模型选择与基础参数设置

所属教程:OpenAI Codex CLI 从入门到大师级完整教程 预计阅读:18 分钟

Codex 背后可以切换不同能力档位的模型。选模型不是"越强越好",而是在任务难度、响应速度和成本之间做权衡。本节帮你建立按任务选模型的判断力,而不是死记某个固定名字。

一、按任务难度分三档

任务类型典型例子模型取向
简单/机械重命名、改文案、补类型注解、跑通现成测试轻量快速模型即可,省成本
中等单文件功能、局部 Bug 修复、写单元测试平衡型模型,速度与能力兼顾
复杂跨文件重构、架构理解、疑难调试、大型迁移最强模型,允许慢一点但要稳

二、两个容易被忽略的成本来源

上下文越长越贵。让代理一次性读入整个大仓库,即使任务很简单,成本也会随上下文长度上升。先用指令约束它只读相关目录,再谈选模型。

反复试错更贵。用弱模型硬啃复杂任务,它可能反复改错、需要你多轮纠偏,累计成本反而更高。复杂任务直接上强模型、一次做对,往往比"先省后补"更划算。

三、养成"先小后大"的习惯

一个实用节奏:先用轻量模型让代理做只读探索和方案,方案确认后,涉及真正跨文件改动时再切到强模型执行。这样既省成本,又把强模型用在刀刃上。具体可用的模型名称和档位会随版本变化,以官方文档与当前命令行里实际列出的选项为准。

← 上一节:项目指令规则:约定、构建命令与测试命令  下一节:任务提示词结构与上下文提供 →

本教程目录

返回教程列表 · AI最前沿首页 · AI百科