【AI智能体】Codex 制作RAG知识库应用实战操作详解

Codex 被誉为2026年最值得上手的 AI 工具，它不仅是一个编程 Agent，更是一个几乎可以替换掉任何对话工具的全能 AI。配合高性价比的定价机制和充足的 Token 额度，只要你能想到的场景，它都能帮你自动化完成。可以说，Codex 完美复刻了ChatGPT的模板，让普通的用户也能方便使用一款专属定制、性能强大的桌面版AI助手。

自从有了AI，知识库的使用就显得尤为重要，AI搭配知识库的使用可以让AI智能体充分发挥其价值，比如大家熟知的各类智能客服，传统方式下，不管是使用外部的知识库服务，还是自己从0到1搭建一个知识库都是耗时耗力的，现在就可以直接基于Codex 快速开发一个企业级的知识库，本篇将介绍如何基于Codex 完成一个知识库的应用搭建过程。

二、Codex 介绍

Codex 是 OpenAI 推出的一款AI 编程智能体。与简单的聊天机器人或代码补全工具不同，Codex 能够像一个真实的开发人员一样，独立理解复杂任务、操作你的电脑、编写并修改代码、运行终端命令，甚至自动修复bug。访问入口：https://openai.com/zh-Hans-CN/codex/?utm_source=Ai138.com

2.1 Codex 是什么

简单来说，可以把 Codex 看作一个“能帮你干活的AI工程师”。

它是“目标驱动”而非“指令驱动”：你只需告诉它最终的目标（例如：“帮我搭建一个带用户登录功能的网站”），它会自动拆解任务，规划步骤并执行，而不需要你一步步告诉它该怎么做。
它不只是一个聊天框：虽然你可以在ChatGPT网页版找到它，但它真正的威力在于桌面应用和命令行工具（CLI）。在这些地方，它可以直接访问你的文件系统、运行终端命令，甚至操作其他软件。
它的用户远超程序员：官方数据显示，Codex每周有超过300万用户，其中近一半（50%）的使用场景并非编码。从写周报、整理文档到数据分析，它都足以胜任。

2.2 Codex能做什么？

近期的重大更新让Codex的能力大幅跃升，使其不再局限于编程领域：

动打开软件、运行模拟器、发现问题、修改代码，并再次测试验证，完成一整套开发闭环。
所见即所得的开发（内置浏览器）：Codex内置了一个浏览器。当你开发网页时，它可以直接在浏览器中展示效果。你可以直接在渲染出的网页上圈出问题，比如圈出一个标题并写上评论“字体太大，颜色改成蓝色”，Codex就能理解视觉和空间上下文，并精准地修改对应的代码。
“心跳”机制与长期记忆：
- 自动排班：你可以交付给它一个需要数小时甚至数周的长线任务。即使你关掉电脑，它也会在约定的时间点“自动醒来”，在后台继续工作。
- 记忆功能：它会记住你的编码偏好和纠正过的错误，下次再合作时，就不需要从头开始解释了。
强大的工具生态：Codex已经接入了超过90个插件，可以无缝连接JIRA、GitLab、Microsoft Suite、Slack、Gmail等常用工具。你可以让它去Notion里读文档、去邮箱里看邮件、去项目管理工具里筛选Bug，再把所有信息汇总成一份报告给你。

2.3 Codex 搭建知识库介绍

用 Codex 搭建知识库，本质上是将 AI 从被动的问答工具，转变为一个能帮你持续打理、整理和连接信息的"知识管理员"。它的核心方法，就是围绕一个本地的 Markdown 文件夹，通过明确的规则和技能（Skills），让 Codex 来负责知识的摄取、提炼和维护。

2.3.1 核心思路

整个搭建思路，是创建一个由 AI 辅助管理的"第二大脑"：

数据完全由你掌控：所有知识都以 Markdown 文件形式存储在本地，你随时可以用任何编辑器打开、修改，数据隐私和安全性很高。
AI 是你的知识管家：Codex 可以读取和修改这个目录下的文件。你只需给它下达"把这篇资料归档"或"更新知识库"等指令，它便会自动执行。
规则驱动：在项目根目录下放一个 AGENTS.md 文件，来定义目录结构、命名规范和维护流程。这样，Codex 每次操作都会遵循同一套标准，避免混乱。

