วิธีใช้ Codex: คู่มือใช้งานจริงสำหรับนักพัฒนาในปี 2026

Codex ในปี 2026 ไม่ได้มีรูปแบบการใช้งานเดียวอีกต่อไป แต่เป็น agent ตัวเดียวที่ปรากฏอยู่ในห้าช่องทาง ได้แก่ terminal, IDE, แอป ChatGPT, cloud และช่องแสดงความเห็นใน pull request บน GitHub บทความนี้จะพาคุณไปตั้งแต่การติดตั้ง จนถึงการมอบงานรีวิว pull request ให้ Codex ทำแทน โดยยึดจากเอกสารทางการฉบับล่าสุด

Codex คืออะไรในปี 2026

Codex คือ coding agent ของ OpenAI ที่ไม่ได้ทำหน้าที่เพียงเติมโค้ดให้ แต่ลงมือทำงานได้จริง โดยอ่านไฟล์ในโปรเจกต์ แก้ไฟล์ รันคำสั่ง รัน test แล้วรายงานผลกลับมาให้คุณตรวจ จุดที่ต่างจากเครื่องมือเติมโค้ดอัตโนมัติคือคุณสั่งเป็นเป้าหมาย ไม่ใช่สั่งทีละบรรทัด

มีสองเรื่องที่เปลี่ยนไปในปี 2026 ซึ่งเป็นสาเหตุที่หลายคนหาเอกสารไม่พบ

• เอกสารทางการย้ายที่อยู่ — ที่อยู่เดิมคือ developers.openai.com/codex ซึ่งปัจจุบันทำ 308 redirect ไปที่ learn.chatgpt.com/docs หากคุณเก็บ bookmark เดิมไว้ ก็ยังเปิดได้ตามปกติ เพราะจะถูกพาไปยังที่อยู่ใหม่ให้เอง
• แอปบนเดสก์ท็อปไม่ได้แยกอยู่อีกแล้ว — แอป Codex บนเดสก์ท็อปถูกรวมเข้ากับแอป ChatGPT เรียบร้อย ปัจจุบันจึงเลือก Codex จากเมนูในแอป ChatGPT แทนการเปิดแอปแยกต่างหาก ส่วน CLI และ IDE extension ยังอยู่ที่เดิม

Codex ใช้ได้กี่ช่องทาง แล้วควรใช้ช่องทางไหน

ทั้งห้าช่องทางใช้บัญชีเดียวกันและอ่านไฟล์ AGENTS.md ชุดเดียวกัน คุณจึงตั้งค่าเพียงครั้งเดียวแล้วได้พฤติกรรมเหมือนกันทุกที่

ติดตั้งและล็อกอินอย่างไร

วิธีที่เอกสารทางการแนะนำคือใช้ standalone installer

# macOS / Linux
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

# ทางเลือกอื่น
npm install -g @openai/codex
brew install --cask codex

จากนั้นเลือกวิธีล็อกอิน ซึ่งมีอยู่สองแบบ ต่างกันที่วิธีคิดค่าใช้จ่ายและฟีเจอร์ที่ได้รับ

# แบบที่ 1: ใช้โควตาจากแพ็กเกจ ChatGPT (แนะนำ)
codex login

# แบบที่ 2: ใช้ API key และจ่ายตามจำนวน token
printenv OPENAI_API_KEY | codex login --with-api-key

# ตรวจสถานะ และออกจากระบบ
codex login status
codex logout

# เครื่อง remote ที่เปิดเบราว์เซอร์ไม่ได้ (beta)
codex login --device-auth

การล็อกอินด้วยบัญชี ChatGPT รองรับแพ็กเกจ Plus, Pro, Business, Edu และ Enterprise ส่วนการใช้ API key จะคิดค่าใช้จ่ายตามอัตราของ API โดยเอกสารระบุว่าบางฟีเจอร์ที่ต้องใช้สิทธิ์ระดับ workspace อาจใช้ไม่ได้

