先说结论我用一个晚上准确说是从晚上十点多折腾到凌晨三点在 Codex CLI 的帮助下搭好了一个能自主避障的机器人程序。整个过程基本全靠聊天——我负责说人话Codex 负责写代码、跑程序、看报错、再改代码最后还真给我跑出了一个像模像样的东西。那种聊着天就把专业的事办了的感觉确实只有亲身体验过才敢信。这篇文章不是教程堆砌是我这次深夜实验的全记录从安装 Codex、接入第三方模型到用自然语言驱动它写出一个带模拟激光雷达和避障策略的机器人再到中途踩过的各种配置坑。如果你也想试试用 Codex 干点正经项目或者对自主机器人控制感兴趣这篇应该能帮你少走不少弯路。1. 为什么我决定把机器人项目交给 Codex1.1 一次临时起意的深夜实验那天晚上我本来只是想把新版 Codex CLI 装起来试个水。结果装完发现光是让它写一个hello world实在太浪费了不如直接上一个有点挑战性的小项目。于是我想到了机器人自主避障——这个方向听起来高大上但核心逻辑其实很经典传感器读到障碍物距离控制器决定怎么转向执行器驱动车轮。逻辑不复杂但涉及面很广正好可以测试 Codex 是不是真的能从头到尾独立完成一个项目。所以我给自己定了个目标一晚上出一个可运行、可可视化的自主避障机器人程序。不是那种打印一行遇到障碍向左转的玩具而是能看到一个小车在一个房间里自由探索、碰到障碍自动绕开的仿真程序。如果 Codex 真能靠聊天把它搭出来那AI 帮我写代码就不再是句口号了。1.2 Codex 和普通聊天助手的最本质区别用过 ChatGPT 的人都知道你问它要一段代码它给你一段代码然后你自己复制、粘贴、整合、调依赖、处理报错。本质上它还是个代码搜索引擎人要做的事一点不少。Codex CLI 不一样的地方在于它是一个能自己干活的智能体。你给它一个任务它不仅给你代码片段还会自己去读项目目录、新建文件、修改已有代码、在终端里执行程序然后读取运行结果和报错信息再决定下一步怎么改。它像一个远程结对程序员坐在你旁边说我来改这个文件糟糕报错了等我看看而不是一个只会吐文字的工具。这也是聊着天就把专业的事办了这句话真正成立的原因人负责说清楚目标和验收标准Codex 负责把所有琐碎的工程步骤接过去。1.3 自主这个词有两层意思这里有两个自主需要分清楚。第一层是项目本身的内容机器人要能自主感知环境、自主避障。第二层是开发过程的自主Codex 要能在无人手把手指挥的情况下自主完成任务。我这次实验真正想验证的其实是第二层。机器人程序虽然不算特别复杂但需要同时处理事件循环、碰撞检测、传感器模型、运动控制、可视化渲染这些内容如果靠人工一步一句来拷贝一晚上大概率是搞不完的。而 Codex 的自主性正好补上了这个缺口。2. 先过环境这道坎Codex 安装与模型接入2.1 安装这一步比想象中简单Codex CLI 的安装命令很直接npm install -g openai/codex前提是你得有 Node.js 18 以上的环境。安装完以后在终端里执行codex login它会走一遍浏览器授权流程把你账号的登录凭证存到本地之后就基本不需要动脑子了。不过这里要说一句如果你用的是 Windows官方现在也提供了桌面版安装包确实能省掉敲命令的麻烦。但我在 Windows 上遇到过设置未完成的提示桌面版初始化最后一步总是卡住。后来查了一下问题多半出在它依赖的本地服务没有正常启动或者配置文件路径权限不对。我的建议是尽量用 CLI至少 CLI 的报错信息更透明方便排查。2.2 接入 DeepSeek让 Codex 用更划算的模型跑通Codex 默认调用 OpenAI 官方模型如果你手上有 API 额度当然没问题。但我这次想顺便试试把 DeepSeek 接进来——它的中文理解能力和代码能力都不错而且价格友好适合一个晚上反复折腾。关键点在于Codex 本身支持配置不同的模型供应商。我用的配置大致是这样的写在~/.codex/config.toml里model deepseek/deepseek-chat model_provider deepseek [model_providers.deepseek] name DeepSeek base_url https://api.deepseek.com/v1 env_key DEEPSEEK_API_KEY wire_api chat这里有个容易踩坑的地方Codex 默认走的是 OpenAI 的 Responses API而 DeepSeek 目前兼容的是 Chat Completions也就是wire_api chat。如果这里配错Codex 会发出各种奇怪的请求然后报一个让人摸不着头脑的错。配置完成后还要在系统环境变量里加上DEEPSEEK_API_KEYCodex 才会去读取这个密钥。