上海
大家好，我是程序員魚皮。
最近 AI 圈兒也太鬧騰了，4 月 23 號 OpenAI 發(fā)布了 GPT-5.5，緊接著第二天 DeepSeek 就放出了 V4，兩個重磅模型前后腳上線。
光看跑分沒什么意思，模型好不好用，還得拿真實項目來檢驗。
正好 OpenAI 的 Codex 桌面端這段時間更新很猛，已經(jīng)從一個純 AI 編程工具進(jìn)化成了支持 Computer Use、插件市場、內(nèi)置瀏覽器的「超級 App」。
所以這篇文章，我全程用 Codex + GPT-5.5 來開發(fā)一個完整的全棧項目，后端對接 DeepSeek V4 的 API 實現(xiàn) AI 能力。
看完這期，你能學(xué)會 Codex 的使用方法、感受新模型的實際能力、掌握 AI 編程的實用技巧，可謂一舉三得。
點個收藏，咱們開始~
需求分析
這次要做的項目叫「項目學(xué)習(xí)助手」（project-helper），核心需求很簡單：
用戶輸入一個 GitHub 倉庫地址，系統(tǒng)自動克隆項目并分析源碼，生成一份通俗易懂的完整分析報告。報告涵蓋項目概述、技術(shù)棧、目錄結(jié)構(gòu)、核心模塊、數(shù)據(jù)流、設(shè)計模式、閱讀建議等，真正做到「傻子也能懂」。分析過程實時推送進(jìn)度，已經(jīng)分析過的項目自動緩存，不用重復(fù)分析。
另外，用戶還可以針對源碼進(jìn)行交互式問答，AI 會自主搜索代碼、讀取文件來回答問題，支持流式輸出。
這樣一來，你可以快速學(xué)會任何開源項目，哪怕面對幾萬行代碼的倉庫，也完全不虛。
方案設(shè)計
如果你完全沒有任何技術(shù)基礎(chǔ)，可以讓 AI 幫你完成方案設(shè)計。
但這里為了節(jié)省時間和 tokens，我直接告訴 AI 怎么做。
項目采用前后端分離架構(gòu)：
后端用 Python FastAPI + LangChain + SQLite
前端用 Vue 框架
AI 能力對接 DeepSeek V4 的 API
AI 分析和 AI 問答能力的實現(xiàn)還是有點小技巧的，如果一個代碼倉庫有幾萬行，難道要全部扔給 AI 自己去分析么？
我的思路是， 采用 AI 工具調(diào)用（Tool Use）的方式，給 AI 提供讀取文件、搜索代碼、獲取倉庫結(jié)構(gòu)等工具，剩下的交給 AI 自己判斷該看哪些文件、該怎么組織答案。這也是 DeepSeek V4 專門優(yōu)化過的 Agentic 場景。
環(huán)境準(zhǔn)備 Codex 配置
打開 Codex，首先確認(rèn)模型列表里有 GPT-5.5。如果看不到，大概率是賬號的問題，可能需要開通更高級的會員，我這里用的是 Plus 會員。
可以看到界面上已經(jīng)有了 GPT-5.5 模型選項，還支持調(diào)節(jié)智能程度（低 / 中 / 高 / 超高），我選擇「高」。
左下角進(jìn)入設(shè)置，把工作模式切換為「用于編程」，這樣 AI 的回復(fù)會更專業(yè)、更適合開發(fā)場景：
安裝 AI 擴(kuò)展
Codex 的 AI 擴(kuò)展主要包括三類：
MCP 服務(wù)，用于連接外部工具連接
Agent Skills 技能包，讓 AI 學(xué)會特定的專業(yè)技能
Plugins 插件，給 AI 增加更多能力
官方自帶了一些內(nèi)置的插件和技能，比如 Computer Use、Browser Use、PDF 處理、演示文稿編輯等：
不過這次項目需要的幾個擴(kuò)展，Codex 默認(rèn)沒有，得自己安裝。
我們需要下面 3 個擴(kuò)展：
Firecrawl：聯(lián)網(wǎng)搜索和網(wǎng)頁抓取，讓 AI 能獲取最新的技術(shù)信息
Context7：查詢最新的技術(shù)文檔和 API 用法，減少 AI 瞎編的情況
UI UX Pro Max：前端美化技能，讓生成的頁面更有設(shè)計感
你可以在 Codex 設(shè)置里手動添加 MCP 服務(wù)：
但是，要手動填寫一堆參數(shù)，真特么麻煩啊！
雖然也可以直接編輯~/.codex/config.toml配置文件來添加 MCP 服務(wù)，但還是很麻煩。