งานแรกกับ Codex ทำอย่างไร

1. จัดการ Git ให้สะอาดก่อน — commit หรือ stash งานที่ค้างอยู่ให้เรียบร้อย เพราะ agent จะแก้ไฟล์จริง และ diff ที่อ่านง่ายคือเครื่องมือตรวจงานที่ดีที่สุดของคุณ
2. เข้าโฟลเดอร์โปรเจกต์แล้วพิมพ์ codex — Codex จะใช้โฟลเดอร์ปัจจุบันเป็น workspace หากต้องการชี้ไปที่อื่นให้ใช้ --cd หรือ -C
3. เริ่มด้วยคำถาม ไม่ใช่คำสั่งแก้ไข — ลองสั่งให้อธิบายโครงสร้างโปรเจกต์และบอกว่า entry point อยู่ไฟล์ใด เพื่อดูว่า Codex เข้าใจ repository มากน้อยเพียงใดก่อนจะปล่อยให้แก้ไฟล์
4. สั่งงานจริงแบบมีขอบเขต — เอกสารทางการแนะนำให้ระบุสี่อย่างในโจทย์เดียว คือเป้าหมาย บริบท ข้อจำกัด และเกณฑ์ว่างานเสร็จเมื่อใด
5. สั่งให้ตรวจงานของตัวเอง — บอกให้รัน test หรือ linter ที่เกี่ยวข้อง แล้วรายงานผลกลับมา อย่ารับ diff ที่โค้ดยังไม่เคยถูกรันจริง
6. ใช้ /diff ก่อน commit — คำสั่งนี้แสดง Git diff รวมถึงไฟล์ที่ Git ยังไม่ track ทำให้เห็นสิ่งที่ agent สร้างทิ้งไว้ด้วย

คำสั่ง slash ที่ควรจำตั้งแต่วันแรก

• /init สร้างโครงไฟล์ AGENTS.md
• /status ดูค่าปัจจุบันของ session
• /permissions ปรับสิทธิ์
• /model เลือก model และระดับ reasoning
• /review สั่งให้รีวิวโค้ด
• /compact ย่อบทสนทนาเมื่อ context เริ่มเต็ม
• /clear เริ่มบทสนทนาใหม่

sandbox กับ approval policy ต่างกันอย่างไร

นี่คือหัวใจของการใช้ Codex อย่างปลอดภัย และเป็นจุดที่หลายคนเข้าใจผิดบ่อยที่สุด เพราะพฤติกรรมของ agent ไม่ได้มาจากค่าเดียว แต่มาจากสองค่าที่ตั้งแยกกัน

sandbox ควบคุมว่า agent แตะอะไรได้บ้าง

approval policy ควบคุมว่าเมื่อใดที่ agent ต้องหยุดถามคุณ

# พูดคุยและวางแผนอย่างเดียว ไม่ให้แก้อะไร
codex --sandbox read-only

# โหมดทำงานปกติ แก้ไฟล์ในโฟลเดอร์ได้ และถามเมื่อจำเป็น
codex --sandbox workspace-write --ask-for-approval on-request

# สลับระหว่างทางโดยไม่ต้องออกจาก session
/permissions

AGENTS.md คืออะไร และควรเขียนอะไรลงไป

AGENTS.md คือไฟล์ markdown ที่ Codex อ่านทุกครั้งก่อนลงมือทำงาน จะมองว่าเป็นเอกสารแนะนำโปรเจกต์สำหรับ agent ก็ได้ และสร้างโครงเริ่มต้นได้ด้วยคำสั่ง /init

ไฟล์นี้ทำงานเป็นชั้น โดย Codex ไล่อ่านจากไฟล์ระดับเครื่องที่ ~/.codex/AGENTS.md ลงมาที่ root ของ repository แล้วลงไปตามโฟลเดอร์ย่อยจนถึงตำแหน่งที่คุณอยู่

ในแต่ละโฟลเดอร์ Codex จะอ่าน AGENTS.override.md ก่อน แล้วจึงอ่าน AGENTS.md จากนั้นนำทั้งหมดมาต่อกันจาก root ลงล่าง ไฟล์ที่อยู่ใกล้คุณกว่าจึงมีน้ำหนักมากกว่า เพราะไปอยู่ท้ายสุดของ prompt

