在 ChatGPT Pro 中规划，在 Codex 中执行：设计文档交接实战手册

本月值得照搬的工作流不是某个模型，而是一种分工方式。你把GPT-6 Pro在 ChatGPT 里交给它一个仓库 URL，让它给出设计文档而非补丁，再把这份文档交给Codex或Claude Code去实现。规划器运行在GPT-6 Astra上——GPT-6 Pro 是 ChatGPT 的用量上限对它的称呼——而 Astra 是 2026-09-03 的模型，所以这里没有任何内容属于发布报道或发布声明。过去七天内真正发生变化的事情要更窄一些，也值得准确说明：2026-09-17，有实践者报告称，普通 ChatGPT Chat（不是 ChatGPT Work，也不是 Codex）中的官方 GitHub 插件可以编辑仓库文件、提交并打开拉取请求，而不占用 Codex/Work 的额度。这是社区说法，而非厂商文档——官方帮助页面仍将 GitHub 应用描述为只读，并把所有写入操作都导向 Codex——而附着于其上的那些注意事项与这一说法本身同样重要。以下所有内容都标注为厂商所述、社区所述，或于 2026-09-19 从官方页面读取所得。

工作流，一次完成

从业者描述的是同一个循环，只是细节略有不同。反复出现的那一种：把 GitHub 地址粘贴到 ChatGPT 里，让它阅读代码并生成一份设计文档，然后下载该文档并把它喂给执行型智能体。有些人还会要求生成一个 pull request；另一些人则止步于文档，让执行者去写。无论哪种方式，形态都一样——在聊天产品里规划，在智能体产品里构建——而它值得照搬的原因是，这两半是分别计费的。

• 规划产物——一份设计文档：要新增的接口、按路径列出需要改动的文件、迁移顺序、验收测试，以及出错时的应对方案。

• 执行产物——一个分支和一个拉取请求，由能够运行自己刚编写的测试的智能体生成。

• 评审产物——即 diff，它是唯一应当送达评审者的东西。

设计文档是那个承重构件，它凭两个理由赢得了自己的位置。第一，文档是可移植的：无论执行者是 Codex、Claude Code，还是你自己写的脚本化智能体，同一段文字都适用，所以你花钱换来的规划不会绑定在某一家厂商的工具上。其次，它是那个审查界面，在任何内容被写入你的仓库之前便已存在——考虑到聊天产品里的写入路径是整个安排中文档记录最少的部分，这一点至关重要。

为什么双桶结构就是全部的诀窍所在

ChatGPT 并不是从同一个额度池里为这套工作流计费的。Chat、ChatGPT Work 和 Codex 各自拥有独立的额度，其中 Work 与 Codex 共用同一个额度池；而 OpenAI API 密钥又是一套独立的计费。正是这种结构让交接变得经济高效：思考发生在 Chat 的额度里，执行发生在 agent 的额度里，于是一份设计文档只花费一条 Chat 消息，而实现则消耗 agent 的用量。

这些数字，正如 OpenAI 为 Chat 端公布的那样——是供应商在其自家方案文档中报告的数据，而非实测结果：

• ChatGPT Pro 每月 200 美元——每周 200 条 GPT-6 Pro 消息；GPT-5.6 Sol Pro 每天还能额外发送 170 条，两个模型合计每天上限为 200 条。

ChatGPT Pro 每月 100 美元——每周 50 条 GPT-6 Pro 消息，从与 GPT-5.6 Sol Pro 共享的额度中扣除。

• Business Standard — 每月 15 条 GPT-6 Pro 消息，与 Sol Pro 共享；Business Premium — 每周 50 条，同样共享。

• ChatGPT Plus — 在 Chat 中根本没有 GPT-6 Pro。Astra 只能通过 ChatGPT Work 和 Codex 触达 Plus，而这正是这份操作手册试图保护的群体。

