OpenClaw + Codex 实战手册：从配置到让龙虾独立修 Bug、跑测试、提交代码

上一篇讲了怎么把 OpenClaw 装起来。这篇进入正题——怎么让龙虾帮你写代码。

我用 OpenClaw + Codex 跑了两周实际项目，下面所有配置和数据都是从我自己的环境里导出来的。能用就直接抄，不用摸索。

前置条件

• OpenClaw 已安装并正常运行（参考上一篇教程）
• 有 ChatGPT Plus 订阅（Codex 需要 Plus 账号才能使用）——没有的话这里买
• 你的项目使用 Git 进行版本管理

第一步：启用 coding-agent 技能

在终端执行：

openclaw skills install coding-agent

安装完成后，打开你的 OpenClaw 配置文件 ~/.openclaw/config.yaml，在 skills 区块下确认有：

skills:
  coding-agent:
    enabled: true
    default_model: "codex"
    working_directory: "/path/to/your/project"
    auto_commit: false        # 重要：先关掉自动提交
    branch_prefix: "ai/"      # AI 生成的代码推到 ai/ 前缀的分支
    run_tests_before_commit: true
    max_file_changes: 10      # 单次最多修改10个文件，防止失控

⚠️ 关键配置说明：

• auto_commit: false——一定别设成 true。我第一周设了 true，结果 Codex 有一次把配置文件覆盖了，差点炸线上环境
• branch_prefix: "ai/"——让所有 AI 生成的代码自动推到 ai/fix-xxx 这样的分支上，你人工 Review 后再合并到 main
• run_tests_before_commit: true——提交前自动跑测试，测试不过就不提交

第二步：配置你的项目上下文

AI 写代码最大的问题是什么？不理解你的项目。你得告诉它哪些文件重要、项目用了什么框架、有什么约定。

在你的项目根目录下创建 .openclaw/context.md 文件：

# 项目上下文
## 技术栈
- 框架：Next.js 15 (App Router)
- 语言：TypeScript
- 数据库：PostgreSQL + Prisma ORM
- 样式：Tailwind CSS

## 代码规范
- 函数命名：camelCase
- 组件命名：PascalCase
- !!禁止使用 any 类型!!
- 所有 API 路由必须做权限校验

## 重要文件（优先读取）
- src/lib/order-service.ts — 核心订单逻辑
- src/lib/payment/ — 支付通道
- prisma/schema.prisma — 数据库结构

## 测试命令
npm run test

这个文件会被 coding-agent 自动读取，作为每次代码生成任务的背景知识。写得越详细，AI 生成的代码质量越高。

第三步：实战——用 prompt 模板下达编程任务

直接跟 OpenClaw 说自然语言就行，但有些 prompt 格式效果明显更好。下面是我实测好用的模板：

模板一：修复 Bug

分析文件 src/lib/order-lifecycle.ts 中的 handlePaymentCallback 函数。
这个函数存在竞态条件：当支付回调和订单超时取消几乎同时到达时，
可能出现"已付款但被标记为已取消"的问题。

要求：
1. 先解释问题的根因
2. 给出修复方案（使用数据库事务 + 乐观锁）
3. 生成修复代码
4. 为修复代码写单元测试

模板二：添加新功能

在 src/app/api/ 下新建一个 API 端点 /api/export/orders

功能要求：
- GET 请求，接受 query 参数：startDate, endDate, status
- 查询 Prisma 的 Order 模型，按条件筛选
- 返回 CSV 格式的下载文件
- 需要 Admin 角色权限校验

参考已有的 API 风格：src/app/api/articles/route.ts

模板三：代码审查

对 src/lib/payment/ 目录下的所有文件做安全审查。

重点检查：
1. 是否有硬编码的密钥或 Token
2. 支付回调的签名验证是否有漏洞
3. 金额计算是否有精度问题（浮点数 vs Decimal）
4. 是否有未处理的异常

输出格式：按严重程度（高/中/低）分级列出

第四步：自动化 Git 工作流

当你对 coding-agent 的输出有信心后，可以开启半自动 Git 流程：

skills:
  coding-agent:
    auto_commit: true
    commit_message_template: "fix(ai): {summary}"
    auto_push: true
    target_branch: "ai/auto-fixes"
    require_tests_pass: true

这样 OpenClaw 会：修改代码 → 跑测试 → 测试通过 → 自动 commit → 推到 ai/auto-fixes 分支。你在 GitHub 上收到 PR 通知，Review 完合并就行。

永远不要让 AI 直接推到 main 分支。这是铁律。

实测数据：Token 消耗和产出

一天高强度使用大概消耗 80-120 万 tokens。用 ChatGPT Plus 订阅模式比按量付费划算得多——Plus 月费约 ¥145，而 API 按量计费同样的用量可能要 ¥500+。

Codex vs Claude Code：我的真实感受

• Codex 更好的场景：写新功能、改 API、跑测试（它在沙箱里跑，不影响本地环境）
• Claude Code 更好的场景：大范围重构、读大型代码库理解上下文（200K token 窗口碾压 Codex）

所以我的配置是双模型：

skills:
  coding-agent:
    models:
      new_features: "codex"
      refactoring: "claude-sonnet"
      code_review: "claude-sonnet"
      bug_fixes: "codex"

按场景自动切换，两边的优势都吃到。当然，这意味着你可能需要同时有 ChatGPT Plus 和 Claude Pro——两个订阅可以在这里一起买。