必须配置taotoken_api_key、taotoken_base_url和taotoken_model_id三个github secrets，并在actions中通过环境变量注入，再用codex exec配合--output-schema生成结构化分析报告。
☞☞☞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☜☜☜
让 Codex 在 GitHub Actions 中自动执行代码审查、生成 CI 配置或修复 PR 问题，必须确保它能在 CI 环境中正确加载 TaoToken 凭据、识别仓库上下文，并调用到兼容的模型接口。本地能跑通的 codex exec 命令，放到 Actions 里常因 auth.json 缺失、Key 权限不足或 Base URL 错误直接失败。
准备 TaoToken 凭据并注入 GitHub Secrets
进入你的 GitHub 仓库 Settings → Secrets and variables → Actions → New repository secret。
创建三个 Secret：【TAOTOKEN_API_KEY】（值为你在 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 生成的 Key）、【TAOTOKEN_BASE_URL】（固定填 https://taotoken.net/api）、【TAOTOKEN_MODEL_ID】（例如 llama-3.1-70b 或你确认可用的模型 ID，不可填 codex 默认的 gpt-4o）。
这三者缺一不可，漏一个就会在 codex exec 阶段报 401 或 model not found。
在工作流中配置 Codex CLI 并加载凭据
第一步：在 .github/workflows/ 下新建 YAML 文件，例如 codex-pr-review.yml。
第二步：在 jobs → steps 中添加以下三步：
- uses: actions/checkout@v4
- name: Setup Codex
run: |
curl -fsSL https://gitcode.com/GitHub_Trending/codex31/codex/releases/latest/download/codex-x86_64-unknown-linux-musl.tar.gz -o codex.tar.gz
tar -xzf codex.tar.gz
chmod +x codex
- name: Run Codex with TaoToken auth
env:
CODEX_API_KEY: ${{ secrets.TAOTOKEN_API_KEY }}
CODEX_BASE_URL: ${{ secrets.TAOTOKEN_BASE_URL }}
CODEX_MODEL_ID: ${{ secrets.TAOTOKEN_MODEL_ID }}
run: ./codex exec "检查本次 PR 中所有新增/修改的 Go 文件，定位潜在的 context.WithTimeout 未 defer cancel 场景" --full-auto --output-schema .github/codex-schema.json
注意：Codex CLI 会自动读取环境变量 CODEX_API_KEY / CODEX_BASE_URL / CODEX_MODEL_ID，无需手动生成或挂载 auth.json 文件——这是 CI 场景下最简且最可靠的凭据传递方式。
验证输出结构并上传分析报告
在 codex exec 命令后追加 --output-schema 参数，指向一个预定义的 JSON Schema 文件，强制 Codex 按结构化格式返回结果。
创建 .github/codex-schema.json，内容必须包含 review_summary 和 issues 数组字段，否则 codex exec 会因 schema 校验失败退出。
最后一步：用 actions/upload-artifact@v3 将 codex-analysis.json 上传为构建产物，供后续人工核查或触发下游流程。
run: |
./codex exec "..." --full-auto --output-schema .github/codex-schema.json
ls -l codex-analysis.json
这一步执行完后，codex-analysis.json 文件就已生成并可被上传。
