#codex#openai#cli#cheatsheet#ai#o1#o4-mini

Codex CLI Cheatsheet

คู่มือฉบับสมบูรณ์ Codex CLI (OpenAI): พลังแห่ง O1/O4-mini ใน Terminal การใช้งาน Sandbox, Image Input และ Automation Workflow

11 มีนาคม 2569อ่านประมาณ 4 นาที

สารบัญสูตร

🚀 Core CLI Commands (จาก Terminal)🛠 Interactive Slash Commands 🛡 Approval & Sandbox Modes 🖼 Image & Multi-modal Integration 📄 Configuration Files 📦 Official Install & Sign-in 🧾 Official Quickstart Notes ✅ Doc-backed Usage Additions 🌟 จุดเด่นเฉพาะตัวของ Codex 🤖 Subagents & Custom Agents 🧩 Config, Skills, Hooks, MCP ⌨️ Advanced Tips ⚡ Automation Recipes (Real-world)📅 Daily Pro Workflow

🚀 Core CLI Commands (จาก Terminal)

Command	การใช้งานเจาะลึก
`codex`	เริ่มต้นใช้งาน Terminal UI (TUI) แบบเต็มตัว
`codex "prompt"`	สั่งงานครั้งเดียว (Single action) แล้วเปิด Interactive mode
`codex resume --last`	กลับไปคุยต่อในเซสชันล่าสุดที่เคยรันไว้
`codex resume <ID>`	โหลดเซสชันเฉพาะเจาะจงด้วย ID
`codex app`	เปิด Desktop App (macOS) เพื่อใช้งานแบบ GUI ควบคู่กัน
`codex --image <path>`	ส่งรูปภาพ (Screenshot/Design) ไปให้ AI วิเคราะห์โค้ด
`codex --version`	ดูเวอร์ชันและข้อมูลระบบ

🛠 Interactive Slash Commands

🧠 Model & Plan

Command	การใช้งาน
`/model`	สลับโมเดลระหว่าง `o1`, `o4-mini`, `gpt-4o`
`/plan`	เข้าสู่ Plan Mode ให้ AI อธิบายขั้นตอนทั้งหมดก่อนลงมือทำ
`/permissions`	ปรับระดับการขออนุญาต (Suggest, Auto Edit, Full Auto)
`/diff`	ดูความแตกต่างของโค้ด (Git Diff) ที่ AI แก้ไขไปในเซสชันนี้
`/review`	ให้ AI ตรวจสอบโค้ดที่เพิ่งแก้ไขไป เพื่อหาบั๊กแฝง

⚙️ Session & System

Command	การใช้งาน
`/compact`	บีบอัดประวัติการคุยเพื่อล้างหน่วยความจำ Token (ดีสำหรับเซสชันยาว)
`/mcp`	จัดการการเชื่อมต่อกับเครื่องมือภายนอกผ่าน Model Context Protocol
`/clear`	ล้างหน้าจอและรีเซ็ตประวัติการคุยเริ่มต้นใหม่
`/exit` หรือ `/quit`	ออกจากการทำงานของ Codex

🛡 Approval & Sandbox Modes

หัวใจสำคัญของ Codex คือความปลอดภัยในการรันคำสั่ง:

1) Approval Modes (`--approval-mode`)

suggest (Default): AI จะต้องขออนุญาต (Y/N) ก่อนแก้ไขไฟล์หรือรัน shell
auto-edit: แก้ไขไฟล์ได้เลยอัตโนมัติ แต่ต้องขออนุญาตก่อนรัน shell
full-auto: รันงานอัตโนมัติทั้งหมด (ต้องระวังมาก!)

2) Sandbox Policy (`--sandbox`)

read-only: AI อ่านไฟล์ได้อย่างเดียว ปลอดภัยสูงสุด
workspace-write: AI แก้ไขไฟล์ได้เฉพาะในโฟลเดอร์ปัจจุบันเท่านั้น
danger-full-access: ปลดล็อกการเข้าถึงไฟล์ระบบทั้งหมด (ใช้ในระบบปิดเท่านั้น)

🖼 Image & Multi-modal Integration

Codex รองรับการทำงานกับรูปภาพโดยตรง:

# ส่งภาพ UI Design แล้วให้สร้าง Tailwind CSS
codex --image ./design/mockup.png "ช่วยสร้าง Component ใน @src/components/ ตามรูปนี้"

