名字里的 Codex 去哪了
早年「Codex」指 OpenAI 专门微调的代码模型，Copilot 背后就是它。现在产品线上：
- ChatGPT：对话式通用模型，带代码能力、Canvas、Advanced Data Analysis 等；
- API（GPT-4.x / o 系列 / GPT-5.x）：自建产品、Agent、博客后端翻译；
- Codex 品牌复活：部分场景指面向软件工程的 Agent 能力（如 Codex CLI、深度集成开发环境），与「纯补全模型」不是同一概念。
读文档时先确认：说的是 API 模型名，还是 Codex Agent 产品。
编程相关能力矩阵
| 能力 | ChatGPT 网页 | API | 典型用途 |
|---|---|---|---|
| 单文件补全 | 中 | 高（配合 IDE） | 日常编码 |
| 多文件项目 | 中（附件/项目） | 高（自研 Agent） | 功能开发 |
| 跑代码沙箱 | 有（Plus 等） | 需自建 | 验证算法 |
| 联网查文档 | 有 | 有（tools） | 新库/API |
| 批量低成本 | 弱 | 强（小模型） | CI 摘要、翻译 |
API 接入要点
OpenAI 兼容网关（One API、New API 等）在本博客后端也有使用，核心字段通常包括：
OPENAI_BASE_URL=https://your-gateway/v1
OPENAI_API_KEY=sk-...
OPENAI_MODEL=gpt-5.5
实践建议：
- 结构化输出：复杂任务用
json_schema或 tool call，减少解析失败； - 分离模型：草稿用小模型，合并前用大模型 review；
- 超时与重试：
OPENAI_TIMEOUT_MS设合理值，指数退避； - 日志脱敏：不要把用户 PII、密钥打进 prompt。
ChatGPT 网页版怎么用于开发
适合：
- 快速原型、正则、SQL、解释报错；
- 把产品需求拆成技术任务；
- 学习陌生概念（配合官方 doc 链接）。
不适合：
- 直接当唯一 source of truth 改生产配置；
- 不上传公司核心源码到公有对话（用 Team/Enterprise 或本地方案）。
成本与质量平衡
控成本：
- 缓存重复 system prompt（API prompt caching）；
- 压缩上下文：只传 diff，不传整文件；
- 对翻译、标签生成等用 batch。
控质量：
- 要求模型先列计划再写代码；
- 单元测试作为验收标准写进 prompt；
- 对生成 SQL / shell 做静态扫描。
和其他工具的关系
- Cursor / Copilot：深度 IDE 集成，底层常是 OpenAI 或 Anthropic 模型；
- Claude Code：终端 Agent，偏 Anthropic；
- 自建 Agent：OpenAI API 最灵活，但要自己管上下文与工具。
小结
OpenAI 路线适合「已有后端、要做 Agent、要兼容生态」的团队。弄清你用的是 ChatGPT 产品还是 API 模型，再配网关、分模型、定验收，才能在真实项目里稳定用起来。
参考：OpenAI Platform 文档 · 作者架构实践总结。