人们对 ChatGPT Pro 的开发程度不足 10% ！！！如果你开了ChatGPT Pro 5x 或 Pro 20x，那么你一定不要放弃既能够在网页端也能够在 Codex 桌面端使用的 Pro 模型，这篇教程将手把手带你熟悉Pro模型的所有用法。

我们下面先对 Pro 模型做一个基本的扫盲。如果着急的话，可以直接往下拉，查看关于 Pro 模型的四大进阶用法。

先介绍一下什么是 ChatGPT Pro 模型，Pro 是一个独立的、有单独沙箱执行环境的“对话模型”。

我们这里为什么说它是对话模型呢？因为 Pro 模型不能够在 Codex 里面直接工作。无论哪个版本的GPT，Pro模型，只能够在纯聊天的形式下使用。

需要注意的是，Plus 用户是不能够使用 Pro 模型的，只有 100 美金和 200 美金的订阅用户可以使用 Pro 模型

我们下面这篇文章将从以下五点来讲解如何 100% 榨干 ChatGPT Pro 模型：

\1. Pro 模型的基础用法 2. Pro 模型的进阶技巧(连接Github) 3. 如何在 Codex 里面使用 Pro 模型(Codex使用Pro模型的技巧) 4. 将 Pro 模型作为 MCP 接入到 Codex 5. Pro模型反向桥

一. Pro 模型的基础用法

每一个部分都是由浅到深递进的。如果这部分大家知道，可以直接划

Pro 被给了更多 effort，后台还有不同的 guidance / harness / 子代理，会有一个单独的代码运行沙箱。所以它慢、质量会高一档。

1.PRO

模型的基础用法：

\1. 打开 ChatGPT 网页或桌面 Chat，不要进 Codex / Work。 2. 将滑轮滑到最右侧，就选择了 Pro 模型 3.然后可以选择一些比较深入的问题进行对话。Pro 模型一般思考的时间比较久，中间可能长的会到两个小时，短的也有几分钟。 4.如果你觉得 Pro 模型回答速度也非常快，质量也很差，不要怀疑，这是被路由到了降级模型。比如说，你现在用的 GPT-6，可能会给你路由到 GPT 5.5 Mini。 5.应对降智的办法也很简单，使用手机端对话即可。网页版静待智力恢复

2.什么时候使用Pro模型

结合我的习惯，我也深入搜索了 X 和 Reddit 上的高频用法，总结了以下 4 点：

需要开Pro的情况

• 复杂 plan / 架构 / 实验设计 • 高风险分析：要证据标准、要权衡、错了代价大 • 难的代码题、数学/研究题 • 一条很长、耦合很紧、不适合拆成很多次短对话的工作流

不该开 Pro 的情况：

• 还要来回改 8 轮的交互活 → Extra High 更合适 • 缺材料、缺仓库、缺报错，只是把档位拉满 → 再聪明也补不上上下文 • 需要 Memory、Canvas、Apps、生图 → 多篇教程写过 Pro 模式会关掉这些

3.如何使用Pro模型

在使用 Pro 模型之前，尽可能先把上下文一次理清楚。将所有的背景信息先使用其他等级的模型整理一遍，输出一份结构条理清晰的背景文档之后，再发送给 Pro 模型进行思考执行。

因为现在 Pro 模型是有额度限制的，并且单次执行也非常慢，所以我们尽可能地减少对话的轮次，提高对话效率。

二. Pro 模型的进阶技巧(连接Github)

Pro 模型因为它有单独的 harness，也有单独的运行沙箱，所以其实可以将 Pro 模型视为一个在黑盒子云电脑里面运行的高级智能版的 Codex。Pro 模式比任何一个 Codex 里面能够选择的思考强度都要更深。

所以，有种很好的使用方法是，我们将代码传到自己的 GitHub，或者要分析其他项目的 GitHub 仓库的公有链接，直接用 Pro 模式分析代码，让他给出方案，然后再交由 Codex 客户端去执行。

