「分享一个大幅节省Codex额度的邪修方法，不要浪费了你的ChatGPT Pro会员。」
Codex 额度烧在思考层，不在写代码
最近我的 Codex 额度，已经烧到我有点用不起的程度了。大家可能都知道，我做了一款叫 AIHOT 的 AI 热点资讯站，目前月活已经突破 100 万。而最近我做的，基本都是 AIHOT 的底层优化：一个是尽可能降低成本，一个是系统底层的性能提升——全是什么压模型 API 成本、压抓取成本、用算法替代模型、找过度设计、找性能瓶颈。
备注 · AIHOT 是什么
AIHOT 是作者自己做的一个AI 热点资讯站：实时聚合全网 AI 领域的新闻、论文和产品动态，监控近 2000 个信源，按热度排出「当前热点」榜单。它不是本文要讲的工具，而是本文每一笔开销的背景——下面所有的烧钱和降本，都发生在这个站上。
速览
| 维度 | 核心结论 |
| 烧钱现状 | 一天一个 200 刀的 Pro 会员号，快干成日抛，3 个号轮着转 |
| 真正的开销大头 | 不是写代码，而是分析规划：Ultra 规划一次就没掉周额度 10% |
| 被忽略的额度 | ChatGPT 网页版 GPT-6 Pro 额度与 Codex 独立，200 刀会员每周 200 次 |
| 核心症结 | GPT-6 Pro 看不到真实生产数据，只能靠现有代码推测 |
| 解法 | 把服务器封装成只读 MCP，做成私有插件供 GPT-6 Pro 调用 |
| 最终收益 | 本次任务只花掉约 4% 周额度，且完全符合平台规则 |
关键时间线：从烧钱到省下 4% 周额度
| 步骤 | 发生了什么 | 和「省 token」的关系 |
|---|---|---|
| ① 烧钱现状 | 一天一个 200 刀 Codex 号，3 个轮着转 | Codex 额度扛不住，源头在这 |
| ② 找到钥匙 | 发现 GPT-6 Pro 额度独立、每周 200 次常年吃灰 | 现成的免费「思考额度」被浪费 |
| ③ 卡点 | GPT-6 Pro 读不到真实生产数据，只能靠代码瞎猜 | 过去一直没派上用场 |
| ④ 破局 | 把服务器封装成只读 MCP，给它开一条数据通道 | 让 GPT-6 Pro 能真正干活 |
| ⑤ 实战·思考 | 挂上插件，GPT-6 Pro 思考 40 分钟交出降本清单 | 思考层从 Codex 挪到 Pro，省掉这约 10% 的规划开销 |
| ⑥ 接力·执行 | 方案丢回 Codex，只干执行不背分析 | Codex 不再消耗规划额度 |
| ⑦ 实测收口 | 整个任务只花约 4% 周额度 | 比在 Codex 里硬跑省下约 6 个百分点 |
因为最近突破了 100 万的月活，流量和请求费用已经到了我扛不住的地步，我又在疯狂想办法压缩流量传输、降低成本，都快把边缘缓存用到极致了。为了给 AIHOT 做这个实时热度榜，我把监控的信源加到了快 2000 个的量级，每天大模型的 API 费用也是几百块钱地烧。
一天一个200刀的会员号，快干成日抛
所以基本是一天一个 200 刀的 Pro 会员号，直接快干成日抛了：3 个号轮着转，一个用完了切换另一个，继续做任务。一边是 AIHOT 每天后端在疯狂烧钱，一边是为了优化 AIHOT 的烧钱而每天在 Codex 上疯狂烧钱，我感觉自己每天起床就好像陷入了某种赛博循环，钱就跟流水一样哗啦啦消失了。
我不懂代码，方案得靠强模型来出
特别是我也不太懂代码，我只能当个产品经理，去规划流程架构，知道我的目标是什么，但是具体它要怎么实现、有没有一些能更加突破的方法，你指望我这个愚蠢的人脑去想这个事，我肯定搞不定的。所以必须要有一个很强的大模型，根据我的需求和目标，调研完我们过去所有的日志数据，然后给一个很棒的开发规划，后续我去执行才可以。
最近我是经常用 GPT-6 Astra Max 来分析和规划，甚至有两个降本的任务，我直接上了 GPT-6 Astra Ultra，然后出完计划以后，用 GPT-6 Astra 高来实施。所以 Codex 额度不可能抗得住，甚至额度消耗的很大头，是来自于前面的分析规划——用 Ultra 分析规划一次，我的 200 刀会员周额度直接能没 10%。
