Codex与DeepSeek实战：AI自动化办公与飞书集成完整指南

最近在尝试用 AI 提升办公效率时，发现了一个强大的组合：Codex 与 DeepSeek。这个组合不仅能处理代码生成，更能深入到自动化办公、PPT制作、图像处理乃至企业级应用集成（如飞书）等场景。然而，网上的资料要么过于零散，要么只停留在概念介绍，缺少一个从环境搭建到实际项目落地的完整闭环教程。

本文将为你带来一份 2026 年最新的实战指南，手把手教你配置 Codex 与 DeepSeek，并实现自动化办公、PPT生成、作图以及接入飞书机器人等核心功能。无论你是想提升个人效率的开发者，还是希望将 AI 能力集成到团队协作中的技术负责人，都能从本文中找到可复现的代码和清晰的配置路径。

1. 背景与核心概念：Codex 与 DeepSeek 能做什么？

在深入实操之前，我们需要理清几个核心概念，避免后续混淆。

Codex最初是由 OpenAI 发布的一个模型，特别擅长将自然语言描述转化为可执行的代码。它本质上是 GPT-3 的一个分支，经过大量代码数据的训练。在本文的语境下，“Codex”更可能指的是一个集成了此类代码生成能力的工具、平台或客户端，它提供了便捷的接口，让开发者能够调用类似 Codex 能力的模型（如 DeepSeek-Coder）来完成各种编程和自动化任务。我们可以将其理解为一个“AI 编程助手客户端”。

DeepSeek是由深度求索公司开发的一系列大型语言模型。其中，DeepSeek-Coder模型在代码生成和理解方面表现尤为突出，经常被拿来与最初的 Codex 模型进行比较。它支持多种编程语言，并且提供了开放的 API 接口，使得开发者可以方便地集成其代码生成能力。

两者的结合点：我们可以使用 Codex（作为客户端工具）来调用 DeepSeek-Coder（作为后端模型）的 API。这样，Codex 提供了友好的交互界面和任务编排能力，而 DeepSeek 提供了强大的代码生成“大脑”。这个组合非常适合完成以下场景：

• 自动化办公：自动生成 Python 脚本来处理 Excel、Word 文档，进行数据清洗、报告生成。
• 智能剪辑/作图：通过生成 FFmpeg 命令或图像处理库（如 Pillow、OpenCV）的代码，实现视频剪辑、图片批量处理。
• PPT 自动化：生成使用python-pptx或office库的代码，自动创建、美化 PowerPoint 演示文稿。
• 接入飞书等平台：编写飞书机器人代码，接收消息，调用 AI 模型处理，并返回结果，实现团队内的智能问答或任务自动化。

简单来说，Codex (客户端) + DeepSeek (模型) = 一个能够理解你的自然语言需求并输出可执行代码的超级生产力工具链。

2. 环境准备与版本说明

为了保证教程的通用性和可复现性，我们选择最主流和稳定的环境进行演示。请注意，工具版本迭代较快，核心思路不变，但部分命令或配置可能需要微调。

基础运行环境：

• 操作系统：Windows 10/11, macOS 10.15+, 或 Ubuntu 20.04 LTS 及以上。本文示例以macOS/Linux命令行环境为主，Windows 用户建议使用 WSL2 或 Git Bash 以获得相近体验。
• Python：版本 3.8 至 3.11。这是大多数 AI 相关库兼容性最好的范围。本文使用Python 3.9。

  # 检查Python版本 python3 --version # 或 python --version

• 包管理工具：pip。建议使用虚拟环境（venv或conda）隔离项目依赖。

  # 创建虚拟环境 python3 -m venv codex-env # 激活虚拟环境 (Linux/macOS) source codex-env/bin/activate # 激活虚拟环境 (Windows) codex-env\Scripts\activate

