OpenAI Codex Schulung: CLI, IDE, Cloud und Codex SDK

OpenAI Codex verstehen und richtig einsetzen

• Codex als Coding-Agent: liest das Repository, ändert Dateien, führt Befehle und Tests aus
• Vom Vorschlag zur delegierten Aufgabe: was sich gegenüber Vervollständigung und Chat ändert
• Codex CLI, IDE-Erweiterung, ChatGPT-Desktop-App und Codex Cloud: Stärken und typische Aufgaben
• Codex CLI installieren, mit ChatGPT-Konto oder API-Schlüssel anmelden, Grundkonfiguration
• Modell und Reasoning-Stufe passend zur Aufgabe wählen: Planung, Routinearbeit, Review
• Sessions starten, mit codex resume fortsetzen und je Aufgabe sauber trennen
• Codex in bestehende Abläufe einfügen: Ticket, Branch, Umsetzung, Review, Merge
• Einsatzszenarien von der kleinen Korrektur bis zur Migration über viele Module
• Wichtige Slash-Befehle der CLI: /model, /status, /diff, /review, /compact
• Nutzungslimits im ChatGPT-Plan und API-Abrechnung: Kosten je Aufgabe einschätzen

Prompt Engineering wird Context Engineering

• Warum ein guter Prompt allein nicht reicht: was Codex über das Projekt wissen muss
• Aufträge mit Ziel, betroffenen Modulen, Randbedingungen und Akzeptanzkriterien
• Projektkontext gezielt liefern: Dateien nennen, Vorbilder im Code zeigen, Screenshots anhängen
• Regeln, Abhängigkeiten und Schnittstellen einbeziehen, statt sie erraten zu lassen
• Kontextfenster und Compaction: wann /compact hilft und wann eine neue Session besser ist
• Große Codebasen schrittweise erschließen: Modulgrenzen, Einstiegspunkte, Suchaufträge
• Spec-Driven Development: Spezifikation als Markdown-Datei im Repository statt im Chatverlauf
• Von der fachlichen Anforderung zum ausführbaren Entwicklungsauftrag mit Prüfbefehl
• Fehlermeldungen, Stacktraces und Logauszüge so übergeben, dass Codex den Fehler reproduziert

AGENTS.md und dauerhafte Projektregeln in Codex

• Rolle der AGENTS.md: offenes Format, das Codex vor jeder Aufgabe einliest
• Projektwissen gliedern: Aufbau des Repositorys, Build- und Testbefehle, Fachbegriffe
• Coding Standards und Architekturvorgaben knapp und überprüfbar formulieren
• Testanforderungen und Qualitätsregeln: welche Befehle vor dem Abschluss grün sein müssen
• Wiederkehrende Anweisungen aus Prompts herauslösen und in die AGENTS.md verlagern
• Kontext je Projektbereich: globale Datei im Benutzerverzeichnis, Repository-Wurzel, Unterordner
• Bestehende AGENTS.md analysieren, kürzen und Widersprüche auflösen; /init als Startpunkt
• Leitplanken festhalten: gesperrte Verzeichnisse, neue Abhängigkeiten nur nach Rückfrage
• Eine AGENTS.md für mehrere Werkzeuge: dieselbe Datei lesen auch andere Coding-Agenten

Plan Mode und strukturierte Workflows in Codex

• Warum Codex nicht sofort programmieren sollte: Analyse vor der ersten Änderung
• Komplexe Aufgaben zuerst lesend untersuchen lassen: Abhängigkeiten, Risiken, offene Fragen
• Plan Mode gezielt einsetzen: Rückfragen beantworten, Plan prüfen, erst dann umsetzen
• Anforderungen in nachvollziehbare, einzeln testbare Arbeitsschritte zerlegen
• Architekturentscheidungen vor der Implementierung prüfen und im Plan festhalten
• Pläne gemeinsam mit Codex überarbeiten: Alternativen, Aufwand, Reihenfolge
• Umsetzung schrittweise freigeben und nach jedem Schritt Diff und Testergebnis ansehen
• Analyse, Planung, Implementierung und Review als geschlossener Ablauf
• Pläne als Datei im Repository ablegen, damit eine spätere Session daran anknüpfen kann