穷则思变。人一旦被额度逼到墙角，脑子就会异常活跃。所以我就在想，我怎么最大化的去利用 ChatGPT 的网页版。
GPT-6 Pro 的独立额度一直被我闲置
因为大家都知道，ChatGPT 的网页版里有一个超强的模型 GPT-6 Pro，而且这个东西其实算 ChatGPT Pro 会员一个非常容易被忽略的隐藏福利——它的额度是跟 Codex 分开的，并不消耗你的 Codex 额度。200 刀的 Pro 会员，一周有 200 次的 Pro 对话额度。
7月份我就聊过，它的Review水平和深度都极强
讲道理，这玩意一直是我心中极其好用的模型。7 月份没有 GPT-6、只有 GPT 5.6 Sol 的时候我就聊过，说它的 Review 水平和深度都极强。
口说无凭，直接看我当时发的那条推文——原文附了一张 ChatGPT 网页版实测截图，下面按图里的内容还原：
我
可能很多人不知道，其实现在做代码 Review 最牛逼的，是 ChatGPT 网页版上的 GPT-5.6 Sol Pro 模式。其 Review 水平和深度，让 Fable 5 都甘拜下风。
附图 · ChatGPT 网页版实测
投喂 GitHub 上的 AIHOT 项目，要求对代码、稳定、规则、架构做一次极度详细的 review。
| 项目 | 结果 |
|---|---|
| 思考时长 | 52 分 36 秒 |
| 产出 | 《AIHOT 全量架构与稳定性 Review》 |
| 覆盖范围 | 从抓取与推送链路、数据模型，到认证与安全、CI、部署脚本、系统服务和运维文档，几乎把整个项目扫了一遍 |
GPT-6 Pro 只看代码，读不到生产数据
但是 GPT Pro 模型一直有一个问题，就是没有办法看到我真实的业务数据和场景。它可以通过插件的方式连接我的 GitHub，看到我所有的 PR 记录和实际的代码，但它还是看不到我这么多月所有的服务器日志记录，还有我真实的线上数据库。
如果你看不到这些东西，你怎么能去分析数据、然后推理找到一些底层突破，从而给我们一个真实的规划方案呢？就比如昨天到底进来了多少条数据、我们每天的高峰数据到底是多少；某一个模型调用到底一天烧多少钱、分别烧在了什么地方、缓存命中率是多少。
代码告诉AI理论怎么跑，生产数据告诉AI实际怎么跑
- 代码告诉 AI，这套系统理论上应该怎么运行。
- 生产数据告诉 AI，这套系统实际上是怎么运行的。
- PR 历史，则告诉 AI，它为什么一路变成了今天这个屎山。
这就是过去我用 GPT-6 Pro 做方案规划最大的痛点：它一切都只能根据我的现有代码进行推测，没有办法根据我的真实数据进行分析回测。于是我就一直在想办法怎么去解决这个事，我当然知道有各种各样的桥接方式，把 GPT-6 Pro 的额度拉到 Codex 本地里面去处理，但是过去无数种经验告诉我，这种方式是会有风险的，我不太想冒这种风险。
用只读 MCP 给它开一条生产数据通道
然后，我就想起了一个东西：MCP。在网页版 ChatGPT 的聊天模式中，可以调用插件，但是不能调用 Skill，而插件的底层，其实就是 MCP。那如果……把我的服务器直接封装成 MCP，然后变成一个插件，能跟 GitHub 插件一样，直接让 GPT-6 Pro 通过 MCP 协议读取我的服务器所有数据，这样是不是就行了？
一句 Prompt 交给 Codex，半小时封装完
说干就干，我直接给 Codex 发了一句话——对，就这么一句话。原文这一段是 Codex 的对话截图，下面按消息流还原：右侧绿气泡是我发的，左侧青色气泡是 Codex 的回复。
给 AIHOT 增加一个供 ChatGPT 使用的生产业务数据只读 MCP Server，让 GPT-6 Pro 能安全查询 AIHOT 所有服务器的真实数据。但是一定是最小权限、只读、可审计，不能影响生产性能，也不能暴露密钥和敏感数据。
Codex