核心工具安装：这里的“Codex”我们用一个功能类似的、活跃的开源命令行AI编程工具aider来模拟其核心交互功能。同时安装必要的 Python 库。

# 1. 安装 aider，这是一个强大的命令行AI编程助手，可与多种模型API协作 pip install aider-chat # 2. 安装用于自动化办公和飞书集成的库 pip install openai # DeepSeek API 兼容OpenAI SDK pip install pandas openpyxl python-docx # 处理Excel和Word pip install python-pptx # 处理PPT pip install pillow # 图像处理 pip install requests # 网络请求 # 3. (可选但推荐) 安装飞书机器人SDK # 飞书官方提供了开放平台SDK，这里我们使用一个流行的社区版SDK pip install lark-oapi

DeepSeek API 密钥获取：

1. 访问 DeepSeek 开放平台官网（请注意从官方渠道搜索）。
2. 注册并登录账号。
3. 在控制台创建新的 API Key，并妥善保存。该 Key 具有消费权限，请勿泄露。

版本兼容性说明：aider和lark-oapi等库更新频繁。如果遇到问题，可以尝试指定稍早的稳定版本，或查阅其官方 GitHub 仓库的 Issue 部分。本文的核心逻辑在于 API 调用和代码生成模式，工具的具体命令可随版本调整。

3. 核心配置：连接 Codex (aider) 与 DeepSeek

aider默认可以使用 OpenAI 的 API，而 DeepSeek 的 API 与 OpenAI 格式兼容，这使得配置变得非常简单。

步骤1：设置环境变量将你的 DeepSeek API Key 设置为环境变量。这是最安全、最方便的方式。

# Linux/macOS export OPENAI_API_KEY="你的DeepSeek-API-KEY" export OPENAI_API_BASE="https://api.deepseek.com" # 关键：指定DeepSeek的API端点 # Windows (PowerShell) $env:OPENAI_API_KEY="你的DeepSeek-API-KEY" $env:OPENAI_API_BASE="https://api.deepseek.com"

为什么这么做？aider会读取OPENAI_API_KEY和OPENAI_API_BASE环境变量。通过修改OPENAI_API_BASE，我们就把请求从 OpenAI 转向了 DeepSeek。

步骤2：验证连接运行一个简单的aider命令，测试是否配置成功。

aider --model deepseek-chat “请用Python写一个‘Hello World’程序。”

如果配置正确，aider会开始与 DeepSeek API 通信，并生成一个hello.py文件。你可能会看到类似下面的输出：

> 创建新文件：hello.py 你好！以下是Python的‘Hello World’程序：

然后查看生成的hello.py文件。

步骤3：配置模型参数（可选但重要）你可以通过aider的启动参数指定使用的 DeepSeek 模型。DeepSeek 提供了多个模型，例如deepseek-chat（通用对话）和deepseek-coder（专精代码）。对于编程任务，更推荐deepseek-coder。

aider --model deepseek-coder “分析当前目录下的data.csv文件，并生成一个数据摘要的Python脚本。”

至此，你的“Codex（aider）”已经成功连接上了“DeepSeek”大脑，并准备接受复杂的自动化任务指令。

4. 完整实战案例：从需求到代码的自动化流程

让我们通过一个综合案例，串联起自动化办公、PPT生成和飞书通知。场景：你是一名运营，每周需要从一份 Excel 数据中提取核心指标，生成一个简单的分析图表，并制作成 PPT 的一页，最后将 PPT 链接通过飞书机器人发送到工作群。

4.1 项目结构与输入数据

首先，创建项目目录和模拟数据。

mkdir weekly-report-ai && cd weekly-report-ai touch generate_report.py # 主脚本文件

创建一份模拟的 Excel 数据文件weekly_data.xlsx。你可以手动创建，也可以用 Python 快速生成：

# 文件：create_sample_data.py import pandas as pd import numpy as np # 生成模拟数据 dates = pd.date_range(start=‘2024-01-01’， periods=7, freq=‘D’) data = { ‘日期’: dates, ‘访问量’: np.random.randint(1000, 5000, 7), ‘注册数’: np.random.randint(50, 200, 7), ‘订单数’: np.random.randint(10, 100, 7), ‘收入（元）’: np.random.randint(10000, 50000, 7) } df = pd.DataFrame(data) # 保存到Excel df.to_excel(‘weekly_data.xlsx’， index=False) print(“模拟数据已生成到 weekly_data.xlsx”)