GitHub 仓库关联 ChatGPT 的需要进行配置，配置方案为：

先点击左下角个人账户，打开设置，在账户中选择连接 GitHub，链接即可

连接上github之后，可以在Pro的网页对话框中做如下操作

连 GitHub → 单独开分支 → Pro Quick Chat 让它修 UX / 提 PR → 等 10–40 分钟 → 构建失败再丢 Codex继续修。

三. 如何在 Codex 里面使用 Pro 模型？

这个功能，我认为是所有功能里面最值得使用的，但它往往被很多人忽略。

在 Codex 里面，其实也能够进行 ChatGPT 类似于网页端的对话。

但与直接在网页端对话不同的是，Codex 里的对话具有当前项目的上下文，并且能够联动 Codex 分析当前目录下的文件、电脑的状态等。

它就位于 Codex 客户端的左上角。

用法为：我们打开某个项目，在 Codex 某个项目的执行过程中，如果需要更强大的分析能力，就可以添加新对话，然后直接将问题抛给新对话的 Pro 模型。

Pro 模型会带着当前项目的上下文进行分析。分析完毕之后，我们点击对话框的加号，然后就能够直接添加刚刚的对话记录。再交给 Codex 继续执行即可。

四. 将 Pro 模型作为 MCP 接入到 Codex

第四节的目标，是把 Pro 做成 Codex 的常驻。 配置完成后，Codex 的模型列表里会直接出现 Pro 选项。Codex 提供上下文和本地执行沙箱，网页端 Pro 负责提供最强大脑，通过 MCP 协议让 Pro 直接调用本地读写、补丁和终端命令。

这里推荐当前最成熟的开源项目：

miuuyy/codex-chatgpt-web (

https://github.com/miuuyy/codex-chatgpt-web

)

安装的话，直接发给 Codex 项目链接，让 Codex 帮忙安装即可。

安装后打开启动器，按顺序完成：

  1. 在自带的独立浏览器窗口中登录你的 ChatGPT Pro 账号（它有独立 Profile，不影响日常浏览器）。
  2. 跑一遍基础连通性测试。
  3. 点击 Install models（安装模型），重启一次 Codex。此时 Codex 模型列表里就会出现 ChatGPT Web — Pro 等档位。

三种工作模式，强烈推荐 Zero Risk

该项目提供了三档模式，新手和日常使用强烈建议选「Zero Risk」：

  1. Browser-only（纯浏览模式）：只用 Pro 思考，完全不碰本地文件和命令。适合用来做最初的链路验证。
  2. With Automation（全自动模式）：启动器自动替你给网页发指令并代点执行，最省事，但高频自动化操作有被平台识别为网页脚本的风控概率。
  3. Zero Risk（零风险半自动模式，默认推荐）：本地工具调用的能力完全保留。 区别在于：启动器帮你生成好整包 Prompt 并自动复制到剪贴板，你只需自己切到 ChatGPT 网页端粘贴并点击发送。 既能吃到本地 MCP 工具自动调用的便利，又规避了被封号的风控风险。

实际跑通后的工作流

配置好后，整个协同流程会变得极其顺滑：

  1. 重启 Codex，在当前项目的模型选择器中选定 ChatGPT Web — Pro（或 Zero Risk Pro）。
  2. 像平时一样对 Codex 发出复杂开发指令。
  3. 任务上下文被封装送到网页 Pro 进行万字推演与工具决策。
  4. 当 Pro 决定要查看文件、打 patch 或运行测试时，会直接通过 MCP 回传给 Codex，在你的本地电脑环境下里直接完成改动。

五.Pro模型反向桥

Codex额度空了，但是Pro对话次数还在怎么办。这个开源项目就是让Pro当成执行模型，本地当做静态文件存放供Pro阅读的。

仓库：

github.com/rebel0789/codexpro

(

https://github.com/rebel0789/codexpro

)，约 1875 star。

本机跑一个 MCP 服务，用 Cloudflare / ngrok / Tailscale 开出 HTTPS，再在 ChatGPT 的 Developer Mode 里加一个叫 CodexPro 的插件。之后网页对话就能：

• 读、搜、检查你允许的仓库 • 用 write / edit / 受保护的 apply_patch 改文件 • 导入 ChatGPT 附件 • 跑白名单里的 bash 检查 • 看 diff、在 .ai-bridge 里写交接 plan • 导出上下文包，给不能调工具的聊天用

这个项目我并没有试过，不过最近比较火，所以我就列出来了。 个人观点觉得没有必要，似乎是一个反向生产力，为了用而用了。

总结

上面 4 个我经常用的是第三个：在 Codex 里面带上下文使用 Pro 模型。因为这个也是最通用且实用的。

基本在这 Pro 添加每周限制之前，我每周基本都会高强度地调用 Pro 至少 100 次，帮我做调研、出方案、review 代码、做规划等。

100 美金和 200 美金的 Codex 额度，最为低估的其实就是 Pro 模型。希望看了这篇文章之后，对大家有所帮助。