我习惯在终端里临时设置方便调试export DEEPSEEK_API_KEY你的密钥2.3 第一波报错配置和登录的经典三连接完模型我第一次跑codex就连续吃了三个报错这里直接列出来省得大家再踩一遍。第一个是codex is ignoring 1 unrecognized configuration setting. check for typos or d...。这个报错基本可以肯定是config.toml里有 Codex 不认识的配置项。很多时候是从网上抄配置或者从别的工具里粘贴过来的字段名写错了。解决方式很简单打开配置文件一行一行检查把多余项删掉。第二个是the gpt-5.6-sol model is not supported when using codex with a...。这个看起来很吓人其实就是模型标识出了问题。要么是model字段写成了不存在的名字要么是当前配置的model_provider不支持这个模型。我那次是把 DeepSeek 的模型名写成了官方模型导致 Codex 拿这个标识去 DeepSeek 那边找当然找不到。第三个是codex auth token is unavailable。这个绝大多数情况是登录状态丢了或者环境变量里没有密钥。我后来重新跑了一次codex login同时把DEEPSEEK_API_KEY也设好问题就解决了。这类报错其实没什么好怕的它们的共同特征是Codex 很坦白地告诉你哪一步没对上只是没有直接告诉你应该改成什么。这时候你需要做的只是顺着配置链路上游查一遍。3. 从第一句话到第一个可运行版本3.1 第一句话怎么说用 Codex 写项目最关键的就是第一句话。很多人上来就说帮我写个机器人Codex 一脸茫然地给你写一段只有一个Robot类的空壳代码。这不怪它是你需求说得太模糊。我这次的第一句提示词是这么写的新建一个robot_sim项目用 Python 和 pygame 实现一个差分驱动机器人仿真。机器人有前、左、右三个方向的虚拟激光雷达传感器能检测周围障碍物距离。机器人从地图中间出发不断前进遇到障碍自动转向目标是尽可能探索整个地图。代码结构分成传感器、控制器、渲染器三个模块主程序运行一个实时窗口展示效果。说白了就是把做什么、用什么做、拆成几块、验收标准这四个信息一次说全。Codex 拿到这些信息后会先给出一个任务计划然后才开始动手。它这一步的规划能力比我预想的要强基本上把我上面提到的模块都拆出来了。3.2 Codex 的自主工作流接下来就是我看着终端里的滚动日志看 Codex 自己表演。它先创建了robot_sim文件夹然后逐个生成sensors.py、controller.py、visualizer.py、main.py。我在旁边观察它的工作方式发现它和人类程序员的习惯很像先写一个能跑的最小版本再逐步完善。它会估算小车位置把障碍物画成深色方块把三个激光射线画成从机器人中心发散出去的线段。做到这步时它主动运行了一次程序发现 pygame 窗口能弹出来但机器人不动于是又去查看控制器逻辑补上了前进速度计算。这个过程中我做的事情非常少只在关键节点插一句话现在能跑起来了吗加一个速度仪表盘。剩下的大部分时间Codex 都在自己看代码、跑程序、改参数。3.3 第一次运行就翻车然后它自己修了大概过了半个多小时Codex 自己跑了一轮测试然后停下来问我机器人前方检测到障碍时会转向但如果是侧面贴近墙壁经常会擦着墙一路蹭过去要不要我加上侧向检测的修正逻辑说实话看到它主动提这个问题的时候我是有点惊到的。这相当于它自己发现了代码里的边界情况。我回了一句加吧顺便把转向的平滑度也调一下。然后它就开始改controller.py把一个简单的前方有障碍就转向改成了三个方向的传感器融合判断还给转向加了一个平滑系数避免机器人左右摇摆。这段体验让我意识到Codex 所谓的自主不只是按指令执行而是能通过自己运行程序发现行为异常再回到代码层面定位问题。用一句话说我当时的感受就像是一个不爱说话但挺靠谱的工程师坐在你旁边闷头干活干着干着还会主动提醒你有个潜在问题我要处理一下。4. 避障机器人代码里的核心设计传感器、决策与运动控制4.1 传感器模型用射线模拟激光雷达机器人要避障首先得看得见障碍。真实世界里可以用超声波模块、红外传感器或者激光雷达而仿真里我用了一组虚拟射线。Codex 生成的传感器代码并不复杂核心逻辑是从机器人中心朝某个方向发射一条射线检测它和地图中所有障碍物的最近交点返回距离值。如果一条射线距离太远就返回一个最大探测距离。