте
Заголовок раздела «Как попробовать на одном проекте»Установите CLI:
npm install -g @openai/codexИз каталога проекта запустите:
codexПройдите авторизацию, проверьте разрешения и начните с исследования проекта. Затем поручите небольшое изменение с критерием приёмки: например, воспроизвести известный баг и подготовить исправление с тестом. Прочитайте diff и результаты проверок перед принятием работы.
Что дальше
Заголовок раздела «Что дальше»- Gemini CLI: терминальный агент экосистемы Google.
- Эвалы на задачах команды: как проверить пользу смены модели и инструкций.
- Обзор харнесов: сравнение способов работы и выбора инструмента.