2.3.2 具体操作流程

具体的操作路径很清晰，目前社区里主要有两种主流方式：

1）使用现成的知识库工具包（推荐新手）

这是最省事的方法，可以借助一些开源工具快速上手。以 kb-skills 这个工具包为例：

一键安装：在你的终端运行 npx @optima-chat/kb-skills@latest install，它会把需要的技能（Skills）自动安装到 Codex 的目录里。
一句话初始化：在 Codex 对话中直接说："帮我把当前目录初始化成一个可长期维护的知识库"。Codex 就会自动为你创建好 AGENTS.md、raw/（存放原始资料）、wiki/（存放整理后的知识）等基本骨架。
日常使用流程：
- 摄入资料：把文章链接或文件发给 Codex，说："把这份资料 ingest 进知识库"。
- 更新知识：说："更新受影响的页面"，Codex 就会将新资料与已有知识进行整合和关联。
- 提问：你可以直接基于这个不断生长的知识库提问，Codex 会优先从整理好的 wiki 里找答案，效率更高。

2）手动打造更个性化的方案

如果你想更自由地控制知识库的结构，也可以手动设置。比如，可以结合 Obsidian 这款笔记软件来使用：

在 Obsidian 中打开你的知识库文件夹，利用它的双向链接和知识图谱功能，直观地看到知识之间的关联。
同时让 Codex 也"打开"这个文件夹，并遵循你定义好的 AGENTS.md 规则来工作。这样，你就有了一个既拥有强大可视化界面，又有 AI 自动维护的"超强"知识库。

3）企业级知识库

这种需要对AI智能体的相关技术有一定的掌握，这种开发出来的知识库更符合企业自身的需求，不过要投入的资源以及后续维护的成本也会高很多。

三、RAG 前置介绍

3.1 什么是RAG？

RAG对应的就是检索增强生成，RAG就是让AL回答问题之前，先去你准备好的资料里查一查，而传统 AI是凭自己记忆回答:RAG是先查你给它的资料，再根据资料回答。

比如用户问：

你们这个课程卖多少钱？
1. 传统的AI回答：价格可能根据课程内容不同有所变化，建议咨询客服。
而RAG会先去你的知识库里找价格信息，然后回答：
1. 根据知识库，基础班价格是1999元，进阶班价格是3999元，私教班需要人工确认。

所以客服智能体更适合用RAG，因为它回答的是企业自己的产品资料，不是AI自己猜。

3.2 为什么要使用RAG

使用过传统知识库的同学应该深有体会，从0到1搭建并使用一个知识库整个周期是非常长，如果是代码开发，可能会更加复杂，以使用开源软件作为知识库服务，搭建完成后，需要将文档等各类资料分门别类整理好，然后上传到知识库软件服务，创建索引，后续的维护等，这个过程下来，少则几个月，甚至大半年都有可能，而RAG则方便很多，只需要把各类资料，pdf，word，markdown等上传之后，即可马上测试看效果了。

3.3 适合RAG的一些场景

如果你也有下面这些场景，可以考虑使用RAG

客服问答
企业知识库
产品资料问答
FAQ 自动回复
售后政策查询
内部员工助手
销售话术辅助
课程学习助手

四、Codex 搭建RAG知识库过程

接下来通过实际操作演示下使用Codex 搭建一个知识库的完整过程。

4.1 前置准备

4.1.1 提前准备一些知识库语料

这些语料可以是日常业务中的销售话术，或者回复用户的业务标准流程说明等，如下，我这里提前准备了一份关于服务器相关的文档。

4.2 知识库搭建过程

4.2.1 准备知识库框架

我们可以让codex帮我们生成一个RAG的知识库框架，相当于是编写一个开发计划或方案，有了这份方案，指导Codex 进行后续具体的开发。

给到Codex的第一步提示词可以这样写：

请帮我创建一个最基础的RAG知识库演示项目。

项目目标:
用于教学演示，让用户理解RAG的基本原理:用户提问后，系统先从本地知识库中查找相关内容，再根据查到的内容进行回复。

技术要求：

1、使用 Node.js + Express
2、创建一个knowledge.txt 文件作为本地知识库
3、创建一个POST/ask接口
4、用户提交问题后，后端读取knowledge.txt
5、使用简单关键词匹配，从knowledge.txt 中查找相关内容
6、如果找到相关内容，就返回基于知识库的回答
7、如果找不到相关内容，就返回:知识库中暂时没有找到相关答窝，建议转人工客服处理
8、不需要前端页面
9、不需要数据库
10、不需要向量数据库
11、不需要真实 AI API
12、代码要简单，注释要清楚，适合新手学习


