OpenAI Codex легко воспринять как умный автокомплит в терминале и на этом остановиться. Но это не подсказчик, а агентный runtime: он получает контекст, выбирает инструмент, проверяет approval и sandbox, выполняет действие и продолжает цикл, пока задача не решена или не остановлена. Разница принципиальна. Как только вы понимаете, что это управляемая среда со своими границами доверия, конфигурацией и приоритетами, из инструмента для быстрых правок он превращается в надёжную часть инженерного процесса - от первого запуска до CI и корпоративной политики.

Эта книга проходит Codex от установки до тонкой настройки. Сначала - проверяемая основа: карта поверхностей (CLI, IDE, desktop, cloud, API), установка и обновление, авторизация и источник биллинга, первый запуск и сам agentic loop. Затем - ежедневная работа: TUI и composer, контракт задачи, plan mode, реализация с проверкой, review, sessions, git и worktrees, модели и управление контекстом. Дальше - доверие: permission profiles, approvals, sandbox, execpolicy, prompt injection и секреты. После - конфигурация и расширение: config layers и AGENTS.md, memories, skills, custom agents, plugins, hooks, MCP. Затем - интерфейсы и автоматизация: desktop и IDE, cloud, GitHub Code Review, Slack и Linear, codex exec, SDK, App Server. И наконец - production: enterprise-профиль, диагностика и пять справочников официального интерфейса.

Материал держится на одном различении. Там, где факт, имя команды, ключ, путь или порядок приоритета прямо описаны OpenAI, книга помечает это как официальное и ссылается на первоисточник. Там, где приём следует из документированного поведения, но не является требованием продукта, - это инженерный вывод, полезный, но не выдаваемый за правило. Такое разделение важнее удобных обобщений: настройка становится полезной только когда вы понимаете её источник, допустимое значение и цену ошибки.