Codex Security 安全扫描怎么用:@openai/codex-security 安装、本地扫描与报告目录设置

除了日常代码审查,OpenAI 还推出了专门的漏洞排查工具 @openai/codex-security(命令别名 cs)。本文按官方快速开始文档讲清 Node 与 Python 环境前提、账号登录、结果目录放仓库外的安全铁律,以及先 --dry-run 再正式扫描的完整流程。

NNathaniel bigo··原创首发·AI 辅助撰写
8 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 Plus 账号

结论先说

  1. 看场景二选一:边写代码边在对话里顺手查安全,装会话内的 Codex Security 插件;想对整个本地仓库跑独立扫描并落盘完整报告(或挂进流水线),用独立的 @openai/codex-security CLI(提供命令 codex-security 与短别名 cs)。
  2. 装之前先核对双运行环境:同时需要 Node.js(22.13.0 及以上、24 或 26) 与 Python 3.10 及以上(若正好是 Python 3.10 需补装 tomli)。
  3. 两条运行前必守安全纪律:第一,独立 CLI 以你当前操作系统用户权限直接运行、中途不暂停弹窗,开跑前先清掉当前终端里无关的其他生产密钥环境变量;第二,--output-dir 输出目录必须建在被扫 Git 仓库目录之外,避免把含漏洞细节与源码片段的报告误提交上网。
  4. 同时配置了 API Key 时记得显式加 --auth chatgpt,确保优先走你已登录的 ChatGPT 账号通道。

独立安全 CLI 与会话内插件扫描对比

图:本站根据 OpenAI Codex Security CLI 官方文档 整理的示意图

本文根据 OpenAI Codex 官方文档《Codex Security CLI quickstart》整理,核对日期 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 OpenAI 官方网站。

适用于谁

  • 搜「codex security 怎么用」「@openai/codex-security 扫描代码漏洞」的研发与安全工程师;
  • 觉得常规 PR 代码审查(见 /guides/codex-code-review)只看当次变更行不够全面,想对整座本地代码仓库做一次系统性安全隐患筛查的人;
  • 准备在本地终端或 CI/CD 流水线里跑自动化安全扫描并导出结构化报告的团队。

一、安装与账号认证步骤

1. 全局安装或直接用 npx 运行

在满足版本要求的终端里执行全局安装,并核对版本号:

bash
npm install -g @openai/codex-security
codex-security --version

如果你不想污染全局包目录,后面所有命令都可以直接用 npx @openai/codex-security 代替 codex-security(安装后也可以直接敲简写别名 cs --help 查看子命令,或者敲 codex-security info --json 核对捆绑插件版本)。

2. 登录认证(桌面机与无界面服务器)

在带浏览器的开发机上直接运行登录向导:

bash
codex-security login

如果是在没有图形浏览器的远程 Linux 开发机上,只要工作区策略允许,可以加上 --device-auth 参数按终端显示的设备码完成授权(若组织禁用了设备码,则按官方指引使用 SSH 端口转发登录;企业环境同样支持切换 API Key 或 AWS Bedrock 凭证)。

用 codex-security 扫本地仓库四步

图:本站根据 OpenAI Codex Security CLI Quickstart 整理的示意图

二、标准扫描四步流程(先预检、再正式跑)

第一步:清理终端敏感变量并划定仓库外输出目录

因为独立安全扫描器不像交互式对话那样受默认只读沙箱拦截(常规沙箱与密钥隔离原则见 /guides/codex-permissions-sandbox 与 /guides/ai-coding-security-secrets-permissions),开一个干净的新终端窗口,把报告输出路径指到代码仓库外面的一处私有目录:

bash
REPOSITORY="/Users/dev/code/my-service"
SCAN_DIR="/Users/dev/private-reports/my-service-scan"

第二步:先加 --dry-run 核对本地输入路径

正式发起长耗时深度扫描前,先做一次干跑检查路径和参数拼写:

bash
codex-security scan "$REPOSITORY" \
  --auth chatgpt \
  --output-dir "$SCAN_DIR" \
  --dry-run

需要注意官方文档的说明:--dry-run 只校验本地目标目录和输出位置是否合法,不会实际加载登录凭证或检查内部 Python 解释器。

第三步:去掉 --dry-run 正式执行扫描

确认路径无误后,去掉末尾参数启动正式扫描:

bash
codex-security scan "$REPOSITORY" \
  --auth chatgpt \
  --output-dir "$SCAN_DIR"

扫描结束后,打开 $SCAN_DIR 审阅生成的安全报告与威胁模型分析。对于确认成立的高危漏洞,你可以让工具协助生成修复补丁并务必重跑单元测试验证;若团队需要将它进一步串进自动化工作流,可结合 GitHub Actions 集成方案一起规划(见 /guides/codex-sdk-github-action-guide)。

深度全库安全扫描涉及多轮跨文件代码追踪,消耗配额高于普通单文件问答;重度安全审计团队或个人开发者如需核对 ChatGPT Plus 与 Pro 套餐的额度支持范围,可参考 /chongzhi/chatgpt-pro 的说明。

常见问题

Q:为什么有的深层安全检测功能提示需要申请 Trusted Access for Cyber?

涉及高敏感网络攻防验证与受保护漏洞特征的高阶能力受 OpenAI 官方安全准入机制保护,常规代码缺陷扫描正常登录后即可使用,遇到受限提示时需按官方 chatgpt.com/cyber 页面指引由合规主体申请准入。

Q:扫描时忘传 --output-dir 报告去哪了?

