OpenAI Codex - agent AI, który pisze kod zamiast Ciebie (i dobrze mu idzie)

Zacznijmy od szczerej uwagi: gdybym miał złotówkę za każde narzędzie, które obiecywało „rewolucję w programowaniu", mógłbym dziś kupić sobie mieszkanie. Większość z nich okazywała się ciekawym dodatkiem, który po dwóch tygodniach lądował w zapomnieniu. Dlatego kiedy OpenAI wypuściło nowego Codexa, podchodziłem do tematu z dystansem grubym na metr.

Po kilku tygodniach pracy z nim mówię jedno: tym razem jest inaczej. Nie dlatego, że programowanie nagle zniknęło. Dlatego, że zmienił się sposób, w jaki kod powstaje - z gadania o kodzie na realne jego pisanie, od początku do końca.

W artykule pokażę Ci, czym jest dzisiejszy Codex, jak wygląda praca z nim na trzy sposoby, jak wystartować w kilkanaście minut od zera i kiedy w ogóle warto go wprowadzić u siebie. Bez przesady, ale też bez zbędnego niedowierzania.

Czytanie: ~10 min

Czym jest dzisiejszy Codex (i czym nie jest)

Rozróżnijmy na start dwie rzeczy, bo łatwo je pomylić.

Pierwszy Codex to stary model językowy OpenAI z 2021 roku, który zasilał pierwszą wersję GitHub Copilot. Dopełniał linijkę kodu, czasem całą funkcję. Mądry jak na tamte czasy, ale dziś raczej zabytek. Został wygaszony w 2023 roku.

Drugi Codex - ten, o którym tu piszę - to zupełnie inna bestia. To agent do inżynierii oprogramowania, wbudowany w ChatGPT i dostępny też jako osobna aplikacja oraz narzędzie w terminalu. Zamiast zgadywać, co chcesz wpisać, bierze zadanie, rozplanowuje je, pisze kod, uruchamia testy, poprawia błędy i oddaje Ci gotowy rezultat. Powered by ChatGPT - czyli napędzają go najnowsze modele kodujące OpenAI, w tym seria gpt-5.2-codex.

Różnica między starym a nowym jest jak między automatyczną korektą pisowni a pracownikiem, któremu mówisz „napisz mi ten moduł, masz dwa dni".

Trzy powierzchnie: aplikacja, edytor, terminal

OpenAI poszło po najmniejszej linii oporu - dało jeden agent, ale w trzech miejscach, w których i tak spędzasz czas. Wszystko spięte jednym kontem ChatGPT, więc kontekst płynnie przechodzi między nimi.

Aplikacja Codex to centrum dowodzenia. Otwierasz desktopową apkę (jest na macOS i Windowsa), widzisz swoje projekty i zadania. Kluczowa cecha: w środku są wbudowane tzw. worktree i chmurowe środowiska, dzięki czemu agent może pracować równolegle nad kilkoma zadaniami naraz. To zdanie warto przeczytać dwa razy - OpenAI obiecuje, że dzięki temu „tygodnie pracy mieszczą się w dniach". Każde zadanie leci w swojej własnej piaskownicy, więc jedno nie psuje drugiego.

Edytor to Twoje zwykłe środowisko programistyczne. Kodex integruje się z nim, więc praca, którą zacząłeś w aplikacji, ląduje w Twoim IDE - możesz ją przejrzeć, poprawić, zatwierdzić. I w drugą stronę: agent potrafi robić code review zmian, które sam wprowadziłeś, i łapać bugi, których nie zauważyłeś.

Terminal to Codex CLI - wersja konsolowa, ulubiona przez doświadczonych programistów. Wystarczy wpisać codex w terminalu i poprosić o implementację, np. „dodaj tryb ciemny do tej aplikacji". W jednym ze zrzutów OpenAI widać wersję 0.91.0 z modelem gpt-5.2-codex ustawionym na medium. CLI jest open source, leży na GitHubie i rozwijane przez społeczność.