# ส่งรูป Error จากหน้าจอแล้วให้ AI แก้ไข
codex --image ./logs/browser-error.png "วิเคราะห์สาเหตุของ error นี้ใน @src/app.js"

📄 Configuration Files

File	บทบาท
`GEMINI.md`	ใช้เก็บกฎเกณฑ์และมาตรฐานของโปรเจกต์ (Codex อ่านไฟล์นี้ด้วย)
`AGENTS.md`	กำหนดพฤติกรรมเฉพาะของ Agent ในโปรเจกต์นั้นๆ

📦 Official Install & Sign-in

วิธี	คำสั่ง / วิธีใช้
npm	`npm install -g @openai/codex`
Homebrew	`brew install --cask codex`
เริ่มใช้งาน	รัน `codex` แล้วเลือก Sign in with ChatGPT
Desktop experience	`codex app`

จาก official repo ตอนนี้แนะนำให้ใช้ Codex ผ่านบัญชี ChatGPT plan ได้โดยตรง และถ้าจะใช้ API key ต้องไปตั้งค่าตาม auth docs เพิ่ม

🧾 Official Quickstart Notes

ความสามารถ	รายละเอียดจาก official repo
`codex`	เปิด Terminal agent หลัก
`codex app`	เปิด Codex App สำหรับประสบการณ์แบบ desktop
Binary release	ดาวน์โหลดจาก GitHub Releases ได้โดยตรง
IDE usage	มี flow แยกสำหรับ VS Code / Cursor / Windsurf

✅ Doc-backed Usage Additions

Codex CLI เป็น lightweight coding agent ที่รัน local บนเครื่องเรา
ใช้ได้ทั้งผ่าน ChatGPT sign-in และ API key setup
มีเส้นทางใช้งานแยกสำหรับ terminal, IDE และ app
official repo ระบุชัดว่ามี binary releases ให้ติดตั้งตรงได้โดยไม่ต้องผ่าน npm หรือ brew

🌟 จุดเด่นเฉพาะตัวของ Codex

เด่นเรื่องการใช้ ChatGPT sign-in กับ coding agent ได้ตรงๆ โดยไม่จำเป็นต้องเริ่มจาก API key workflow
docs แยกประสบการณ์ใช้งานเป็น CLI, App, IDE, และ Web ค่อนข้างชัด ทำให้ต่อ workflow ข้าม surfaces ได้ดี
custom agents ใช้ไฟล์ .toml และมี schema ที่เน้น operation จริง เช่น developer_instructions, sandbox_mode, model_reasoning_effort, nickname_candidates
มี subagent fan-out workflow และ spawn_agents_on_csv สำหรับ batch jobs หลายแถว ซึ่งเป็น pattern ที่เด่นมากสำหรับงาน audit/review จำนวนมาก
ecosystem ของ Codex ผูกกับ Hooks, Rules, Skills, MCP, AGENTS.md, และ security approvals ค่อนข้างชัด เหมาะกับงาน production ที่ต้องคุม sandbox กับ approval behavior มาก

🤖 Subagents & Custom Agents

Built-in Agents จาก docs

Agent	ใช้ทำอะไร
`default`	agent ทั่วไปสำหรับงานทั่วไป
`worker`	เน้น implementation และ fixes
`explorer`	เน้นอ่าน codebase และสำรวจข้อมูล

Subagent Workflow

Codex จะ spawn subagents เมื่อเรา สั่งอย่างชัดเจน
เหมาะกับงาน review หลายมุม, codebase exploration, หรือ feature plan หลายส่วน
ใช้ /agent ใน CLI เพื่อสลับดู active agent threads

วิธีเรียก Subagent / Custom Agent

วิธี	ตัวอย่าง
สั่งเป็นภาษาธรรมชาติ	`Spawn one agent per point, wait for all of them, and summarize the result for each point.`
ระบุชื่อ agent ที่อยากใช้	`Have pr_explorer map the affected code paths, reviewer find real risks, and docs_researcher verify the framework APIs.`
สั่งให้ Codex แตกงานหลายมุม	`Use explorer to inspect the codebase, then have worker implement the smallest safe fix.`
ดูหรือสลับ thread ที่กำลังรัน	ใช้ `/agent` ใน CLI

หลักสำคัญจาก docs:

Codex จะไม่ spawn subagents เองมั่วๆ ถ้าเราไม่ได้ขอชัด
ถ้าอยากใช้ custom agent ตัวไหน ให้เรียกชื่อมันใน prompt ตรงๆ
เมื่อมีหลาย agent พร้อมกัน Codex จะรอผลทั้งหมดแล้วค่อยสรุปรวมให้

ตัวอย่าง prompt จาก docs:

I would like to review the following points on the current PR (this branch vs main).
Spawn one agent per point, wait for all of them, and summarize the result for each point.