如果省略了 --output-dir,CLI 默认会把扫描产物写进它自己的本机持久化状态目录里(而不会乱写进你的代码仓库根目录),但显式指定一个清晰的外部私有文件夹更方便归档对比和事后清理。

相关教程

参考资料

  • OpenAI Codex 官方文档:Codex Security CLI quickstart — https://learn.chatgpt.com/docs/security/cli/quickstart
  • OpenAI Codex 开发者中心 — https://developers.openai.com/codex

Nathaniel 的更多内容

  1. 01

    LangGraph 流式输出(Streaming)详解:逐字 Token 流、节点进度与自定义事件写法

    多步智能体如果等全部节点跑完才返回,网页前端就会白屏干等十几秒。本文按 LangGraph 官方文档讲清 updates、messages、custom 与 values 四种 stream_mode 的区别,以及组合订阅逐字打字机输出加工具内部实时进度的完整代码。

    其他 AI 工具0
  2. 02

    LangGraph 持久化与长期记忆怎么配:Checkpointer、Store 与 PostgreSQL 实战

    在生产环境跑 LangGraph,单靠 InMemorySaver 一重启就会丢失全部对话。本文按官方文档讲清线程内短期检查点(Checkpointer)与跨线程长期记忆(Store)的分工,以及用 langgraph-checkpoint-postgres 对接 PostgreSQL 的完整步骤。

    其他 AI 工具0
  3. 03

    LangGraph 多智能体怎么写:Supervisor 主管包与 Subgraph 隔离子图实战

    在 LangGraph 里把单个图扩展成多智能体协作有两条官方路线:快速原型用预置包 langgraph-supervisor,大型生产系统用原生子图(Subgraph)嵌套。本文讲清两种写法的完整代码、私有状态隔离防 Token 膨胀技巧以及检查点传播规则。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入审批怎么写:interrupt 暂停图运行与 Command 恢复实战

    企业之所以选 LangGraph,很大程度看中它能安全挂起等待人工审批(Human-in-the-Loop)。本文按官方最新规范讲清 interrupt() 动态暂停、Checkpointer 必备条件、Command(resume=...) 恢复执行,以及防止副作用重复运行的重入规则。

    其他 AI 工具0
  5. 05

    多 Agent 协作平台怎么选:Dify、扣子(Coze)、n8n 与 LangGraph 多智能体机制对比

    搜「多agent协作平台」时,Dify、扣子、n8n 和 LangGraph 都宣称支持多智能体,但底层的调度方式完全不同。本文跳过基础安装,专门从多 Agent 角色跳转、子代理工具调用、上下文隔离与私有化部署四个维度帮你一次选准。

    其他 AI 工具0
  6. 06

    企业微信有官方 MCP 和 CLI 吗:@wecom/cli 安装初始化、长连接机器人与接入教程

    搜「企业 微信 有 mcp 吗」不用再东拼西凑民间群机器人脚本了:企业微信官方已推出 @wecom/cli 命令行工具并内置 stdio 模式的 MCP Server。本文按官方开发者文档讲清安装、智能机器人长连接初始化、业务命令与接入 Claude Code 步骤。

    Claude其他 AI 工具0

同产品的其他教程

  1. 01

    多 Agent 协同开发怎么落地:「一个写、一个审」双代理工作流搭建指南

    多 Agent 协同开发里投入产出比最高的模式就是「一个写、一个审」。本文依据 Anthropic 与 OpenAI 官方编码最佳实践,讲清为什么同会话自审容易漏问题,以及用只读子代理、跨模型交叉审查(Claude Code + Codex)和自动化闭环落地的具体方法。

    ClaudeCodex0
  2. 02

    codebase-memory 类 MCP 是什么、怎么用:基于语法树图谱的本地代码索引原理与配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一类本地代码图谱 MCP 服务器:用 Tree-sitter 把仓库解析成函数与调用关系的 SQLite 图库,帮编码助手查调用链并省下读整份文件的额度。

    ClaudeCodex0
  3. 03

    Chrome DevTools MCP 怎么用、怎么保留登录态:安装配置、独立目录与远程调试端口连接

    Chrome DevTools MCP 本身免费且无需注册账号,大家搜「登录」通常是为了让 AI 调试需要登录的网页后台。本文按官方仓库文档讲清安装命令,以及用 --userDataDir 持久化独立配置目录、用 --browserUrl 挂载已登录浏览器的两种标准做法。

    ClaudeCodex0
  4. 04

    Codex 接入 Amazon Bedrock 与 Google Cloud Vertex AI 教程:企业云托管配置

    企业合规要求模型流量统一走自家 AWS 或 GCP 云账单时,不需要硬拼第三方代理。本文根据 OpenAI Codex 官方文档,讲清原生接入 Amazon Bedrock(四种 AWS 凭证方式)与 Google Cloud Vertex AI(ADC 认证与区域驻留)的完整步骤。

    Codex0
  5. 05

    Codex 自动审查 GitLab Merge Request 怎么配:公有云与自托管实例接入指南

    代码托管在 GitLab 的团队同样可以用上 OpenAI 官方的云端代码审查。本文根据官方文档讲清 GitLab.com 与企业自托管实例的服务账号配置、Developer 权限、Webhook 开启与 AGENTS.md 规则约束。

    ChatGPTCodex0
  6. 06

    Codex 接入 Linear 怎么用:指派 Issue、评论 @Codex 自动改码与 Triage 分流教程

    用 Linear 管研发任务单的团队,可以直接把 Issue 指派给 Codex 或在评论区 @Codex 自动拉起云端环境改代码。本文按 OpenAI 官方文档讲清云端环境前置准备、连接器安装、多仓库指定技巧以及 Triage 规则自动派单配置。

    ChatGPTCodex0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~