Codex CLI 0.155.0 上线语音智能体：/voice 由 GPT-Live-1 驱动，终端里开口写代码

OpenAI 于 2026 年 9 月 17 日发布 Codex CLI 0.155.0。这一版加入实验性 /voice 语音对话，支持实时转写与麦克风控制，官方称语音智能体由 GPT-Live-1 驱动。功能需通过 /experimental 开启，且仅适用于受支持的构建版本。

/voice 是什么：功能事实与开启条件

0.155.0 的核心新增项是实验性的 /voice 对话能力。按官方更新日志，它提供实时转写画面和麦克风控制，让用户可以在终端里直接说话交代任务，而不是逐字敲入提示词。

开启路径有两道门槛。第一道是实验功能开关——需要通过 /experimental 启用；第二道是构建版本——官方表述为「受支持的构建」（supported builds）。这两条意味着它当前不是所有环境默认可用的稳定接口。

官方开发者账号的表述是「Talk to the voice agent in Codex, powered by GPT-Live-1」，即语音智能体由 GPT-Live-1 驱动。底层由本版新增的 realtime-webrtc 组件承载实时音频会话。

安装与核对方式：npm install -g @openai/codex@0.155.0，随后用 codex --version 确认版本。

同一版本里还改了什么：可观测性与任务生命周期

除语音外，0.155.0 集中处理了长任务使用中的几个断点。

终端界面（TUI）的状态行现在显示实时推理摘要，并在每一轮成功完成后留下时间戳。它不展开完整推理过程，但能回答两个高频问题：任务当前大致在做什么、上一轮什么时候结束。

任务管理侧，agents overview 增加了隐藏、归档与删除操作，并补充工作树（worktree）的归属信息；对干净的受管工作树，删除需要经过明确确认。

后台服务侧，新增可配置的 app-server 守护进程更新计划，以及 codex app-server daemon update 命令。守护进程重启后，已保存的线程和活跃目标可以恢复。

认证侧，受支持的 Mac 本地 TUI 会话可以用 Touch ID 验证 MCP 请求；Amazon Bedrock 可以通过预先配置的命令获取 AWS 凭证，带缓存、按过期时间刷新和认证恢复。

和既有终端工作流的结合点

语音在这个版本里的定位是输入通道，不是替代执行层。

比较自然的用法是长指令和补充约束：先把背景、目标和顾虑口述出来，再把关键约束整理成文字；或者在双手忙于其他操作时继续输入任务。转写结果会落回文本，后续走的还是原有的提示词处理流程，包括推理、工具调用和结果回传。

故障恢复侧的改动对长流程更实用。本版修复了几类会影响连续性的问题：一轮开始前若上下文压缩失败，已接受的提示仍会保存；tmux 尺寸变化、转写视口恢复、切换线程后出现旧历史这几项显示问题得到处理；MCP 能更准确地报告 OAuth 凭证过期并给出重连指引；账号切换会清理旧身份遗留的远程控制会话、WebSocket 缓存和模型目录。

对把 Codex 接入自有工具链的团队，还有一项要注意：Python SDK 与运行时的发布已与稳定版 CLI 对齐，使用匹配版本更稳妥。

能力边界：哪些自动执行，哪些必须人工确认

第一，语音是实验特性。官方把它标注为实验性，且限定受支持的构建。建议先在本地非生产环境验证，不要直接把它设成主要交互入口。

第二，语音识别存在不确定项。技术术语、文件名、金额、验收条件这类细节，转写结果值得人工复核一遍，别直接当作准确输入。

第三，权限与沙箱限制没有被取消。自动审批的机制是由审查代理处理符合条件的审批请求，原有的沙箱、网络与文件权限限制仍然存在。语音输入不改变这条链路。

第四，破坏性操作仍有确认环节。以受管工作树为例，删除需要明确确认；Touch ID 的作用是把敏感工具调用与当前用户绑定，属于加强验证，不是放松权限判断。

注意事项

第一，先确认自己的构建是否受支持。语音功能需要 /experimental 开启，且仅在受支持的构建中可用，同时需要麦克风与音频设备权限。跑在服务器、容器或 SSH 会话里的环境，不一定具备条件。

第二，升级前看一遍移除项。0.155.0 的变更中包含几项移除，包括 /sandbox-add-read-dir 命令、on-failure 审批策略，以及 gpt-5.4-mini 这个内置模型标识。依赖这些配置的工作流需要先调整再升级。

第三，daemon update 会重启守护进程。官方说明这一操作可能中断正在进行中的工作，安排更新时机时避开长任务运行窗口。

FAQ

Q：/voice 现在所有环境都能用吗？ A：不是。官方把它标为实验性功能，需要通过 /experimental 启用，并且仅适用于受支持的构建版本，同时依赖麦克风与音频设备可用。跑在无音频设备的服务器或容器里通常不适用。

Q：语音智能体用的是哪个模型？ A：官方开发者账号的表述是「Talk to the voice agent in Codex, powered by GPT-Live-1」。底层由本版新增的 realtime-webrtc 组件承载实时音频会话。除语音外的推理与工具调用仍走 Codex 原有链路。

Q：语音输入会绕过权限确认吗？ A：不会。自动审批的机制是由审查代理处理符合条件的审批请求，原有的沙箱、网络与文件权限限制仍然存在。受支持的 Mac 上，本地 TUI 会话还可通过 Touch ID 验证 MCP 请求。删除等操作仍有确认环节。

参考来源

• OpenAI Codex 官方更新日志：Codex CLI 0.155.0 条目
• OpenAI Developers：关于 Codex 语音智能体由 GPT-Live-1 驱动的发布说明
• Havoptic：《OpenAI Codex CLI rust-v0.155.0》版本说明与变更条目汇总
• Tech Dev Notes：《Codex CLI 0.155.0-alpha.1》变更清单
• OpenAI 官方文档：Git Worktrees 概念说明
• OpenAI 官方文档：Auto-review 权限边界说明