codex exec 非交互模式怎麼用:腳本管道、沙箱參數、JSON 輸出與 Schema 結構化返回

想在 Shell 腳本、定時任務或 CI 裏不彈介面直接跑 Codex?按官方《Non-interactive mode》整理 codex exec 用法:stdin 管道拼接、只讀與可寫沙箱(--full-auto 已廢棄)、--json 事件流與 --output-schema 強約束。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 Plus 帳號

結論先說

  1. 非交互模式入口是 codex exec(簡寫 codex e),運行過程不打開全屏終端介面(TUI)。
  2. 輸出天然分流:執行進度打往 stderr,最終回覆只打往 stdout,直接用 > 或管道 | 就能拿到乾淨結果。
  3. 預設是隻讀沙箱,且舊參數 --full-auto 已廢棄;需要讓腳本改文件時,傳 --sandbox workspace-write。
  4. 管道有兩種接法:傳了提示詞參數時,管道進來的 stdin 當補充上下文;寫成 codex exec - 時,stdin 直接當整條提示詞。
  5. 自動化解析有兩件利器:--json 把 stdout 變成逐行 JSONL 事件流,--output-schema 強制最終回覆嚴格符合指定 JSON Schema。

用 codex exec 寫自動化腳本的五步法

圖:本站根據 Codex 官方文檔:Non-interactive mode 整理的示意圖

本文根據 Codex 官方文檔《Non-interactive mode》與《Command line options》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI 官方網站。

適用於誰

  • 想在 Shell 腳本、預提交檢查、定時巡檢或 CI 流水線裏無人值守調用 Codex 的開發者;
  • 需要把報錯日誌通過管道餵給 Codex,再把返回結果存盤或傳給下游工具(如 jq、gh)的人;
  • 照舊教學寫 --full-auto 報錯,想知道最新非交互權限與 JSON 輸出參數的人。

一、基礎命令與兩種 stdin 管道模式

最簡單的單次調用,直接把任務指令作為參數傳入:

bash
codex exec "總結當前倉庫目錄結構,列出最需要注意的 5 個風險點" > summary.md

因為運行日誌走 stderr、最終結論走 stdout,summary.md 裏只會寫入最後的總結正文。如果臨時跑批處理不想在 ~/.codex/sessions 留下會話文件,加上 --ephemeral。

當上遊命令(比如單測、日誌截取、curl)通過管道喂數據時,按指令來源選寫法:

  • 模式 A:「指令 + 管道上下文」(命令帶提示詞參數,管道內容自動作為附加材料):
bash
npm test 2>&1 \
  | codex exec "彙總失敗的測試用例,並給出改動最小的修復方案" \
  | tee test-triage.md
  • 模式 B:「管道即完整提示詞」(省略提示詞或顯式寫 -,適合由上游腳本動態拼好整段提示詞):
bash
cat prompt.txt | codex exec -

需要注意,Codex 預設強制檢查當前目錄是不是 Git 倉庫,以防誤傷非版本控制目錄;如果確定在安全的臨時目錄裏跑純文本處理,需顯式加上 --skip-git-repo-check。

二、沙箱與項目信任設定(別再用 --full-auto)

codex exec 預設運行在只讀(read-only)沙箱中,不能改代碼。按官方最新說明,舊版 --full-auto 參數已停止支持,腳本里請按最小權限改寫:

bash
# 允許在當前工作區改文件
codex exec --sandbox workspace-write "修復失敗的單測並重新運行驗證"

# 在工作區可寫基礎上,把越界審批請求交給自動安全審核處理
codex exec --sandbox workspace-write --approve-for-me "更新快照並跑通檢查"

只有在完全隔離的容器或一次性 CI 虛擬機裏,才考慮 --sandbox danger-full-access。沙箱與自動審核的完整規則見 Codex 權限與沙箱設定 與 Codex 命令被自動審核拒絕怎麼辦。

另外兩條容易在腳本里踩坑的加載規則:

  • 未信任項目不加載 .codex/:即使開了可寫沙箱,本地 codex exec 也只對受信任項目加載倉庫內的 .codex/config.toml 和項目級 MCP 服務;首次在自動化目錄運行可傳 --trust 儲存信任狀態(不能與 --ignore-user-config 同用)。
  • 純淨環境隔離:不想受本機 ~/.codex/config.toml 干擾時加 --ignore-user-config;想跳過 .rules 規則文件時加 --ignore-rules。若某個啟用的 MCP 服務配置了 required = true 但初始化失敗,codex exec 會直接非零退出而不會靜默跳過(MCP 配置見 Codex 怎麼配置 MCP)。

