Der Codex von OpenAI: Ein Leitfaden mit 3 praktischen Beispielen

OpenAI hat gerade den Codex innerhalb der ChatGPT-App veröffentlicht . Codex ist ein Tool, das Entwicklern und Teams helfen soll, die tägliche Programmierarbeit zu erleichtern.

In diesem Tutorial zeige ich dir, wie du Codex in chatGPT nutzen kannst, um praktische Aufgaben in einem GitHub-Repository zu erledigen, auch wenn du kein professioneller Coder bist. Wir verwenden den Codex, um:

• Wende eine Codekorrektur an und erstelle einen Pull Request.
• Erkläre eine komplexe Funktion innerhalb der Codebase.
• Identifiziere und behebe einen Fehler anhand einer Frage.

Du wirst sehen, wie Codex in einer sicheren Sandbox funktioniert, überprüfbare Codeänderungen erzeugt und dir hilft, schneller zu liefern, ohne ChatGPT zu verlassen.

Was ist der Codex von OpenAI?

OpenAI Codex ist ein Cloud-basierter Software-Engineering-Agent, der Code schreiben und bearbeiten, Tests durchführen, Fehler beheben und sogar Pull Requests vorschlagen kann. Jede Aufgabe wird in ihrer eigenen Sandbox-Umgebung ausgeführt.

Codex wird von codex-1angetrieben , einer Version des o3-Modells das auf reale Entwicklungsabläufe abgestimmt ist. Dieser Agent ist auf Sicherheit, Testbarkeit und Entwicklerproduktivität ausgelegt. Du kannst den Codex mit Hilfe von AGENTS.md Dateien anleiten oder direkt in der Seitenleiste von chatGPT mit ihm interagieren.

Mit Codex CLIkannst du diese Funktionen auch direkt in deinem Terminal nutzen.

OpenAIs Codex einrichten

Die Einrichtung von Codex dauert nur ein paar Minuten. Hier ist eine einfache Schritt-für-Schritt-Anleitung, damit du loslegen kannst.

Schritt 1: Suche nach dem Codex-Tool

Beginne damit, dich einzuloggen bei ChatGPT. Suche in der linken Symbolleiste nach Codex. Beachte, dass der Codex derzeitnur für Pro-, Team- und Enterprise-Benutzer ausgerollt wird .

Schritt 2: Erste Schritte mit Codex

Wenn du auf Codex klickst, gelangst du zu einer weiteren Registerkarte für die Ersteinrichtung. Klicke auf "Get Started" und folge dem Authentifizierungsverfahren wie im nächsten Schritt gezeigt.

Schritt 3: Multi-Faktor-Authentifizierung

Klicke auf "MFA einrichten, um fortzufahren" und scanne den QR-Code mit deiner bevorzugten Authentifizierungs-App (wie Google Authenticator oder Authy). Gib den Code zur Verifizierung ein und du bist fertig!

Schritt 4: Mit GitHub verbinden

Sobald die Multi-Faktor-Authentifizierung abgeschlossen ist, verbinden wir Codex mit GitHub.

Schritt 4.1: Autorisiere den GitHub Connector

Über "Mit GitHub verbinden" gelangst du zu einem Pop-up, in dem du den GitHub-Connector autorisieren musst. Lies dir das Pop-up durch und autorisiere.

Schritt 4.2: Hinzufügen deines GitHub-Kontos

Sobald GitHub verbunden ist, müssen wir unser Konto hinzufügen. Wähle unter der Registerkarte "GitHub-Organisation" die Option "GitHub-Konto hinzufügen". 

Daraufhin wird ein weiteres Pop-up-Fenster mit der Aufforderung "Installieren und autorisieren" angezeigt. Klicke auf "Autorisieren" und alle deine Repositories werden auf der ChatGPT-Oberfläche angezeigt. Du kannst auch nur ausgewählte Repositories autorisieren.

Schritt 4.3: Eine Umgebung schaffen

Wähle das Repository aus, an dem du arbeiten möchtest, und klicke auf "Umgebung erstellen".

So kommst du zu "Data Controls". Codex befindet sich noch in aktiver Entwicklung und du wirst möglicherweise eine optionale Aufforderung sehen, deine Daten für die Modellverbesserung zu verwenden. Du kannst dies ausschalten und fortfahren.

