这段时间以来，codex 在社交平台上收获了大量正面评价。
有用户注意到，当前邀请一位好友注册 Codex，即可重置自身的速率限制。
值得注意的是，被邀请者无需是新用户或付费订阅用户——只要通过邀请链接打开 Codex 并发送数条消息，邀请方就能获得一次速率限制重置机会。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
除了这类“拉新即得权益”的运营活动，Codex 的官方定价策略也正迎来重大调整。
据海外媒体援引内部人士透露，OpenAI 正在积极评估大幅下调服务收费标准的可行性，旨在从竞对 Anthropic 手中争取更多用户。
报道指出，Token 单价有望显著下调，但具体方案仍在内部讨论阶段。
事实上，Codex 当前已成为 OpenAI 最关键的用户增长引擎。
正如 OpenAI 官方公布的数据所示：ChatGPT 全球用户已突破 10 亿，而 Codex 的周活跃用户仅为 500 万——平均每 200 名 ChatGPT 用户中，仅有 1 人曾点击侧边栏启用 Codex。
“用不上”固然是原因之一，但更普遍的情况或许是：用户不清楚 Codex 的核心能力边界，也不了解哪些任务是 ChatGPT 难以胜任、却恰恰适合由 Codex 完成的。
Codex 团队显然已接收到这一反馈。一方面高调宣布其将深度整合进 ChatGPT，未来新版 ChatGPT 应用上线后，用户可在界面中自由切换使用 Codex 或 ChatGPT 模式作答；另一方面，近期 OpenAI 官网集中上线了十余个真实场景工作流案例，覆盖网页与应用部署、Mac/iOS 原生应用开发、大型项目管理、耗时达 150 小时的科研攻关，以及各类日常办公事务，均配有详细操作指引。
这些实战教程堪称快速掌握 Codex 的最佳入门路径，切实回应了“Codex 能做什么”与“如何高效使用 Codex”两大核心疑问。
Computer Use：赋予 Codex 操作电脑的能力
“嘿 Siri，帮我给妈妈发微信，内容是 XXXX”“请先解锁 iPhone”
Siri 无法执行此类跨应用指令，目前 Codex 同样尚不支持直接操控微信。
Codex 的 Computer Use 功能，本质是让 AI 模拟人类操作电脑界面——通过识别窗口、点击按钮、读取内容、输入文字等方式完成任务。它尤其适用于需跨越多个应用协同完成的工作，例如整理笔记、同步数据、跨平台复制信息、批量回复消息等。
官方示例中，既有简单如播放背景音乐，也有复杂如在不同应用间迁移信息：
@Computer 放点轻音乐，助我专注工作。
@Computer 请将 Notes 中的面试要点同步至飞书文档。
@Computer 查阅我的企业微信，为今日待办事项设置提醒。
具体操作流程为：在 Codex App 中确认已启用 Computer Use 功能；在对话框中，于指令开头添加 @Computer，或直接提及目标应用（如 @Slack、@Messages）；选定插件后，清晰描述任务目标及预期结果；当 Codex 请求系统权限时，及时授权，随后即可交由其后台自动执行。
使用该功能时需注意：确保 Mac 设备运行期间不自动锁屏，或开启 Codex 内置的“锁屏操作”选项；在自定义设置中指定默认浏览器；避免同时启用两个 Computer Use 线程控制同一应用；每次任务完成后，可要求 Codex 总结执行过程并优化流程，甚至将其固化为可复用的标准作业模板。
为 Codex 设定可持续执行的长期目标
日常使用 AI 时，常需人工全程盯梢——AI 执行一步便暂停等待指令，效率低下。
/goal 指令正是为解决此问题而设计：向 Codex 明确交付一个宏观目标，使其自主推进、持续迭代，直至达成闭环。
根据官方指南，/goal 最适用的任务类型具备三大特征：规模介于单句提示与整套待办清单之间；目标高度明确且结果可验证；完成标准清晰可量化。
项目迁移类：无论是将游戏迁移至新引擎、移动应用适配新平台，还是整体代码库重构换框架，均可借助 /goal 让 Codex 全流程驱动落地。
原型开发类：从零构建新应用、新游戏或新功能时，可预先撰写 PLAN.md 文档，详述预期形态与技术路径，交由 Codex 生成打磨后的初版成果。
提示词调优类：若手头已有测试集，可用 /goal 驱动 Codex 自动分析失败案例、修改提示词、重跑评测，并持续迭代直至指标达标或满足预设终止条件。
要写出高质量的 /goal 指令，建议遵循以下结构：首先定义明确目标与验收阈值；其次指定需研读的关键文件（如文档、Issue、日志、计划表）；再明确进度验证方式（如执行某命令、产出某产物）；接着要求分阶段执行并同步简明进度日志；过程中随时可用 /goal 查询状态；任务完成、卡顿或需转向时，亦可灵活暂停、续跑或清空重来。
借助 GPT Image 2 快速制作专业 PPT
PPT 制作中最耗时的环节，往往是排版与视觉统一。Codex 内置两大核心能力：$$slides 基于 PptxGenJS 直接读写 .pptx 文件；$$imagegen 负责按需生成高质量配图。
OpenAI 官方推荐的提示词范例如下：
请结合 $$slides 和 $$imagegen 技能，按如下要求编辑本演示文稿：
Codex Imagen下载通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
- 若存在 logo.png 文件，请将其置于每页幻灯片右下角；
- 在第 X、Y、Z 页幻灯片上，将文字左移，并在右侧生成对应插图（风格：抽象数字艺术）；
- 尽量保留原文本格式，简单图表优先采用 PowerPoint 原生图表；
