GPT‑6 Sol + Codex 完整 Agent 工作流：Coding、Tool Use、测试与 PR 自动化

摘要： GPT‑6 Sol 与 Codex 的组合，适合把软件任务从“生成一段代码”升级为“理解仓库、调用工具、修改文件、运行测试、根据失败迭代、产出补丁并进入 Pull Request 审查”的完整 Agent 工作流。GPT‑6 Sol 的官方定位是在智能、成本与复杂 Coding 能力之间取得平衡；Codex 则提供 Agent Loop、Shell、Apply Patch、沙箱、审批、GitHub Action、云环境与 PR Review。本文给出一套可落地的九阶段流程、配置示例、CI/PR 自动化、安全边界和成本控制方法，适合开发者、技术团队与企业平台工程人员直接参考。

核心结论

GPT‑6 Sol + Codex 值得作为大多数复杂 Coding Agent 工作流的默认起点：Sol 负责规划、代码理解和工具决策，Codex 负责把模型接入仓库、Shell、测试、补丁与 GitHub 流程；但生产环境仍必须保留沙箱、最小权限、CI 闸门和人工合并。

• 定位清楚： GPT‑6 Sol 面向复杂 Coding 与 Agent 工作流，比 Astra 更偏成本平衡，比 Luna 更适合多步骤、需要反复验证的开发任务。
• 不是一次提示词生成代码。 Codex Agent Loop 会在模型推理与工具调用之间循环，读取文件、修改代码、运行命令、观察结果，再决定下一步。
• 测试结果是主要证据。 Agent 的文字总结不能代替编译、单测、静态检查、集成测试和安全扫描；失败应作为下一轮修复输入。
• PR 自动化应拆分权限。 生成补丁的 Job 只需仓库读取权限，应用补丁和创建 PR 的 Job 单独获得写权限，避免 API Key 与不可信仓库代码共处。
• 最终合并仍由人或规则集决定。 Codex Review 能发现高优先级问题，但官方明确说明它不能替代测试、分支保护和必需审批。

GPT‑6 Sol 是什么，为什么适合 Codex？

OpenAI 于 2026 年 9 月 22 日发布 GPT‑6 Sol 和 GPT‑6 Luna。官方模型目录把 GPT‑6 Sol 定义为“为复杂 Coding 与 Agent 工作流而构建”，并建议在需要平衡智能与成本时选择 Sol；最困难的端到端任务可使用 Astra，高吞吐、可重复任务则更适合 Luna。

截至本文核验日期，GPT‑6 Sol 的 API 模型 ID 是 gpt-6-sol，支持 none、low、medium、high、xhigh 和 max 六档 reasoning effort，默认是 medium。上下文窗口为 1,050,000 Token，最大输出为 128,000 Token，知识截止日期为 2026 年 4 月 20 日。它接受文本与图片输入，输出文本；不直接支持音频或视频输入输出。

在 Responses API 中，GPT‑6 Sol 支持 Function Calling、Structured Outputs、Streaming，以及 Web Search、File Search、Image Generation、Code Interpreter、Hosted Shell、Apply Patch、Skills、Computer Use、MCP 和 Tool Search 等工具能力。这意味着它不只会“写答案”，还可以在 Agent Harness 的约束下选择和调用工具。

Codex 正是这个 Harness。OpenAI 对 Codex Agent Loop 的解释是：模型收到指令后，要么返回最终答复，要么请求工具调用；Codex 执行工具、把输出追加到上下文，再次请求模型。循环可以包含许多次推理与工具调用，最终产物通常不是聊天回复，而是工作区里的代码改动。