我先核对现有 MCP、生产数据访问路径和部署结构，明确能开放的数据范围与性能边界，再做一个可审计的只读实现。
涉及新增外部访问凭据或权限时，我会把具体方案和验证结果准备好后再请你确认；也会按 OpenAI Docs 核对 ChatGPT 远程 MCP 的接入与认证要求。安全边界要落实到独立身份、字段白名单和查询限额——不能只靠给模型写一句「只读」提示词。
ChatGPT 的私有 MCP 需要 OAuth 登录服务。AIHOT 现有飞书登录目前不支持……
没有，沿用飞书本人登录。
交付回执 · 已按你确定的边界上线
GPT-6 Pro 已成功查到今年 4 月的真实日报，并完成历史汇总。这是它交回的改动回执：
| 项 | 内容 |
|---|---|
| 改动规模 | 21 个文件，新增 542 行、删掉 28 行 |
| 集中在哪 | MCP 的查询运行时、直连查询、查询客户端三处 |
亮点 · 先谈边界再动手
我发过去的是一句需求，它回过来的第一件事是「先核对、再确认」——没有直接动手，也没有默认自己有权开权限。后面整条链路没出岔子，靠的就是这一步：权限和身份先谈清楚，代码才动手写。
六层限制把「只读」钉进系统权限层
| 阶段 | 关键动作 | 安全要点 |
|---|---|---|
| ① 提需求 | 只给一句话：最小权限、只读、可审计、不暴露密钥 | 需求里先写死边界 |
| ② AI 接管调查 | 核对现有 MCP、生产数据访问路径、部署结构 | 不碰生产，先摸清范围 |
| ③ 定开放范围 | 确定哪些表可读、哪些字段要脱敏 | 97 张表 / 1,026 个字段 |
| ④ 设计只读层 | 独立身份 + 数据白名单 + 字段白名单 | 权限 / 只读 / 认证 / 脱敏 / 限流 / 审计 |
| ⑤ 开发 MCP | 直读生产库、不建副本，保留超时与分页 | 生产账号写权限为零 |
| ⑥ 测试与验证 | 真实验证一次「确实写不进去」 | 审计失败即停 |
| ⑦ 部署接入 | ChatGPT 添加私有插件，连接方式选服务器 URL | 平台要求勾选风险知情 |
| ⑧ 身份授权 | 用户完成 OAuth，本例沿用飞书本人登录 | 只有本人账号可用 |
| ⑨ 正式投用 | ChatGPT 实调，查到 4 月真实日报 | 全程可审计可回溯 |
然后过了大概半小时以后，Codex 给我开发完了。因为它的 Computer use 操控能力很强，所以甚至都给我上传好了，自己都做完了实验——成了。因为要保护服务器安全，所以我只给了只读权限：他不能对我的服务器进行任何操作，他只能读数据，不能操作数据。同时也为了保护私有 MCP 的数据安全，他还提问说需要 OAuth 登录服务，那太简单了，因为我们用的是飞书，我过去在公司里面也直接开发了一整套的飞书认证中心供同事使用，直接就把飞书的鉴权接了进来，只有我自己的飞书账号登录以后才能用。
上线边界：97张表、1026个字段，只读不写
它给自己划的边界非常清楚，直接读生产库、不建副本：
- 直接读生产库，不建副本：97 张业务表、1,026 个字段，支持查询保留的历史记录，包括用户、联系人和反馈。
- 排除密钥、密码、Token 及可能携带凭据的配置原文。
- 不能写入或操作服务器：生产账号业务表写权限为零。
- 保留查询超时、分页和审计。
私有 MCP 靠 OAuth 确认只有本人能用
私有 MCP 还要再解决一个问题：谁能访问。Codex 当时问我用哪种 OAuth 登录服务，我直接沿用了 AIHOT 已有的飞书认证中心——只有我本人的飞书账号完成授权，才有资格调用这个 MCP，别人就算拿到 MCP 地址也进不来。这一步解决的不是技术问题，而是身份问题：谁有资格查看这些真实业务数据。
接进 ChatGPT，它就是一个普通插件
至于「新插件」的配置表单，一共就五处要动手的地方：
| 配置项 | 填法 |
|---|---|
| 图标 | PNG，建议 256×256，最大 10 KB |
| 名称 / 描述 | 自己写 |