三、機器可讀輸出:--json、-o 與 --output-schema

codex exec 四種輸出控制參數對比

圖:本站根據 Codex 官方文檔:Non-interactive mode 整理的示意圖

寫流水線腳本時,純自然語言不好給下一步解析,官方提供了三種輸出控制參數:

1. 抓全量過程事件:--json

加上 --json 後,stdout 會變成每行一個 JSON 對象的 JSONL 流,包含 thread.started、turn.started、item.started、item.completed(涵蓋命令執行、文件修改、MCP 調用、網頁搜尋等)以及帶 token 統計的 turn.completed。若既想要 JSONL 流又想單獨拿最終結論文本,搭配 -o(即 --output-last-message):

bash
codex exec --json -o last-message.txt "檢查最近一次提交的潛在空指針問題" > events.jsonl

2. 強制返回固定 JSON 結構:--output-schema

先準備一份標準 JSON Schema 文件(注意頂層對象的 additionalProperties 設為 false),例如 schema.json:

json
{
  "type": "object",
  "properties": {
    "risk_level": { "type": "string" },
    "affected_files": { "type": "array", "items": { "type": "string" } }
  },
  "required": ["risk_level", "affected_files"],
  "additionalProperties": false
}

執行時傳入 --output-schema 並用 -o 落盤:

bash
codex exec "評估當前未提交改動的風險範圍" \
  --output-schema ./schema.json \
  -o ./risk-report.json

四、多步接續、工作樹與自動化憑據

  • 兩階段流水線接續:第一步只審不改,第二步接着改,可用 codex exec resume --last "修復剛才找出的競態條件"(或傳指定 <SESSION_ID>,會話恢復詳見 Codex 歷史會話在哪、怎麼恢復)。
  • 隔離工作樹執行:加 --worktree(如 codex exec --worktree "實現下一步" 或 codex exec fork <SESSION_ID> --worktree)可在受管 Git 工作樹中獨立改代碼,不污染主檢出。
  • 憑據安全:codex exec 預設複用本機登入態;在無人值守環境推薦單條命令前注入 CODEX_API_KEY=<密鑰> codex exec ...,不要在跑未知倉庫構建或測試代碼的整個 CI Job 頂層暴露 OPENAI_API_KEY,以防被第三方依賴鉤子讀取。計費區別見 Codex 怎麼收費;本地個人交互與輕腳本若用訂閱額度跑,可在本站查看 ChatGPT Plus 充值說明。

常見問題

問:codex exec 和 codex review 有什麼區別?

答:codex review 是專門做非交互代碼審查的子命令(支持 --uncommitted、--base、--commit),而 codex exec 是通用的非交互執行入口,查日誌、改文件、抽結構化數據都能幹。

問:為什麼加了 --ephemeral 或 --output-schema 卻報錯缺提示詞?

答:官方命令參考規定,使用 --image、--output-schema、--output-last-message 或 --ephemeral 時,必須提供提示詞(可直接給字符串,或用 - 從 stdin 讀入)。

問:能在公共開源倉庫的 CI 裏把本機 ~/.codex/auth.json 拷過去跑嗎?

答:官方明確禁止在公共或開源倉庫這樣做。auth.json 內含帳號訪問令牌,等同密碼;CI 自動化應使用可隨時輪換的 API Key 或官方 GitHub Action。

相關教學

參考資料

  • Codex 官方文檔:Non-interactive mode — https://learn.chatgpt.com/docs/non-interactive-mode
  • Codex 官方文檔:Command line options — https://learn.chatgpt.com/docs/developer-commands

Nathaniel 的更多內容

  1. 01

    LangGraph 流式輸出(Streaming)詳解:逐字 Token 流、節點進度與自定義事件寫法

    多步智能體如果等全部節點跑完才返回,網頁前端就會白屏乾等十幾秒。本文按 LangGraph 官方文檔講清 updates、messages、custom 與 values 四種 stream_mode 的區別,以及組合訂閱逐字打字機輸出加工具內部實時進度的完整代碼。

    其他 AI 工具0
  2. 02

    LangGraph 持久化與長期記憶怎麼配:Checkpointer、Store 與 PostgreSQL 實戰

    在生產環境跑 LangGraph,單靠 InMemorySaver 一重啟就會丟失全部對話。本文按官方文檔講清線程內短期檢查點(Checkpointer)與跨線程長期記憶(Store)的分工,以及用 langgraph-checkpoint-postgres 對接 PostgreSQL 的完整步驟。

