OpenAI Codex CLI Tutorial

Es boomt bei agentenzentrierten IDEs wie Cursor AI und Windsurf: Sie verstehen deinen Quellcode, schlagen Änderungen vor und führen sogar Befehle für dich aus. Du musst nur mit dem KI-Agenten sprechen und im Flow bleiben – daher der Begriff "Vibe Coding".

OpenAI, offenbar angestachelt vom Vibe-Coding-Trend, hat vor Kurzem ein Open-Source-Tool veröffentlicht, das ein Reasoning-Modell nutzt, um Quellcode zu verstehen und dir beim Debuggen zu helfen – oder sogar per Einzeiler ein komplettes Projekt zu erzeugen.

In diesem Tutorial lernst du OpenAIs Codex CLI kennen und richtest es lokal ein. Anschließend verwenden wir den Codex-Befehl, um aus einem Screenshot eine Website zu bauen. Außerdem setzen wir ein komplexeres Projekt um: Wir trainieren ein Machine-Learning-Modell und entwickeln die Modellauswertung mit einer eigenen Benutzeroberfläche.

Wir halten unsere Leserschaft mit The Median auf dem Laufenden – unserem kostenlosen Freitags-Newsletter, der die wichtigsten KI-News der Woche knackig zusammenfasst. Abonniere ihn und bleib mit wenigen Minuten pro Woche top informiert:

Mehr über Cursor AI und Windsurf erfährst du in separaten Guides. Praxis bekommst du im OpenAI Fundamentals Lernpfad.  

Bild: Autor

Was ist OpenAIs Codex CLI?

OpenAI Codex CLI ist ein Open-Source-Kommandozeilentool, das die Power der neuesten Reasoning-Modelle von OpenAI (o4) direkt in dein Terminal bringt. Dieses leichte CLI-Tool ermöglicht dir, Code lokal direkt zu lesen, zu ändern und auszuführen. 

Es hilft Entwicklerinnen und Entwicklern, Features schneller zu bauen, Bugs zu fixen und unbekannten Code besser zu verstehen. Wichtig: Da die CLI lokal arbeitet, bleibt dein Quellcode in deiner Umgebung geschützt – sofern du ihn nicht teilst.

Die wichtigsten Funktionen der Codex CLI:

1. Installation ohne Setup: Du startest mit einem einfachen NPM-Befehl.
2. Multimodale Eingaben: Die CLI akzeptiert Text, Screenshots oder Diagramme, damit der KI-Agent passenden Code generieren oder bearbeiten kann.
3. Durchdachter Freigabe-Workflow: Du wählst dein Mitsprachenniveau aus drei Modi: Suggest, Auto Edit und Full Auto.
4. Läuft komplett im Terminal: Dein Terminal wird damit zum Code-Editor, KI-Assistenten und leistungsstarken Debugger. 

Mehr zu den Freigabemodi:

• Suggest (Standard): Der Agent liest Dateien und schlägt Änderungen oder Shell-Befehle vor. Vor dem Ausführen brauchst du deine Zustimmung. 
• Auto Edit: Der Agent kann Dateien automatisch lesen und schreiben, fragt aber weiterhin vor der Ausführung von Shell-Befehlen um Erlaubnis. 
• Full Auto: In diesem Modus liest, schreibt und führt der Agent Befehle autonom aus – in einer sandboxed, netzwerkfreien Umgebung, begrenzt auf das aktuelle Verzeichnis. 

Wenn du neu in KI bist und die Grundlagen lernen möchtest, empfehlen wir dir den AI Fundamentals Lernpfad.

Codex CLI einrichten 

Folge diesen Schritten, um OpenAI Codex CLI auf deinem System einzurichten.

Systemvoraussetzungen

Stelle vor der Installation sicher, dass dein System Folgendes erfüllt:

• Betriebssysteme:
• macOS 12+
• Ubuntu 20.04+/Debian 10+
• Windows 11 (optional WSL2)
• Node.js: Version 22 oder neuer (LTS empfohlen)
• Git: Version 2.23+ (optional, aber empfohlen für eingebaute PR-Helper).
• RAM: Mindestens 4 GB (8 GB empfohlen für bessere Performance).

Installationsschritte

1. Node.js installieren: Stelle sicher, dass Node.js Version 22 oder neuer installiert ist. Du kannst es von der offiziellen Node.js-Website herunterladen.
2. Git installieren: Falls noch nicht vorhanden, lade Git von git-scm.com herunter und installiere es. 
3. PowerShell einrichten: Wenn du Windows nutzt, konfiguriere dein PowerShell-Terminal wie folgt:
• Öffne dein PowerShell-Profil mit:

$PROFILE

• Füge folgende Zeile hinzu, um Git Bash als Standardshell zu setzen:

Set-Alias sh.exe "C:\Program Files\Git\bin\bash.exe"

4. Codex CLI installieren: Führe folgenden Befehl aus, um Codex CLI global zu installieren:

npm install -g @openai/codex

5. Deinen OpenAI API-Schlüssel setzen: Für die Nutzung brauchst du einen OpenAI API-Schlüssel. Exportiere ihn als Umgebungsvariable:

export OPENAI_API_KEY="your-api-key-here"

Codex CLI verwenden

1. Starte den interaktiven Modus mit folgendem Befehl im Terminal:

codex

2. Bist du nicht in einem Git-Repository, erscheint eine Warnung, dass es riskant ist, außerhalb eines Git-Repos zu bauen. Bestätige die Rückfrage mit „N“, um fortzufahren.

