1. 引言

在日常运维工作中，脚本编写往往占据大量时间：日志分析、批量部署、故障排查、数据备份……这些任务重复且耗时。随着 AI 编程助手的发展，Codex 等工具正在改变运维工程师的工作方式——从「手写每一行代码」到「用自然语言描述需求，让 AI 生成脚本」。

本文将带你从零开始，掌握使用 Codex 编写运维脚本的完整流程，包括环境准备、提示词技巧、实战案例以及常见坑点，帮助你真正把 AI 应用到日常运维工作中。

2. Codex 简介与核心能力

2.1 什么是 Codex

Codex 是 OpenAI 推出的 AI 编程助手，能够理解自然语言指令并生成、修改、解释代码。它基于大规模代码语料训练，支持多种编程语言，尤其擅长 Python、Bash、PowerShell 等运维常用语言。

2.2 核心能力

• 代码生成：根据自然语言描述生成完整脚本
• 代码解释：分析现有脚本的逻辑与作用
• 代码优化：重构冗余代码，提升执行效率
• 错误修复：定位并修复脚本中的 Bug
• 多语言支持：Python、Bash、PowerShell、Go 等

2.3 适用场景

• 日志分析与统计
• 批量文件处理与备份
• 系统监控与告警
• 自动化部署与配置
• 故障排查与诊断

3. 环境准备与接入方式

3.1 接入方式对比

接入方式	适用场景	优点	缺点
官方 Web 界面	日常交互式提问	无需配置，开箱即用	无法集成到自动化流程
API 调用	集成到自研工具	可编程控制，支持批量	需要 API Key，有费用
命令行工具	本地开发环境	与终端工作流无缝衔接	需要安装配置
IDE 插件	开发调试阶段	上下文感知，实时补全	依赖 IDE 环境

3.2 环境准备清单

• 注册 OpenAI 账号并获取 API Key
• 安装 Python 3.8+ 环境
• 安装 Codex CLI 工具（如适用）
• 配置网络代理（如需要）

3.3 快速验证

# 安装 Codex CLI（示例）
pip install codex-cli

# 验证是否安装成功
codex --version

4. 编写高效提示词的核心技巧

4.1 提示词五要素

一个高质量的运维脚本提示词，通常包含以下五个要素：

1. 角色设定：明确 Codex 扮演的角色
2. 任务描述：清晰说明要完成的任务
3. 输入输出：指定输入数据格式和期望输出
4. 约束条件：说明运行环境、依赖、性能要求
5. 示例参考：提供输入输出示例帮助理解

4.2 提示词模板

你是一位资深运维工程师，请帮我编写一个 Python 脚本。

任务：分析 Nginx 访问日志，统计每个 IP 的访问次数，并输出 Top 10。

输入：/var/log/nginx/access.log，每行格式为：
$remote_addr - - [$time_local] "$request" $status $body_bytes_sent

输出：按访问次数降序排列的 IP 列表，格式为：
IP地址 访问次数

约束：
- 使用 Python 3，仅依赖标准库
- 日志文件可能很大，需考虑内存优化
- 输出结果保存到 result.txt

4.3 常见误区

• 描述过于笼统：只说「写个监控脚本」，没有明确监控对象和告警方式
• 忽略边界情况：未说明文件不存在、格式异常等情况的处理
• 缺少验证标准：没有定义「脚本正确」的验收标准

5. 实战案例一：日志分析脚本

5.1 需求描述

编写一个 Python 脚本，分析 Web 服务器访问日志，统计各状态码（200、404、500 等）的出现次数，并输出占比最高的前 5 个状态码。

5.2 提示词示例

请编写一个 Python 脚本 analyze_log.py，功能如下：

1. 读取指定日志文件（通过命令行参数传入路径）
2. 使用正则表达式提取每行中的 HTTP 状态码
3. 统计各状态码出现次数
4. 输出占比最高的前 5 个状态码及其占比（保留两位小数）
5. 如果文件不存在，打印友好错误信息并退出

示例日志行：
192.168.1.1 - - [05/Sep/2026:10:30:00 +0800] "GET /index.html HTTP/1.1" 200 1024

