AI/Codex

Dieser Lernplan führt Schritt für Schritt in die Nutzung des KI-gestützten Programmieragenten OpenAI Codex ein. Codex ist ein fortschrittlicher Agent für die Softwareentwicklung, der Entwickler bei der Code-Generierung, beim Verstehen von Codebasen, beim Debugging und der Automatisierung von Routineaufgaben unterstützt.

Lernpfad

Der Lernpfad ist in verschiedene strukturierte Phasen unterteilt, die systematisch von der grundlegenden Einrichtung bis hin zu fortgeschrittenen Architekturen wie Multi-Agenten-Systemen führen.

Phase 1: Grundlagen und Einrichtung

• Kernkonzept: Die grundsätzliche Funktion von Codex verstehen und die Arbeitsumgebung vorbereiten.
• Wichtige Themen:
  • Was ist Codex? (Ein KI-Programmieragent, der selbstständig Dateien lesen, verändern und Befehle ausführen kann).
  • Installation der Codex App (macOS, Windows, Linux) oder der Codex IDE-Erweiterungen (VS Code, Cursor, Windsurf).
  • Einrichten des Arbeitsbereichs und Best Practices wie das Erstellen von Git-Checkpoints, bevor Codex mit der Arbeit beginnt.
• Ziel: Ein erstes Projekt auswählen, den Arbeitsbereich im "Agent Mode" starten und einen einfachen ersten Prompt ausführen (z.B. "Erkläre mir dieses Projekt").

Phase 2: Effektives Prompting und Threads

• Kernkonzept: Das Arbeiten mit Prompts optimieren und die Interaktionsmöglichkeiten (Threads/Context) meistern.
• Wichtige Themen:
  • Schreiben präziser Prompts: Komplexe Aufgaben in kleinere, überprüfbare Schritte zerlegen.
  • Verwaltung von Threads: Den Unterschied zwischen lokalen Threads (laufen in einer Sandbox auf dem eigenen Rechner) und Cloud-Threads (laufen in einem isolierten Environment mit geklontem Repo) verstehen.
  • Kontextmanagement: Wie Codex automatisch geöffnete Dateien oder markierten Text als Kontext heranzieht und wie man Context Limits beachtet.
• Ziel: Codex effizient und zielgerichtet für Routine-Aufgaben nutzen, ohne das Kontextfenster ("Context Rot" / "Context Pollution") mit unwichtigen Daten zu verfaulen.

Phase 3: Praktische Entwickler-Workflows

• Kernkonzept: Codex im täglichen Entwicklungszyklus nahtlos integrieren.
• Wichtige Themen:
  • Onboarding/Erklären: Komplexe oder fremde Codebasen, Datenmodelle und Request-Flows verständlich machen lassen.
  • Bugs fixen: Problemreproduktion im CLI- oder IDE-Workflow und Erstellung gezielter Fixes.
  • Testen: Automatisiertes Generieren von Tests über pfad- und codebasierte Prompts.
  • UI-Design: Aus Interface-Screenshots Prototypen generieren und mittels Live-Updates Schritt für Schritt iterieren.
  • Refactoring: Umfangreiche Code-Umbauten oder Code-Reviews zur Entlastung an die Cloud delegieren.
• Ziel: Routineentwicklungsarbeit, Fehlerbehebung und Testabdeckung aktiv durch Codex beschleunigen.

Phase 4: Customization und Projektsteuerung

• Kernkonzept: Codex-Verhalten durch persistente Richtlinien dauerhaft für spezifische Repositories anpassen.
• Wichtige Themen:
  • Erstellung und Nutzung der AGENTS.md Datei im Projektverzeichnis.
  • Verankern von Build-Befehlen, Test-Prozeduren und spezifischen Projektkonventionen.
  • Etablieren einer Feedback-Schleife: Codex gezielt darauf trainieren, inkorekte Annahmen nicht mehr zu treffen, indem Codex angewiesen wird, Verbesserungen und Korrekturen eigenständig in die AGENTS.md einzutragen.
• Ziel: Die Codex-Agenten als reibungslose Kollaborateure im spezifischen Projekt-Ökosystem verankern.

Phase 5: Multi-Agenten, Modelle und Sicherheit

• Kernkonzept: Skalierung und Optimierung komplexer Analyse- und Programmieraufgaben.
• Wichtige Themen:
  • Multi-Agenten: Aufteilung der Arbeitslast. Den Hauptagenten auf Entscheidungen und Output fokussieren und "noisy tasks" (wie Exploration, Testing, Logs lesen) auf parallele Sub-Agenten delegieren.
  • Modelle verstehen: Unterschiede zwischen Modellen kennenlernen (z. B. GPT-5.3-Codex für komplexe Agenten-Aufgaben vs. GPT-5.3-Codex-Spark für schnelle Echtzeit-Entwicklung).
  • Cyber Safety: Das Konzept des "Trusted Access for Cyber" verstehen, wodurch False-Positives bei legitimer Sicherheitsforschung oder automatisiertem Vulnerability-Scanning umgangen werden können.
• Ziel: Komplexe, vielschichtige Projekte performant, sicher und effektiv mit der neuesten GPT-5-Architektur umsetzen.

Lernplan (Strukturierter Zeitplan)

Lernressourcen

Die folgenden offiziellen Ressourcen von OpenAI bilden die Grundlage für ein vertiefendes Verständnis und sollten im Zuge des Lernplans begleitend herangezogen werden.

• Grundlagen und Dokumentation:
  • Codex Overview – Die zentrale Übersichtsseite aller Funktionen.
  • Quickstart Guide – Installationsanforderungen, Downloads (Codex App / IDE Extensions) und App-Setup.
  • Codex Models – Spezifikationen und Einsatzgebiete von Modellen wie GPT-5.3-Codex und Spark.

• Prompting und Workflows:
  • Prompting Guide – Effektives Prompting, Thread-Typen (Lokal/Cloud) und Context Management.
  • Development Workflows – Detaillierte CLI- und IDE-Praxisbeispiele für Use-Cases wie Bugfixing, Code Explanation, Tests und automatisiertes Refactoring.

• Fortgeschrittene Architektur:
  • Customization (AGENTS.md) – Wie man Codex dauerhaft mit persistentem Kontext für Repos anleitet.
  • Multi-Agent Workflows – Reduktion von Context Rot / Pollution durch parallele Sub-Agenten.
  • Cyber Safety – Erläuterungen zu den Sicherheitsrichtlinien, False Positives bei Dual-Use Tasks und Trusted Access.

• Benötigte Drittanbieter-Tools:
  • Git – Für Versionskontrolle und Reverts vor Codex-Bearbeitungsloops.
  • Unterstützte Editoren wie Visual Studio Code, Cursor oder Windsurf.