第一次打开 Codex，最容易卡住的反而是“我该让它干什么”。先别急着跑完整流程。准备一个单独的演示目录，让它检查样本表，既容易上手，也容易判断有没有做对。
安装，只走一条路
下面以已准备好 Node.js 和 npm 的 Linux 环境为例，使用自己的普通用户账号。先确认账号具备 Codex 使用权限，所在环境符合 OpenAI 的服务可用条件。没有 Node.js，或安装目录没有写入权限时，请环境管理员协助配置，不必靠反复加 sudo 试运气。
npm install -g @openai/codex@latest
codex --version
mkdir -p ~/bio-codex-demo
cd ~/bio-codex-demo
codex这是官方支持的 npm 安装方式。首次启动按提示登录；其他系统与安装方式以 Codex CLI 文档为准。远程服务器没有浏览器时，下一篇介绍登录方法。
第一次指令，可以这样写
这是演示目录，请用虚构数据生成 samples.csv：
两列 sample_id 和 group，6个样本，control 与 treatment 各3个。
再写一个 Python 检查脚本：检查样本名重复、空值和每组数量。
先说明准备创建的文件，经我确认后再运行。
结果写入 results/check.txt，并解释怎样核对。这一步只是检查表格，不做统计推断。看懂它准备运行的命令后再继续；首次练习保留确认步骤，不要为了少点几次按钮就放开所有权限。
| 这一步看什么 | 具体怎么做 |
|---|---|
| 是否真的生成了文件 | 打开 samples.csv，对照6个样本和两组标签 |
| 检查能不能发现问题 | 另存一份演示表，故意重复一个样本名再检查 |
| 是否方便再做一次 | 保留脚本与运行命令，能在同一环境重新执行 |
练习跑通后，再换成允许使用的小规模项目数据。别一上来就上传整批原始数据，也别把“没有报错”当成分析已经正确。
如果只是检查一张小表，现有电脑往往已经够用。等到完整任务需要更多资源，或 R、Python 和软件依赖让你迟迟无法开始，再把服务器与环境支持一起考虑。
把你的任务发给云生信
需要把演示推进到正式任务，可以把软件及版本、数据规模、环境报错和预计租期发来。云生信先确认可提供的计算环境与支持范围，再沟通租赁安排。
配置、可用资源、租期、费用及环境支持范围，在开通前确认。Codex 账号权限及订阅或 API 费用由使用方按 OpenAI 规则另行安排，不包含在服务器租金中。
服务器租赁咨询
想把这一步用到自己的项目？
把任务、软件、数据规模和当前卡点告诉我们，一起确认适合的服务器与环境支持。
也可以直接联系企业微信客服，发送“服务器租赁咨询”。
下一篇把这条路径接到远程服务器：从 SSH 登录到进入自己的项目目录。
