Przejdź do treści

Jak zacząć z Codex i jak używać go w projekcie

Maciej Sala

Founder StriveLab

11 min czytaniaAktualizacja

Szybka odpowiedź: jak zacząć z Codexem?

  • Pracując w VS Code, zacznij od rozszerzenia Codex. Z kolei przy pracy w terminalu zainstaluj Codex CLI przez npm albo Homebrew.
  • Na początek poproś o wyjaśnienie fragmentu projektu. W terminalu uruchom codex --sandbox read-only w katalogu repozytorium.
  • Dodaj plik AGENTS.md, który Codex wczytuje przy każdej sesji, z poleceniami do testów i zasadami projektu.
  • Wybierz chmurę, gdy zadanie ma działać po zamknięciu laptopa lub chcesz prowadzić kilka niezależnych prac równolegle.
  • Limity zależą od planu ChatGPT, a samo narzędzie CLI jest bezpłatne.

Czym jest OpenAI Codex i gdzie z niego korzystać

Codex to stworzony przez OpenAI i będący zarazem dobrą alternatywą wobec Claude Code od Anthropic. Korzystam skutecznie z obu w jednym repozytorium i jeśli masz doświadczenie z jednym agentem kodującym, znasz podstawy, wtedy bez większych problemów przejdziesz do pracy z innym. Podobnie jak inne agenty tego typu, przeszukuje repozytorium, czyta pliki, wprowadza zmiany, uruchamia testy i polecenia, a potem sprawdza wynik i poprawia błędy. Wszystko oczywiście dzieje się pod naszym czujnym okiem, ponieważ bez kontroli człowieka agenty potrafią wprowadzić w każdym projekcie niemały zamęt. Czym agent różni się od zwykłego asystenta w czacie, opisałem w tekście o tym, czym jest agent AI.

Warto tutaj wspomnieć, że OpenAI używało nazwy Codex wcześniej dla modelu z 2021 roku, który napędzał pierwsze wersje GitHub Copilota. Współczesny Codex to cały zestaw narzędzi do pracy z kodem, a nie pojedynczy model - mamy do wyboru od takich do najprostszych zadań (zazwyczaj "na dole" listy wyboru) po modele Sol/Terra/Luna do pracy codziennej i najbardziej zaawansowane z rodziny Astra - mocno , ale najbardziej pewne. W aktualnej aplikacji desktopowej ChatGPT uruchamia się jako dedykowany tryb pracy, natomiast narzędzie wiersza poleceń () oraz rozszerzenie do edytora zachowują własne, niezależne interfejsy. Zakres dostępnych modeli oraz funkcji zależy bezpośrednio od sposobu logowania i posiadanego planu subskrypcyjnego.

GdzieJak działaDo czego się nadaje
Codex CLIagent w terminalu, na Twoim komputerzecodzienna praca w repozytorium, szybkie poprawki
Codex w aplikacji ChatGPTtryb pracy z kodem i prowadzenia kilku zadań narazpraca z wieloma wątkami i podglądem zmian
Rozszerzenie do edytoraagent w panelu edytora, np. VS Code albo Cursorpraca z podglądem zmian obok kodu
Codex w chmurzeosobny obszar roboczy dla każdego zadaniapraca przy wyłączonym komputerze i równoległe zadania

Jak zainstalować Codex CLI i rozszerzenie do VS Code

W VS Code, Cursorze albo Windsurfie zainstaluj rozszerzenie Codex ze sklepu z rozszerzeniami, następnie otwórz panel poleceniem „Codex: Open Codex Sidebar” i zaloguj się kontem ChatGPT. Ja zacząłem właśnie w ten sposób. Poniższy przykład pokazuję w terminalu, żeby można go było powtórzyć niezależnie od edytora.

Codex CLI zainstalujesz między innymi za pomocą menedżera (wymagającego środowiska Node.js) lub przez na systemie macOS. Dostępne są również samodzielne instalatory dla macOS, Linuxa i Windowsa. Narzędzie działa natywnie w systemie Windows, choć w razie potrzeby możesz uruchomić je także w środowisku .

Terminal
Code
npm install -g @openai/codex
# albo
brew install --cask codex

Samo narzędzie jest otwartoźródłowe (licencja Apache 2.0) i bezpłatne, a płacisz za pracę modelu. Następnie przejdź do katalogu projektu i uruchom agenta.