| 连接方式 | 选「服务器 URL」，填 https://example.com/sse 这样的地址 |
| 身份验证 | 选 OAuth，下面还有高级 OAuth 设置 |
| 风险确认 | 平台提示「自定义 MCP 服务器会引入风险」，勾选「我了解并希望继续」 |
插件在 ChatGPT 里长什么样
封装完成之后，它在 ChatGPT 里就是一张这样的插件卡片：
| 字段 | 内容 |
|---|---|
| 名称 | AIHOT 生产数据（只读） |
| 描述 | 仅本人通过飞书授权，直接只读查询 AIHOT 生产库保留的业务历史（97 张表），支持明细分页和汇总；排除密钥，禁止写入和服务器操作，查询可审计 |
| 开发者 / 类别 / 版本 | App developer / Other / 1.0.0 |
| 状态 | 已连接 |
工作流拆成：人定目标、Pro 想、Codex 做
以前我的流程是：我提一个目标，Codex 自己去读代码、翻日志、查数据、分析、规划、改代码、跑测试、上线——它既是总工程师，又是施工队。现在我把这条链路拆开了：我负责提目标和做最终决策，GPT-6 Pro 负责分析和规划，Codex 只负责把方案执行出来，GitHub 和只读 MCP 给 GPT-6 Pro 提供真实上下文。一句话：人决定「要什么」，GPT-6 Pro 想「应该怎么做」，Codex 把「怎么做」真正做出来。
| 角色 | 定位 | 主要干什么 | 产出 |
|---|---|---|---|
| 人 | 决策与授权 | 提目标、确认权限、完成 OAuth、高风险操作拍板 | 目标 / 边界 / 最终判断 |
| ChatGPT（GPT-6 Pro） | 分析层 · 总工程师 | 读真实数据、对照代码与 PR 历史、找瓶颈与浪费 | 优化方案 / 实施顺序 / 验证标准 |
| Codex（GPT-6 Astra 高） | 执行层 · 施工队 | 验证方案、改代码、写测试、Build、QA、上线 | 可上线的代码与部署 |
| GitHub + 只读 MCP | 上下文来源 | 前者给代码与 PR 历史，后者给真实生产数据 | 推理所需的真实证据 |
首轮实战：让 GPT-6 Pro 继续帮我降本
MCP 是个好东西，真的，万物皆可 MCP。你可以把你任何本地电脑上、服务器上的东西封装成 MCP，然后做成你的私有插件，你就全部可以让 GPT-6 Pro 调用了。这个想象空间有多大、能做的事有多少，我相信大家的想象力一定比我丰富。
那接下来再说一下怎么用，以及怎么跟 Codex 更好地协同。打开我们的 Codex，点击左上角的快速聊天（快捷键 ⌘N），吊起 ChatGPT 的聊天模式。
Codex 的左侧栏不用记——项目分组里挂着「分析抓取成本与优化空间」「排查凌晨任务持续重试告警」这些任务，但本文整个玩法只有一个入口：左上角的「快速聊天」，快捷键 ⌘N。
这时候就会在右下角给你弹一个窗，把模型选成 GPT-6 Pro，点击 + 号，选择你自己的插件。
弹出的那个新聊天窗，开跑前要动的地方就这几处：
| 界面位置 | 有什么 / 怎么设 |
|---|---|
| 「添加」菜单 | 可加照片和文件、在项目中工作、创建图像、网页搜索 |
| 「插件」区 | AIHOT 生产数据（只读）、Figma、Google Drive、Production Design、Data 等 |
| 挂载的插件 | 同时挂两个：AIHOT 生产数据（只读）+ GitHub——一个给数据，一个给代码和 PR 记录 |
| 模型选择器 | 切到 GPT-6 Pro，下方滑杆调「思考强度」 |
| 输入框下方 | 「完全访问」开关和 Pro 模型选择 |
这个时候你就可以提出你的需求了。比如我说：我希望继续降低成本。
GPT-6 Pro 想 40 分钟，交出降本清单
一句「我希望继续降低成本」发过去，它就会直接读取我们所有数据，开跑。这条对话同样开在快速聊天窗口里，模型切到 GPT-6 Pro，上面挂着只读 MCP 和 GitHub 两个插件；原文这一段还是截图，下面按消息流还原。