模型与 Harness 各自负责什么？

把 GPT‑6 Sol 与 Codex 混为一个产品，容易造成错误预期。可以用下表理解责任分工：

层级	GPT‑6 Sol 负责	Codex 负责	团队仍需负责
理解与规划	理解需求、分析代码、拆分任务、选择下一步	组织项目指令、上下文和会话	给出验收标准与业务边界
工具使用	决定何时读文件、运行命令或调用工具	实际执行 Shell、Apply Patch、MCP 等	配置工具白名单、凭据与网络
代码修改	生成或解释补丁	写入工作树并展示 Diff	审查架构与业务语义
测试迭代	根据错误推断修复方向	运行测试并把输出送回模型	维护可信测试与测试数据
Git/PR	生成摘要、风险和评审说明	云任务、GitHub Action、代码审查集成	分支保护、审批和合并决策
安全	遵循指令并识别风险	沙箱、审批和工具边界	最小权限、Secret、审计与响应

因此，GPT‑6 Sol 决定工作“怎么想”，Codex 决定这些想法“如何安全地作用于代码与工具”。真正的工程可靠性来自第三列：仓库规则、测试、CI、审批和责任人。

完整工作流的总体架构

推荐架构由五个部分组成：开发者任务入口、Codex Agent Loop、隔离工作区、CI 质量闸门、GitHub PR 与人工审查。

任务入口负责提供 Issue、验收标准、允许范围和禁止项。Agent Loop 读取 AGENTS.md、代码和测试，制定计划并调用工具。隔离工作区可以是本地 Git Worktree、容器或 Codex Cloud 环境，防止多个任务互相覆盖。CI 负责执行确定性检查。GitHub PR 则保存 Diff、测试证据、审查意见和合并记录。

第一步：把仓库变成 Agent 可理解的工程环境

Agent 的效果首先取决于仓库是否可重复构建。开始自动化前，应保证新开发者或干净容器能够按文档安装依赖、启动项目并运行测试。锁定包管理器版本，提供示例环境变量，禁止测试依赖个人机器上的隐式服务。

在仓库根目录创建 AGENTS.md，写入最重要且可验证的规则：项目结构、构建命令、测试命令、代码风格、禁止修改的目录、安全要求和 PR 规范。不要把整本架构文档塞进文件；应提供准确入口，让 Agent 按任务读取相关文档。

Project commands
- Install: npm ci
- Unit tests: npm test -- --runInBand
- Lint: npm run lint
- Type check: npm run typecheck

Change policy
- Work only in packages/api and tests/api unless the task says otherwise.
- Never edit production secrets or deployment credentials.
- Add or update tests for every behavior change.
- Report commands actually run and any checks that were skipped.

需要注意，示例中的规则是实施建议，不是 Codex 自动推断出的保证。团队要定期用真实任务检查这些指令是否有效，并删除会制造噪音或冲突的规则。

第二步：选择合理的模型档位与推理强度

GPT‑6 Sol 的默认 medium 适合大多数功能开发、Bug 修复和代码审查。明确、局部、低风险的任务可使用 low，架构迁移、跨模块故障和复杂测试失败可尝试 high 或 xhigh。max 应留给确实需要深度推理且价值足以覆盖延迟和成本的任务。

不要把全部任务固定为最高档。更好的路由方式是先按任务风险和复杂度分类：文档整理、格式修复可交给 Luna；常规功能和测试修复使用 Sol；安全关键、跨系统和无法稳定收敛的任务再升级 Astra 或更高推理强度。

API 的最小调用示例如下：

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

response = client.responses.create(
    model="gpt-6-sol",
    reasoning={"effort": "medium"},
    input="Analyze the failing tests, propose the smallest safe patch, and explain verification steps."
)

print(response.output_text)

若要让模型真正操作仓库，不应自行拼一个无限循环，而应使用 Codex、Codex SDK 或受控的 Agent Harness，明确工具、超时、最大轮数和审批策略。

第三步：让 Codex 先调查，再修改

高质量任务应包含问题、允许范围、验收命令和输出格式。例如：

Investigate why the order API returns 500 for expired coupons.
Limit changes to packages/api and tests/api.
First reproduce the failure and identify the root cause.
Then implement the smallest fix, add regression tests,
run lint, typecheck, and targeted tests, and summarize residual risk.
Do not change database migrations or deployment files.