项目文件结构:
basic-rag-demo/
|--- package.json
|--- server.js
|--- knowledge.txt
|--- README.md

关于项目文件目录说明：

basic-rag-demo/
- 是项目总文件夹，就像我做一个课程项目，所有资料都放进一个文件夹里，方便管理。
package.json
- 是项目配置，就像项目的“说明牌”，告诉电脑这个项目怎么运行。
server.js
- 是核心代码，就是这个RAG系统的大脑和发动机。

比如当用户提问：

这个产品多少钱？

server.js 就会去knowledge.txt 里找和”价格、多少钱、收费”相关的内容，然后返回答案。所以：

server.js是真正处理问题和返回答案的地方。

knowledge.txt 是知识库资料，你自己的产品资料都写在这里，比如：

产品介绍
价格说明
购买流程
付款开通
FAQ 常见问题
退款规则
人工寄服规则

用户问问题时，系统不是乱答，而是先查这个文件。比如：

用户问:付款后多久开通?
系统查 knowledge.txt
找到:付款成功后一股5分钟内开通
然后返回答案

所以：

knowledge.txt 写得越清楚，RAG回答越准确。

README.md就像项目的使用说明书，别人拿到这个项目后，看它就知道怎么运行。

4.2.2 搭建知识库框架

将上面的提示词投递给Codex

请帮我创建一个最基础的RAG知识库演示项目。

项目目标:
用于教学演示，让用户理解RAG的基本原理:用户提问后，系统先从本地知识库中查找相关内容，再根据查到的内容进行回复。

技术要求：

1、使用 Node.js + Express
2、创建一个knowledge.txt 文件作为本地知识库
3、创建一个POST/ask接口
4、用户提交问题后，后端读取knowledge.txt
5、使用简单关键词匹配，从knowledge.txt 中查找相关内容
6、如果找到相关内容，就返回基于知识库的回答
7、如果找不到相关内容，就返回:知识库中暂时没有找到相关答窝，建议转人工客服处理
8、不需要前端页面
9、不需要数据库
10、不需要向量数据库
11、不需要真实 AI API
12、代码要简单，注释要清楚，适合新手学习


项目文件结构:

basic-rag-demo/
|--- package.json
|--- server.js
|--- knowledge.txt
|--- README.md

稍作等待之后可以看到项目文件已经按要求生成了

打开项目文件夹，可以看到按要求生成了相关的文件

4.2.3 准备原始知识库材料

提前准备一份知识库原材料，可以是工作中的业务文档，SOP流程，销售话术，处理常见问题的文档材料等，作为接下来上传到RAG的材料，如下，我这里有一份阿里云服务器相关的FAQ资料：

4.2.4 将原始文档写入知识库

通过下面的提示词将准备的这份材料写入到知识库文档，即 knowledge.txt

请帮我把这个文档里的资料整理成适合 RAG知识库使用的knowledge.txt 内容。

要求：
1、按照以下结构整理:
        -- 服务器选购流程
        -- 计费方式
        -- 下单流程
        -- 配置过程
        -- 售后流程
2、内容要简洁清晰，方便关键词检索
3、不要编造我没有提供的信息
4、如果资料中没有提到的内容，请标注“资料不足，需要人工补充”
5、请直接帮我写入knowledge.txt