Codex im echten Softwareprojekt

• Bestehende Projekte analysieren lassen: Architekturskizze, Datenflüsse, Altlasten
• Neue Features implementieren – vom Datenmodell über die Logik bis zur Oberfläche
• Fehler systematisch untersuchen: reproduzieren, Hypothese bilden, Test schreiben, beheben
• Refactorings delegieren: Umbenennen, Extrahieren, Abhängigkeiten entflechten
• Tests erzeugen und ausführen; fehlende Testfälle aus Randbedingungen ableiten
• Änderungen über mehrere Dateien und Module hinweg koordinieren
• Codeänderungen nachvollziehen und kritisch prüfen; /review als zweite Sicht
• Ergebnisse iterativ verbessern statt blind übernehmen: Rückmeldung mit konkretem Befund
• Abhängigkeiten aktualisieren und Breaking Changes mit Codex Modul für Modul abarbeiten

Git, Sessions und parallele Entwicklungsarbeit in Codex

• Codex mit Versionskontrolle kombinieren: ein Feature-Branch je Aufgabe, kleine Commits
• Änderungen sicher nachvollziehen: Diff vor jedem Commit, aussagekräftige Commit-Messages
• Fehlerhafte Arbeitsschritte mit Git rückgängig machen, ohne gute Teile zu verlieren
• Sessions für unterschiedliche Aufgaben organisieren und gezielt wieder aufnehmen
• Sessions verzweigen und alternative Lösungswege nebeneinander untersuchen
• Git-Worktrees für parallele Entwicklungsaufgaben nutzen, auch mit Codex in der ChatGPT-Desktop-App
• Aufgaben voneinander isolieren: getrennte Arbeitsverzeichnisse, Ports und Testdatenbanken
• Pull Requests, Review auf GitHub und Branch-Schutz in den Codex-Ablauf einbinden
• Merge-Konflikte aus parallelen Sessions mit Codex auflösen und das Ergebnis prüfen

Sicherheit, Sandbox und kontrollierte Autonomie in Codex

• Das Sicherheitsmodell: Sandbox begrenzt den Zugriff, Freigaberichtlinie regelt Rückfragen
• Sandbox-Modi read-only, workspace-write und danger-full-access bewusst wählen
• Datei- und Systemzugriffe auf das Arbeitsverzeichnis und freigegebene Pfade begrenzen
• Shell-Befehle sicher ausführen lassen: wann Codex fragt und wann es selbst ausführt
• Grenzen autonomer Aktionen definieren: Netzwerkzugriff, Löschbefehle, Pushes
• Profile als ~/.codex/<name>.config.toml und projektspezifische Konfigurationen einsetzen
• Datenschutz: Geheimnisse, Kundendaten und .env-Dateien aus dem Kontext heraushalten
• Zwischen Geschwindigkeit, Komfort und Kontrolle abwägen – je nach Repository und Aufgabe
• Sandbox-Mechanismen je Betriebssystem kennen: macOS, Linux, Windows

Agent Skills in Codex: wiederverwendbare Fähigkeiten

• Was Skills leisten: Anleitung, Skripte und Vorlagen, die Codex bei Bedarf nachlädt
• Wiederkehrende Entwicklungsaufgaben standardisieren: Release-Notes, Migrationen, Changelog
• Eigene Skills konzipieren: Ordner mit SKILL.md, Beschreibung als Auslöser
• Projektwissen mit ausführbaren Skripten im Skill-Ordner verbinden
• Spezialisierte Skills für Entwicklung und Qualitätssicherung aufbauen
• Skills projektübergreifend im Benutzerverzeichnis oder je Repository ablegen
• Skills mit AGENTS.md und Projektregeln abstimmen, ohne Inhalte doppelt zu pflegen
• Aus wiederholten Einzelprompts einen dokumentierten Engineering-Ablauf entwickeln
• Skills testen: Auslösung prüfen, Beschreibung schärfen, Änderungen versioniert pflegen

MCP und externe Werkzeuge in Codex anbinden

• Model Context Protocol verständlich erklärt: Server stellen Werkzeuge, Ressourcen und Prompts bereit
• Warum MCP für Coding-Agenten relevant ist: Tickets, Doku und Datenbanken im Arbeitsablauf
• MCP-Server mit codex mcp add oder über die config.toml verbinden
• Externe Datenquellen verfügbar machen: Issue-Tracker, Wissensbasis, Datenbankschema
• Entwicklungswerkzeuge integrieren: Browser-Automatisierung, Fehlertracking, Bibliotheksdoku
• Kontext und Tools unterscheiden: was nur gelesen wird und was eine Aktion auslöst
• Berechtigungen und Sicherheitsgrenzen: Tokens mit minimalen Rechten, nur geprüfte Server
• Eigene agentische Toolchains entwerfen: welche Server, welche Werkzeuge, welche Reihenfolge
• Aktuelle MCP-Spezifikation: zustandslose Anfragen, Transporte stdio und Streamable HTTP
• Codex aus anderen Agenten heraus aufrufen: SDK oder App-Server statt des entfernten codex mcp-server

