Codex Security 安全掃描怎麼用:@openai/codex-security 安裝、本地掃描與報告目錄設定

除了日常代碼審查,OpenAI 還推出了專門的漏洞排查工具 @openai/codex-security(命令別名 cs)。本文按官方快速開始文檔講清 Node 與 Python 環境前提、帳號登入、結果目錄放倉庫外的安全鐵律,以及先 --dry-run 再正式掃描的完整流程。

NNathaniel bigo··原創首發·AI 輔助撰寫
8 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. 看場景二選一:邊寫代碼邊在對話裏順手查安全,裝會話內的 Codex Security 插件;想對整個本地倉庫跑獨立掃描並落盤完整報告(或掛進流水線),用獨立的 @openai/codex-security CLI(提供命令 codex-security 與短別名 cs)。
  2. 裝之前先核對雙運行環境:同時需要 Node.js(22.13.0 及以上、24 或 26) 與 Python 3.10 及以上(若正好是 Python 3.10 需補裝 tomli)。
  3. 兩條運行前必守安全紀律:第一,獨立 CLI 以你當前操作系統用戶權限直接運行、中途不暫停彈窗,開跑前先清掉當前終端裏無關的其他生產密鑰環境變量;第二,--output-dir 輸出目錄必須建在被掃 Git 倉庫目錄之外,避免把含漏洞細節與源碼片段的報告誤提交上網。
  4. 同時配置了 API Key 時記得顯式加 --auth chatgpt,確保優先走你已登入的 ChatGPT 帳號通道。

獨立安全 CLI 與會話內插件掃描對比

圖:本站根據 OpenAI Codex Security CLI 官方文檔 整理的示意圖

本文根據 OpenAI Codex 官方文檔《Codex Security CLI quickstart》整理,核對日期 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

  • 搜「codex security 怎麼用」「@openai/codex-security 掃描代碼漏洞」的研發與安全工程師;
  • 覺得常規 PR 代碼審查(見 /guides/codex-code-review)只看當次變更行不夠全面,想對整座本地代碼倉庫做一次系統性安全隱患篩查的人;
  • 準備在本地終端或 CI/CD 流水線裏跑自動化安全掃描並導出結構化報告的團隊。

一、安裝與帳號認證步驟

1. 全局安裝或直接用 npx 運行

在滿足版本要求的終端裏執行全局安裝,並核對版本號:

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

如果你不想污染全局包目錄,後面所有命令都可以直接用 npx @openai/codex-security 代替 codex-security(安裝後也可以直接敲簡寫別名 cs --help 查看子命令,或者敲 codex-security info --json 核對捆綁插件版本)。

2. 登入認證(桌面機與無介面伺服器)

在帶瀏覽器的開發機上直接運行登入嚮導:

bash
codex-security login

如果是在沒有圖形瀏覽器的遠程 Linux 開發機上,只要工作區策略允許,可以加上 --device-auth 參數按終端顯示的裝置碼完成授權(若組織禁用了裝置碼,則按官方指引使用 SSH 端口轉發登入;企業環境同樣支持切換 API Key 或 AWS Bedrock 憑證)。

用 codex-security 掃本地倉庫四步

圖:本站根據 OpenAI Codex Security CLI Quickstart 整理的示意圖

二、標準掃描四步流程(先預檢、再正式跑)

第一步:清理終端敏感變量並劃定倉庫外輸出目錄

因為獨立安全掃描器不像交互式對話那樣受預設只讀沙箱攔截(常規沙箱與密鑰隔離原則見 /guides/codex-permissions-sandbox 與 /guides/ai-coding-security-secrets-permissions),開一個乾淨的新終端窗口,把報告輸出路徑指到代碼倉庫外面的一處私有目錄:

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

第二步:先加 --dry-run 核對本地輸入路徑

正式發起長耗時深度掃描前,先做一次幹跑檢查路徑和參數拼寫:

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

需要注意官方文檔的說明:--dry-run 只校驗本地目標目錄和輸出位置是否合法,不會實際加載登入憑證或檢查內部 Python 解釋器。

第三步:去掉 --dry-run 正式執行掃描

確認路徑無誤後,去掉末尾參數啟動正式掃描:

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

掃描結束後,打開 $SCAN_DIR 審閱生成的安全報告與威脅模型分析。對於確認成立的高危漏洞,你可以讓工具協助生成修復補丁並務必重跑單元測試驗證;若團隊需要將它進一步串進自動化工作流,可結合 GitHub Actions 集成方案一起規劃(見 /guides/codex-sdk-github-action-guide)。

深度全庫安全掃描涉及多輪跨文件代碼追蹤,消耗配額高於普通單文件問答;重度安全審計團隊或個人開發者如需核對 ChatGPT Plus 與 Pro 套餐的額度支持範圍,可參考 /chongzhi/chatgpt-pro 的說明。

常見問題

Q:為什麼有的深層安全檢測功能提示需要申請 Trusted Access for Cyber?

涉及高敏感網絡攻防驗證與受保護漏洞特徵的高階能力受 OpenAI 官方安全准入機制保護,常規代碼缺陷掃描正常登入後即可使用,遇到受限提示時需按官方 chatgpt.com/cyber 頁面指引由合規主體申請准入。

Q:掃描時忘傳 --output-dir 報告去哪了?

如果省略了 --output-dir,CLI 預設會把掃描產物寫進它自己的本機持久化狀態目錄裏(而不會亂寫進你的代碼倉庫根目錄),但顯式指定一個清晰的外部私有文件夾更方便歸檔對比和事後清理。

相關教學

參考資料

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

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

    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
  2. 02

    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
  3. 03

    Chrome DevTools MCP 怎麼用、怎麼保留登入態:安裝配置、獨立目錄與遠程調試端口連接

    Chrome DevTools MCP 本身免費且無需註冊帳號,大家搜「登入」通常是為了讓 AI 調試需要登入的網頁後台。本文按官方倉庫文檔講清安裝命令,以及用 --userDataDir 持久化獨立配置目錄、用 --browserUrl 掛載已登入瀏覽器的兩種標準做法。

    ClaudeCodex0
  4. 04

    Codex 接入 Amazon Bedrock 與 Google Cloud Vertex AI 教學:企業雲託管配置

    企業合規要求模型流量統一走自家 AWS 或 GCP 雲帳單時,不需要硬拼第三方代理。本文根據 OpenAI Codex 官方文檔,講清原生接入 Amazon Bedrock(四種 AWS 憑證方式)與 Google Cloud Vertex AI(ADC 認證與區域駐留)的完整步驟。

    Codex0
  5. 05

    Codex 自動審查 GitLab Merge Request 怎麼配:公有云與自託管實例接入指南

    代碼託管在 GitLab 的團隊同樣可以用上 OpenAI 官方的雲端代碼審查。本文根據官方文檔講清 GitLab.com 與企業自託管實例的服務帳號配置、Developer 權限、Webhook 開啟與 AGENTS.md 規則約束。

    ChatGPTCodex0
  6. 06

    Codex 接入 Linear 怎麼用:指派 Issue、評論 @Codex 自動改碼與 Triage 分流教學

    用 Linear 管研發任務單的團隊,可以直接把 Issue 指派給 Codex 或在評論區 @Codex 自動拉起雲端環境改代碼。本文按 OpenAI 官方文檔講清雲端環境前置準備、連接器安裝、多倉庫指定技巧以及 Triage 規則自動派單配置。

    ChatGPTCodex0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~