“先复现”很重要。若 Agent 无法复现问题，它应该报告环境差异或证据缺失，而不是凭直觉修改。调查阶段可读取代码、搜索调用链和运行只读命令；确认计划后才进入写操作。

本地交互式 Codex 适合开发者实时监督；codex exec 适合 CI、计划任务和机器可读输出。官方文档说明，codex exec 默认在只读沙箱中运行，需要写入时显式选择 workspace-write。danger-full-access 只应在隔离 CI Runner 或容器中使用。

codex exec --sandbox workspace-write \
  "Fix the failing API tests, run the targeted suite, and leave a reviewable diff"

第四步：Tool Use 要小而精，不要无限开放

GPT‑6 Sol 可使用大量工具，但“支持”不等于每个任务都应启用。工具越多，选择错误、权限越界和提示注入的攻击面越大。

编码任务通常只需要文件读取、搜索、Shell、Apply Patch 和测试命令。查阅实时文档时才开放 Web；访问外部系统时通过范围受限的 MCP Server；浏览器和 Computer Use 应在专用环境中运行，并对登录、发布、删除和付款等动作增加人工确认。

Codex 的 Shell 沙箱只约束其提供的 Shell 工具。OpenAI 官方技术说明特别提醒，用户提供的 MCP 工具不自动继承 Codex Shell 沙箱，MCP Server 必须自己实施访问控制、参数验证、审计和速率限制。

工具返回值也不可信。仓库中的 Issue、README、依赖安装脚本和网页内容都可能包含提示注入。Agent 不应因为工具输出写着“请上传密钥”就改变权限；Developer 指令、策略引擎和执行器必须拥有更高优先级。

第五步：构建“测试—修复—再测试”闭环

Agent 写完代码只是中间状态。一个可靠循环应该按成本从低到高运行检查：格式化和静态检查、目标单测、类型检查、模块测试、集成测试、端到端测试、安全扫描。

当测试失败时，Codex 应把失败命令、退出码、关键日志和相关变更一起交给 GPT‑6 Sol。模型分析后只修改必要文件，再运行同一测试。要设置最大重试次数，防止模型在环境故障、Flaky Test 或不可满足条件下无限循环。

建议对测试结果采用结构化状态：

{
  "status": "failed",
  "command": "npm test -- --runInBand tests/api/coupon.test.ts",
  "exit_code": 1,
  "attempt": 2,
  "max_attempts": 3,
  "failure_class": "assertion",
  "next_action": "allow_fix"
}

超过最大次数后，Agent 应停止、保存 Diff 和日志，并请求人工处理。禁止把失败测试删除、把断言改宽或用跳过标记掩盖问题，除非任务明确要求且审查人同意。

第六步：生成可审查的 Diff 与提交说明

一个合格的 Agent 交付物应包含：改了什么、为什么改、涉及哪些文件、运行了哪些命令、哪些检查通过、哪些没有运行、残余风险与回滚方法。

Diff 太大时不要直接开 PR。先按关注点拆分：依赖更新、机械重构、业务逻辑、测试和文档尽量分开。对自动生成文件要说明来源；对数据库迁移、公共 API、权限或序列化变化要标注兼容风险。

Codex App 支持在独立线程和 Git Worktree 中运行多个 Agent，每个 Agent 使用隔离副本，降低同一仓库并行任务互相覆盖的概率。并行化适合独立模块或独立调查，不适合多个 Agent 同时修改同一核心文件。

第七步：在 GitHub Actions 中安全地产生补丁

OpenAI 官方提供 openai/codex-action@v1，可在 GitHub 事件触发的工作流中运行 Codex、应用补丁或发布 Review。最关键的安全建议是：不要把 OPENAI_API_KEY 或 CODEX_API_KEY 设置为会运行仓库受控代码的整个 Job 的环境变量。构建脚本、测试和依赖生命周期脚本都可能读取它。