运行python create_sample_data.py生成数据文件。

4.2 使用 Aider 生成数据分析与可视化脚本

现在，我们请 AI 助手来写主要的代码。在项目根目录下启动aider，并让它基于我们的需求生成脚本。

aider --model deepseek-coder generate_report.py

在aider的交互界面中，输入我们的需求：

我需要编写一个Python脚本，完成以下任务： 1. 读取当前目录下的‘weekly_data.xlsx’文件。 2. 计算本周‘访问量’、‘注册数’、‘订单数’、‘收入（元）’的总和与日均值。 3. 使用matplotlib绘制‘访问量’和‘订单数’随日期变化的折线图，并保存为‘weekly_trend.png’。 4. 使用python-pptx库创建一个新的PowerPoint演示文稿。 5. 在PPT的第一页添加标题‘本周运营数据报告’。 6. 在第二页创建一个包含步骤2中计算出的总和与日均值的表格。 7. 在第三页插入刚才生成的‘weekly_trend.png’图表图片。 8. 将最终PPT保存为‘Weekly_Report_{当前日期}.pptx’。 请将完整代码写入generate_report.py，并添加必要的注释。

aider会与 DeepSeek-Coder 模型交互，逐步生成和完善代码。最终，你的generate_report.py文件内容可能如下（由 AI 生成，已做格式整理）：

# 文件：generate_report.py import pandas as pd import matplotlib.pyplot as plt from pptx import Presentation from pptx.util import Inches, Pt from datetime import datetime import os def generate_weekly_report(): # 1. 读取数据 try: df = pd.read_excel(‘weekly_data.xlsx’) print(“数据读取成功！”) except FileNotFoundError: print(“错误：未找到 weekly_data.xlsx 文件。”) return # 2. 计算核心指标 total_visits = df[‘访问量’].sum() avg_visits = df[‘访问量’].mean() total_reg = df[‘注册数’].sum() avg_reg = df[‘注册数’].mean() total_orders = df[‘订单数’].sum() avg_orders = df[‘订单数’].mean() total_revenue = df[‘收入（元）’].sum() avg_revenue = df[‘收入（元）’].mean() metrics_df = pd.DataFrame({ ‘指标’: [‘访问量’， ‘注册数’， ‘订单数’， ‘收入（元）’], ‘总和’: [total_visits, total_reg, total_orders, total_revenue], ‘日均值’: [round(avg_visits, 2), round(avg_reg, 2), round(avg_orders, 2), round(avg_revenue, 2)] }) print(“\n核心指标计算完成：”) print(metrics_df) # 3. 生成趋势图 plt.figure(figsize=(10, 6)) plt.plot(df[‘日期’]， df[‘访问量’]， marker=‘o’， label=‘访问量’) plt.plot(df[‘日期’]， df[‘订单数’]， marker=‘s’， label=‘订单数’) plt.xlabel(‘日期’) plt.ylabel(‘数量’) plt.title(‘本周访问量与订单数趋势’) plt.legend() plt.grid(True, linestyle=‘--’， alpha=0.7) plt.xticks(rotation=45) plt.tight_layout() chart_path = ‘weekly_trend.png’ plt.savefig(chart_path, dpi=300) plt.close() print(f”\n趋势图已保存至：{chart_path}“) # 4. 创建PPT prs = Presentation() # 第一页：标题页 slide_layout = prs.slide_layouts[0] # 标题布局 slide = prs.slides.add_slide(slide_layout) title = slide.shapes.title subtitle = slide.placeholders[1] title.text = “本周运营数据报告” subtitle.text = f”生成日期：{datetime.now().strftime(‘%Y-%m-%d %H:%M’)}“ # 第二页：数据表格页 slide_layout = prs.slide_layouts[5] # 仅标题布局 slide = prs.slides.add_slide(slide_layout) title = slide.shapes.title title.text = “核心数据汇总” # 定义表格位置和大小 left, top, width, height = Inches(1.5), Inches(1.5), Inches(8), Inches(2) table = slide.shapes.add_table( rows=metrics_df.shape[0]+1, # 数据行数 + 表头行 cols=metrics_df.shape[1], left=left, top=top, width=width, height=height ).table # 写入表头 for col_idx, column in enumerate(metrics_df.columns): table.cell(0, col_idx).text = str(column) table.cell(0, col_idx).text_frame.paragraphs[0].font.bold = True # 写入数据 for row_idx in range(metrics_df.shape[0]): for col_idx in range(metrics_df.shape[1]): table.cell(row_idx+1, col_idx).text = str(metrics_df.iat[row_idx, col_idx]) # 第三页：图表页 slide_layout = prs.slide_layouts[5] slide = prs.slides.add_slide(slide_layout) title = slide.shapes.title title.text = “趋势分析” # 插入图片 left, top, width = Inches(1), Inches(1.5), Inches(8) slide.shapes.add_picture(chart_path, left, top, width=width) # 5. 保存PPT ppt_filename = f”Weekly_Report_{datetime.now().strftime(‘%Y%m%d’)}.pptx” prs.save(ppt_filename) print(f”\nPPT报告已生成：{ppt_filename}“) return ppt_filename if __name__ == “__main__”: generate_weekly_report()