這點上 Codex 的體驗不如 Copilot 和 Cursor 的可視化安裝，Copilot 甚至直接把 MCP 集成到了 VSCode 擴(kuò)展市場里，一鍵搜索安裝就行。
好在我們可以換一種方式，用每個 AI 服務(wù)提供的命令來快速安裝。
1、安裝 Firecrawl
Firecrawl 是一個聯(lián)網(wǎng)搜索和網(wǎng)頁抓取工具，能讓 AI 在開發(fā)前先搜索最新的技術(shù)信息和文檔。我們的項目需要它來查詢 DeepSeek V4 的最新 API 用法。
打開終端，輸入下列命令：
npx -y firecrawl-cli@latest init --all --browser
執(zhí)行后，會自動打開瀏覽器，要在彈出的頁面中點擊授權(quán)：
安裝完成后，會自動注冊 12 個相關(guān)技能：
在 Codex 的技能管理中，就能看到新添加的 Firecrawl 相關(guān)技能了：
2、安裝 Context7
Context7 是一個技術(shù)文檔查詢工具，讓 AI 能獲取到各種框架和庫的最新官方文檔，避免用過時的 API 寫代碼。
先在終端輸入一行命令來安裝：
npx ctx7@latest setup
它會問是安裝 MCP 服務(wù)還是 CLI + Skills，這里我選擇 CLI + Skills。你會發(fā)現(xiàn)，現(xiàn)在越來越多工具已經(jīng)從 MCP 轉(zhuǎn)向 CLI + Skills 的方式了：
同樣在彈出的網(wǎng)頁中授權(quán)，不用自己獲取和輸入 API Key，太方便了！
然后選擇要給哪個 AI 編程工具安裝，我選擇為 Codex 安裝：
安裝成功：
在 Codex 中確認(rèn)已安裝的技能：
當(dāng)然，你也可以選擇安裝 MCP Server 的方式：
安裝后，在 Codex 的 MCP 服務(wù)器設(shè)置里，就能看到 Context7 MCP 了，這不比自己手動填參數(shù)方便多了？
3、安裝 UI UX Pro Max
這是一個前端美化技能包，能讓 AI 生成的頁面更有設(shè)計感，不會有一大堆的 Emoji。
輸入一行命令：
uipro init
選擇為 Codex 安裝技能：
安裝成功：
在 Codex 的技能管理中，能看到新技能：
至此，環(huán)境準(zhǔn)備完成！下次開發(fā)項目時，就不用再重復(fù)準(zhǔn)備了~
新建一個project-helper項目文件夾，在 Codex 中打開：
然后輸入提示詞。這里分享一下我實際用的提示詞，給大家參考：
## 角色
你是一個全棧工程師，擅長 Python + FastAPI + LangChain 開發(fā)。
## 任務(wù)
開發(fā)一個叫 project-helper（項目學(xué)習(xí)助手）的 Web 應(yīng)用，幫助用戶快速讀懂任意開源項目的源碼，傻子也能懂。
用戶輸入一個 GitHub 倉庫地址，系統(tǒng)自動克隆項目并分析源碼，生成一份通俗易懂的完整分析報告，涵蓋項目概述、技術(shù)棧、目錄結(jié)構(gòu)、核心模塊、數(shù)據(jù)流、設(shè)計模式、閱讀建議等。分析過程實時推送進(jìn)度，已分析過的項目自動緩存，無需重復(fù)分析。
用戶還可以針對源碼進(jìn)行交互式問答，給 Agent 提供讀取文件、搜索代碼等工具，讓 AI 自主查找代碼來回答問題，支持流式輸出。
## 技術(shù)棧
- 后端：Python FastAPI + LangChain + SQLite + 對接 DeepSeek V4 模型
- 前端：Vue，前后端分離
## 要求1. 頁面需要閱讀舒適，具有科技感，代碼塊有語法高亮，使用 UI UX Pro Max 技能美化頁面
2. 開發(fā)前，先通過 Firecrawl 聯(lián)網(wǎng)搜索信息，通過 Context7 查詢最新技術(shù)文檔和用法
3. 必須生成完整可運行的代碼，每步完成后必須自主測試驗證
簡單解讀一下這段提示詞的幾個要點：
角色定義放在最前面，讓 AI 進(jìn)入全棧工程師的狀態(tài)
任務(wù)描述用自然語言把需求講清楚
