Codex技能使用全指南：从基础配置到实战避坑

1次阅读

共计 2018 个字符，预计需要花费 6 分钟才能阅读完成。

在日常开发中，我们经常遇到需要自动化处理的场景。比如：

自动化文档生成：每次代码更新后，手动维护文档耗时耗力。通过组合代码解析 + 自然语言生成技能，可实现 commit message 自动转文档。
智能代码补全：单纯的关键词补全不够精准，结合上下文分析 + 语法检查技能后，能给出更符合当前编程场景的建议。

这些复杂任务往往需要多个技能协同工作，就像乐高积木一样灵活组合。

Python 环境：建议使用 Python 3.8+，可通过以下命令检查版本：

python --version

安装 OpenAI SDK：

pip install openai

获取 API 密钥：登录 OpenAI 平台创建密钥，建议将其存储在环境变量中：

export OPENAI_API_KEY='你的密钥'

以下是一个带异常处理的基础调用示例：

import openai
import os

# 安全读取 API 密钥
api_key = os.getenv('OPENAI_API_KEY')
if not api_key:
    raise ValueError("请设置 OPENAI_API_KEY 环境变量")

def ask_codex(prompt, model="code-davinci-002"):
    try:
        response = openai.Completion.create(
            engine=model,
            prompt=prompt,
            max_tokens=150,
            temperature=0.7,
            stop=["\n"""]  # 停止符号
        )
        return response.choices[0].text.strip()
    except Exception as e:
        print(f"API 调用失败: {str(e)}")
        return None

# 示例：让 Codex 生成 Python 排序代码
result = ask_codex("写一个 Python 快速排序实现")
print(result)

关键参数对输出效果的影响：

temperature（温度值）：
0.2：输出确定性高，适合代码生成
0.7：平衡创造性和准确性
1.0：更具创造性但可能不合逻辑
top_p（核采样）：
0.9：推荐值，平衡多样性和质量
1.0：完全随机
0.5：输出非常保守

下面演示如何组合代码生成 + 解释技能：

def explain_code(code):
    prompt = f"""请用中文解释这段代码：\n{code}\n\n 解释："""
    return ask_codex(prompt, temperature=0.3)

# 生成并解释快速排序
def generate_and_explain():
    code = ask_codex("写一个 Python 快速排序实现")
    if code:
        print("生成的代码：\n", code)
        explanation = explain_code(code)
        print("\n 代码解释：\n", explanation)

# 执行流程
generate_and_explain()

OpenAI API 有每分钟请求限制，建议：

添加延迟：time.sleep(1) between calls
实现重试逻辑：

from time import sleep

def safe_call(prompt, retries=3):
    for i in range(retries):
        try:
            return ask_codex(prompt)
        except openai.error.RateLimitError:
            wait = 2 ** i  # 指数退避
            print(f"达到速率限制，等待 {wait} 秒...")
            sleep(wait)
    return None

Codex 最大支持 4096 tokens（约 3000 汉字），建议：

长文本分块处理
优先保留关键上下文
使用摘要技能压缩历史对话

在返回结果前添加过滤层：

sensitive_keywords = ['密码', '密钥', 'token']

def filter_output(text):
    if any(keyword in text for keyword in sensitive_keywords):
        return "[敏感内容已过滤]"
    return text