Custom Agent Files

Scope	Path
Personal	`~/.codex/agents/`
Project	`.codex/agents/`

ตัวอย่าง .toml:

name = "reviewer"
description = "PR reviewer focused on correctness, security, and missing tests."
developer_instructions = """
Review code like an owner.
Prioritize correctness, security, behavior regressions, and missing test coverage.
"""
nickname_candidates = ["Atlas", "Delta", "Echo"]

Fields สำคัญ

Field	ความหมาย
`name`	ชื่อ agent
`description`	คำอธิบายว่า agent นี้ควรถูกใช้เมื่อไร
`developer_instructions`	core instructions ของ agent
`nickname_candidates`	ชื่อเล่นสำหรับ UI
`model`	model override
`model_reasoning_effort`	reasoning effort
`sandbox_mode`	เช่น `read-only`, `workspace-write`
`mcp_servers`	MCP เฉพาะ agent
`skills.config`	skills ที่ผูกกับ agent

Global Agent Settings

Key	ใช้ทำอะไร
`agents.max_threads`	จำนวน agent threads พร้อมกัน
`agents.max_depth`	ความลึกของ nested spawning
`agents.job_max_runtime_seconds`	timeout ต่อ worker

🧩 Config, Skills, Hooks, MCP

จาก docs navigation ของ Codex ตอนนี้มีหัวข้อ config/customization ชัดเจน:

AGENTS.md สำหรับคำสั่งและกติกาในโปรเจกต์
Hooks สำหรับ workflow automation
MCP สำหรับต่อ external tools/data
Skills สำหรับ reusable capability
Rules และ config file สำหรับกำหนด behavior เพิ่ม

ถ้าจะออกแบบ workflow จริงใน Codex ปกติมักจับคู่กันแบบนี้:

custom agent สำหรับ persona + sandbox + model
skills สำหรับ reusable expertise
MCP สำหรับเครื่องมือภายนอก
hooks/rules สำหรับ guardrail และ automation

⌨️ Advanced Tips

Reference Scope: ใช้ @src/ เพื่อระบุขอบเขตไฟล์ที่ต้องการให้ AI ดู
Shell Commands: Codex สามารถรัน !npm test หรือ !git status ได้โดยตรง
Multi-line Input: ใช้ Alt + Enter เพื่อพิมพ์ Prompt ยาวๆ หลายบรรทัด
Session ID: ทุกเซสชันจะมี ID เฉพาะตัว สามารถกู้คืนได้ทุกเมื่อ

⚡ Automation Recipes (Real-world)

1) UI Transformation (Image to Code)

codex --image ./figma-export.png "เปลี่ยนรูปนี้เป็น React Component โดยใช้ shadcn/ui"

2) Debugging with Context

codex "รัน !npm test ดู @test-results/ พังตรงไหนแล้วแก้ใน @src/ ให้หน่อย"

3) Bulk Refactoring (Auto Mode)

codex --approval-mode auto-edit "ย้าย Logic ใน @src/pages/ ไปไว้ใน @src/hooks/ ทั้งหมด"

📅 Daily Pro Workflow

Morning Prep: codex resume --last เพื่อเช็กงานที่ค้างไว้
Strategy: ใช้ /plan วางแผนงานใหญ่ประจำวัน
Develop: เขียนโค้ดโดยใช้ @ ระบุไฟล์ และให้ AI รันเทสให้
Safety Check: ใช้ /diff ตรวจสอบความเรียบร้อยก่อน commit
Git Commit: สั่ง !git add . && !git commit -m "..." ผ่าน Codex ได้เลย

สูตรอื่นๆ

สูตรก่อนหน้า

curl + jq Cheatsheet

สูตรถัดไป

Claude Code Cheatsheet

กลับไปหน้าสูตร