最终成功将原始文档内容写入到指定的knowledge.txt 文件中

4.2.5 知识库效果测试

经过上面的操作后，RAG写入知识库就结束了，我们要确认用户提问时，系统真的能从knowledge.btxt里找到对应资料。

如果用户问"服务器选购流程是怎样的”，系统应该命中。

如果用户问"服务器操作遇到问题怎么办”，系统应该命中售后流程规则。

如果用户问一个知识库里没有的问题，比如”你们能开发火箭吗”，系统就不能乱答，应该提示转人工。

给出下面的提示词，做一个完整的测试流程：

请帮我测试当前 RAG 项目。

要求:
1、启动项目
2、测试 P0ST /ask 接口
3、分别测试以下问题:
        -- 服务器选购流程是怎样的
        -- 服务器使用遇到问题怎么办
4、检查返回结果是否正确
5、如果接口报错，请帮我修复
6、如果知识库没有命中，请帮我优化关键词匹配逻辑

提示词输入之后，Codex 会根据本地的环境要求为这个项目安装必要的依赖

在执行过程中，Codex 发现知识库文件中存在语义不够明确的地方，于是自己进行了优化调整，最后完成了整个过程的测试验证

4.3 知识库升级

一开始我们不需要把知识库拆得太细。资料少的时候，一个knowledge.txt就够。如果拆分的太细，日常的维护工作量比较大，但是随着知识库承载的功能越来越多，全部放在一个知识库文件中就不合适了，此时需要根据业务类型进行细分。比如针对上面这个知识库文件，可以拆成3个文件:

服务器选购流程
服务器计费方式
服务器售后流程

明确了需求，接下来给出下面的提示词：

请帮我把当前 RAG 项目从单个knowledge.txt升级为简单的多文件知识库。

不要拆得太细，只需要拆成3个文件:

knowledge-base/
|-- Purchase.txt
|-- Service.txt
|-- Fee.txt

要求：
1、Purchase.txt 存放与服务器购买相关的内容
2、Service.txt 存放与服务器售后相关的内容
3、Fee.txt 存放与服务器使用过程中计费相关的内容
4、保留原来的POST /ask接口
5、后端自动读取knowledge-base文件夹里的所有txt 文件
6、用户提问时，系统从这3个文件中检索相关内容
7、返回结果中显示命中的文件名 matchedFile
8、如果没有找到相关内容，返回:知识库中暂时没有找到相关答案，建议转人工客服处理
9、代码要简单，注释要清楚，适合课堂教学

经过一段时间响应之后，最终按照要求将原始的知识库文档拆分成了3个文件

并且还贴心的做了测试验证

4.4 构建客服智能体

经过上面的操作，完成了一个简单的知识库的搭建过程，有了知识库，就可以做一个客服智能体，基于知识库语料进行用户问题回复了，下面使用Codex 完成客服智能体的开发。

简单理解：

RAG知识库=客服的大脑资料

客服智能体=用户提问入口+RAG回答逻辑+回复展示/发送

所以接下来要做的是：

用户提问
睿服智能体接收问题
调用 RAG 知识库
生成喜服回复
模拟展示在微信客服窗口里

下面看具体的实现步骤。

4.4.1 增加项目聊天界面

为了方便后续的演示操作，需要做一个用户的聊天界面，给出下面的提示词，让Codex 生成后续的功能：

请帮我在当前RAG知识库项目基础上，增加一个“微信客服智能体本地演示页面”。

当前项目已经有:
1、knowledge-base 知识文件夹
2、server.js后端服务
3、POST /ask 接口
4、用户提问后可以从知识库中检索并返回回答

现在请继续开发本地微信客服演示功能。

耍求:
1.新增 public文件夹，
2.在 public 中创建:
        index.html
        style.css
        script.js
3.页面模拟微信客服聊天窗口。
4、页面包含：
        聊天记录区域
        用户输入框
        发送按钮
        快捷问题按扭
5、快捷问题包括：
        - 服务器购买步骤？
        - 服务器是怎么计费的？
        - 服务器宕机了怎么办？        
6、用户输入问题后，前端调用后端 POST /ask接口。
7、后端返回答案后，页面以聊天气泡形式展示。
8、用户消息显示在右侧，AI客服消息显示在左侧，
9、如果没有命中知识库，页面展示转人工提示，
10、保留原来的 RAG知识库逻辑，不要破坏原来的/ask接口。
11、代码要简单，注释要清楚，适合课堂教学。
12、README.md 中补充如何打开本地微信客服演示页面。

请直接修改当前项目并生成完整代码。