在 Work/Codex 一侧，OpenAI 公布的是估算值而非上限，并且明确说明了这一点：Plus 档位在每五小时的时间窗口内大约可发送 5 到 45 条 Astra 消息，Pro 5x 为 25 到 225 条，Pro 20x 为 100 到 900 条；同一页面还指出，实际消耗量会随任务复杂度、上下文、输出内容以及工具调用而变化，并且可能在此基础上再叠加每周上限。这些区间大约只有 Sol 对应数值的一半，而这正是前沿模型能够以智能体形式运行、成本却仍可承受的算术原因。

实际结果是你可以写在一张卡片上的预算规则。把 Chat 消息花在决策上，把智能体用量花在代码上。一场就某个界面争论二十分钟的规划会议，只会消耗寥寥几条 Chat 消息，却能产出一份为智能体省下一小时探索性编辑的文档——这正是该讨论串中的实践者们实际在做的权衡。

写入路径：连接器实际做什么，以及人们声称它做什么

在这里，各来源存在分歧，而分歧本身才是有趣之处。

OpenAI 自己的帮助文档说得很明确：ChatGPT 中的 GitHub 应用会读取你的仓库，用于分析和搜索；而生成代码、编辑代码并将其推送到 GitHub，才是 Codex 的用途。这就是"只读"的立场；如果你要把它纳入团队流程，就应当以这一立场作为规划依据，因为只有它背后有厂商背书。

社区立场（日期为 2026-09-17）是，网页版的 GitHub 插件在 Chat 模式下会编辑代码、提交并打开拉取请求，而且由于它是官方插件而非第三方 MCP 服务器，它不会消耗 Codex 或 Work 配额。同一讨论帖对适用范围颇为谨慎：小工具、小修改、小 bug——大型重构和困难调试仍属于 Codex。其自身的评论者也补充了值得反复强调的注意事项，因为真正会咬人的正是这些：

• 常规 ChatGPT 速率限制仍然适用。"不是 Codex 配额"并不等于"免费"。

• 经过几轮对话后，质量可能会在毫无提示的情况下下降，会话还会在任务进行到一半时切换到更小的模型。

• 帖子作者建议，当界面提供“Work”选项时不要切换过去，并警告说，反复刷匿名聊天页面会损害所有人的网络体验。

一篇独立的日文文章对同一模式得出了相容的结论，但没有配额方面的说法：如果某个 GitHub 集成支持写入操作，那么普通聊天就能读取仓库、修改文件、创建分支并打开拉取请求；适用普通的聊天速率限制；而 Codex 和 Work 共用同一个智能体池，因此常规聊天适用于少量文件的编辑，Codex 则适用于长时间的软件任务。在两个说法一致的地方，一致的部分就是可用的部分：聊天是小改动的渠道，Codex 是长会话的渠道，而两者的池是相互独立的。

存在第三方 MCP 服务器，能提供真正的 git 工作流——分支、diff、提交、推送、发起拉取请求——其权限可以分级，从只读一直到推送。如果你希望写入路径是确定且可审计的，而不是一种你只能寄望其出现的行为，那这就是该走的路；如果你想留在 OpenAI 文档所涵盖的范围内，就在 Chat 中规划，在 Codex 中写入。

无论哪种方式，正是设计文档的交接让聊天写入路径站得住脚。对代码仓库拥有写入权限的聊天会话，其权限授予范围要大于仅有读取权限的聊天会话，而这份文档正是你在这项授权被行使之前所审阅的产物。