Ta elastyczność ma znaczenie praktyczne. Nie musisz zmieniać swojego sposobu pracy - agent dopasowuje się do tego, gdzie właśnie jesteś.

Czym agent różni się od gadania z ChatGPT

To najważniejszy punkt całego artykułu, więc warto go dobrze zrozumieć.

Zwykły ChatGPT to świetny rozmówca. Pytasz o kod - dostajesz fragment. Kopiujesz, wklejasz do edytora, poprawiasz, bo nigdy nie działa od razu. Znowu pytasz. Znowu wklejasz. Powtarzasz, aż się złoży.

Codex robi krok więcej. To znaczy - dużo kroków więcej, samodzielnie. Dostaje zadanie, czyta Twoje repozytorium, planuje podejście, pisze kod w wielu plikach naraz, uruchamia go, patrzy, czy działa, poprawia błędy, pisze testy i na koniec proponuje zmiany do zatwierdzenia. Ty w tym czasie możesz robić coś innego - pijesz kawę, projektujesz architekturę, pomagasz komuś w zespole.

To jest właśnie sens słowa „agent", które w ostatnim roku tak często pada. Agent nie tylko odpowiada na pytania. Wykonuje pracę, w pętli, z dostępem do narzędzi.

Dla kogoś, kto nie programował zawodowo, może to brzmieć abstrakcyjnie. Dlatego konkretne liczby w kolejnej sekcji.

Skille i automatyzacje - co to zmienia na co dzień

Dwie funkcje robią największą różnicę w realnej pracy, więc warto je omówić osobno.

Skille to sposób, w jaki Codex uczy się specyficznych dla Twojego zespołu zadań. Standardowo agent potrafi pisać kod, refactorować, migrować. Ale każda firma ma swoje konwencje - jak ma wyglądać dokumentacja, jak składać pull requesty, jak prototypować nowe funkcje. Zamiast tłumaczyć to za każdym razem, definiujesz skill raz i agent trzyma się standardów zespołu w kolejnych zadaniach.

To brzmi drobiazgowo, a w praktyce oszczędza godziny. Bez tego agent generuje poprawny, ale „obcy" kod - taki, który technicznie działa, ale nie pasuje do reszty projektu. Skille rozwiązują ten problem.

Automatyzacje idą jeszcze dalej. To zdolność Codexa do pracy w tle, bez Twojego polecenia. Może sam triage'ować zgłoszenia (issue) w repozytorium, monitorować alerty, reagować na błędy w CI/CD. Wyobraź sobie, że idziesz na weekend, a w poniedziałek znajdujesz gotowe poprawki do kilku drobnych problemów, które agent zauważył i rozwiązał sam.

Dla jednej osoby to wygoda. Dla zespołu - realna oszczędność uwagi, którą można przeznaczyć na trudniejsze zadania.

Co mówią liczby i ludzie

Hype łatwo sprawdza się w liczbach, więc zebrałem kilka konkretnych opinii z firm, które naprawdę wdrożyły Codexa.

Joey Wang z Harvey twierdzi, że agent skrócił czas wczesnej iteracji o 30-50%. To uwalnia programistów do pracy nad architekturą i decyzjami o wyższej wartości, zamiast klepać boilerplate.

Tess Rosania z Sierra mówi wprost: z Codexem wysyłają w weekend to, co wcześniej zajmowało im kwartał. Brzmi jak marketingowa przesada, ale podobne relacje słyszę z kilku stron.

Austin Ray z Ramp wskazuje na code review jako największy zysk - Codex łapie bugi, których jego zespół by przegapił, i to podnosi pewność przy wypuszczaniu kodu na produkcję.

Aaron Wang z Duolingo zrobił porządny test: benchmark code-review w Pythonie na backendzie. Codex był jedynym agentem, który zauważył podchwytliwe problemy z kompatybilnością wsteczną. To konkretny, mierzalny wynik, nie ogólnik.