技術(shù)棧只列關(guān)鍵選型，讓 AI 自己決定具體實現(xiàn)方案
最后兩條要求是關(guān)鍵，讓 AI 先查文檔再寫代碼，避免瞎編寫法；讓 AI 開發(fā)完后自主測試，減少翻車
模型我選擇 GPT-5.5，智能程度選「高」，權(quán)限給完全訪問（主要圖個省事兒）：
注意，如果你想讓 AI 測試得更完整，可以先獲取好 DeepSeek 的 API Key 并直接寫在提示詞里。否則沒有 API Key，AI 是沒法完成大模型調(diào)用測試的。
把上述提示詞發(fā)送給 AI，接下來就是漫長的等待了。
我這次等了 9 分鐘，這期間一直在做提肛，有了 AI 編程后運動量也拉上來了~
AI 生成了完整的前端和后端項目代碼，還自動寫好了項目文檔：
點擊右上角可以查看生成的所有代碼文件，總共 19 個文件、1644 行代碼：
點擊右上角查看項目概覽，可以看到進(jìn)度、生成結(jié)果、信息來源等。
注意看「來源」那欄，我們提供的 3 個技能 AI 都用上了。Firecrawl 用來搜索信息，UI UX Pro Max 用來美化頁面，Context7 用來查文檔：
感興趣的同學(xué)可以看下 AI 生成的核心代碼。比如問答模塊利用 LangChain 實現(xiàn)了一個能調(diào)用read_file（讀取文件）、grep_code（搜索代碼）、repo_map（獲取倉庫結(jié)構(gòu)）這 3 個工具的 Agent，AI 會自主決定調(diào)用哪些工具來回答用戶的問題。
測試驗證
接下來需要獲取 DeepSeek 的 API Key，進(jìn)入 DeepSeek 開放平臺，創(chuàng)建 API Key，記得不要泄露哦！
大家在使用某個 AI 大模型時，記得要關(guān)注一下價格。比如目前 DeepSeek 的 V4-Flash 百萬 tokens 輸入只要 1 元、輸出 2 元；V4-Pro 輸入 3 元、輸出 6 元（限時 2.5 折優(yōu)惠到 5 月 5 號）。緩存命中的話更便宜，V4-Flash 輸入低至 0.02 元/百萬 tokens。
但是 DeepSeek 目前還沒有 Coding Plan，不太建議拿它來 AI 編程，估計消耗的 tokens 會讓很多同學(xué)吃不消。但是用它來做 AI 應(yīng)用的大腦非常合適，性價比很高。
根據(jù) AI 給出的指引，在 Codex 中打開終端，設(shè)置環(huán)境變量，把 API Key 改為你自己的：
export DEEPSEEK_API_KEY=你的_key
export DEEPSEEK_MODEL=deepseek-v4-pro
不過這種export方式是臨時的，終端一關(guān)就沒了。
更好的做法是讓 AI 搞一個環(huán)境變量配置文件，我們手動填寫就行。
AI 很快完成了任務(wù)，新增了.env和.env.example環(huán)境變量文件：
注意，如果你的項目要開源，一定記得在.gitignore中忽略.env文件，防止 API Key 泄露到 GitHub 上。
然后直接在編輯器中打開.env文件，把 API Key 填進(jìn)去：
配置完環(huán)境變量后，讓 AI 重啟項目：
接下來人工測試一下。打開網(wǎng)頁，輸入一個 GitHub 倉庫地址，比如我之前帶大家開發(fā)的 AI 零代碼應(yīng)用生成平臺：
雖然頁面的布局和風(fēng)格中規(guī)中矩，但功能是完全正常的。DeepSeek V4 生成的分析結(jié)果還挺靠譜的，包含了項目概述、技術(shù)棧分析：
還有核心模塊詳解、數(shù)據(jù)流分析、新手閱讀建議等等，內(nèi)容是準(zhǔn)確的，生成速度也比較快：
再來測試下源碼問答功能，問它：項目用了哪些設(shè)計模式？
AI 調(diào)用了工具自己去翻代碼，很快就列舉出來了，包括門面模式、策略模式等，每個模式都標(biāo)注了對應(yīng)的源碼文件路徑：
核心功能測試沒問題。但如果項目要正式上線，還要測試一堆邊界條件，比如倉庫不存在怎么辦？網(wǎng)絡(luò)斷了會不會崩？緩存命中的邏輯對不對？
一個個手動測太麻煩了，干脆直接讓 AI 幫忙。