Terminal
Code
cd moj-projekt
codex --sandbox read-only

Przy pierwszym uruchomieniu Codex poprosi o zalogowanie i najprościej użyć konta ChatGPT, dzięki czemu praca agenta rozlicza się w ramach limitów Twojego planu subskrypcyjnego. Alternatywą jest z rozliczeniem za faktyczne zużycie, ale tego się raczej używa w automatyzacjach i potokach . Warto pamiętać, że abonament ChatGPT nie pokrywa opłat za API.

Pierwsza sesja bez zmieniania plików

W otwartej sesji tylko do odczytu wybierz fragment projektu, którego działanie możesz sam sprawdzić. Jeśli masz formularz kontaktowy, wpisz:

Pierwsze zadanie dla Codexa
Code
Prześledź wysłanie formularza od kliknięcia przycisku do walidacji na serwerze.
Wskaż plik, w którym sprawdzany jest adres e-mail, i test, który obejmuje pustą wartość.
Jeśli takiego testu nie znajdziesz, napisz, gdzie go szukałeś.

Otwórz wskazany plik. Sprawdź, czy warunek rzeczywiście odrzuca pusty adres i czy test wysyła go do serwera. W ten sposób wiesz, jakiej zmiany zażądać w kolejnej sesji.

Jak zlecić Codexowi zmianę w kodzie i sprawdzić wynik

Zakończ sesję działającą w trybie tylko do odczytu, a potem sprawdź stan repozytorium za pomocą git status, zapisz dotychczasową pracę i utwórz osobną . W tym samym katalogu uruchom polecenie codex --sandbox workspace-write --ask-for-approval on-request. Jeżeli udało się potwierdzić błąd formularza, opisz agentowi sposób jego odtworzenia oraz wskaż oczekiwany wynik.

Przykładowe zadanie dla Codexa
Code
Formularz kontaktowy pozwala wysłać puste pole e-mail.
Znajdź przyczynę i popraw walidację bez zmiany wyglądu formularza.
Sprawdź pustą wartość, błędny adres i poprawne wysłanie.
Uruchom odpowiednie testy. Podsumuj zmiany i wskaż, czego nie udało się sprawdzić.
Diagram
Jedna zmiana z Codexem: agent pracuje w piaskownicy, a o commicie decydujesz po własnym przeglądzie.

Po wykonaniu zadania sprawdź git status --short. Pliki oznaczone ??, na przykład nowy test formularza, otwórz osobno. Zmiany w śledzonych plikach przejrzysz przez git diff, a część przygotowaną już do commita przez git diff --staged. Sprawdź wynik testu i wyślij formularz w przeglądarce z pustym, błędnym i poprawnym adresem. Po takim przeglądzie możesz zdecydować o .

Podobną pracę na kodzie serwisu opisuję w artykule o audycie SEO w repozytorium z agentem AI.

Do wcześniejszej sesji wrócisz przez codex resume. Polecenie codex review --uncommitted obejmuje przeglądem również nowe pliki i zmiany przygotowane do commita. Jeśli chcesz prowadzić kilka prac lokalnie, zobacz, jak przejrzeć zmiany w Git i utworzyć osobny katalog roboczy przez git worktree.

Polecenie codex exec przydaje się, gdy uruchamiasz zadanie ze skryptu. Przykład podziału pracy między testami a agentem opisuję w artykule o testach i przeglądzie kodu z agentem AI w GitHub Actions.

AGENTS.md: instrukcje projektu dla Codexa

Codex czyta instrukcje projektu z pliku AGENTS.md, więc działa w podobny sposób, jak Claude Code, który z kolei czyta je z CLAUDE.md. Analogicznie, trzeba zapisać w nim wszystkie najistotniejsze informacje o projekcie: jak zbudować projekt, jak uruchomić testy i , jakie konwencje obowiązują w kodzie i czego agent nie powinien robić. Wytyczne określające, co agent powinien robić, a czego unikać, mają charakter sugestii, dlatego model nie zawsze bezwzględnie się do nich zastosuje. Podczas uruchamiania sesji CLI Codex buduje łańcuch instrukcji globalnych oraz projektowych, przechodząc od katalogu głównego repozytorium aż do bieżącego folderu. Nie oznacza to jednak automatycznego wczytania wszystkich plików z całego projektu. Priorytet mają reguły zdefiniowane bliżej miejsca pracy, przy czym plik AGENTS.override.md nadpisuje standardowy AGENTS.md na tym samym poziomie struktury. Po każdej modyfikacji wytycznych uruchom nową sesję i poproś agenta o wylistowanie aktywnych plików konfiguracyjnych, aby upewnić się, że zmiany zostały poprawnie uwzględnione.