Jetzt ist deine Umgebung bereit, erkundet zu werden. Mit Codex kannst du Aufgaben parallel zu vorher ausgewählten Aufgaben starten.

Klicke einfach auf "Aufgaben starten" oder wähle Aufgaben nach deinen Bedürfnissen aus. Dadurch gelangst du zu einer Schnittstelle, auf der du Fragen stellen oder den Agenten bitten kannst, eine Funktion für dich zu programmieren.

Wenn alle Aufgaben fertig sind, wählst du die Aufgabe aus, an der du arbeiten möchtest - oder du kannst mehrere Aufgaben parallel bearbeiten.

Schritt 5: AGENTS.md Datei (optional)

Die Datei AGENTS.md ist eine spezielle Konfigurationsdatei, die von OpenAI für die Codex-Plattform eingeführt wurde. Sie wurde speziell dafür entwickelt, KI-Agenten bei der Arbeit in deiner Codebasis zu unterstützen. Du kannst es dir wie ein Entwicklerhandbuch für KI-Teammitglieder vorstellen, ähnlich wie ein README.md, aber mit dem Schwerpunkt auf Anweisungen für autonome Agenten. Hier ist ein Beispiel für eine AGENTS.md Datei:

# AGENTS.md

## Code Style
- Use Black for Python formatting.
- Avoid abbreviations in variable names.

## Testing
- Run pytest tests/ before finalizing a PR.
- All commits must pass lint checks via flake8.

## PR Instructions
- Title format: [Fix] Short description
- Include a one-line summary and a "Testing Done" section

Wenn Codex eine Aufgabe in deiner Codebasis ausführt, wird sie:

• Sucht nach AGENTS.md Dateien, deren Geltungsbereich die zu ändernde(n) Datei(en) umfasst.
• Wendet die Anweisungen in diesen Dateien an, um seine Änderungen zu formatieren, zu testen und zu dokumentieren.
• Priorisiert tiefer verschachtelte Anweisungen, wenn mehrere Dateien zutreffen (wie bei einer kaskadierenden Konfiguration).

Der Codex von OpenAI: Drei praktische Beispiele

Lass uns anhand von drei Beispielen, die ich in einem Repository durchgeführt habe, herausfinden, wie Codex dir in der realen Entwicklung helfen kann.

Beispiel 1: Grundlegende Korrekturen und Tippfehler

Codex unterteilt manchmal eine einzelne Anfrage in Teilaufgaben, wie z.B. das Korrigieren von Tippfehlern, das Verbessern einer README oder das Schreiben von Tests, die alle im selben Arbeitsbereich stattfinden.

Du kannst eine neue Aufgabe innerhalb einer bestehenden Aufgabe basierend auf der ersten Überprüfung starten, Änderungen an der bestehenden Codebasis beantragen oder über das Textfeld Fragen stellen. Um die Aufgabe zu erweitern oder etwas Neues festzulegen, klicke auf "Code" und starte direkt eine neue Teilaufgabe.

Wenn du mit den Änderungen zufrieden bist, klicke auf "Push", um eine neue Pull-Anfrage zu erstellen. Nach ein paar Sekunden kannst du auf "View Pull Request" klicken, um auf den Pull Request zuzugreifen und ihn in den Hauptteil einzubinden.

Beispiel 2: Codebase-Erklärung

Als Nächstes nutzte ich Codex für eine Aufgabe, die nichts mit dem Editieren zu tun hatte: Ich erkundete die Codebasis und fragte, was ich als Nächstes tun könnte. Das ist besonders nützlich, wenn du neu in einem Projekt bist, schnell einsteigen willst oder einfach nur nicht verstehen willst, wie eine bestimmte Funktion funktioniert.

Codex navigierte durch das Projekt und lieferte eine saubere, einsteigerfreundliche Aufschlüsselung der Codebasis. Anstatt die Dateien einfach aufzulisten, hat der Codex sie nach ihrem Zweck gruppiert:

• Er hob hervor, dass qwen3_demo.py das Hauptskript ist, das zwei Gradio-basierte Schnittstellen aufruft - eine für den Wechsel des Argumentationsmodus und eine weitere für die mehrsprachige Übersetzung.
• Sie hat qwen3_demo.ipynb als interaktive Notizbuch-Alternative identifiziert.
• Er verwies auf test_qwen3_demo.py für Unit-Tests und README.md für Dokumentation und Video-Walkthroughs.