今天我们再在 AIHOT 上，大大的去做了一下成本的优化，然后做了一些调整和修改。那你帮我看看，我们还有没有办法在不影响质量的情况下，进行极致的成本压缩——能调用一次的就不调用两次，比如能用程序解决的就不用模型。你再帮我详细的看看我们服务器上面所有的数据记录，还有我们的代码和我们的 PR 记录，来去详细的进行试验和审查，一定要详细，找出所有可以压缩成本和进行优化的地方。
GPT-6 Pro
我会先对照今天的代码、PR 与生产费用记录，沿调用链排查重复付费和无效处理，再用历史数据本地回放验证优化空间；全程只读，不改生产配置，也不额外调用付费模型。
核对结论 · 两类开销已归零已确认两轮讨论的模型调用已归零；18:00 至 21:45 已知模型费用约 2.28 元，剩余开销集中在精选评分、阅读归组和事实提取。
大概 GPT-6 Pro 思考推理了 40 分钟以后，终于跑完了，然后给了我一个非常详细的方案，我看了一下，质量真的极高。
它最后交出的是一份带优先级和验证状态的降本优化清单：
| 类别 | 优化项 | 当前状态 | 判断 |
|---|---|---|---|
| 第二批 | X 重叠搜索与对账去重 | 空结果较多，真实新增收益未算清 | 不遗漏迟到内容，不扩大最大发现延迟 |
| 独立实验 | 阅读归组稳定前缀与输入布局 | 合成机制验证通过 | 实际总费用下降，归组质量通过 |
| 独立实验 | 正文模板规则、轻量预筛 | 尚未完成新方案质量回放 | 最终结果质量与全漏斗成本一起验收 |
| 暂不直接改 | 双票减一票、取消复核、缩容 | 单票有反例，其他证据不足 | 先验证，再决定 |
这张清单之外，它还先把「哪些结论不能算数」划清楚了：本轮只在本地重跑了 6 项检查，覆盖费用交叉核对、真实评分回放、回包哈希统计、恢复循环投影和依赖变化恢复——不等于整个仓库的测试通过，也不等于新方案已经过了质量评测；实验包里的脚本和数据投影团队可以直接重跑，但结论要自己复核一遍。
它最后的判断是：现在最值得继续追求的，是让已经付过的钱真正只付一次，让没有新证据的旧任务停止制造新工作——先修重复触发和复用失败，再决定值不值得为更小的金额，去担新的质量风险和维护复杂度。
这份交付物名叫 AIHOT_只读降本审查报告_20260915.md，也就是下面原封不动丢给 Codex 去执行的那一份。
把方案直接交给 Codex，执行零搬运
这一次，如果你直接用 GPT-6 Astra 在 Codex 里去跑，我觉得周额度的 10% 是真的能干掉的。所以通过这种方式，原来要烧掉的那约 10% 规划额度就省下来了，而且也是完全符合 OpenAI 的所有规则，没有干任何出格的事情。
点一下「添加到 Codex」，三步搞定
那有了这个方案之后，我们怎么扔到 Codex 里面去直接执行呢？方法也巨简单：你完全不需要把那个 md 文档和方案下载下来再上传之类的，就三步：
- 第一步：打开「增加只读 MCP Server」那条对话。
- 第二步：点对话右上角的按钮，浮出提示「将此聊天添加到 Codex」，点它。
- 第三步：这个对话就直接出现在你的 Codex 窗口上了。
到达 Codex 之后，什么都不用再搬：输入框已经带着「增加只读 MCP Server」的引用标签，项目落在 aiho 的远程 main 分支，左下角开着「完全访问」，右下角模型选 GPT-6 Astra 高。
前期分析做完，Codex 只发一句话就够
为什么现在可以只发一句话？因为最复杂的分析已经被 GPT-6 Pro 做完了。Codex 不需要再猜「现在系统最烧钱的是哪里」「哪些优化值得做」「哪些风险太高」——这些都已经写在审查报告里。于是它的任务被压缩成一条明确的执行链：读完整方案、核对当前代码、再验证结论、实现仍然成立的优化项、写测试、Build、QA、部署、检查线上结果。这才是 Codex 最适合干的工作。
执行推理等级开「高」，一句万能 Prompt 发完就去睡