推荐拆成两个 Job：

1. generate_fix 只有 contents: read，运行 Codex 后把 Diff 序列化为 Patch Artifact。
2. open_pr 在独立 Job 中获得 contents: write 和 pull-requests: write，但不获得 OpenAI API Key。

下面是结构化骨架，版本与输入字段应以官方 Action 文档为准：

name: Codex patch proposal

on:
  workflow_dispatch:

jobs:
  generate_fix:
    runs-on: ubuntu-latest
    permissions:
      contents: read
    steps:
      - uses: actions/checkout@v4
      - uses: openai/codex-action@v1
        with:
          openai-api-key: ${{ secrets.OPENAI_API_KEY }}
          prompt: >-
            Diagnose the failing tests, create the smallest safe patch,
            and record all verification commands.
      - name: Export patch
        run: git diff --binary > codex.patch
      - uses: actions/upload-artifact@v4
        with:
          name: codex-patch
          path: codex.patch

  open_pr:
    needs: generate_fix
    runs-on: ubuntu-latest
    permissions:
      contents: write
      pull-requests: write
    steps:
      - uses: actions/checkout@v4
      - uses: actions/download-artifact@v4
        with:
          name: codex-patch
      - run: git apply --check codex.patch && git apply codex.patch
      - run: npm ci && npm test

示例故意没有自动合并。创建分支、提交与 PR 的步骤应使用经过组织批准的 Action，并与分支保护和环境审批结合。

第八步：自动创建 PR，但不要自动信任 PR

PR 描述应自动包含 Issue 链接、变更摘要、测试证据、风险、未完成项和回滚说明。创建 PR 后，GitHub Ruleset 应要求 CI 通过、指定 CODEOWNERS 审查，并阻止 Agent Bot 直接绕过保护。

对数据库、身份认证、支付、Secret、基础设施和依赖供应链的变更，应增加额外标签与安全负责人审批。Agent 可以建议 Reviewer，但不能自行降低审批人数或修改 Ruleset。

自动化的目标不是让 PR 无人查看，而是让进入审查的 PR 更小、更完整、更有证据。人类 Reviewer 的时间应集中在业务语义、架构取舍和风险，而不是寻找缺失的测试命令。

第九步：用 Codex Review 做第二遍检查

连接 Codex Cloud 与 GitHub 后，可在 PR 评论中使用 @codex review 请求审查，也可为团队仓库配置自动 Review。Codex 会读取 PR Diff、遵循仓库的 AGENTS.md 指导，并以标准 GitHub Review 形式发布高优先级发现。

官方文档说明，普通 Codex Review 为减少噪音主要报告 P0 和 P1 问题；Security Review 处于 Research Preview，提供更深入的安全审查。团队应根据误报与遗漏持续调整仓库审查规则。

重要的是，Code Review 规则只能引导 Codex，不能替代测试、分支保护或必需人工审批。若生成代码和审查代码由同一模型完成，也要警惕相关性盲点；关键项目可以使用独立规则、不同模型或专门静态分析工具交叉验证。

成本、延迟与上下文应该怎样控制？

GPT‑6 Sol 的标准 API 价格为每百万输入 Token 2 美元、缓存输入 0.20 美元、Cache Write 2.50 美元、输出 10 美元。超过 272K 输入 Token 的提示，请求全量输入和缓存费率按 2 倍、输出按 1.5 倍计价；Batch 和 Flex 为 Standard 的 50%，Fast 为相应费率的 2 倍。具体费率和可用层级可能变化，应以官方价格页为准。

上下文窗口大不等于要把全仓库一次发送。Codex 应先用文件搜索、符号索引和测试失败定位相关范围，只读取必要文件。长会话会累积历史消息和工具输出，占用上下文；任务完成后应开启新线程，或在清晰检查点压缩上下文。

成本核算应以“成功交付一个通过 CI 的任务”为单位，而不是只看每百万 Token 价格。高推理强度可能增加单次成本，却减少返工；低档模型适合分类、格式化和重复检查。最优路由需要团队用自身仓库的代表性任务做评测。