Darüber hinaus hat Codex auch "Wissenswertes" aufgelistet, wie z.B. Abhängigkeiten (Ollama CLI), die Rolle der Funktion _run_ollama und Tipps zur Erweiterung der Schnittstelle. Es wurden sogar Vorschläge für die nächsten Schritte gemacht, wie z.B. die Erforschung der Modellversionierung, die Verbesserung der Benutzeroberfläche und das Hinzufügen einer Fehlerbehandlung.

Beispiel 3: Finde und behebe einen Fehler

Codex kann die gesamte Codebasis scannen, einen Fehler identifizieren, eine Lösung vorschlagen und dir eine Vorschau der Änderungen zeigen. Dieser Prozess ähnelt den Code Change Reviews auf GitHub.

Du kannst die Protokolle einsehen, um den Hintergrundprozess für die vorgenommenen Änderungen zu verstehen, indem du auf "Protokolle" klickst.

Codex gibt eine Zusammenfassung der vorgenommenen Änderungen zurück, zusammen mit den Dateien, die erstellt wurden oder von den Änderungen betroffen sind. Du kannst auch Fragen zu den Änderungen stellen oder Codex bitten, neuen Code zu schreiben, um die aktuelle Implementierung zu verbessern.

Wenn du mit den Code-Fixes zufrieden bist, klicke auf "Push" und "Neuen PR erstellen", um eine neue Pull-Anfrage zu öffnen.

Nach ein paar Sekunden kannst du auf "View Pull Request" klicken, um auf den Pull Request zuzugreifen und ihn in den Hauptteil einzubinden.

Codex ermöglicht es, die Änderungen mit nur wenigen Klicks zusammenzuführen.

Die Hauptdateien werden nahtlos auf dem Repository aktualisiert.

Warum ist der Codex wichtig?

Codex ist nicht nur ein weiteres Tool zur Codegenerierung, sondern ein kollaborativer Agent. Du kannst es bitten, zu schreiben, zu refaktorisieren, zu testen, zu debuggen oder zu erklären, und es zeigt dir die Terminalprotokolle, Zitate und Ausgaben für jeden Schritt.

Hier sind einige Vorteile aus der Praxis, die ich beobachtet habe:

• Die Aufgaben sind nachvollziehbar und überprüfbar.
• Codex arbeitet parallel, du kannst also mehrere Änderungen in die Warteschlange stellen.
• Es berücksichtigt deine Entwicklungseinstellungen, vor allem, wenn du die Konventionen in der AGENTS.md Datei konfiguriert hast.
• Sie entspricht den menschlichen PR-Standards und kann CI-Tests bestehen.

Für mich sieht das so aus, als hätte OpenAI gerade einen Praktikanten für Softwareentwicklung entlassen.

Fazit

Wir haben gelernt, wie Codex Fehler behebt, Feature-Patches anwendet und die Logik des Codes erklärt, während er Pull-Requests erstellt, Tests durchführt und seine Aktionen in Terminal-Logs und Diffs dokumentiert.

Diese praktische Übung zeigt, wie Codex deinen täglichen Arbeitsablauf als Entwickler verbessern kann, egal ob du alten Code debuggst, ein neues Repo einführst oder Wartungsaufgaben erledigst.

Ich gehe davon aus, dass Codex in Zukunft noch stärker in IDEs, CI-Pipelines und Taskplaner integriert wird und so zu einem wichtigen Bestandteil des modernen Software-Stacks wird. Um mehr über Codex zu erfahren, lies den offiziellen Release Blogund du kannst auch Anwendungsbeispiele auf dem OpenAIs YouTube-Kanal.

Um tiefer in die ingenieurwissenschaftlichen Modelle und Werkzeuge von OpenAI einzutauchen, empfehle ich diese Blogs:

• OpenAI Codex CLI Tutorial
• OpenAIs O4-mini API: Schritt-für-Schritt-Anleitung mit Demo-Projekt
• GPT-4.1 Leitfaden mit Demo-Projekt: Schlüsselwort-Code-Suchanwendung