HiveGPT AI 学习
登录

云端任务与 GitHub ​

本地运行的 Codex 受限于你的电脑：电脑合上任务就停，同一时间也跑不了太多。Codex 云端把任务放到 OpenAI 托管的容器里执行：你提交任务后可以去做别的，甚至同时提交十几个；跑完后拿到一份 diff，满意就开 PR。它和 GitHub 打通后，还能在 PR 里 @codex 让它审查或修改代码。

这一页讲云端任务的完整流程：前提条件、环境怎么配、怎么委派和并行、codex cloud 命令、GitHub 代码审查，以及在 GitHub Actions 里跑 Codex。

云端功能需要 ChatGPT 账号

云端任务、GitHub 里的 @codex、自动代码审查都运行在 OpenAI 的基础设施上，需要用 ChatGPT 账号登录，并且账号的套餐包含 Codex（可用套餐和额度以官方说明为准）。

第三方模型接口——包括 HiveGPT 的 Key——只适用于在你电脑上运行的 CLI、IDE 扩展和桌面应用。用 API Key 登录时，codex cloud 会直接提示需要用 ChatGPT 登录。如果你只用 HiveGPT，可以跳到本页最后的「在 GitHub Actions 里用 HiveGPT」。

云端任务是怎么执行的 ​

提交一个云端任务后，大致经过这几步：

  1. 创建一个新容器，把你的 GitHub 仓库克隆进去，切到指定分支。
  2. 运行环境的初始化脚本（安装依赖等），这个阶段可以联网。
  3. 按环境设置决定代理阶段能否联网（默认不能）。
  4. Codex 代理开始工作：读代码、改文件、跑测试，直到它认为完成。
  5. 你看到结果：改动的 diff、它运行过的命令和输出、一段总结。

所以云端任务能做的事和本地差不多，区别在于它看不到你本机的文件，只能看到 GitHub 上已推送的代码。没推送的改动，云端看不到。

第一步：连接 GitHub 并创建环境 ​

在 chatgpt.com/codex 登录后：

  1. 连接 GitHub 账号，授权 Codex 访问需要的仓库。建议只勾选需要的仓库，而不是全部。
  2. 在设置里新建一个「环境」（environment），选择对应的仓库。
  3. 配置环境的几项内容，见下表。
配置项作用建议
容器镜像默认是预装了多种语言运行时的通用镜像，可以指定 Python、Node.js 等的版本和项目 CI 用的版本保持一致
初始化脚本容器创建后运行，用来装依赖、生成代码写成幂等的，可以重复执行
维护脚本复用缓存的容器时运行，用来更新依赖比如 pnpm install 增量更新
环境变量初始化脚本和代理阶段都能读到只放非敏感配置
密钥（secrets）只在初始化脚本中可用，代理阶段会被移除私有包仓库的 token 放这里
代理联网关闭，或开启并限定域名和 HTTP 方法默认关闭，确实需要再开

一个 Node.js 项目的初始化脚本示例：

bash
corepack enable
pnpm install --frozen-lockfile
pnpm run build:types   # 代理改代码前就需要的生成步骤

Python 项目：

bash
pip install -r requirements.txt
pip install -r requirements-dev.txt

初始化脚本里的 export 不会保留

初始化脚本和代理在不同的 shell 会话里运行，脚本里 export FOO=bar 对代理不可见。需要给代理的变量请写在环境变量配置里，或者写进项目的配置文件。

代理阶段要不要联网 ​

默认关闭有它的道理：代理联网后，可能读到网页里藏着的恶意指令（提示注入），也可能把代码或密钥发到外面，或者装上有问题的依赖。只有在任务确实需要时（比如要查最新的 API 文档、调用测试环境的接口）才开启，并且：

  • 用域名白名单，只放行必要的域名；平台提供了「常见依赖源」这类预设（包含主流的包仓库）。
  • 能只允许 GET、HEAD、OPTIONS 就不要放开 POST，降低数据外发的可能。

容器会被缓存一段时间以加快后续任务启动；初始化脚本、环境变量或密钥变化后缓存失效，下一个任务会重新初始化。

第二步：委派任务 ​

在网页上选择环境和分支，写下任务描述后提交。任务描述的写法和本地一样，要给清楚目标、范围和验收方式（见 提示词最佳实践）：

text
在 packages/billing 里，把 calculateInvoice 中的金额计算从 number 改为整数分（cents），
避免浮点误差。改完后运行 pnpm --filter billing test，所有测试必须通过。
不要修改公开导出的函数签名。

并行多次尝试 ​

同一个任务可以让 Codex 同时做多次尝试（best-of-N），每次独立完成，你从中挑最好的一份。适合方案不唯一的任务，比如「优化这个慢查询」「重构这个组件」。代价是消耗成倍的额度。