接着，写一句执行的万能 Prompt。它挂在「增加只读 MCP Server」那条对话后面，模型选的仍然是 GPT-6 Astra 高——原话就是下面这一句，我一个字都没多写。
帮我验证，并且做掉这里面提到的所有值得做的优化，然后统一上线。
接手后的自述 · 任务已处理 3 分 27 秒先把那份审查的完整结论和实验材料读完，再核对当前代码与生产记录，筛出仍然成立的优化项，改动统一实现、验证并上线。过程中自己用 GitHub 集成读文件、运行命令，并记下三个缺口——旧正文恢复没记住阻塞条件、SocialData 的费用在 JSON 解析前没记账导致字段变成 unknown、现有入口无法补正，同时建议下一轮优先处理三件事。
Codex
有，还能继续压。这次已经找到具体的重复付费现象，以及能够在代码里带出来的循环路径。（这一轮它思考了 44 分 8 秒）
已完成复核，并统一上线。PR #1309，生产版本 a1c50011。
我自己习惯在执行的时候，把推理等级开到「高」了，大家开到「中」也行，但是不建议用「轻度」——至少我自己觉得效果不是特别好，有时候来来回回的失败或者不验证，搞起来特别麻烦。马上 GPT-6 Sol 大概率就上了，上了之后执行这块我可能会无脑切换到 GPT-6 Sol，只有一些高难的任务我才会切回 GPT-6 Astra。
上面 Prompt 写好以后，直接发送。我也不知道过了多久，因为我直接睡觉去了。
Codex 复核 44 分钟，PR #1309 上线
起床一看，开发完了。它先给了验收结果：正式 CI 与生产部署全部通过，线上已产生 9 份抓取回执；原报告里三篇文章的阻塞原因已写回，正文指纹保持一致，真实浏览器访问也正常。
没有证据的省钱项，Codex 一律不做
同时它明确划掉了几类「看起来能省、但证据不够」的改动：
- 单票评分：会改变精选结果，未采用。
- 跨轮缓存、降低抓取频率：尚无充分的无损证据，未上线。
- 改预筛和缩容：同上，未上线。
至于实际省下多少钱，它说的是仍需后续同口径观察，并以供应商账单为准——没有拿一个漂亮的数字糊弄过去。
本轮真正落地的五类优化
这次真正落地的五件事：
- 停止历史正文反复购买材料：记住阻塞原因，真实依赖变化后再推进。
- 复用已付费回包：覆盖 Jina、SocialData、大家啦，后续处理失败时可继续消费。
- 修正费用账本：同一物理请求只记一次，未知费用补正保留证据。
- 保护 X 抓取进度：重放旧响应不会误跳进新内容。
- 历史查询分批扫描：限制单次工作量，避免后面的任务长期轮不到。
旁白 · 一觉醒来
从发出 Prompt 到 PR #1309 上线，中间没有一轮追问，也没有一句「要不要我继续」——缺口是它自己记下来的，没有证据的优化项是它自己判掉不做的。执行这一层不该再背分析，这一夜就是证据。
实测：整个任务只花 4% 周额度
这个任务，最终好像也只花了我周额度的 4% 左右，还是很爽的。讲道理，GPT-6 Pro 这么强，每周还给我 200 次额度，让它躺在那里吃灰，然后另一边一天烧一个 Codex 账号，我是真的觉得我扛不住。只要你是 Pro 会员，不管你是 100 刀的（100 刀每周能用 50 次 GPT-6 Pro 额度）还是 200 刀的，都可以试试：把你的真实数据和业务封装成 MCP、让 GPT-6 Pro 去使用，应该能减少很多你的 Codex token 消耗。
改造前后：思考走 Pro，执行才用 Codex
| 环节 | 改造前：全压在 Codex | 改造后：思考走 Pro 独立额度 |
|---|---|---|
| 查数据 · 读代码与 PR | Codex 自己翻日志、全量读代码 | ChatGPT 经只读 MCP 查数据，再结合 GitHub 与 PR 历史 |
| 深度推理 · 出方案 | Codex 边想边写，推理额度一起烧 | ChatGPT 用独立的 Pro 额度出方案与实施顺序 |
| 改代码 · 测试 · 上线 | Codex，执行之外还要背分析 | Codex 只干执行，不再背分析 |
