新闻详情

新闻详情

首页 / 资讯中心 / 详情

我把 ChatGPT 网页版模型接入了 Codex

发布时间:2026/11/11 21:01:12来源:尧图网络
我把 ChatGPT 网页版模型接入了 Codex
最近用 Codex 我有个进步那就是开始懂成本控制了。以前看到一个 bug我想改。现在看到一个 bug我想它影响生活吗能不能先相处一下倒也不是突然想开了。主要是让 Codex 读项目、查问题、改代码再跑几轮测试功能还没做好我先开始关心剩余额度。买会员的时候人很容易膨胀。感觉自己马上就是技术负责人了。AI 负责干活我负责把握方向。连项目做大以后怎么感谢早期的自己都快想好了。真开工了才发现方向倒是一直在把握。隔几轮就往用量页面看一眼。这也不能全怪它。读多少上下文、推理多深、调用多少工具都可能影响用量。不能因为我只打了六个字——“帮我看看项目”就指望它按六个字的活儿干。道理我懂。就是没想到买了 AI 会员以后我最先练出来的能力是勤俭持家。会员买到 Pro用法还停在“省着点”后来我琢磨这事有点不对。我已经是 ChatGPT Pro 用户了。除了 CodexChatGPT 网页里也有模型可用。对已经开放相应权限的账户来说GPT-6 Pro 也在其中。我却一直盯着 Codex 的额度看。像办了一张健身卡进去就抱着跑步机练。跑步机一停站旁边直叹气。旁边还有器械呢。卡都刷过了我连门都没往那边看。当然这里得把账分清。按开源项目 codex-chatgpt-web 的说明它接入的 ChatGPT 网页模型使用网页对话自身的额度不消耗 Work 或 Codex 的模型额度。注意是 Chat 里的网页模型这条路径。ChatGPT Work 与 Codex 共用额度换到 Work不能算另开一份。你从跑步机左边走到右边它也不会重新送你一张卡。至于网页端具体能用什么、能用多少还得看自己的账户。独立额度有自己的限制。本文也没有实测账户扣量不能把项目说明直接当成我的实测结论。我管这叫“隐藏福利”。说起来也惭愧。藏得最深的可能是我买完会员就没认真看过的权益。我的想法很朴素吃什么都不能吃亏。已经花过的钱至少得知道花在哪。钱是我付的搬运工也是我那直接用网页版不就行了行。问题出在“用”上。你打开 ChatGPT说项目报错了。它给你分析给你代码。你觉得很有道理复制回编辑器。一运行又报错。再把报错复制过去。它继续分析。你继续搬。两个窗口来回切忙得鼠标都快踩出火星子了。你说这分工多明确。AI 负责脑力劳动我负责 CtrlC 和 CtrlV。买会员之前我以为自己要带团队了。买完才发现团队暂时没带上我先把文件传输的岗位承包了。所以我想要的体验很具体网页模型的能力接进来。文件、终端、任务都继续放在 Codex 里。有事直接看文件。出错直接查日志。能少让我搬一趟就少搬一趟。我给它付费也希望它体谅一下我的手腕。给网页模型配个能干活的工位codex-chatgpt-web做的就是把这两头接起来。它提供一个本地启动器管理浏览器会话和模型路由。你登录自己的 ChatGPT 账户后可以把账户可用的网页模型接进 Codex 的模型选择器。选中带(Web)的模型还是在 Codex 里说话请求则走对应的 ChatGPT 网页会话。项目也提供了独立的GPT-6 Pro (Web)条目。能不能用仍然要看账户权限。说白了就是让原本坐在网页里的顾问来我这边接活。不过接活也分两步。Browser-only也就是浏览器模式能让它讨论代码、分析图片、给建议。但这个模式不接本机文件和终端。顾问来了。工具箱还在门外。想让它读文件、改代码、运行命令就要接通Full harness。它通过MCP 和 OpenAI Tunnel把网页模型的工具调用送回当前 Codex 任务。到这一步才算把工位和工具给它配上。这里别把方向弄反MCP 接的是本机工具。使用网页模型靠的是登录后的浏览器会话。它并没有把 ChatGPT 网页变成一个能随便接到其他平台的模型 API。