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-onlyw 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.
| Gdzie | Jak działa | Do czego się nadaje |
|---|---|---|
| Codex CLI | agent w terminalu, na Twoim komputerze | codzienna praca w repozytorium, szybkie poprawki |
| Codex w aplikacji ChatGPT | tryb pracy z kodem i prowadzenia kilku zadań naraz | praca z wieloma wątkami i podglądem zmian |
| Rozszerzenie do edytora | agent w panelu edytora, np. VS Code albo Cursor | praca z podglądem zmian obok kodu |
| Codex w chmurze | osobny obszar roboczy dla każdego zadania | praca 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 .
Samo narzędzie jest otwartoźródłowe (licencja Apache 2.0) i bezpłatne, a płacisz za pracę modelu. Następnie przejdź do katalogu projektu i uruchom agenta.
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:
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.
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:
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.
| Tryb | Co może agent | Kiedy używać |
|---|---|---|
Tylko odczyt (read-only) | czyta dostępne pliki i uruchamia polecenia bez zapisu; wyjście poza piaskownicę podlega polityce zgód | poznawanie nowego projektu |
Zapis w projekcie (workspace-write) | zapisuje w dozwolonych katalogach; przy polityce on-request pyta o działania wymagające wyjścia poza ograniczenia | codzienna praca w repozytorium |
Pełny dostęp (danger-full-access) | polecenia działają z uprawnieniami użytkownika systemowego, również poza katalogiem projektu. Zasady zatwierdzania ustawiasz osobno | w 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.
| Obszar | Codex | Claude Code |
|---|---|---|
| Modele | modele OpenAI: Sol do codziennych zadań (duża wydajność), Astra do przeglądu kodu | modele Claude od Anthropic, np. Opus |
| Instrukcje projektu | AGENTS.md | CLAUDE.md |
| Ochrona systemu | piaskownica i osobna polityka zatwierdzeń | uprawnienia oraz piaskownica poleceń na obsługiwanych systemach |
| Praca w chmurze | osobny obszar roboczy dla każdego zadania | sesje w przeglądarce na kopii repozytorium |
| Rozliczenie | plan ChatGPT albo API | plan 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.