| 本次实测消耗 | 仅一次规划就吃掉周额度约 10% | 整个任务只花周额度约 4% |
别碰第三方桥接，账号安全第一
同时我还是要强调一下：这种遵守规则的 MCP 和插件调用方式，99.99% 不会有啥风险，更不会给你降智或者风控。但是如果你去用一些第三方的桥接插件，把 GPT-6 Pro 的额度反代出来给 Codex 开发用，如果被风控了，别找我，账号安全第一。
数据回流 MCP，优化变成一圈圈循环
| 环节 | 产出 |
|---|---|
| ① 生产系统产生运行数据 | 日志 / 成本 / 流量 / 性能 |
| ② 只读 MCP 取数 | 脱敏后可查询的数据 |
| ③ GPT-6 Pro 分析定方案 | 找到的问题与优化方案 |
| ④ Codex 执行上线 | 上线的新版本 |
| ⑤ 上线后回到 ①，进入下一轮 | 额度一轮一轮省下来 |
想让 AI 省钱，先把思考和执行拆开
最后总结一下这套工作流：ChatGPT 上的 GPT-6 Pro 通过 MCP 的方式把真实世界接入进来，进行详细分析、做规划和架构；然后 Codex 的 GPT-6 Astra high 负责具体的开发执行。省钱省心又省力，我只需要提需求和做决策就行了——哦不对，我还要负责付钱。AI 啊，真好玩。
落到最后其实只有一句话：不要再让 Codex 一个人同时承担「想」和「做」。人负责提目标、做决策；GPT-6 Pro 负责深度分析和规划；Codex 的 GPT-6 Astra 高负责验证、改码、测试和上线；GitHub 给代码与 PR 上下文，只读 MCP 给真实生产数据，OAuth 确认谁有资格访问。如果你也想照着做，不必一上来就做复杂 MCP——先把流程拆成「分析和规划」与「执行」两步：让 GPT-6 Pro 出方案，让 Codex 落地；等你发现它因为看不到真实数据而分析不准，再给它加一条只读 MCP 也不迟。
来源：数字生命卡兹克 原文链接
- 作者把 Codex 额度烧到扛不住的真实账单摊开：一天一个 200 刀 Pro 账号，大头其实花在分析规划上，而不是写代码，读完这篇你能算清自己到底浪费了多少额度。
- 本文完整复盘一次把服务器封装成只读 MCP 插件的全过程，从一句 Prompt 到飞书 OAuth 鉴权，让 GPT-6 Pro 直接读取真实生产数据而不触碰写入权限。
- GPT-6 Pro 的额度与 Codex 独立，200 刀会员每周有 200 次，却常年吃灰。本文给出把它接进真实业务的具体做法，并附上「整个任务只花约 4% 周额度」的实测结果。
- 从下发需求到起床上线，作者用一份逐条还原的对话记录说明：GPT-6 Pro 负责规划架构，Codex 的 GPT-6 Astra 高负责落地执行，中间只靠一句万能 Prompt 衔接。
- 只读、最小权限、可审计、排除密钥——本文详细列出封装生产数据通道时的四条安全边界，以及为什么不能只靠给模型写一句「只读」提示词来兜底。
- 文章用 AIHOT 的真实降本任务做案例，展示 GPT-6 Pro 如何依据生产库、代码与 PR 记录，在四十分钟内给出可带优先级、可验证的优化清单并算出费用缺口。
- 把自己电脑或服务器上的任何东西封装成 MCP 私有插件，就能让网页版 GPT-6 Pro 调用。本文给出完整用法与协同流程，并提醒第三方桥接插件的风控红线。
- 本文给出把业务数据安全接入 ChatGPT 网页版的可复制路径：97 张表、1026 个字段只读开放，生产账号写权限为零，查询全程留痕可审计。
- 面对 Codex 额度一天一个账号的消耗，作者选择绕道网页版：用 MCP 把服务器变成 ChatGPT 私有插件，让 GPT-6 Pro 读数据出方案，再丢回 Codex 执行。
- 这篇实操复盘适合所有 ChatGPT Pro 会员：无论 100 刀还是 200 刀档位，都能用同样的方法把真实数据与业务接给 GPT-6 Pro，从而显著减少 Codex 的 token 消耗。