5.3 生成结果示例

#!/usr/bin/env python3
"""分析 Web 访问日志中的 HTTP 状态码分布。"""

import re
import sys
from collections import Counter


def analyze_log(filepath: str) -> None:
    """读取日志文件并统计状态码分布。"""
    pattern = re.compile(r'"\w+\s+\S+\s+HTTP/\d\.\d"\s+(\d{3})')
    status_counter = Counter()

    try:
        with open(filepath, "r", encoding="utf-8") as f:
            for line in f:
                match = pattern.search(line)
                if match:
                    status_counter[match.group(1)] += 1
    except FileNotFoundError:
        print(f"错误：文件 {filepath} 不存在", file=sys.stderr)
        sys.exit(1)

    total = sum(status_counter.values())
    if total == 0:
        print("未找到有效的状态码记录")
        return

    print(f"{'状态码':<8}{'次数':<8}{'占比':<8}")
    print("-" * 24)
    for status, count in status_counter.most_common(5):
        percent = count / total * 100
        print(f"{status:<8}{count:<8}{percent:.2f}%")


if __name__ == "__main__":
    if len(sys.argv) != 2:
        print("用法：python analyze_log.py <日志文件路径>")
        sys.exit(1)
    analyze_log(sys.argv[1])

5.4 验证与优化

• 用真实日志样本测试脚本输出
• 检查边界情况：空文件、超大文件、异常格式
• 根据实际需求调整 Top N 数量或输出格式

6. 实战案例二：批量服务器状态检查

6.1 需求描述

编写一个 Bash 脚本，批量检查多台服务器的 CPU、内存、磁盘使用率，并将结果汇总输出。

6.2 提示词示例

请编写一个 Bash 脚本 check_servers.sh，功能如下：

1. 从 servers.txt 文件中读取服务器列表（每行一个 IP 或主机名）
2. 通过 SSH 连接每台服务器，执行以下命令：
   - CPU 使用率：top -bn1 | grep "Cpu(s)"
   - 内存使用率：free -m
   - 磁盘使用率：df -h /
3. 将每台服务器的检查结果汇总，以表格形式输出
4. 支持通过 -u 参数指定 SSH 用户名
5. 某台服务器连接失败时，跳过并记录错误，不中断整个脚本

6.3 生成结果示例

#!/bin/bash
# 批量检查服务器资源使用情况

USERNAME="root"
SERVERS_FILE="servers.txt"

# 解析参数
while getopts "u:" opt; do
    case $opt in
        u) USERNAME="$OPTARG" ;;
        *) echo "用法：$0 [-u 用户名]"; exit 1 ;;
    esac
done

if [ ! -f "$SERVERS_FILE" ]; then
    echo "错误：找不到服务器列表文件 $SERVERS_FILE"
    exit 1
fi

echo "开始检查服务器状态..."
echo "=========================================="

while IFS= read -r server; do
    [ -z "$server" ] && continue
    echo ">>> 正在检查 $server ..."

    if ssh -o ConnectTimeout=5 -o StrictHostKeyChecking=no "$USERNAME@$server" \
        "echo '--- CPU ---'; top -bn1 | grep 'Cpu(s)'; \
         echo '--- 内存 ---'; free -m | grep Mem; \
         echo '--- 磁盘 ---'; df -h / | tail -1" 2>/dev/null; then
        echo ">>> $server 检查完成"
    else
        echo ">>> $server 连接失败，已跳过" >&2
    fi
    echo "------------------------------------------"
done < "$SERVERS_FILE"

echo "全部检查完成。"

6.4 安全注意事项

• 建议使用 SSH 密钥认证而非密码
• 限制脚本执行权限，避免敏感信息泄露
• 生产环境建议增加超时与重试机制

7. 实战案例三：自动化备份脚本

7.1 需求描述

编写一个 Python 脚本，将指定目录打包压缩，并上传到远程备份服务器，同时保留最近 7 天的备份。

7.2 提示词示例

请编写一个 Python 脚本 backup.py，功能如下：

1. 接收两个参数：源目录路径、备份服务器地址
2. 将源目录打包为 tar.gz 格式，文件名包含日期（如 backup_20260905.tar.gz）
3. 通过 scp 上传到备份服务器的 /backup 目录
4. 上传成功后，删除本地超过 7 天的旧备份文件
5. 使用 logging 模块记录执行日志，包括开始、成功、失败信息
6. 任何步骤失败时，记录错误并以非零状态码退出