权限、隐私和供应链风险

本地 Codex 默认应保持最小权限。只读调查使用只读沙箱，需要修改代码才启用 workspace-write；网络访问只允许官方文档、内部制品库和必要服务。danger-full-access 只能在隔离环境中使用，不能在保存个人密钥和生产凭据的开发机上常开。

Secrets 不应出现在提示词、AGENTS.md、日志或 Patch Artifact 中。GitHub Action 使用短时 GITHUB_TOKEN 与最小 permissions，OpenAI API Key 只暴露给需要它的步骤。第三方 Action 固定到经过审核的版本或 Commit SHA，并启用依赖审查。

上传到云端的仓库数据、提示词、工具输出和日志应依据账户类型、数据控制设置和企业协议评估。涉及源代码出境、客户数据或受监管信息时，需确认处理区域、保留策略和访问审计。GPT‑6 Sol 的 EU Data Residency 目前只在 Standard Processing 下可用。

如果你正在搭建类似流程，可继续阅读 AI Stack Nav 的 Codex 工作流相关文章 与 Coding Agent 安全治理专题。

失败处理与回滚清单

任务可能因依赖服务不可用、权限不足、测试不稳定、上下文耗尽、API Rate Limit 或模型误判而失败。可靠系统必须区分错误类别，避免所有失败都直接重试。

• 遇到 429 或临时服务错误，使用指数退避和随机抖动，并限制总次数。
• 工具返回权限错误时停止，不要尝试绕过沙箱或寻找其他凭据。
• 测试 Flaky 时记录历史结果并请求人工确认，不要反复修改业务代码迎合随机失败。
• Patch 应用冲突时重新基于最新主干生成，不要用强制覆盖破坏用户改动。
• PR 创建后若 CI 失败，只允许 Agent 在原分支提交可审查的后续修复。
• 涉及数据库和基础设施时，必须预先定义向后兼容与回滚步骤。
• 达到成本、时间或工具调用预算后停止，输出当前状态和下一步建议。

适合立即落地的三种模式

第一种是人工监督的本地结对：开发者在 IDE 或 Codex App 中给出小任务，实时看 Diff 和命令，适合新团队建立信任。

第二种是CI 失败自动生成 Patch：流水线失败后触发只读 Codex Job，产生 Patch Artifact，独立 Job 复测并开 PR，适合重复性测试修复。

第三种是PR 自动 Review：所有 PR 经过 Codex Review，重大安全项目再触发 Security Review，并继续执行人工审批。它最容易接入现有流程，但要评估误报、审查时延和团队接受度。

不建议一开始就采用“Issue 创建后自动改代码、自动开 PR、自动批准、自动合并和自动部署”的全无人链路。先让每一阶段可观察、可停止、可回滚，再根据真实成功率逐步放权。

FAQ

1. GPT‑6 Sol 与 GPT‑6 Astra 应该怎样选择？

Sol 适合作为复杂 Coding 和 Agent 工作流的成本平衡默认模型；Astra 适合最困难、跨系统、长时间且高价值的端到端任务。团队应使用自身任务集评测，而不是所有请求固定用最高档。

2. GPT‑6 Sol 的 API 模型 ID 和价格是多少？

模型 ID 是 gpt-6-sol。截至 2026 年 9 月 25 日，Standard 每百万 Token 输入 2 美元、缓存输入 0.20 美元、Cache Write 2.50 美元、输出 10 美元；长上下文和不同处理层有额外倍率。

3. Codex 能自动运行测试并修复失败吗？

可以。Codex Agent Loop 能调用 Shell、读取测试结果并让模型继续修复。但必须设置允许命令、最大重试、超时和退出条件，不能把“最终回复说已通过”当成测试证据。