也可以同时提交多个不同任务。要注意：几个任务改同一批文件，最后合并时会冲突，尽量让并行的任务各管一块。

查看结果、开 PR ​

任务完成后，在任务页面可以看到：

  • 每个文件的 diff
  • 代理运行过的命令和输出（测试有没有真的跑过、过没过，在这里核实）
  • 代理的总结

不满意可以在同一个任务里继续追加要求；满意就点创建 PR。也可以把 diff 拉到本地处理，见下一节。

在终端里管理云端任务 ​

CLI 里的 codex cloud（标注为实验性）可以浏览和操作云端任务，前提是用 ChatGPT 登录了 CLI：

bash
codex cloud                       # 打开交互界面浏览任务
codex cloud list                  # 列出任务（--env 按环境过滤，--limit 最多 20 条）
codex cloud exec --env ENV_ID "修复 README 里失效的链接"   # 提交新任务
codex cloud exec --env ENV_ID --attempts 3 "优化 search 接口的响应时间"  # 3 次并行尝试
codex cloud exec --env ENV_ID --branch feature/x "补充单元测试"  # 指定分支，默认当前分支
codex cloud status TASK_ID        # 查看任务状态
codex cloud diff TASK_ID          # 查看 diff，--attempt N 选第几次尝试
codex cloud apply TASK_ID         # 把 diff 应用到本地工作区，--attempt N 同上

ENV_ID 在 codex cloud 的交互界面里能看到。codex apply 是一个更短的写法，会把最近一次任务产生的 diff 用 git apply 应用到本地。

本地 apply 之后，改动就在你的工作区里了，可以用本地的 Codex（包括走 HiveGPT 的）继续修改、跑测试。

GitHub 集成：在 PR 里用 @codex ​

连接 GitHub 后，可以在 Codex 的设置里为仓库开启代码审查。

手动请求审查 ​

在 PR 的评论里写：

text
@codex review

可以附带重点：

text
@codex review 重点看并发安全和错误处理

Codex 收到后会先给评论加一个表情表示已接收，然后像普通审查者一样在 PR 上留下审查意见。默认只报告高优先级的问题（P0、P1），不会在拼写和风格上刷屏。

自动审查 ​

在设置里开启自动审查后，每个新开的 PR 都会自动触发一次审查，不需要手动 @codex。适合团队里每个 PR 都希望有一道机器审查的仓库。

用 AGENTS.md 定制审查标准 ​

Codex 审查时会读仓库里的 AGENTS.md，并遵循其中的审查指南。在根目录的 AGENTS.md 里加一节：

markdown
## Review guidelines

- 日志里不允许输出手机号、身份证号、邮箱等个人信息
- 所有 /admin 下的路由必须经过鉴权中间件
- SQL 一律使用参数化查询，发现字符串拼接视为 P0
- 文档里的错别字也按 P1 报告

更深目录里的 AGENTS.md 只对该目录下的改动生效，适合给支付、权限这类敏感模块单独加规则。写法见 AGENTS.md。

让它直接改代码 ​

在 PR 评论里 @codex 后面跟的不是 review，而是其他任务时，会启动一个云端任务：

text
@codex 修复这个 PR 里失败的 CI
@codex 给新增的 /api/refund 接口补上单元测试

完成后它会把结果推回来供你审阅。

本地审查不需要 ChatGPT 账号

如果只是想在合并前让 Codex 看看改动，本地就可以做：交互模式里输入 /review，或者运行 codex review。这条路径用你本地配置的模型，HiveGPT 的 Key 也能用。

GitHub Actions：openai/codex-action ​

OpenAI 提供了官方的 GitHub Action openai/codex-action，在 CI 里安装并运行 Codex。Codex 自己的仓库就用它做 issue 分类和翻译。一个只读审查的骨架：

yaml
name: Codex PR Review
on:
  pull_request:

jobs:
  review:
    runs-on: ubuntu-latest
    permissions:
      contents: read
    outputs:
      result: ${{ steps.codex.outputs.final-message }}
    steps:
      - uses: actions/checkout@v4
      - id: codex
        uses: openai/codex-action@v1
        with:
          openai-api-key: ${{ secrets.OPENAI_API_KEY }}
          sandbox: read-only          # 只读，不让它改仓库
          safety-strategy: drop-sudo  # 运行前去掉 sudo 权限
          prompt: |
            审查这个 PR 的改动，只列出可能导致线上故障的问题，每条给出文件和行号。

版本号可以写主版本，也可以像 Codex 官方仓库那样固定到某个提交哈希，后者更安全。final-message 输出是 Codex 最后一条回复，可以在后续步骤里用 actions/github-script 发成 PR 评论。其他参数（模型、额外的 codex 参数、允许触发的用户等）以 action 仓库的 README 为准。

在 GitHub Actions 里用 HiveGPT

不想用 OpenAI 的 Key，也可以在工作流里直接安装 CLI，写入和本地一样的 config.toml，用 HiveGPT 的 Key 跑 codex exec。Key 放在仓库的 Actions secrets 里，不要写进仓库。完整的脚本、只读沙箱设置和把结果发成评论的方法见 非交互模式与 CI/CD。

小结 ​

  • 云端任务在 OpenAI 的容器里跑，只能看到 GitHub 上已推送的代码，需要 ChatGPT 账号；HiveGPT 等第三方 Key 只适用于本地。
  • 环境配置的重点是初始化脚本、密钥只给初始化阶段、代理默认不联网。
  • 网页、IDE、桌面端和 codex cloud 都能提交任务；--attempts 可以并行多次尝试，codex cloud apply 把结果拉回本地。
  • PR 里 @codex review 做审查，审查标准写在 AGENTS.md 的 Review guidelines 里；@codex 加其他指令会启动修改任务。
  • 不用云端也能审查：本地 /review 或 codex review，CI 里用 codex exec 或 openai/codex-action。

下一步：Windows 上使用

代码示例在页面里运行时使用 HiveGPT 的模型接口。延伸阅读来自 JavaGuide（Apache-2.0），版权归原作者。

© HiveGPT