注意：首次运行前，需要安装matplotlib：pip install matplotlib。

4.3 运行与验证

在终端中直接运行生成的脚本：

python generate_report.py

如果一切顺利，你将看到终端输出计算出的指标，并在当前目录下生成weekly_trend.png图片和Weekly_Report_20240101.pptx（日期会变化）文件。用 PowerPoint 或 WPS 打开 PPT 文件，检查三页内容是否符合预期。

4.4 进阶：集成飞书机器人通知

报告生成了，如何自动分享到团队？我们来创建一个飞书机器人，让它自动将报告链接或关键信息发送到群聊。

步骤1：创建飞书机器人

1. 打开飞书，进入目标群聊。
2. 点击群设置 -> 添加机器人 -> 自定义机器人。
3. 设置机器人名称和描述，例如“周报助手”。
4. 获取生成的Webhook URL，格式类似https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx。这是机器人发送消息的地址。

步骤2：编写飞书消息发送函数在generate_report.py文件中，添加以下函数（或在新的脚本中）。请将YOUR_WEBHOOK_URL替换为你的真实 Webhook URL。

# 文件：generate_report.py (新增部分) import json def send_feishu_message(webhook_url, report_filename, chart_path): “””发送飞书群消息通知””” import requests # 构建消息卡片内容 (飞书卡片消息格式) message_card = { “msg_type”: “interactive”， “card”: { “config”: {“wide_screen_mode”: True}， “header”: { “title”: { “tag”: “plain_text”， “content”: “📊 本周运营周报已生成” }， “template”: “wathet” }， “elements”: [ { “tag”: “div”， “text”: { “tag”: “lark_md”， “content”: f”**报告文件**：{report_filename}\n**趋势图表**：{chart_path}\n\n请查收附件，或通过共享链接获取文件。” } }， { “tag”: “action”， “actions”: [ { “tag”: “button”， “text”: { “tag”: “plain_text”， “content”: “点击查看详情” }， “type”: “primary”， “url”: “https://your-internal-file-share.com/reports” # 替换为实际文件分享链接 } ] } ] } } headers = {‘Content-Type’: ‘application/json’} response = requests.post(webhook_url, data=json.dumps(message_card), headers=headers) if response.status_code == 200: print(“飞书消息发送成功！”) else: print(f”飞书消息发送失败，状态码：{response.status_code}“， response.text) # 在 generate_weekly_report 函数末尾，return之前添加： # send_feishu_message(YOUR_WEBHOOK_URL, ppt_filename, chart_path)

