生物信息学初学者在 Linux 服务器上使用 Codex CLI：让 AI 帮你读代码、改脚本、排查报错（含代理配置）

做生信、跑集群、写脚本的人都懂，一个小 bug 可能能让你盯着终端怀疑人生一整晚。

比如：

• • PBS 数组任务为什么只跑了一半？
• • 软件为什么 CPU 利用率忽高忽低？
• • Python 报错到底是环境问题还是代码问题？
• • 几百行 Bash 脚本到底哪里写错了？

现在，可以用 Codex CLI 来辅助处理这些问题。

Codex CLI 是 OpenAI 推出的终端 AI 编程助手。它可以读取当前项目目录、理解代码结构、修改脚本、解释报错日志、生成运行命令，适合 Linux 服务器、生信项目、科研数据分析和集群任务调试。

简单说，它像一个住在终端里的 AI 助手，只是不会替你写基金，至少暂时不会。

一、先别安装，先解决网络问题

很多人上来就运行：

npm i -g @openai/codex

然后卡住。

再怀疑 npm。

再怀疑 Linux。

再怀疑人生。

其实大概率只是：

服务器没法访问外网。

先测试：

curl https://api.openai.com

如果正常，会看到类似：

{  "message": "Welcome to the OpenAI API! Documentation is available at https://platform.openai.com/docs/api-reference"}

这说明网络基本没问题。

二、如果访问失败，先挂代理

很多学校、实验室服务器不能直接访问外网，需要通过代理访问。

假设本地电脑已经开了 Clash、V2Ray 或其他代理工具，常见代理端口是：

127.0.0.1:7890

如果你使用 Windows，可以用 PuTTY 里的 plink.exe 做端口转发。

Windows PowerShell：

& "C:\Tools\PuTTY\plink.exe" -v -ssh -N `  -P 你的SSH端口 `  -R "127.0.0.1:18082:127.0.0.1:7890" `  "用户名@服务器IP"

成功连接后，在 Linux 服务器设置代理：

export http_proxy=http://127.0.0.1:18082export https_proxy=http://127.0.0.1:18082export all_proxy=socks5h://127.0.0.1:18082

检查：

env | grep -i proxy

正常应看到：

http_proxy=http://127.0.0.1:18082https_proxy=http://127.0.0.1:18082all_proxy=socks5h://127.0.0.1:18082

再测试：

curl https://api.openai.com

如果能返回 welcome message，说明代理成功。

三、确认你在哪个节点

很多集群：

• • 登录节点能联网
• • 计算节点不能联网

先检查：

hostname

如果显示：

master

说明你在登录节点。

如果显示：

node8node9compute01

大概率是计算节点。

建议：

在登录节点用 Codex 修改脚本，再提交到计算节点运行。

四、安装 Node.js

Codex CLI 需要较新的 Node.js。

检查版本：

node -vnpm -v

如果看到：

v10.x

说明太老。

如果你用 Conda/Mamba：

mamba install -c conda-forge nodejs=20

安装后再次检查：

node -vnpm -v

例如：

v20.19.0

就可以继续。

五、安装 Codex CLI

安装：

npm i -g @openai/codex

检查版本：

codex --version

例如：

0.130.0

说明安装成功。

六、配置 API Key

先去 OpenAI Platform 创建 API Key。

临时设置：

export OPENAI_API_KEY="你的API_KEY"

检查：

echo $OPENAI_API_KEY

测试：

curl https://api.openai.com/v1/models \  -H "Authorization: Bearer $OPENAI_API_KEY"

如果返回模型列表，说明成功。

如果报：

Incorrect API key provided: ''

说明变量是空的，不是网络问题。

永久保存：

echo 'export OPENAI_API_KEY="你的API_KEY"' >> ~/.bashrcsource ~/.bashrc

注意：不要把 API Key 发给别人。钱包承受能力通常不如你的科研压力。

七、启动 Codex CLI

进入项目目录：

cd ~/fish_TE_HTT_compgenomics

启动：

codex

也可以直接带任务：

codex "解释这个项目目录结构"

八、第一次启动：Workspace Trust 是什么？

第一次进入某个目录，可能看到：

Workspace Trust RequiredCodex can execute code and access files in this directory.Do you trust the contents of this directory?[a] Trust this workspace[q] Quit

如果是自己的项目：

a

如果是不明来源项目，不要乱 trust。

因为 AI 也可能执行：

rm -rf *

科技就是把危险自动化。

九、怎么向 Codex 提问？（举例）

1. 让它先理解项目

先不要修改任何文件，请分析当前目录结构，并说明各脚本的用途。

2. 检查 PBS 脚本

检查 run_repeatmodeler_array.sh 是否存在线程数、数组任务、输出目录或日志记录问题。

3. 解释日志

请解释 repeatmodeler_4319.log 的含义，并判断是否正常运行。

4. 修改代码

根据你的建议修改脚本，并保留原始文件备份。

5. 生成运行命令

请给出修改后的测试命令和正式提交命令。

十、Codex 一直 Working 怎么办？

如果界面一直显示：

Working...

先退出：

Ctrl+C

检查网络：

curl https://api.openai.com

检查 API Key：

echo $OPENAI_API_KEY

检查代理：

env | grep -i proxy

常见原因：

1. 1. 没网络
2. 2. 代理没生效
3. 3. API Key 没配置

比如：

Incorrect API key provided: ''

说明不是网络，是 key 空了。

十一、推荐使用流程

第一步：

先阅读当前目录，不要修改文件。

第二步：

指出脚本中可能存在的问题，只给建议。

第三步：

根据你的建议修改脚本，并保留备份。

第四步：

生成测试命令和正式运行命令。

这样比“帮我全自动修好”稳得多。

AI 很强，但它更像一个很勤快的实习生。能帮忙，也可能一本正经改错地方。

十二、适合 Codex CLI 的场景

Codex CLI 很适合：

• • Bash 脚本修改
• • Python 脚本检查
• • PBS 作业脚本编写
• • Slurm 作业脚本编写
• • 生信流程整理
• • Linux 报错排查
• • 项目目录结构解释
• • 批量运行命令生成

例如：

帮我写一个 PBS 数组作业脚本，对 assemblies.txt 中的每个基因组运行 RepeatModeler，每个任务使用 24 线程。

或者：

请检查这个 RepeatModeler 流程是否存在并行数设置不合理的问题。

十三、总结

Codex CLI 可以理解为：

把 AI 放进终端，让它围绕你的项目文件工作。

但使用前一定要注意三件事：

1. 1. 先确认服务器能联网
2. 2. 需要时先挂代理
3. 3. 配好 OpenAI API Key

否则它不会帮你写代码，它只会一直：

Working...

像很多博士生的内心状态。