def scan_angle(robot_pos, angle, obstacles, max_range): end_point robot_pos Vector2(cos(angle), sin(angle)) * max_range nearest None nearest_dist max_range for rect in obstacles: hit line_rect_intersection(robot_pos, end_point, rect) if hit: dist distance(robot_pos, hit) if dist nearest_dist: nearest_dist dist nearest hit return nearest_dist它默认用了三个方向前方 0 度、左前方 45 度、右前方 45 度。这个设计很务实三个方向的射线基本覆盖了机器人行进时最容易撞上的区域而且不会因为射线太多导致计算量变大。如果你想把传感器做得更像真实激光雷达也可以改成 16 线、32 线扫描但避障逻辑不一定需要这么密。4.2 决策策略为什么简单的 if 也能跑得很好很多人一想到自主避障就觉得得上深度强化学习、SLAM 这类高级技术。但实际做下来一个状态机加几条阈值判断就能解决大部分问题。Codex 生成的控制器逻辑可以简单概括为if front_dist 0.6: if left_dist right_dist: set_turn(-0.6) # 左转 else: set_turn(0.6) # 右转 else: set_turn(0.0) # 直行这个逻辑看着像玩具但跑起来效果非常好。原因在于机器人有运动惯性不需要每帧都做出最优决策只要保证在前方出现障碍时向着更开阔的一侧转就能在大多数地图里绕开障碍。真正容易出问题的其实是两个容易被忽略的小点第一转向幅度不能太大否则机器人会掉头后猛地摆回来形成震荡。Codex 给转向加了低通滤波让左右轮速度差值平滑变化这个细节很关键。第二如果三个方向的距离都很近说明机器人走进了死胡同这时应该先倒车再转向而不是原地打转。Codex 在后续的修改里加了一个被困检测连续几帧三向距离都小于安全阈值时就进入倒车模式。4.3 可视化与参数调优可视化部分Codex 用 pygame 画了一个俯视图机器人是一个彩色三角形障碍物是黑块三条激光射线实时绘制出来。看着射线在屏幕上扫来扫去真的很有机器人感知的味道。为了让机器人跑起来不显得呆板我让 Codex 把几个关键参数暴露到文件头部参数推荐值说明最大前进速度120 px/s太快会导致来不及转向传感器最大范围250 px范围越大提前避障越早安全距离阈值60 px小于该距离时强制转向转向平滑系数0.3越大转向越灵敏越小越平缓射线数量3前方、左前、右前这些参数不是拍脑袋定的基本遵循了一个原则传感器范围要大于一个速度周期内机器人能走出的距离。假设每帧 0.05 秒最大速度 120 px/s那么一帧最多走 6 px而安全距离留 60 px相当于给控制器留了 10 帧的反应时间。这个余量足够避障了。如果你想让机器人转向更流畅可以调大平滑系数但如果调得太大会出现频繁的摆头动作。实测下来 0.3 到 0.5 之间比较舒服。5. 深夜踩坑全记录Codex 不是神但可以配合5.1 第三方配置工具引发的本地服务连接失败中间有段时间我想在几个模型之间快速切换就装了一个第三方配置管理工具类似把不同模型的 API 信息做成开关的地方。当时看着很方便结果切换到 Codex 对应的配置后一启动就报错大意是本地服务连接失败无法处理 /responses 端点。这个错的根源不是 Codex 本身而是那个工具把base_url改成了指向一个需要额外启动的本地服务的地址而那个服务没有运行。Codex 按照新配置去请求自然连不上。排查过程也挺折腾的我一开始以为是 Codex 登录状态坏了反复重新登录最后还是回到配置文件发现base_url已经被改掉了。这里给大家一个建议用这类配置管理工具可以但改完配置以后一定要打开config.toml人工检查一遍确认base_url是你要访问的真实 API 地址而不是某个依赖本地进程的地址。这类工具处理 CLI 配置时有时候会把自动启动进程当成一个默认选项而你现在这个环境里根本没法启动那个进程。5.2 无法加载组织设置是怎么回事Codex CLI 登录之后有时候会出现codex 无法加载组织设置的提示。我第一次看到还挺慌以为是账号权限出问题了。后来查了一下这个多半和个人账号有关。如果你用的是个人账号Codex 尝试拉取组织信息时会发现当前账号并不属于任何组织于是返回一个前端可见的报错。这种情况下只要项目功能正常基本不影响使用。如果实在介意可以重新登录一次让本地 token 刷新一般就能消掉这个提示。另外还有一种情况是本地保存的登录态已经过期导致 Codex 在初始化时无法从认证服务拉到用户信息。这时候重新执行一次codex login通常能解决。