- 新增幻灯片：[在此处描述新增页内容]；
- 新增内容须严格沿用现有品牌规范（主色、字体、版式逻辑）；
- 渲染更新后的幻灯片为图像，校验输出效果，交付前修复所有布局异常；
- 交付前执行溢出检测与字体替换检查，尤其关注密集型幻灯片；
- 批量生成图像时，请保存可复用的提示词或生成说明。
除从零构建外，还可上传 Logo、参考图等素材至同一文件夹，便于 Codex 自动调用；对于周报、月报、季报等周期性文档，可先制定 guidelines.md 明确内容模块、结构逻辑与更新机制，再联动其他插件自动抓取最新数据——例如面向股东的季度汇报，仅需替换数值与洞察结论即可。
针对已有 PPT 的微调，亦可在对话框中直接下达指令，如修正行距、修复错位文字等。
依据截图精准还原网页界面
只需提供几张设计截图、简短需求说明，或若干灵感参考图，Codex 即可生成响应式前端代码，并严格遵循项目既有的技术栈与编码风格，杜绝另起炉灶。
配合 $playwright 插件，Codex 可在真实浏览器环境中加载页面，按多端尺寸逐一比对截图，反复调试直至视觉与交互高度一致。
参考提示词如下：
请依据我提供的屏幕截图及注释，在当前项目中实现该用户界面。
要求：
- 复用现有设计系统组件与 HTML 结构；
- 将截图转化为本仓库已有的工具链与组件模式，而非新建平行体系；
- 精准匹配间距、布局、层级关系及响应式行为；
- 遵循仓库既定的路由规则、状态管理逻辑与数据获取方式；
- 确保页面在桌面与移动端均表现良好；
- 若截图细节存疑，选择最简可行方案并注明假设前提。验证：
- 将最终 UI 与原始截图进行外观与行为双重比对；
- 使用 $playwright-interactive 工具逐帧校验匹配度，并持续迭代优化。
零基础开发浏览器端小游戏
游戏开发恰是展现 Codex 不仅擅写代码、更懂产品设计的典型场景。一款完整游戏需涵盖玩法设计、渲染层、前后端架构、美术资源，还需反复调优画面与操作手感。
启动前，先让 Codex 输出 PLAN.md，将游戏拆解为若干模块：玩家核心目标、循环机制、输入方式、胜负判定、难度曲线、美术风格、技术选型与部署方案、各里程碑优先级等。
再编写 AGENTS.md，可参照如下范式：
游戏名称
技术栈：
- 前端：NextJS（Vercel 部署）
- 渲染：XXX
- 后端：Fastify + WebSocket（部署于 XXX）
- 数据库：Postgres；缓存与消息队列：Redis
- AI 能力：OpenAI API开发约定：
- 每完成一功能模块，立即执行 build / test 验证；
- 新功能开发严格遵循 PLAN.md 规划；
- 所有设计决策与思考记录于 .logs 目录，便于回溯；
- 使用 playwright 测试画面表现，偏差即调；
- 图像资源通过 imagegen 生成，每批 prompt 存入 .prompts 以利复用；
- 通过 Context7 MCP 加载渲染框架文档。
随后为 Codex 配齐所需插件：$$imagegen 生成美术资源，$$playwright 实现真机环境测试，$openai-docs 同步最新 API 文档，必要时接入 Context7 MCP 获取框架资料。
此后 Codex 将依 PLAN.md 推进首版开发。若需生成大量图像，首版构建可能持续数小时，Token 消耗显著。但凭借 Playwright 能力，Codex 可自主在浏览器中试玩、验证效果，全程基本无需人工干预——计划越细致，初版完成度越高。
我们曾让 Codex 自动生成一份游戏 Plan.md，并据此产出了一款几乎可直接上线的小型网页游戏。
Use $playwright-interactive, $imagegen, and $openai-docs to plan and build a browser game in this repo.Implement PLAN.md, and log your work under
.logs/.
除小型网页游戏外，借助 Codex 提供的 iOS App 构建插件，仅需一句话指令，即可在 Codex 内实时查看并测试 iOS 应用。
让 AI 深度参与科研全流程
Codex 的能力远不止编程——它还能作为科研助理，长期承担实验设计、数据采集、结果分析与迭代优化等任务。研究者把控方向与判断标准，AI 负责执行、验证、打分与自我修正。
典型案例之一是模型架构改良。例如提出一个关于蛋白质折叠的新假设：“若让模型显式学习高阶几何结构，是否可提升预测精度？”此类探索往往需多轮试错。
启用 Codex 的 Goal Mode 后，只需提供三要素：限定范围的科学问题、可运行的基线模型、自动化评估基准，AI 即可自主开展实验、测试、记录、诊断、再优化，持续向目标逼近。
官方示例中，Codex 连续运行超 150 小时，最终产出名为 SimplexFold 的创新性架构。
另一典型场景是药物靶点排序。此类任务难点在于证据分散于十余个数据库，涵盖遗传学、临床试验、文献综述、基因表达等多维度数据。
借助 Life Science Research 插件，Codex 可并行访问各数据库提取证据，对每条线索独立评分（1–5 分），最终汇总生成评分矩阵、靶点排名及热力图等可视化报告。
OpenAI 官网已公开大量实践案例，本文仅精选部分高频应用场景。感兴趣的朋友可前往 OpenAI 开发者官网 developers.openai.com/codex/use-cases，亲身体验各类用例。
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