Tres Wong-Godfrey z Cisco Meraki opisuje scenariusz, który szczególnie rezonuje: musiał zmodyfikować cudzy kod do release'u. Codex wziął na siebie refactor i pisanie testów, oddał przetestowany kod i utrzymał harmonogram bez dodatkowego ryzyka.

Widzimy tu wspólny wzorzec. Nie „AI zwalnia programistów". Raczej: AI bierze na siebie pracę powtarzalną i wymagającą dokładności, zostawiając człowiekowi decyzje i architekturę. Ktoś, kto tego używa świadomie, staje się po prostu bardziej wydajny.

Poradnik: pierwsze zadanie z Codex CLI od zera

Teoria się skończyła. Postawmy to u siebie. Cel: mieć pierwsze zadanie wykonane przez agenta w kilkanaście minut.

Krok 1 - sprawdź, czego potrzebujesz

Potrzebujesz trzech rzeczy:

Konta ChatGPT z aktywnym planem (Plus, Pro, Team albo Enterprise) - to w nim mieszczą się limity na pracę Codexa.
Node.js w wersji 22 lub nowszej. Sprawdzisz komendą node --version.
Terminala. Na macOS i Linuxie masz go wbudowanego, na Windowsie polecam Windows Terminal albo WSL.

Tyle. Nie potrzebujesz na start potężnego komputera - ciężką robotę wykonują modele OpenAI w chmurze.

Krok 2 - instalacja CLI

Najszybsza ścieżka prowadzi przez npm:

npm install -g @openai/codex

Możesz też przez Homebrew na macOS (brew install codex) albo pobrać aplikację desktopową ze strony OpenAI, jeśli wolisz interfejs graficzny od terminala. CLI jest open source, więc jeśli lubisz grzebać w kodzie - repozytorium czeka.

Po instalacji wpisz po prostu:

codex

Przy pierwszym uruchomieniu zostaniesz poproszony o zalogowanie się kontem ChatGPT. Raz, potem agent pamięta.

Krok 3 - przygotuj projekt i plik AGENTS.md

Wejdź do katalogu ze swoim kodem i odpal agenta w nim. Kluczowa rzecz, którą wielu pomija: stwórz plik AGENTS.md w głównym folderze projektu. To instrukcja dla Codexa - piszesz w niej, jakie są konwencje, jakich narzędzi używasz, czego agent ma nie ruszać, jak ma formatować kod.

Traktuj ten plik jak briefing dla nowego pracownika. Im lepszy briefing, tym lepszy efekt. Dwa-trzy akapity wystarczą na start: jakiego języka i frameworka używacie, jak uruchamiać testy, gdzie leży dokumentacja.

Krok 4 - pierwsze zadanie

Teraz po prostu opisz, co chcesz. Na przykład:

„Dodaj tryb ciemny do aplikacji. Zadbaj, żeby przełącznik pamiętał wybór między sesjami i żeby kontrast spełniał standardy WCAG."

Agent czyta repozytorium, planuje, pisze zmiany w odpowiednich plikach. W trybie domyślnym przy każdej istotnej akcji prosi Cię o zgodę - widzisz dokładnie, co robi, zanim to zrobi. To dobry sposób na start, póki budujesz zaufanie.

Krok 5 - tryby zatwierdzania

CLI oferuje kilka poziomów autonomii. Na początek trzymaj się trybu, w którym każda komenda wymaga potwierdzenia. Gdy poczujesz się pewniej, możesz przełączyć na tryb, w którym agent samodzielnie edytuje pliki, a Ty jedynie zatwierdzasz finalny zestaw zmian. Pełna automatyczność - bez pytania - istnieje, ale zostaw ją na później, kiedy już zrozumiesz, jak agent myśli i co lubi psuć.

Konfigurację trybów i innych szczegółów znajdziesz w ~/.codex/config.toml. Na start domyślne ustawienia w zupełności wystarczą.

