Codex in ChatGPT: AI Coding Agents for Linux and Desktop

OpenAI Integrates Codex into ChatGPT with Linux Support

OpenAI 已將強大的程式碼代理工具 Codex 直接整合進 ChatGPT 桌面應用程式，並正式發布了 Linux 版本。這次整合將 ChatGPT 轉變為代理式編碼（agentic coding）的指揮中心，讓開發者能透過 ChatGPT 應用程式、IDE 擴充功能以及命令列介面（CLI），在單一帳號下管理複雜的軟體工程任務。

Codex in ChatGPT 的核心能力

Codex 的設計目標是處理端到端的工程工作流，而非僅僅是簡單的程式碼補全。其主要能力包括：

代理式工程與多代理工作流

Codex 可以執行複雜任務，例如建立新功能、進行大規模重構以及管理遷移。它支援使用內建 worktrees 與雲端環境的多代理工作流，讓代理工具可以在多個專案中並行工作，以加速開發時程。

透過 Skills 進行團隊客製化

透過名為 "Skills" 的功能，團隊可以教導 Codex 它們特定的編碼標準與內部工作流。這讓代理工具能在各項任務中套用一致的模式，減少人工監督的需求。

背景自動化

Codex 可以被排程以處理例行性的維護與營運任務，包括：

Issue triage
Alert monitoring
CI/CD pipeline management

品質保證與審查

該系統旨在透過提供更詳盡的設計、全面的測試生成以及高信號的程式碼審查，來提升程式碼品質的基準，以便在開發週期早期發現錯誤。

生態系統整合

Codex 透過三個主要介面運作，以符合不同開發者的偏好：

ChatGPT Desktop App: 專案、檔案與瀏覽器工作流的管理空間。
Codex IDE Extension: 直接整合進程式碼編輯器以提供即時協助。
Codex CLI: 基於終端機的介面，用於深度推理與架構工作。

社群反應與技術評論

雖然擴展至 Linux 受到部分人的歡迎，但此發布在 Hacker News 的開發者社群中引發了顯著的爭議，主要集中在安全性、效能與架構方面。

安全性與隱私疑慮

許多 Linux 使用者對安裝具有深層系統存取權限的專有桌面應用程式表示懷疑。批評者強調了遠端程式碼執行（remote code execution）的風險，以及與 CLI 版本相比缺乏可審計性的問題。

"Reminder to everyone, treat these as trojans. Run them isolated from the rest of your system. Give it a full desktop in a VM if you want to, just not direct access to your system."

效能與框架選擇

對於 OpenAI 使用 Electron 框架開發桌面應用程式一事，存在廣泛的批評。使用者回報了高記憶體消耗，一名使用者指出，在進行單次查詢之前，該應用程式已佔用了 2.2GB 的常駐記憶體（resident RAM）並分散在 11 個程序中。

使用者體驗退化

一些先前將 Codex 試用為獨立應用程式的使用者回報，在被整合進主 ChatGPT 應用程式後，效能與可用性有所下降。回報內容包括：

Increased Latency: 整合後的應用程式被描述為「明顯比原先的 Codex 獨立應用程式更慢」。
UI Bloat: 使用者指出設定選單變得臃腫，且對於非開發任務的 UI 變得更加複雜。
Resource Usage: 比較數據顯示，新應用程式使用的 RAM（約 1.27 GB）顯著高於 "ChatGPT Classic" 版本（約 478 MB）。