Codex 內(nèi)置了 Browser Use 插件，輸入@Browser Use使用插件，讓 AI 自主測試：
自主測試所有功能，出了問題自動修復(fù)，確保所有功能正常可用
可以看到 AI 在 Codex 內(nèi)部打開了一個瀏覽器，它會自己點擊頁面、輸入倉庫地址、查看分析結(jié)果、測試問答功能，全程自主操作。這期間我又做了一會兒提肛，提麻了。
等了大概 9 分鐘，AI 完成了端到端的自主測試，還修復(fù)了好幾個它自己發(fā)現(xiàn)的 Bug：
至此項目就開發(fā)完了，是不是很簡單？
你還可以繼續(xù)讓 AI 優(yōu)化前端布局、給報告中增加 Mermaid 流程圖、支持導(dǎo)出報告文件等等，發(fā)揮想象力自由擴(kuò)展吧~
我的感受
最后聊聊我用 Codex、GPT-5.5 和 DeepSeek V4 的真實感受。
先說 Codex，Codex 的界面主打一個簡潔，第一眼看上去甚至不像 AI 編程工具，更像個 AI 聊天助手。但功能其實比較完整，比如 MCP 和 Skills 擴(kuò)展、插件市場、自動化、Git 集成、Browser Use、Computer Use，AI 編程所需的工程能力基本都具備了。
不過缺點也很明顯。默認(rèn)可用的模型有限，不像 Cursor 和 Copilot 原生就整合了 Claude、GPT、Gemini 各種模型隨便切。易用性也差了一些，從 MCP 配置那里大家應(yīng)該已經(jīng)感受到了。Copilot 可以直接在擴(kuò)展市場一鍵搜索安裝 MCP，Cursor 也支持可視化編輯 JSON 配置，Codex 這邊還得自己折騰命令行或者手寫 TOML。
再說說 GPT-5.5 模型。有一說一，我測了幾個全棧項目，并沒有明顯感受到 GPT-5.5 和 Claude Opus 模型的差距。只要提示詞到位，基本都能一把梭全棧項目的前端和后端，而且核心業(yè)務(wù)流程大概率一次性跑通。前端表現(xiàn)嘛，中規(guī)中矩，雖然實現(xiàn)了響應(yīng)式，但 UI 沒有特別驚艷的地方。。。
再看看 GPT-5.5 的成本。以開發(fā)前面這個項目為例，共消耗了 13 萬 tokens，上下文用了 50%。Codex 桌面端目前上下文容量是 258K，開發(fā)簡單的全棧項目沒問題，但復(fù)雜工程項目可能會有壓力。
我目前開的是 GPT Plus 會員，一個月 20 刀（150 元左右），每 5 小時和每周有限額。做完這個項目，5 小時的額度基本就用完了，不算擴(kuò)展功能的話，1 周差不多能做 5 個完整項目。
最后說說 DeepSeek V4。
我們團(tuán)隊之前的業(yè)務(wù)有接入 DeepSeek V3，也在帶大家做的項目中用過 V3。這次把 V4 接到業(yè)務(wù)里，生成速度還是挺快的，效果比 V3 提升明顯，尤其是對代碼的理解和分析能力。而且有了 100 萬 tokens 的超長上下文支持，讓我們可以做更重的 AI 應(yīng)用，比如深度研究、復(fù)雜項目源碼的全局分析等等。
看一下實際的 API 消耗，測試過程中用了 27 次請求，消耗了 5 萬多 tokens，花費 0.15 元。按正常用戶使用量算，一天 1000 次請求大約消耗 5.5 元，性價比很高。
總的來說，后續(xù)我不太會繼續(xù)用 Codex 來做日常 AI 編程，做復(fù)雜項目時會選擇 GPT-5.5 或 Claude Opus 模型，但開發(fā) AI 應(yīng)用時會優(yōu)先對接 DeepSeek V4 的 API，便宜好用。
OK 就分享到這里，本文會收錄到我免費開源的 ，上千張圖、幾十萬字，帶你從 0 開始快速學(xué)會 AI 編程，做出自己的產(chǎn)品、跑通變現(xiàn)全流程，一次拿捏。
開源指路：https://github.com/liyupi/ai-guide
我是魚皮，持續(xù)分享 AI 編程干貨。覺得有用的話記得點贊收藏和關(guān)注，也歡迎在評論區(qū)聊聊：你現(xiàn)在最常用哪個 AI 編程工具？覺得 GPT-5.5 的 DeepSeek-V4 怎么樣？
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