交接，一步一步来

• 让规划器指向该代码仓库——把公开 URL 粘贴到提示词中，或者使用你已授权的 GitHub 连接器——并要求它在提出任何方案之前先阅读代码。

• 要求提供设计文档，而不是补丁。要求给出文件路径、新增或变更的接口、各项变更必须落地的顺序，以及能证明每一步都成立的测试。

• 要求它引用它实际读过的文件。设计文档描述了一个代码仓库中并不存在的接口，这是该工作流最常见的失败方式，而引用能让你在一分钟内而不是一个冲刺内发现这个问题。

• 将文档保存到仓库中，而不是将其粘贴到下一个工具里。读取文件的执行器可以重新读取它；而收到粘贴内容的执行器只有一次机会。

• 将文档作为指令启动执行器，并把每个拉取请求的范围限定为文档中的一个章节。长时间会话正是智能体质量悄然衰减的所在。

• 此后让规划者只承担审查职责。当文档有误时，重新规划并更新文档——不要让执行者绕过它自行发挥，因为自行发挥的工作正是文档本应防止的。

它在哪里断裂

• 仓库状态已过期——规划器读取的是默认分支，而你正在功能分支上工作，因此文档中的文件路径落后了一个版本。请说明要读取哪个分支，或粘贴分支树。

• 设计文档漂移——文档与代码不一致，而执行器却遵循文档。上文中的“引用文件”步骤就是低成本的保险。

• 配额意外出现在错误的方向上——一场二十分钟的规划对话在 Chat 消息上很便宜，在注意力上却很昂贵；一次长时间的智能体运行则正好相反。为你实际正在消耗的那个额度桶做预算。

• 静默降级——一个在数轮对话后悄悄切换到更小模型的会话，依然能生成一份看起来很有把握的设计文档。请依据文档本身的质量来评审它，而不是想当然地认为它是旗舰模型写的。

• 权限蔓延——写入路径，无论是通过插件还是 MCP 服务器，都会赋予聊天会话更改你代码的能力。请对权限进行分级，并在更改落地后撤销它们。

通过一个端点运行执行器那一半

这个工作流中负责规划的那一半，存在于一个订阅制产品内部，而这一半就是这样，改不了。负责执行的那一半是一次 API 调用，而这一半才是值得自己掌握的。如果你把执行器脚本化——一个小型智能体循环，一个把已批准的设计文档变成分支的 CI 任务——那么模型调用就是唯一必须可替换的一环，因为你下个季度想要的模型，并不是你今天据以规划的那个模型。

这正是路由层存在的意义。openai/gpt-6-astra与其他 200 多个模型位于同一个 OpenAI 兼容端点之后，供应商标价以 0% 加价原样透传——因此当某家厂商调价时，我们这边的价格当天就跟着变，而不必等到下一次合同续签。自动故障转移让你能把一个尚未验证的模型放在一部分流量上，底下再垫一个已验证的模型，这才是弄清一个廉价执行器是否够格用于你的测试的诚实做法。而路由 DSL 能把多个模型组合成一次调用，于是审查模型可以在同一个密钥、同一条请求路径上检查执行器的 diff，无需再做第二次集成。

这些都不会改变交接的结构。它改变的是对你所掌控的那一半进行试验的成本：一个密钥、一个端点，以及一个无需改动流水线就能更换的模型字符串。

现在谁应该运行这个，谁应该等待

如果你已经按 Pro 档订阅了 ChatGPT 套餐，并且已经在用 Codex 或 Claude Code，那么这套交接流程值得你这周就采用，因为这两项在你的账单上本来就是分开计费的，而设计文档是整个循环里成本最低的一环。先从一项你足够熟悉、能一眼看出方案好坏的改动开始：先要那份文档，读一读其中引用的文件，然后再把它交接出去。

如果你使用的是 Plus，请降低预期。Astra 通过 Work 和 Codex 触达你，但不通过 Chat，因此本手册中规划的那一半并不会以所述形式提供给你——你会在同一个池子里既做规划又做执行，这就消解了经济上的论据，只剩下先写文档这一条纪律。这条纪律仍然值得坚持。折扣则不然。

如果你的理由是 Chat 里的写入路径，而不是交接，那就等 OpenAI 的文档跟上论坛帖子再说。一项被厂商自家帮助页面所否定的能力，就是该一直搁在草稿仓库里、直到那些页面改口为止的能力。

同一个密钥即可访问目录中的其余内容，你还可以浏览完整的模型目录，看看同一个 OpenAI 兼容端点背后还提供哪些模型。