Format AGENTS.md stał się otwartym standardem, który czyta coraz więcej narzędzi. Dobrze napisany AGENTS.md ogranicza zgadywanie, ale nie gwarantuje poprawności ani nie zastępuje wyboru modelu i testów. To instrukcja dla agenta, nie techniczna blokada dostępu.

Przykład dla projektu, który rzeczywiście ma poniższe skrypty w package.json:

AGENTS.md
Code
# Zasady projektu
 
- Instaluj zależności przez npm ci.
- Po zmianie kodu uruchom npm run lint i npm test.
- Przed przekazaniem zmiany sprawdź npm run build.
- Zachowaj istniejące publiczne API i konwencje kodu.
- Nie edytuj plików wygenerowanych; popraw ich źródło.
- W raporcie wymień wykonane sprawdzenia i te, których nie udało się uruchomić.

Dostosuj polecenia do repozytorium. Jeśli projekt używa yarna albo pnpm, wpisz komendy swojego menedżera pakietów, na przykład yarn install --frozen-lockfile i yarn lint, bo bez tej wskazówki agent może sięgnąć po npm i wygenerować package-lock.json obok istniejącego yarn.lock. Powtarzalne procedury możesz później zapisać jako . Jeśli zadanie wymaga danych z zewnętrznej usługi, zobacz, jak działa MCP i jak agent korzysta z narzędzi udostępnionych przez serwer.

Uprawnienia i piaskownica w Codex CLI

Codex CLI może korzystać z . Dwie rzeczy ustawiasz osobno: zakres dostępu (sandbox_mode) i zasady zatwierdzania działań (approval_policy). Polecenie /permissions pozwala sprawdzić lub zmienić profil, a /status pokazuje aktywną konfigurację. Poniższe warianty opisują typowe ustawienia; polityka firmy lub własna konfiguracja mogą je zmieniać.

TrybCo może agentKiedy używać
Tylko odczyt (read-only)czyta dostępne pliki i uruchamia polecenia bez zapisu; wyjście poza piaskownicę podlega polityce zgódpoznawanie nowego projektu
Zapis w projekcie (workspace-write)zapisuje w dozwolonych katalogach; przy polityce on-request pyta o działania wymagające wyjścia poza ograniczeniacodzienna praca w repozytorium
Pełny dostęp (danger-full-access)polecenia działają z uprawnieniami użytkownika systemowego, również poza katalogiem projektu. Zasady zatwierdzania ustawiasz osobnow odizolowanym środowisku, np. kontenerze

Dla zwykłej pracy z zapisem w repozytorium możesz jawnie wybrać codex --sandbox workspace-write --ask-for-approval on-request. Niektóre katalogi pozostają chronione również wewnątrz projektu, a dozwolony zapis może obejmować katalogi tymczasowe. Przy niezaufanym katalogu Codex może rozpocząć pracę tylko do odczytu.

Wyłączenie pytań o zgodę nie wyłącza samo w sobie piaskownicy. Z kolei ograniczenie sieci dla poleceń nie oznacza pracy offline: komunikacja z modelem, wyszukiwanie, MCP i połączone aplikacje mają osobne mechanizmy dostępu. również nie chroni danych i poświadczeń, które mu udostępnisz.

Codex Cloud: zadania w chmurze i przegląd pull requestów

Codex Cloud wymaga konta ChatGPT z aktywnym dostępem do tej funkcji. Jeżeli masz do dyspozycji środowisko domyślne, pracę możesz rozpocząć nawet bez podpinania repozytorium – na przykład zlecając napisanie i przetestowanie skryptu na przykładowych danych. Każde zadanie otrzymuje własny, izolowany obszar roboczy i wykonuje się w tle nawet wtedy, gdy Twój komputer jest uśpiony.

Gdy regularnie pracujesz nad tym samym projektem najlepiej podpiąć repozytorium (na przykład z GitHuba), a potem skonfigurować zależności oraz dostęp do potrzebnych usług. Po zweryfikowaniu poprawności działania opublikuj je, aby wielokrotnie wykorzystywać w kolejnych zadaniach.