    其他 AI 工具0
  3. 03

    LangGraph 多智能體怎麼寫:Supervisor 主管包與 Subgraph 隔離子圖實戰

    在 LangGraph 裏把單個圖擴展成多智能體協作有兩條官方路線:快速原型用預置包 langgraph-supervisor,大型生產系統用原生子圖(Subgraph)嵌套。本文講清兩種寫法的完整代碼、私有狀態隔離防 Token 膨脹技巧以及檢查點傳播規則。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入審批怎麼寫:interrupt 暫停圖運行與 Command 恢復實戰

    企業之所以選 LangGraph,很大程度看中它能安全掛起等待人工審批(Human-in-the-Loop)。本文按官方最新規範講清 interrupt() 動態暫停、Checkpointer 必備條件、Command(resume=...) 恢復執行,以及防止副作用重複運行的重入規則。

    其他 AI 工具0
  5. 05

    多 Agent 協作平台怎麼選:Dify、釦子(Coze)、n8n 與 LangGraph 多智能體機制對比

    搜「多agent協作平台」時,Dify、釦子、n8n 和 LangGraph 都宣稱支持多智能體,但底層的調度方式完全不同。本文跳過基礎安裝,專門從多 Agent 角色跳轉、子代理工具調用、上下文隔離與私有化部署四個維度幫你一次選準。

    其他 AI 工具0
  6. 06

    企業微信有官方 MCP 和 CLI 嗎:@wecom/cli 安裝初始化、長連接機器人與接入教學

    搜「企業 微信 有 mcp 嗎」不用再東拼西湊民間群機器人腳本了:企業微信官方已推出 @wecom/cli 命令行工具並內置 stdio 模式的 MCP Server。本文按官方開發者文檔講清安裝、智能機器人長連接初始化、業務命令與接入 Claude Code 步驟。

    Claude其他 AI 工具0

同產品的其他教學

  1. 01

    AutoGen 現在怎麼樣了?微軟官方演進路線與 Microsoft Agent Framework 入門

    搜 AutoGen 新教學常被 0.2、0.4、社區分支和 Semantic Kernel 繞暈。按微軟官方文檔,微軟已將 AutoGen 與 Semantic Kernel 兩支團隊合併推出統一的開源框架 Microsoft Agent Framework。本文講清現狀與 Python 快速上手。

    ChatGPT其他 AI 工具0
  2. 02

    多 Agent 的成本為什麼翻倍、怎麼控制:Token 膨脹根源與五項降本措施

    剛把單智能體拆成多 Agent,用量往往暴漲好幾倍。Anthropic 工程報告統計單智能體約為聊天的 4 倍 Token,多智能體可達約 15 倍。本文拆解固定前綴重複加載、歷史搬運、工具鏈定義與緩存失效四大根源,並給出五條實操控費辦法。

    ChatGPTClaude0
  3. 03

    多 Agent 協同開發怎麼落地:「一個寫、一個審」雙代理工作流搭建指南

    多 Agent 協同開發裏投入產出比最高的模式就是「一個寫、一個審」。本文依據 Anthropic 與 OpenAI 官方編碼最佳實踐,講清為什麼同會話自審容易漏問題,以及用只讀子代理、跨模型交叉審查(Claude Code + Codex)和自動化閉環落地的具體方法。

    ClaudeCodex0
  4. 04

    多 Agent 編排模式詳解:編排者-工作者、交接(Handoffs)、並行與評估循環怎麼選

    搜「multi-agent orchestration 中文」會被各家框架的不同術語繞暈。本文對照 Anthropic《Building effective agents》與 OpenAI 智能體指南,把編排者-工作者、去中心化交接、並行分片投票與生成-評估循環四種標準編排拓撲講透。

    ChatGPTClaude0
  5. 05

    多智能體(Multi-Agent)是什麼、什麼時候該用:Anthropic 與 OpenAI 官方判斷標準

    多智能體不是代理越多越聰明。本文依據 Anthropic 研究系統架構文章與 OpenAI 官方智能體指南,講清確定性工作流、單智能體與多智能體的區別,以及哪三類瓶頸才值得上多智能體協同。

    ChatGPTClaude0
  6. 06

    codebase-memory 類 MCP 是什麼、怎麼用:基於語法樹圖譜的本地代碼索引原理與配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一類本地代碼圖譜 MCP 伺服器:用 Tree-sitter 把倉庫解析成函數與調用關係的 SQLite 圖庫,幫編碼助手查調用鏈並省下讀整份文件的額度。

    ClaudeCodex0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~