# AGENTS.md

## Build & test
- ติดตั้ง: pnpm install
- รัน test เฉพาะส่วนที่แก้: pnpm test -- <path>
- ห้าม commit หาก pnpm typecheck ไม่ผ่าน

## Conventions
- ใช้ named export เท่านั้น ห้ามใช้ default export
- ข้อความ error ที่ผู้ใช้เห็น ให้เขียนเป็นภาษาไทย

## Code Review Rules
- แจ้งเตือน หากมี query อยู่ใน loop ที่ควรทำเป็น batch
- แจ้งเตือน หาก endpoint ใหม่ไม่มีการตรวจสอบสิทธิ์
- ไม่ต้องแจ้งเรื่องการจัดรูปแบบ ปล่อยให้ CI จัดการ

ส่วนหัวข้อ ## Code Review Rules ไม่ใช่ชื่อที่เราตั้งขึ้นมาเอง แต่เป็นหัวข้อที่ Codex มองหาโดยเฉพาะตอนรีวิว pull request บน GitHub และควรวางกฎแต่ละข้อไว้ในไฟล์ที่อยู่ใกล้โค้ดส่วนที่กฎนั้นควบคุมมากที่สุด

รันในเครื่องกับรันบน cloud เลือกอย่างไร

หลักการง่าย ๆ คือ รันในเครื่องเมื่อคุณต้องการควบคุมทีละขั้น และรันบน cloud เมื่อคุณต้องการมอบงานแล้วไปทำอย่างอื่นต่อ

Codex cloud รันงานใน container แยกที่ OpenAI เป็นผู้ดูแล เริ่มได้จาก chatgpt.com/codex โดยเชื่อมต่อบัญชี GitHub แล้วตั้งค่า environment ให้ตรงกับ repository หรือจะสั่งจาก terminal ก็ได้

# เปิดตัวเลือกงานบน cloud แบบโต้ตอบ
codex cloud

# ส่งงานเข้า cloud โดยตรง
codex cloud exec

# ดูงานบน cloud ล่าสุด
codex cloud list

# ดึง diff จากงานบน cloud มาลงเครื่อง
codex apply

สิ่งที่ต้องรู้เกี่ยวกับ environment บน cloud

• setup script รันตอน container เริ่มทำงาน ใช้ติดตั้ง dependency และเครื่องมือต่าง ๆ โดยช่วงนี้ต่ออินเทอร์เน็ตได้
• maintenance script เป็นตัวเลือกเสริม รันเมื่อ container ที่เก็บ cache ไว้ถูกเรียกกลับมาใช้
• secrets เข้ารหัสเพิ่มอีกชั้น เปิดให้เฉพาะ setup script และถูกลบก่อนที่ agent จะเริ่มทำงาน ต่างจาก environment variable ที่คงอยู่ตลอดทั้ง session
• อินเทอร์เน็ตช่วงที่ agent ทำงานถูกปิดไว้เป็นค่าเริ่มต้น เปิดเป็นแบบจำกัดหรือแบบเต็มได้ โดย traffic ทั้งหมดวิ่งผ่าน proxy
• cache 12 ชั่วโมง Codex เก็บสถานะ container ไว้ไม่เกิน 12 ชั่วโมงเพื่อให้งานถัดไปเริ่มได้เร็วขึ้น และรีเซ็ตเองเมื่อคุณแก้ script หรือ environment variable

คุณยังเริ่มงานบน cloud จาก GitHub pull request, Linear issue หรือ Slack ได้ด้วย หากทีมของคุณใช้เครื่องมือเหล่านี้อยู่แล้ว การมอบงานก็ไม่ต้องสลับหน้าจอ