Największą zaletą chmury jest równoległość, ponieważ możemy zlecić kilka niezależnych zadań jednocześnie – na przykład poprawkę błędu, dopisanie testu i aktualizację zależności – a następnie przeglądać każde z nich osobno, gdy będzie gotowe. Po podłączeniu repozytorium i włączeniu odpowiedniej opcji Codex potrafi również automatycznie przeglądać na GitHubie lub reagować na wzmiankę @codex review w komentarzu. Warto przy tym pamiętać, że integracje z GitHubem i przeglądem kodu mogą wymagać odrębnej konfiguracji dla aktualnych środowisk chmurowych oraz starszej wersji (Legacy).

Pamiętaj, że środowisko w chmurze nie dziedziczy automatycznie lokalnych ani działających w tle usług. Jeśli testy wymagają połączenia z bazą danych lub zewnętrznym API, musisz jawnie skonfigurować odpowiednie zmienne środowiskowe, poświadczenia oraz dostęp sieciowy, pamiętając, że samo odblokowanie domeny nie zastępuje autoryzacji w usłudze. Jeżeli testy nie mogły zostać uruchomione w chmurze, zawsze zweryfikuj je lokalnie przed .

Czym się różni Codex od Claude Code

Oba narzędzia pracują w ten sam sposób, czyli jako agenty w repozytorium z dostępem do plików i terminala. Różnią się ekosystemem, modelami i kilkoma rozwiązaniami.

ObszarCodexClaude Code
Modelemodele OpenAI: Sol do codziennych zadań (duża wydajność), Astra do przeglądu kodumodele Claude od Anthropic, np. Opus
Instrukcje projektuAGENTS.mdCLAUDE.md
Ochrona systemupiaskownica i osobna polityka zatwierdzeńuprawnienia oraz piaskownica poleceń na obsługiwanych systemach
Praca w chmurzeosobny obszar roboczy dla każdego zadaniasesje w przeglądarce na kopii repozytorium
Rozliczenieplan ChatGPT albo APIplan Claude albo API

Na co dzień pracuję głównie w Claude Code z modelem Opus 5.5, a Codex z modelem Astra służy mi przede wszystkim do przeglądu kodu. Zdarza mi się też odwrócić role, gdy zadanie wykonuje w Codexie model Sol, a zmiany przegląda Opus. Oba narzędzia traktuję więc wymiennie, choć z wyraźnym wskazaniem na Claude Code. To ocena z moich projektów, więc równie dobrze ktoś może pracować tylko na jednym narzędziu, ale na wyższym planie. To zależy od indywidualnych preferencji i także zadań. Pisałem więcej o moim podejściu w artykule o Claude Code, a wybór modelu i porównanie z Gemini CLI w przewodniku po programowaniu z AI w 2026 roku.

Ile kosztuje Codex? Limity w planach ChatGPT i API

Według zasad OpenAI z listopada 2026 roku darmowe i podstawowe plany (Free, Go) oferują jedynie ograniczony dostęp w aplikacji desktopowej. W planie Plus obowiązują limity odnawiane w pięciogodzinnych oknach oraz potencjalne limity tygodniowe. Plan Pro znosi limit pięciogodzinny, ale nadal podlega ogólnym ograniczeniom zużycia, przy czym w obu płatnych wariantach można dokupić dodatkowe kredyty. Z kolei w planach firmowych dostępność zależy natomiast od rodzaju licencji oraz limitów ustawionych przez administratora.

Wszystkie zadania – lokalne, chmurowe oraz sesje w ChatGPT Work – czerpią ze wspólnej puli limitu w ramach abonamentu. Pojedyncza wiadomość nie ma stałej wagi, ponieważ realne zużycie zależy od wybranego modelu, wielkości i wykorzystywanych narzędzi, a bieżący stan budżetu najlepiej kontrolować w panelu użycia. Alternatywą jest logowanie za pomocą klucza API, które rozlicza każde zapytanie osobno według cennika deweloperskiego, bez przeliczania na pakiety subskrypcyjne.

Przy intensywnej, wielogodzinnej pracy z agentem każdego dnia limity podstawowego abonamentu szybko się wyczerpują. W takiej sytuacji najlepiej przetestować swoje realne zapotrzebowanie przez jeden typowy tydzień pracy i porównać koszt wyższego planu z rachunkiem za bezpośrednie zużycie API.

Raporty, treści i monitoring SEO w n8n, z agentami AI i kontrolą człowieka.
Automatyzacja SEO i marketingu

Często zadawane pytania

Czym jest Codex od OpenAI?

Codex to agent kodujący OpenAI, który czyta repozytorium, edytuje pliki, uruchamia polecenia i testy. Działa w terminalu jako Codex CLI, w aplikacji desktopowej ChatGPT, w edytorze przez rozszerzenie oraz w chmurze. Każde zadanie chmurowe ma osobny obszar roboczy. Jeśli masz dostęp do środowiska domyślnego, możesz zacząć także bez repozytorium.