Codex SDK und eigene Automatisierungen

• Vom interaktiven Codex zum programmierbaren Agenten: wann sich Automatisierung lohnt
• Grundlagen des Codex SDK: Threads starten, fortsetzen und Ergebnisse auslesen
• Codex aus eigenen Anwendungen und Skripten heraus ansprechen
• Aufgaben programmatisch übergeben, auch nicht interaktiv mit codex exec
• Ergebnisse weiterverarbeiten: strukturierte Ausgabe nach JSON-Schema, Diffs, Protokolle
• Wiederkehrende Engineering-Aufgaben automatisieren: Abhängigkeits-Updates, Lint-Korrekturen
• Codex in eigene Entwicklungswerkzeuge und CI-Pipelines integrieren
• Einsatz jenseits klassischer Coding-Aufgaben: Dokumentation, Datenaufbereitung, Analysen
• Codex in GitHub Actions: Prüfungen und Korrekturvorschläge im Pull Request

Codex lokal, im Web und in der Cloud

• Lokale und cloudbasierte Ausführung vergleichen: Umgebung, Zugriffe, Laufzeit
• Die passende Umgebung je Aufgabe wählen: interaktiv lokal, umfangreich in der Cloud
• Hintergrundaufgaben delegieren und währenddessen an anderer Stelle weiterarbeiten
• Lokale Entwicklungsressourcen gezielt nutzen: Datenbank, Container, interne Dienste
• Cloud-Aufgaben für umfangreiche Arbeiten: Umgebung mit Install-Skript, Start-Skill und Abhängigkeiten
• Übergänge zwischen CLI, IDE und Cloud: Aufgaben übergeben und lokal weiterführen
• Aufträge für die Cloud vorbereiten: Testbefehle, Umgebungsvariablen, Netzwerkregeln
• Ergebnisse als Diff oder Pull Request prüfen und in den Entwicklungsprozess übernehmen
• Code-Review durch Codex in Pull Requests auf GitHub anfordern

Codex absichern: Netzwerk, Cloud-Umgebungen, fremde Repositorys

• Netzwerkzugriff für Codex nur zu freigegebenen Domains öffnen, Paketregister ausdrücklich listen
• Zugangsdaten in Codex Cloud als Network Secret hinterlegen: Programme sehen nur einen Platzhalter
• codex exec in der Pipeline mit Lese-Sandbox und eigenem API-Schlüssel mit Budgetgrenze
• AGENTS.md und Skills aus fremden Repositorys vor dem ersten Codex-Lauf selbst lesen
• Pull Requests aus Codex Cloud wie Fremdbeiträge behandeln: Review, Tests, Branch-Schutz

Praxisprojekt: Prüffristen für Feuerlöscher eines Brandschutzbetriebs

• Anforderung formulieren: Prüfintervalle je Gerät, Kundenstandorte, Erinnerung an fällige Wartungen
• Bestehende Auftragsverwaltung des Betriebs analysieren lassen und die AGENTS.md vorbereiten
• Umsetzung im Plan Mode strukturieren und Teilaufgaben auf lokale und Cloud-Sessions verteilen
• Implementierung und Tests durchführen, Ergebnisse reviewen und gezielt korrigieren
• Den eigenen Codex-Workflow als Skill und Konfigurationsprofil für den Alltag festhalten

Lernziele

• Sie wählen zwischen Codex CLI, IDE-Erweiterung, ChatGPT-Desktop-App und Codex Cloud passend zur Aufgabe
• Sie schreiben eine knappe AGENTS.md mit Build- und Testbefehlen, Architekturregeln und Leitplanken
• Sie lassen Codex im Plan Mode zuerst analysieren und prüfen jeden Umsetzungsschritt über Diff und Tests
• Sie kombinieren Sandbox-Modus, Freigaberichtlinie und Profile so, dass sie zum Risiko des Repositorys passen
• Sie organisieren parallele Aufgaben mit Branches, Sessions und Git-Worktrees
• Sie erstellen eigene Skills, verbinden Codex mit MCP-Servern und steuern es mit codex exec und dem Codex SDK

Zielgruppe

• Entwickler:innen, die OpenAI Codex im Alltag einsetzen und größere Aufgaben kontrolliert abgeben wollen
• Tech Leads, die Projektregeln, Sandbox-Einstellungen und Automatisierungen mit Codex festlegen
• Voraussetzungen: sicherer Umgang mit Git, Terminal und einer Programmiersprache; ChatGPT-Plan mit Codex oder API-Zugang