7.3 生成结果示例

#!/usr/bin/env python3
"""自动化目录备份脚本：打包、上传、清理旧备份。"""

import argparse
import logging
import os
import subprocess
import sys
from datetime import datetime, timedelta

logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s [%(levelname)s] %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S",
)
logger = logging.getLogger(__name__)

BACKUP_DIR = "/backup"
RETENTION_DAYS = 7


def create_archive(source_dir: str) -> str:
    """将源目录打包为 tar.gz，返回文件名。"""
    date_str = datetime.now().strftime("%Y%m%d")
    archive_name = f"backup_{date_str}.tar.gz"

    logger.info("开始打包 %s -> %s", source_dir, archive_name)
    result = subprocess.run(
        ["tar", "-czf", archive_name, "-C", os.path.dirname(source_dir),
         os.path.basename(source_dir)],
        capture_output=True,
        text=True,
    )
    if result.returncode != 0:
        logger.error("打包失败：%s", result.stderr)
        sys.exit(1)
    logger.info("打包完成：%s", archive_name)
    return archive_name


def upload_archive(archive_name: str, remote_host: str) -> None:
    """通过 scp 上传备份文件到远程服务器。"""
    logger.info("上传 %s 到 %s:%s", archive_name, remote_host, BACKUP_DIR)
    result = subprocess.run(
        ["scp", archive_name, f"{remote_host}:{BACKUP_DIR}/"],
        capture_output=True,
        text=True,
    )
    if result.returncode != 0:
        logger.error("上传失败：%s", result.stderr)
        sys.exit(1)
    logger.info("上传成功")


def cleanup_old_backups() -> None:
    """删除本地超过保留天数的旧备份文件。"""
    cutoff = datetime.now() - timedelta(days=RETENTION_DAYS)
    for filename in os.listdir("."):
        if not filename.startswith("backup_") or not filename.endswith(".tar.gz"):
            continue
        filepath = os.path.join(".", filename)
        mtime = datetime.fromtimestamp(os.path.getmtime(filepath))
        if mtime < cutoff:
            os.remove(filepath)
            logger.info("已删除旧备份：%s", filename)


def main() -> None:
    parser = argparse.ArgumentParser(description="自动化备份脚本")
    parser.add_argument("source_dir", help="要备份的源目录")
    parser.add_argument("remote_host", help="备份服务器地址")
    args = parser.parse_args()

    if not os.path.isdir(args.source_dir):
        logger.error("源目录不存在：%s", args.source_dir)
        sys.exit(1)

    archive_name = create_archive(args.source_dir)
    upload_archive(archive_name, args.remote_host)
    cleanup_old_backups()
    logger.info("备份流程全部完成")


if __name__ == "__main__":
    main()

7.4 扩展建议

• 增加加密功能，保护敏感数据
• 接入定时任务（cron），实现全自动备份
• 增加备份完整性校验（MD5/SHA256）

8. 常见问题与调试技巧

8.1 生成脚本不满足需求怎么办

• 补充细节：提供更具体的输入输出示例
• 分步提问：将复杂任务拆解为多个小任务逐步生成
• 要求重构：明确要求「用更简洁的方式重写」「增加错误处理」

8.2 脚本运行报错如何排查

• 将报错信息完整复制给 Codex，要求解释原因
• 提供脚本上下文，要求定位问题行
• 要求生成测试用例验证关键逻辑

8.3 安全与合规注意事项

• 不要在提示词中包含敏感信息（密码、密钥、Token）
• 生成脚本涉及生产环境操作时，先在测试环境验证
• 对 AI 生成的脚本进行人工审查后再上线

9. 总结与进阶建议

9.1 核心要点回顾

• 明确需求是高效使用 Codex 的前提
• 提示词越具体，生成结果越符合预期
• AI 生成脚本仍需人工验证与优化
• 将常用提示词沉淀为模板，提升复用效率

9.2 进阶学习方向

• 学习 Codex API 集成，构建自动化运维工具链
• 结合 CI/CD 流程，实现脚本自动生成与测试
• 探索多 Agent 协作，处理更复杂的运维场景

9.3 实践建议

从今天开始，选择一个你日常最耗时的运维任务，尝试用 Codex 生成第一版脚本。在实践中积累提示词经验，逐步建立自己的「AI 运维脚本库」，让重复性工作真正自动化起来。