3. Wechsle mit dem cd-Befehl in dein Projektverzeichnis:

cd <project-directory>

4. Falls dein Projekt noch kein Git-Repository ist, initialisiere es mit:

git init

5. Sobald du im Projektverzeichnis bist, starte den interaktiven Modus der Codex CLI erneut mit:

codex

In diesem Modus interagierst du wie in ChatGPT: Stell deine Coding-Fragen, und die KI unterstützt dich beim Generieren, Debuggen oder Anpassen von Code.

Eine Website mit der Codex CLI bauen

In diesem Projekt bauen wir mit der Codex CLI eine Website nach dem Vorbild von CodeCut – anhand eines Screenshots des Designs. Warum CodeCut? Ich bin großer Fan der Arbeit von Khuyen Tran und wollte ihren Stil aufgreifen und mit meiner eigenen Note ergänzen.

1. Besuche die CodeCut-Website und mach einen Screenshot der Landingpage.

Quelle: CodeCut

2. Übermittle der Codex CLI den Pfad zum Screenshot mit diesem Befehl:

 codex --image "C:\Users\abida\Pictures\Screenshots\Screenshot 2025-04-19 213702.png"

3. Der Codex-CLI-Agent analysiert den Screenshot und fordert dich zu einer Rückfrage auf. 

Standardmäßig kommt das neue O4-Mini-Modell zum Einsatz. Die Grundlagen zum O4-Modell findest du im Guide O4-Mini: Tests, Features, O3-Vergleich, Benchmarks und mehr.

4. Bitte den Agenten, eine ähnliche Website mit dem Logo „🙌“ und dem Firmennamen handsup zu erstellen.

5. Der Agent kann Rückfragen stellen, um Befehle zum Erstellen von Dateien auszuführen und Code in diese Dateien zu schreiben.

6. Am Ende fasst der Agent die vorgenommenen Änderungen zusammen. 

7. Um das Hero-Bild zu aktualisieren, wechsle in den Ordner assets und ersetze das aktuelle Bild durch deine Illustration. Benenne die neue Datei wie das ursprüngliche Hero-Bild. Das Original war recht schlicht; ich nutze eine Illustration, in der im Büro alle die Hände heben.
8. Doppelklicke auf die Datei index.html, um deine Website zu öffnen. 

Das Ergebnis übertraf meine Erwartungen: Logo, Titel, Farbschema, Links und das gesamte Design trafen genau meine Vorstellung. 

Die ML-Inferenz-Anwendung bauen 

Im zweiten Projekt gehen wir es komplexer an: Wir bauen eine vollständige Machine-Learning-Anwendung – von der Datenladung bis zur Inferenz-Pipeline mit eigener Benutzeroberfläche. 

Außerdem geben wir dem Agenten volle Autonomie, damit er Befehle ohne Nutzerinteraktion ausführen kann. 

1. Mit folgendem Befehl haben wir Codex angewiesen, die Anwendung zu bauen:

codex --approval-mode full-auto "Build a proper FastAPI ML application with user interface."

Ergebnis: Der Agent hat ein Projekt mit allen nötigen Dateien und Konfigurationen erstellt. Folge zum Start einfach dem abschließenden Befehl.

2. Installiere die Python-Pakete mit:

pip install -r requirements.txt

3. Führe anschließend das Trainingsskript aus:

$ python train.py

Model saved to C:\Repository\GitHub\ML App with Codex\model\model.pkl

4. Starte die App anschließend mit:

uvicorn app.main:app -reload

5. Öffne deinen Browser und rufe http://127.0.0.1:8000 auf, um die App zu öffnen.

Die Anwendung ist voll funktionsfähig und liefert hohe Genauigkeit. 

Besonders beeindruckt hat mich die Benutzeroberfläche und wie schnell die Codex CLI alle Dateien fehlerfrei erzeugt hat. 

Dieses Projekt ist ein Beispiel, das viele Entwicklerinnen und Entwickler bereits umgesetzt haben. Trotzdem scheitern viele Large Language Models (LLMs) daran, selbst solch einfache Aufgaben in einem Durchgang lauffähig zu liefern. Mit Codex habe ich nur einen einzigen Befehl getippt – und das Ergebnis war hervorragend. Das hat mich wirklich überzeugt.

Wir sind nicht auf die inneren Abläufe der CLI eingegangen. Wenn du die OpenAI API verstehen und in eigenen Projekten nutzen möchtest, schau dir den Kurs Developing AI Systems with the OpenAI API an.

Fazit

OpenAI Codex CLI ist kein völlig neues Konzept. Herausragend ist jedoch, dass es Open Source ist und du dein OpenAI-Konto verbinden kannst, um noch leistungsfähigere Modelle zu nutzen.

Für mich ist die Codex CLI in vielen Fällen die bessere Wahl: Weniger Schritte bis zum Ziel, extrem schnell und ein deutlich gestraffter Entwicklungsprozess. Ob das Tool für deinen konkreten Use Case passt, findest du nur heraus, wenn du es ausprobierst. Für geradlinige Workflows ist es top, bei sehr komplexen Projekten mit vielen Abhängigkeiten kann es an Grenzen stoßen.

Wie gesehen, hat OpenAI kürzlich neben o4-mini und o3 ein neues Modell, GPT-4.1, eingeführt. Wenn du mehr über GPT-4.1 erfahren willst – Features, Vergleich mit GPT-4o und Zugang – lies den Blog GPT 4.1: Features, Access, GPT-4o Comparison, and More.