我只是想给顾问搬张桌子。还没打算给它开劳务派遣公司。先修个按钮上市的事往后放听到这里很容易又膨胀。网页 Pro 能接本机工具了。那旧项目接手、测试补齐、文档整理不就都能安排上了脑子里已经开始排产了。最好一天交付三个项目。我负责喝茶偶尔点点头“这个方向可以。”但真用起来我觉得还是先从一件小事开始。比如项目启动失败。可以直接给它一个具体任务检查启动日志和相关文件找出失败原因做最小修复再运行相关测试。最后说明改了什么、还有什么没验证。工具接通后它就有机会沿着文件和运行结果往下查。具体能不能修好看实际结果。再比如刚接手一个陌生仓库。先让它找入口、梳理模块圈出跟目标功能有关的文件。等自己看明白了再让它改一小处跑一遍检查。不要刚见面就把整个仓库递过去说“你看着办。”这句话我在工作里也怕听。通常意味着要求暂时没有意见随后就到。写文档也一样。让它根据真实代码整理安装步骤、补使用说明、写更新记录。部署、安全、兼容性这些细节最后还得核对。这些都是可以尝试的任务方向。接好工具以后也不会凭空多出一个“项目全包”的按钮。我最想省下来的其实就是那些小麻烦按钮没反应配置看不懂测试突然失败。先解决一个再解决下一个。回答写得再像完工报告也得看看工地上到底动没动。文件差异、测试输出、实际运行结果都要看。顺便再看一眼用量。它分担了多少活儿最后凭这些判断。第一次得装一下装完也得开着第一次配置确实有几步。先安装启动器在内置浏览器登录 ChatGPT。运行检查把网页模型装进 Codex按项目说明重启一次。需要本机工具再配置 Tunnel、创建 ChatGPT 连接器验证运行时。具体步骤照项目文档走。账户和工作区权限也得满足要求。平时不用反复从源码启动但启动器要保持运行。浏览器会话和本地桥接服务都靠它维持。别刚把人请进办公室转头就把电闸拉了。项目还提供Zero Risk手动模式自己在 ChatGPT 页面选模型和连接器粘贴、发送提示再回启动器确认。它减少了网页自动操作代价是你要多动几次手。名字叫 Zero Risk也别顺手理解成所有风险都归零。模型能碰到什么文件、能执行什么命令照样要留意。日常使用时我还想给每个仓库留张小纸条项目怎么启动。哪些目录不要动。改完要跑什么检查。最后交代哪些结果。这些是自己定的工作规矩项目本身负责接通模型和工具。两边配合起来每次开工就能少解释几遍。不然每换一个任务我都得重新介绍一遍公司历史。活还没开始入职培训先上半天。精打细算可以账得算明白真准备上手有两件事还是得说清。第一这是非官方的浏览器自动化项目。它依赖 ChatGPT 网页和账户权限。页面变了、权限变了都可能影响使用。它也不是官方模型 API。网页额度有自身限制。任务里如果另外用了 Codex 原生模型、其他计费工具或 API对应的用量也要另外算。所以不能从“这条路径用网页额度”一路联想到“整套流程永久稳定、无限使用、分文不耗”。我只是想把会员用明白。还没准备研究永动机。第二Full harness 能读文件、改代码、运行命令。最好从可信项目和小任务开始保留 Codex 的沙箱与审批。重要改动先看差异再接受。Tunnel 密钥、浏览器登录状态也别随手发给别人。省额度这件事做到最后别把自己的门钥匙也搭进去。我关注这个项目起点其实很小。Codex 的额度我用着心疼。会员里的网页模型又不想让它闲着。如果能让它多分担几件真活儿少让我搬几轮代码这份钱就花得更明白一点。也不指望一夜之间变成只负责喝茶的技术负责人。能让那个忙着复制粘贴的自己坐下来喘口气就挺好。只要 AI 多干一点我就少搬一点。离当老板还远离下班倒是近了一点。项目原地址https://github.com/miuuyy/codex-chatgpt-web当然我自己也有魔改版去掉一些没有所谓的内容就不贴了感兴趣的朋友私我发你我魔改后的版本。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