Czy Codex jest darmowy?

Samo narzędzie Codex CLI jest otwartoźródłowe i bezpłatne, a pracę modelu rozliczasz w obsługiwanym planie ChatGPT albo osobno przez API. Dostęp Free i Go jest ograniczony do wybranych funkcji aplikacji desktopowej i zależy od wdrożenia na koncie; nie oznacza pełnego dostępu do CLI. Plus i Pro pozwalają dokupić kredyty, a zasady planów firmowych zależą od rodzaju stanowiska, umowy i ustawień administratora.

Czym Codex różni się od Claude Code w konfiguracji projektu?

Codex czyta instrukcje projektu z AGENTS.md, a Claude Code z CLAUDE.md. Oba mają kontrolę uprawnień i mechanizmy piaskownicy, ale ich zakres, ustawienia domyślne i obsługa systemów operacyjnych się różnią. Oba oferują też pracę w chmurze; nie jest to wyłączna cecha Codexa.

O autorze

Maciej Sala

Maciej Sala — konsultant technologiczny produktów cyfrowych i web developer z bogatym doświadczeniem w marketingu internetowym oraz SEO. Na co dzień pracuje z Reactem, Next.js i TypeScriptem, a ostatnio także z Astro i narzędziami do automatyzacji procesów AI. Sprawnie łączy perspektywę produktową z praktycznym podejściem do kodu. Przez kilka lat był związany z branżą gier wideo jako project manager i game designer. Absolwent historii na Uniwersytecie Jagiellońskim oraz studiów podyplomowych z marketingu internetowego na AGH w Krakowie. Po godzinach trenuje na siłowni, maluje figurki i rozwija własne projekty.

Pomagam przekładać takie tematy na konkretne wdrożenia w frontendzie, SEO, analityce i procesie produktowym.

Skontaktuj się ze mną
LH.pl – Hosting Mango

Biblioteka wiedzy na temat AI

Czytaj dalej

Zobacz więcej wpisów
Najlepsze AI do programowania w 2026: Claude Code, Codex czy Gemini?

Dyskusja o najlepszym AI do programowania najczęściej krąży wokół trzech nazw: Claude, ChatGPT i Gemini. Po wielu miesiącach codziennego pisania kodu z udziałem asystentów AI realnie polegam na dwóch z nich, natomiast trzecie narzędzie sprawdza się u mnie w zupełnie innej roli. Wyjaśniam, jak dzielę zadania między Claude Code a Codexem, gdzie przydaje się Gemini i jak zweryfikować ten zestaw na własnym repozytorium.

Maciej Sala

Maciej Sala

Founder StriveLab

Jak zacząć z Claude Code i do czego go używać w projekcie

Agent, który sam przeszukuje repozytorium, edytuje pliki, uruchamia testy i poprawia własne błędy, jeszcze dwa lata temu brzmiał niewiarygodnie, szczególnie biorąc pod uwagę nie do końca sprawne LLM-y. Dziś natomiast jest to codzienne narzędzie pracy, a Claude Code pozwala wykonywać takie zadania bezpośrednio w projekcie. Problem polega na tym, że z Claude Code bardzo łatwo zacząć od złej strony: wrzucić mu zbyt złożone zadanie, nadać za szerokie uprawnienia i bezkrytycznie zaakceptować wynik. W tym przewodniku pokażę, jak poprawnie zainstalować narzędzie, poprowadzić pierwszą sesję w istniejącym projekcie, skonfigurować bezpieczne uprawnienia, a także w jakich scenariuszach sprawdza się najlepiej.

Maciej Sala

Maciej Sala

Founder StriveLab

Senuto MCP i integracja z agentami AI w analizie SEO

Narzędzia SEO krok po kroku otrzymują formę integracji z LLM-ami, co oznacza wprowadzenie warstwy agentów AI do pracy nad danymi. Senuto, jedno z podstawowych narzędzi w polskim SEO, otrzymało właśnie możliwość połączenia z popularnymi modelami, jak Claude czy ChatGPT, poprzez serwer MCP . Co konkretnie wprowadza to rozwiązanie i jak skuteczniej pracować z narzędziem — te i inne kwestie poruszam w tym artykule.

Maciej Sala

Maciej Sala

Founder StriveLab

LH.pl – Cloud Server 1C4G