5.3 一堆奇怪报错的统一排查思路这一夜我前前后后遇到了不少报错列个表总结一下报错内容常见原因解决方法unrecognized configuration setting配置项拼错或多余打开 config.toml 逐项核对model is not supported模型名与供应商不匹配检查 model / model_provider 字段auth token is unavailable未登录或环境变量缺失codex login或设置 API Key/responses 端点连接失败base_url 指向了未启动的本地服务改回正确的 API 地址无法加载组织设置个人账号权限问题重新登录或忽略仔细看会发现所有这些报错其实都指向同一个问题Codex 不是一个黑盒程序它严格依赖配置文件去决定找谁要结果你把配置指向哪里它就去哪里。很多人被报错劝退是因为没意识到报错本身就是在告诉你我按照配置去找了某个地方但那里没有我要的东西。顺着这个思路排查基本不会卡太久。5.4 让 Codex 更听话的几条实战经验这一晚上踩完坑我总结了几个和 Codex 协作的小技巧都是在官方文档里不太容易学到的小步提交别让它一口气写太多。我会要求它先跑通一个最小场景再加功能每次改动范围太小的时候Codex 自己出错的概率也小。报错信息直接贴不要说有 bug。Codex 对终端里的原始报错非常敏感你给它一句模糊的程序不行它只能猜你把完整 traceback 甩过去它能很快定位。这一点和人程序员完全一样。明确说修改现有代码不要重写。Codex 有时候会兴致勃勃地把你整个文件删了重建结果你之前调好的参数全部归零。我在提示里加上基于当前代码增量修改之后这个问题基本消失了。让它先列计划再动手。你可以说先给我一个改动计划我确认后再执行。这样能避免它走偏方向尤其当项目文件多的时候。重要约束放在提示词里不要依赖它记得。Codex 的上下文窗口再大也扛不住跨十几次对话之后还记着你最开始说的不要用全局变量。每轮对话开头重新强调核心约束看起来啰嗦但非常管用。6. 天亮之后再看看这堆代码6.1 Codex 生成的代码到底靠不靠谱第二天我重新打开项目仔细把 Codex 生成的文件从头到尾读了一遍。整体评价可用而且结构分得不错。sensors.py里传感器逻辑和渲染逻辑是解耦的controller.py也没有混入 UI 代码这说明它在规划阶段就已经把职责边界划清楚了。但要说完全没有问题那是假的。它有一些轻微过度设计的倾向比如为了一个地图加载功能写了一个暂时没用的配置类也有个别地方缺少异常处理比如地图文件不存在时会直接崩溃。另外它生成的注释偏少尤其几个关键参数的解释不够第二天再看我还得自己回忆那些数值的作用。我的结论是把它当成一个水平不错但偶尔粗心的初级工程师你当审查者。代码可以放心交给它写但合并到正式项目之前一定要自己读一遍关键逻辑。尤其涉及安全相关的内容比如机器人刹车逻辑不能全信它。6.2 把这个仿真机器人搬到真机上的路线仿真跑通之后很自然的想法是能不能把这个避障逻辑用到真车上其实移植难度比想象中低核心算法可以原封不动地搬。硬件上只需要做三处替换传感器从虚拟射线换成超声波测距模块比如 HC-SR04执行器从代码里的虚拟速度变成 PWM 电机驱动主循环从 pygame 的帧循环改成单片机的定时中断循环。避障状态机、三向检测思路、倒车策略这些决策层代码基本不用大改。如果你用的是树莓派可以直接用 Python 重跑这套逻辑只是把sensors.py里的scan_angle换成真实读取超声波距离如果你用的是 Arduino/C 类环境那就需要把控制器翻译成 C 代码逻辑也是一样的。从这个角度看Codex 一夜搭出来的东西不是只能在屏幕上自嗨的玩具而是可以落地的前置原型。6.3 这件事真正教会我的东西这次深夜实验最大的收获不是我有了一个避障机器人而是我重新理解了什么叫用 AI 干活。聊着天就把专业的事办了这句话字面意思没有错但容易误导人。它给人感觉是你什么都不用懂张嘴就能让 AI 替你完成专业工作。但实际体验下来人要做的事情并没有消失只是从写代码变成了定义问题、约束方向、验收结果。你得想清楚验收标准是什么得知道哪个参数调了会影响什么得能判断 Codex 提出的方案是不是合理。Codex 把代码从我一行行敲变成了我一句话安排下去但那一句话的质量直接决定最终成果的上限。想用它搭自主机器人你先得对自主机器人有个基本认知哪怕只是知道传感器决策执行这个框架。剩下的重复劳动AI 确实能帮你扛下来。最后分享一个小技巧Codex 支持把常用需求模板复用到不同的任务里你可以把避障机器人的需求描述、模块划分、验收标准存成一个可复用的 Skill 文件下次再做类似项目时直接声明调用Codex 会照着这个模板走。这样一来一夜搭一个自主机器人就不再是偶尔撞出来的运气而是一条可以被反复使用的流水线。