今天分享一份 ChatGPT Pro 的进阶使用教程，重点是把复杂分析与项目执行衔接起来。
内容从如何准备上下文开始，逐步介绍 GitHub 连接、Codex 中的聊天协作，以及两种开源 MCP 桥接思路。可以先理解基础协作方式，再按实际需要了解桥接工具。
以下保留这套教程的操作思路与经验。套餐价格、额度、界面入口、功能可用性和第三方项目行为，均以实际使用时为准；文中的模型路由判断与效果描述未作独立验证。
如果已经订阅 ChatGPT Pro，可以进一步了解网页聊天与 Codex 协作中的 Pro 用法。这篇教程从基础使用讲起，再介绍 GitHub 连接、Codex 内的聊天协作，以及两种开源桥接方案。
下面先介绍 Pro 模型的基础概念，已有使用经验的读者可以直接查看后面的四部分进阶用法。
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
下面从五个方面展开：
- Pro 模型的基础用法 2. Pro 模型的进阶技巧：连接 GitHub 3. 在 Codex 中与 Pro 模型协作 4. 将 Pro 模型通过 MCP 桥接到 Codex 5. Pro 模型反向桥
一、Pro 模型的基础用法
各部分由浅入深，熟悉的内容可以跳过。
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：
- 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
结合日常使用经验，以及文中对 X 和 Reddit 高频用法的整理，可以按以下情况选择：
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 中与 Pro 模型协作
在这套使用经验中，最值得优先尝试、也容易被忽略的是这一种协作方式。
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 模型通过 MCP 桥接到 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。
这里介绍文中推荐的一个开源项目：
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：
- 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）。
- 跑一遍基础连通性测试。
- 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：文中推荐 Zero Risk
该项目提供了三档模式，文中建议新手和日常使用选择「Zero Risk」：
- 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。
- 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。
- Zero Risk（项目命名的半自动模式）：本地工具调用能力保留。 区别在于：启动器生成整包 Prompt 并自动复制到剪贴板，由用户自己切到 ChatGPT 网页端粘贴并点击发送。 这种方式减少了自动发送环节；「Zero Risk」是模式名称，不能据此保证没有平台风控或账号风险。
实际跑通后的工作流
文中描述的配置完成后的协同流程如下：
- 重启 Codex，在当前项目的模型选择器中选定 ChatGPT Web — Pro（或 Zero Risk Pro）。
- 像平时一样对 Codex 发出复杂开发指令。
- 任务上下文被封装送到网页 Pro 进行万字推演与工具决策。
- 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
如果 Codex 额度用完，而 Pro 对话额度仍有剩余，可以了解这一类反向桥方案：让 Pro 承担执行模型的角色，本机提供仓库文件和受控工具接口。
仓库：github.com/rebel0789/codexpro（https://github.com/rebel0789/codexpro）。原文记录其约有 1,875 个 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
这一项目在原文中并未经过实际试用，只作为近期受到关注的方案列出。文中也提出了保留意见：如果只是为了用 Pro 而额外搭建桥接，可能增加操作成本，未必改善生产力。
总结
在后面四部分进阶用法中，文中最常使用的是第三节介绍的方式：在 Codex 中带着项目上下文与 Pro 协作。这也是文中认为较通用、实用的一种。
文中分享的个人经验是：在 Pro 增加每周限制之前，曾每周高强度调用至少 100 次，用于调研、方案、代码评审和规划。
这套经验想强调的是，订阅的价值也来自 Pro 在分析、规划和评审中的用法。先整理上下文，再把复杂问题交给 Pro，并由 Codex 接着执行，可以作为理解这种协作方式的起点。
我是分辨率网络的主理人，一个爱折腾的程序员，也在做独立开发。
这里会分享 AI 工具、实用教程和应用思路：怎么上手，适合什么场景，能帮你解决什么问题。
想让 AI 帮你省点时间、少做点重复活，或者用在自己的业务里，欢迎关注我。咱们从一个具体问题开始。