สำหรับทีมที่ใช้ GitLab — ตั้งแต่วันที่ 19 สิงหาคม 2026 Codex cloud รองรับ GitLab แบบ beta บนทุกแพ็กเกจของ ChatGPT ทั้งการเชื่อมต่อโปรเจกต์ การสร้าง environment และการสั่งรีวิว merge request จาก issue หรือจากตัว merge request เองได้โดยตรง ก่อนหน้านี้ Codex ผูกกับ GitHub เป็นหลัก การรองรับนี้จึงเปลี่ยนคำตอบสำหรับหลายทีมในประเทศไทยที่เก็บโค้ดไว้บน GitLab

ให้ Codex รีวิว pull request แทนได้อย่างไร

มีอยู่สองระดับ ระดับแรกคือรีวิวในเครื่องก่อน push ส่วนระดับที่สองคือรีวิวบน GitHub ให้ทั้งทีมเห็น

รีวิวในเครื่องด้วย /review

พิมพ์ /review ใน CLI หรือ IDE extension แล้วเลือกได้สี่แบบ คือเทียบกับ base branch, ตรวจการแก้ที่ยังไม่ commit, ตรวจ commit ใด commit หนึ่ง หรือใส่โจทย์รีวิวเอง

ผลลัพธ์เป็นรายการปัญหาที่เรียงตามความสำคัญ โดยไม่แตะ working tree ของคุณ หากต้องการใช้ model คนละตัวกับตอนเขียนโค้ด ให้ตั้งค่า review_model ใน config.toml

รีวิวบน GitHub

ต้องตั้งค่า Codex cloud ให้ repository นั้นก่อน และคุณต้องมีสิทธิ์ push หรือเป็นผู้ดูแล จากนั้นทำตามขั้นตอนนี้

1. เปิด Code Review ในหน้าตั้งค่าของ Codex — ผูกกับทั้งองค์กรหรือเฉพาะ repository ก็ได้
2. พิมพ์ @codex review ใน pull request — Codex จะตอบรับ แล้วโพสต์รีวิวเป็นความเห็นแบบ inline ตามบรรทัดใน diff
3. หากต้องการมุมมองด้านความปลอดภัย ให้ใช้ @codex security review — เป็นการวิเคราะห์เชิงลึกที่แยกออกมาจากรีวิวปกติ
4. สั่งให้แก้ต่อได้ทันทีด้วย @codex fix it — Codex จะเปิดงานบน cloud เพื่อแก้ตามที่แจ้งไว้ แล้วอัปเดต pull request ให้
5. เปิด Automatic reviews หากต้องการให้รีวิวทุก pull request — Codex จะรีวิวเองเมื่อมีคนเปิด pull request ใหม่ โดยไม่ต้องพิมพ์เรียก

คุณภาพของรีวิวขึ้นอยู่กับหัวข้อ ## Code Review Rules ใน AGENTS.md อย่างมาก ให้เขียนกฎที่พูดถึงพฤติกรรมซึ่งมีผลจริงกับระบบ และบอกไว้ด้วยว่าวิธีที่ถูกต้องคืออะไร Codex จะได้แยก bug จริงออกจากรูปแบบที่ทีมตั้งใจใช้ ส่วนเรื่องการจัดรูปแบบและ lint ให้ปล่อยเป็นหน้าที่ของ CI

Codex ใช้ model อะไร แล้วควรเลือกตัวไหน

ค่าเริ่มต้นคือ gpt-5.6-sol ที่ระดับ reasoning effort แบบ medium ซึ่งเอกสารอธิบายว่าเป็นจุดสมดุลระหว่างความเร็วกับความลึก หากต้องการเปลี่ยน ทำได้สามทาง

# ระหว่าง session
/model

# ตอนเรียกใช้
codex --model gpt-5.6-terra
codex -m gpt-5.6-luna

# ตั้งค่าถาวรใน ~/.codex/config.toml
model = "gpt-5.6-terra"
model_reasoning_effort = "high"

แต่ละแพ็กเกจมี limit การใช้งานเท่าไร

Codex คิด limit เป็นสองชั้นซ้อนกัน ชั้นแรกคือ rolling window ทุก 5 ชั่วโมง ชั้นที่สองคือ limit รายสัปดาห์ที่ครอบอยู่อีกชั้น จุดสำคัญคือ ข้อความในเครื่อง งานบน cloud และงาน code review ใช้ rolling window 5 ชั่วโมงเดียวกัน ไม่ได้แยก quota กัน