步骤3：整合并运行修改generate_weekly_report()函数的最后，调用消息发送函数（记得取消注释并填入真实 Webhook URL）。这样，每次报告生成后，飞书群就会自动收到通知。

5. 常见问题与排查思路

在实际操作中，你可能会遇到以下问题。这里提供排查思路。

6. 最佳实践与工程建议

将 AI 代码生成用于生产环境或团队协作，需要遵循一些工程规范，以确保稳定性、安全性和可维护性。

1. 提示词工程：与 AI 高效协作

• 清晰具体：避免“做一个报告”这种模糊描述。应像本章节示例一样，明确列出步骤、输入输出格式、使用的库。
• 分而治之：对于复杂项目，不要试图一句话生成全部代码。先让 AI 搭建框架，再逐个功能模块细化。
• 提供上下文：在aider中，你可以通过--file参数让 AI 读取现有代码文件，从而在已有基础上修改或添加功能。
• 角色设定：在提示词开头指定角色，如“你是一个资深的 Python 数据分析师，请...”，有时能获得更专业的代码。

2. 代码安全与审查

• AI 生成，人工审核：永远不要直接将 AI 生成的代码部署到生产环境。必须进行人工代码审查，重点关注：
  • 安全隐患：是否存在命令注入（os.system拼接用户输入）、SQL 注入、硬编码的敏感信息（如密钥）。
  • 资源消耗：循环是否可能导致死锁或内存溢出？文件操作是否及时关闭？
  • 边界条件：对空数据、异常文件格式、网络超时等是否有处理？
• 隔离与沙箱：在安全环境中（如 Docker 容器、虚拟机）首次运行 AI 生成的脚本，尤其是涉及系统操作或文件删除的命令。

3. 项目管理与版本控制

• 分离配置：将 API Key、Webhook URL 等敏感信息存储在环境变量或配置文件中（如.env），并使用.gitignore避免将其提交到代码仓库。
• 版本控制：使用 Git 管理 AI 生成的代码。可以记录每次与 AI 交互的提示词和生成的代码差异，便于回溯和优化。
• 模块化设计：即使代码是 AI 生成的，也应鼓励其遵循模块化原则。将数据读取、计算、绘图、PPT 生成、消息发送拆分成独立函数或类，提高可测试性和可复用性。

4. 性能与成本优化

• 缓存结果：对于耗时的 AI 生成任务（如生成复杂报告），可以考虑缓存结果，避免相同输入重复调用 API 产生费用。
• 设置预算与监控：在 DeepSeek 平台设置 API 使用预算和告警，监控 token 消耗情况。
• 优化提示词：精简、准确的提示词可以减少不必要的 token 消耗，同时提高代码质量。

5. 飞书集成进阶

• 使用官方 SDK：对于更复杂的交互（如接收并处理用户消息），建议使用飞书官方lark-oapiSDK，它封装了事件订阅、消息加解密等复杂逻辑。
• 处理交互事件：机器人不仅可以发送消息，还可以接收用户的@消息。你可以搭建一个简单的 Web 服务，当用户向机器人发送“生成周报”时，触发后端自动化脚本。
• 文件上传：飞书机器人支持上传文件到群空间。你可以将生成的 PPT 通过 API 直接上传到群聊，而非仅仅发送链接。

通过本文的教程，你已经掌握了使用 Codex（以 aider 为例）与 DeepSeek 构建自动化工作流的核心方法。从环境配置、提示词编写、代码生成到集成飞书机器人，这套组合拳能极大释放你在重复性办公任务上的生产力。记住，AI 是强大的助手，但核心的架构设计、安全审查和业务理解仍需你亲自把握。接下来，你可以尝试将这套流程扩展到更多场景，如自动回复邮件、监控日志并生成告警、管理项目任务清单等。