Gdzie widzę hype, a gdzie realny zysk

Bądźmy uczciwi - nie wszystko, co OpenAI kładzie na plakacie, działa idealnie. Kilka rzeczy warto mieć z tyłu głowy.

Model czasami halucynuje, szczególnie w mniej popularnych bibliotekach. Pisze funkcję, która wygląda sensownie, a nie istnieje w dokumentacji. Dlatego code review ze strony człowieka zostaje - agent wykonuje ciężką pracę, ale Ty zatwierdzasz kierunek.

Zadania proste bywają wolniejsze z agentem niż ręcznie. Jeśli masz zmienić jedną linijkę w znanym miejscu, szybciej sam to zrobisz. Codex błyszczy przy zmianach wieloplikowych, refaktorach, migracjach - tam, gdzie ręczna praca jest żmudna.

Limity w cheaper planach potrafią irytować. Intensywne zadania zjadają przydział szybko. Przy realnej pracy zawodowej warto mieć plan Pro lub Team, inaczej w połowie dnia agent usypia.

Bezpieczeństwo ma swoje granice. Agent ma dostęp do Twojego repozytorium i potrafi wykonywać komendy. W projektach z danymi wrażliwymi trzeba świadomie sterować uprawnieniami i nie puszczać wszystkiego w trybie pełnej automatyczności.

Mimo tych zastrzeżeń, balans wychodzi na plus. Zysk w powtarzalnej, dokładnej pracy jest realny i mierzalny. Koszt to nauka nowego sposobu myślenia o kodowaniu - mniej „pisania", więcej „kierowania".

Kiedy warto wdrożyć to u siebie

Nie każdemu Codex pasuje od pierwszego dnia. Krótka mapa sytuacji.

Jeśli jesteś programistą i regularnie klepiesz refaktory, migracje, poprawki w wielu plikach naraz - zacznij już dziś. Największy zysk poczujesz w pracy, którą odkładasz na później, bo jest nudna.

Jeśli prowadzisz mały zespół, wprowadź agenta najpierw u siebie, na jednym projekcie. Zobacz, gdzie pomaga, gdzie przeszkadza. Dopiero potem rekomenduj reszcie - z konkretnymi przykładami, nie ogólnikami.

Jeśli jesteś osobą nietechniczną, ale masz pomysł na aplikację albo narzędzie - to świetny moment. Codex obniża barierę wejścia w kodowanie bardziej niż cokolwiek wcześniej. Nie zastąpi myślenia, ale pozwala realnie coś zbudować, nawet jeśli nie znasz składni na pamięć.

Jeśli pracujesz w dużej korporacji z restrykcyjną polityką bezpieczeństwa - zacznij od rozmowy z działem IT. Otwarte API, chmurowe środowiska i dostęp do repozytoriów to tematy, które trzeba przemyśleć, zanim puścisz agenta na produkcję.

Wnioski na koniec

Codex nie sprawi, że programiści przestaną być potrzebni. Sprawi za to, że praca programisty przesunie się tam, gdzie ma największą wartość - w decyzje, architekturę, rozumienie problemu. Kod jako rzemiosło coraz częściej będzie efektem współpracy człowieka z agentem, a nie samotnego stukania w klawiaturę.

Kto zacznie dzisiaj, zbuduje sobie nawyki i intuicję, których inni będą musieli uczyć się za rok pod presją. Najlepiej zacząć od jednego małego zadania, bez wielkich deklaracji - i zobaczyć, jak to czuje się w realnej pracy.

Jeśli chcesz wprowadzić agenta kodującego w swoim zespole albo masz pomysł na aplikację, którą warto zbudować z pomocą AI - pomogę. Na mwozniczka.net pokazuję, jak wygląda taka współpraca od pierwszego prototypu po realne wdrożenie. Od prostego PoC, który sprawdzi pomysł w dwa tygodnie, po pełną automatyzację procesu. Napisz, opowiedz o swoim wyzwaniu - i sprawdźmy, czy Codex albo podobne narzędzie zmieści w nim tygodnie pracy w dniach.