ChatGPT 和 Codex 省额度与提效技巧

同样的 ChatGPT / Codex 订阅，有人几天就把额度用光，有人却一直有得用。差别通常不在模型，而在几个习惯，加上两个小工具。

先说两个我常备的工具

CodexBar：把额度摆在菜单栏

CodexBar 是 macOS 菜单栏上的一个小部件，显示 Codex、Claude、Cursor、Gemini 等服务的当前用量和重置倒计时。要开一个耗时长任务之前，扫一眼就知道该不该现在开工。

它复用你已有的登录方式（OAuth、CLI、浏览器 cookie、API key、本地文件），不保存密码，默认在本机解析。安装用 Homebrew 最省事：

brew install --cask codexbar

也可以直接去 GitHub Releases 下载，或从源码构建。它同时提供 CLI 和 Widget，脚本里也能查询用量。

CodexBar 在 macOS 菜单栏里显示各家的用量和重置倒计时

codex-chatgpt-web：把网页版 ChatGPT 接进 Codex

codex-chatgpt-web 让 Codex 的模型选择器里直接出现网页版 ChatGPT（含 Pro），走网页版的使用额度，不消耗 Work / Codex 的额度。

它有两种模式：

Browser-only：只把网页版 ChatGPT 当成一个模型来问答，不接本地工具。
Full harness：通过 MCP 把当前 Codex 任务的文件、终端和工具接给网页版 ChatGPT，任务上下文也留在 Codex 里。

流程大致是：装 launcher → 在内置浏览器登录 ChatGPT → 安装模型 → 重启 Codex，然后选带 (Web) 的模型。浏览器和运行时都自带，不用另外装 Chrome、Node。

它真正的价值在 Full harness：通过 MCP 让网页版 ChatGPT 用上你本地的代码和工具，基本可以把它当成一个模型来用。代价是安装和配置稍麻烦，尤其要在它自带的浏览器里登录、把 MCP 连接配好。

Codex 里选择 ChatGPT Web 模型，右侧是网页版 ChatGPT 在同一个任务里干活

几点提醒：

它是非官方的浏览器自动化，不是 OpenAI API。ChatGPT 网页改版可能让它失效。
浏览器状态是敏感的登录凭证。不要共享 launcher profile，只在可信电脑上用。
发布包目前没有平台签名，macOS 的 Gatekeeper 或 Windows 的 SmartScreen 可能报警。

如果嫌配置麻烦，还有个偷懒的办法：直接让 Codex 用 Computer Use 去操作你网页端的 ChatGPT。不用装插件、不用改配置，缺点是稳定性一般，网页改版或操作失误都可能中断。

思考深度默认用 Medium

Codex 里 Astra 的思考档位，我大多数时候用 Medium，复杂任务才调到 Extra High。在编程任务上，两者的测评差距很小，但额度消耗差很多。需求已经清楚的小修改，没必要每次都拉满。

省额度最有效的一招：Astra 出计划，Luna 执行

Astra 能力强，但也真的烧额度。按官方费率，同样数量的 token，Astra 是 Sol 的 2.5 倍，实际跑下来消耗能到 4～5 倍。

我的做法是分工：

Astra 出计划：把任务拆成清晰步骤，定好验收标准。
另开对话，让 Luna Max 执行：注意是单独开一个对话，别让 Astra 开 SubAgent 一直盯着。
Astra 验收：检查结果、跑验收。

让 Astra 全程监督反而更烧 token、更慢。多开 Agent 不一定省钱。

Astra 给出计划、另开对话让 Luna 执行、最后 Astra 验收的一次简单示例

Codex 额度用完，还有网页版 Chat Pro

网页普通 Chat 里的 Pro 模型，和 Work、Codex 的额度是分开计算的。买了 Pro 却只在 Codex 里用，等于把网页版额度闲置了。网页版 Chat 里的 Pro，也一直是能力最强的那一档。

用法有两种：

有 GitHub 仓库：先装 GitHub 插件、确认仓库权限，把需求交给它，让它用 PR 交付。
从零开始：让它交付完整代码包，它会给你一个下载链接。

在网页版 ChatGPT Pro 里把需求交给它，最后用一个 PR 交付

有一点要记住：网页版跑代码用的是云端 Linux 环境，所以它没法操作你本地电脑。要动本机文件，还是得回到 Codex。

新模型出来后，顺手审计 AGENTS.md 和 Skills

模型智力提升后，之前为弱模型准备的重型 Skill 往往会变成累赘，Superpower 那类复杂流程 Skill 基本可以全扔了。

做法很简单：每次新模型发布，官方都会出新的 prompt / 指令遵循指南。把链接丢给 AI，让它审一遍你项目里的 Skills 和 AGENTS.md。

阅读 @pvncher 的文章 https://x.com/pvncher/status/2095991462416490862
审计我项目中的所有技能和 AGENTS.md 文件

上面链接是 Codex 核心开发者之一的原帖，另外 OpenAI 的模型指令遵循建议也值得一起看。

打开实验性上下文管理

Astra 现在可以跨窗口记笔记，找回同一任务里更早的消息和工具结果。长对话里，前面试过什么、为什么没走通，不用完全依赖一份被反复压缩的摘要。我用下来衔接更准，也感觉更省额度，但没做严格对照。

它还是实验性功能，默认关闭，而且要看客户端和登录方式是否支持。把下面这段发给你本机的 Codex：

查看我当前版本是否支持下面的设置，如果支持，修改 codex 的 config.toml，启用以下配置

[features.context_management]
experimental_mode = true

改完做一下验证

改完配置后，重开 Codex，再新建任务才生效。配置字段见 Codex 配置参考。

顺便，让它当一次人生教练

除了写代码，我还看到一个让它做个人发展复盘的 prompt，思路很好。要点是别让它泛泛地安慰你，而是结合你的经历、能力和现实处境，指出你自己没注意到的瓶颈、风险和机会。

Robinson 鲁梓逊分享的让 Astra 做个人发展复盘的 prompt

请基于你在当前对话、可用记忆和我提供的材料中确实知道的信息，帮我做一次个人发展复盘。先列出你了解的事实和仍然缺少的信息，不要假装看过我的全部历史对话。

结合我的经历、能力、职业处境、资源和风险偏好，找出未来 3～5 年最值得关注的 3～5 个瓶颈、机会和盲点，按重要程度排序。

不要一味安慰或迎合我。每条建议都说清楚依据、现实约束、机会成本，以及我可以做的具体行动。区分事实、推测和需要向我确认的地方。

给出未来 30 天、90 天和 1 年的行动重点。如果现在只做一个改变，你建议是什么？为什么？

最后提出一条值得验证的长期主线，以及未来出现哪些新信息时，我应该调整方向。宁可少给几条具体建议，也不要堆一大串空话。