ตัวเลขเป็นช่วงกว้างเพราะแต่ละข้อความกิน quota ไม่เท่ากัน โดยคิดเป็น credit ตามจำนวน token ที่ใช้จริง อัตราต่อหนึ่งล้าน token คือ Sol 125 ขาเข้าและ 750 ขาออก, Terra 50 และ 300, ส่วน Luna 5 และ 30 การสั่งงานให้ตรงจุดและใช้ /compact เมื่อบทสนทนายาว จึงมีผลกับ quota โดยตรง

หากล็อกอินด้วย API key จะไม่ติด limit สองชั้นนี้ แต่จ่ายตามจำนวน token จริงในราคาของ API ซึ่งเหมาะกับงานอัตโนมัติที่รันจำนวนมากและคาดการณ์ปริมาณได้

เคล็ดลับใช้งานจริงที่ช่วยได้มาก

• ให้วางแผนก่อนลงมือ — สำหรับงานยาก เอกสารทางการแนะนำให้สั่งวางแผนก่อนเขียนโค้ด เพื่อให้ Codex เก็บบริบทและถามกลับจนครบเสียก่อน
• ระบุไฟล์ที่เกี่ยวข้องด้วยเครื่องหมาย @ — ใน repository ขนาดใหญ่ การชี้ไฟล์ตรง ๆ ให้ผลดีกว่าปล่อยให้เดา และประหยัด token กว่ามาก
• แยก config เป็นสองชั้น — ค่าส่วนตัวไว้ที่ ~/.codex/config.toml ส่วนค่าที่ผูกกับ repository ไว้ที่ .codex/config.toml ในโปรเจกต์ เพื่อให้ทั้งทีมได้พฤติกรรมเดียวกัน
• ใช้ profile เมื่อสลับบริบทบ่อย — วางไฟล์ $CODEX_HOME/profile-name.config.toml ไว้ข้าง config แล้วเรียกด้วย --profile
• รู้จักการตั้งค่า web_search — ค่าเริ่มต้นคือ cached หากต้องการข้อมูลสด ให้ใช้ flag --search ซึ่งเทียบเท่ากับการตั้ง web_search = "live"
• งานที่ทำซ้ำ ควรแปลงเป็น skill — เอกสารแนะนำไว้ตรง ๆ ว่าหากคุณพิมพ์ prompt เดิมซ้ำ ๆ สิ่งนั้นควรถูกทำเป็น skill ดูรายการที่มีอยู่ได้จาก /skills
• ใช้ MCP เมื่อบริบทอยู่นอก repository — เช่นข้อมูลในระบบ ticket หรือฐานข้อมูลที่เปลี่ยนบ่อย ซึ่งดีกว่าการคัดลอกไปวางทุกครั้ง

นำ Codex เข้าไปใช้ใน CI ด้วย codex exec

codex exec คือ mode ที่ไม่ต้องโต้ตอบ ออกแบบมาสำหรับ script และ pipeline โดยเฉพาะ

# รันครั้งเดียวแล้วจบ
codex exec "สรุป breaking change จาก diff ล่าสุดเป็นรายการ"

# รับ input จาก pipe
cat prompt.txt | codex exec -

# ให้ผลลัพธ์เป็น JSON Lines สำหรับให้เครื่องอ่านต่อ
codex exec --json "ตรวจว่ามี TODO ค้างอยู่ในโค้ดที่แก้หรือไม่"

# ทำงานต่อจาก session เดิม
codex exec resume --last "ทำขั้นตอนถัดไป"

ใน GitHub Actions เอกสารแนะนำให้ใช้ action ทางการคือ openai/codex-action แทนการใส่ key ลงไปตรง ๆ เพื่อไม่ให้ credential รั่วไหลออกมาใน log หากจำเป็นต้องส่ง key แบบ inline จริง ๆ ให้ใช้ตัวแปร CODEX_API_KEY