4. Codex 可以自动创建和合并 PR 吗？

它可通过 Codex Cloud、GitHub Action 和受控脚本生成 Patch、创建 PR 或发布 Review。生产仓库不应让 Agent 绕过分支保护自动合并；合并仍由 CI、Ruleset 和人工审批决定。

5. 如何避免 OpenAI API Key 被仓库代码读取？

不要把 Key 设置为运行不可信构建脚本的整个 Job 环境变量。使用 Codex GitHub Action 的代理机制，把生成 Patch 与获得仓库写权限拆成不同 Job，并确保写权限 Job 不持有 OpenAI API Key。

6. 1.05M 上下文是否可以一次上传整个仓库？

技术上可能容纳大量内容，但通常不划算。超过 272K 输入会触发更高费率，而且无关文件会降低注意力质量。应先搜索和索引，再读取与任务相关的文件。

7. Codex Review 能替代人工 Code Review 吗？

不能。它适合增加一层高信号审查，发现回归、缺失测试和严重问题；业务语义、架构权衡、风险接受和最终责任仍需要人类 Reviewer。

8. 哪些操作必须要求人工审批？

发布、部署、删除数据、修改权限、读取生产 Secret、执行数据库迁移、支付、外发邮件和绕过安全策略等动作必须增加人工审批或完全禁止 Agent 执行。

结语

GPT‑6 Sol + Codex 的核心价值不是“写代码更快”，而是让模型在受控环境中完成一整套有证据的软件工程循环：理解任务、检索代码、调用工具、修改文件、运行测试、解释失败、生成补丁、进入 PR 并接受审查。

真正决定成败的不是一条万能提示词，而是仓库是否可构建、任务是否可验收、工具是否最小授权、CI 是否可靠、Diff 是否可审查，以及团队是否保留停止和回滚权。先从小型、可重复、低风险任务开始，记录成功率、返工率、测试通过率、成本和审查时间，再逐步扩大自动化范围。

当模型推理、Codex Agent Loop、确定性测试和 GitHub 审批各司其职时，Coding Agent 才会从“会写代码的聊天工具”变成可纳入工程管理的生产力系统。

事实依据与来源

• 官方事实： GPT‑6 Sol 于 2026 年 9 月 22 日发布，模型 ID 为 gpt-6-sol，定位是复杂 Coding 与 Agent 工作流。
• 官方参数： 1.05M 上下文、128K 最大输出，支持六档推理强度；标准价格及长上下文倍率来自官方模型与价格页面。
• 官方工具能力： Responses API 支持 Function Calling、Structured Outputs、Hosted Shell、Apply Patch、Skills、Computer Use、MCP 与 Tool Search。
• Codex 官方机制： Agent Loop 在模型推理和工具执行间循环；codex exec 支持预设沙箱，GitHub Action 可用于 CI，Codex Review 可对 PR 发布审查。
• 实施建议： 九阶段流程、模型路由、Job 权限拆分、预算阈值和回滚方案是基于官方能力设计的落地架构，不代表 OpenAI 提供一键模板。
• 待项目验证： 实际修复成功率、审查准确率、总成本和延迟与代码库、测试质量、任务复杂度及配置有关，不能由通用 Benchmark 直接推导。

参考来源

1. OpenAI API：GPT‑6 Sol Model
2. OpenAI API Changelog：GPT‑6 Sol 与 Luna 发布
3. OpenAI：Unrolling the Codex agent loop
4. OpenAI Codex：Non-interactive mode
5. OpenAI Codex：Codex GitHub Action
6. OpenAI Codex：Review GitHub pull requests with Codex
7. OpenAI API：Model guidance
8. OpenAI API：Pricing
9. OpenAI：Introducing the Codex app

内容核验日期：2026 年 9 月 25 日

---

工具评测文章

工具选型与提示词资料

适合阅读工具评测、工具推荐、对比测评类文章后继续转化。

工具选型表 按场景、价格、上手难度和核心能力筛选合适的 AI 工具。 查看资料包 提示词模板包 提供写作、运营、编程、图片和视频生成常用提示词模板。 查看资料包