社群平台上出現過一種很有意思的使用心得：使用的仍然是 Astra，但把工作環境從 Codex 換成 Zed 後，整個寫程式流程突然順暢很多，甚至連使用量都像是下降得更慢。
容易混亂的地方在於，Zed、GitHub、Astra、Codex 四個名字聽起來都像同一套 AI 開發工具。其實它們位在不同層次。
Zed 不是 GitHub 的替代品，也不是 Astra 的替代品。它是打開程式碼、向 AI 下指令、修改檔案、執行終端機、檢查差異的工作環境。即使「AI 大腦」不變，只要承載它的「身體」與工作路徑改變，體感速度就可能明顯不同。
1. 30 秒結論
把四個角色拆開就很簡單。
| 名稱 | 大致角色 |
|---|---|
| Zed | 程式碼與 AI Agent 一起工作的編輯與執行工作臺 |
| GitHub | 遠端程式碼儲存庫、歷史、分支、PR 與協作空間 |
| GPT-6 Astra | 負責推理並產生程式碼或文字的 AI 模型，也就是「大腦」 |
| Codex | 讓 AI 以 Agent 方式執行軟體開發任務的工作路徑 |
可以把 GitHub 想成倉庫兼帳本，Zed 是工作臺，Astra 是大腦，Codex 是另一條生產線。
最重要的是，Zed 與 Codex 不是只能二選一。Zed 官方支援原生 Zed Agent、透過 ACP 接入的 Codex 外部 Agent，以及在終端機工作流程中執行 Codex CLI。[1][2][3]
2. Zed IDE 是什麼
Zed 是與 VS Code、Cursor 同類型的程式碼編輯器，也常被稱為 Zed Editor。
它以 Rust 開發，並採用偏 GPU 的渲染架構。Zed 1.0 在 2026 年 4 月發表，支援 macOS、Linux 與 Windows。[4]
現在的 Zed 也深度整合 AI。Zed Agent 可以搜尋專案、讀取檔案、修改程式碼、執行終端機命令，並把改動交給使用者檢查。[2]
因此它與其說是「高級記事本」，不如說是一張把編輯器、Git、終端機與 AI 工作者都放在一起的開發工作臺。
3. 先把 Zed、GitHub、Astra、Codex 分開
常見誤解之一，是把 Zed 與 GitHub 當成同一層的服務。
GitHub 用於保存遠端儲存庫、記錄變更歷史，並透過分支與 Pull Request 管理協作。Zed 則是你在本機打開那個儲存庫並實際工作的應用程式。
Astra 又是另一層。OpenAI 在 2026 年 9 月推出 GPT-6 Astra，並把軟體工程、電腦操作、瀏覽與研究等高難度工作列為重點能力。[5]
Codex 更適合被理解為軟體開發的 Agent 產品與執行路徑，而不只是「模型名稱」。OpenAI 目前也把 Chat、Work、Codex作為不同的工作介面來介紹。[6]
因此模型可以不變，但「從哪裡讓它工作」完全可以改變。
4. 「把 Astra 從 Codex 移到 Zed」到底改了什麼
這並不是把 Astra 模型整個下載進電腦。
真正改變的通常是替 AI 組織上下文、讀取檔案、呼叫工具、執行終端機、顯示 diff、管理執行緒的那一層機制。這類機制常被稱為 Agent harness。Zed 官方也說明，Agent path 有時會被稱為 harness。[2]
目前 Zed 至少有三條相關路徑：
- 用 Zed Agent 呼叫 OpenAI 模型。
- 把 Codex 當作 ACP 外部 Agent 在 Zed 內執行。
- 在 Zed 終端機或 Terminal Threads 中執行 Codex CLI。
所以只說「從 Codex 換到 Zed」，其實還不能唯一確定技術配置。
更像是沒有換大腦，而是換了大腦所使用的身體與駕駛艙。
5. 為什麼同一個 AI 會感覺更快
Agent 任務的總耗時並不只等於模型思考時間。
總耗時
= 模型推理
+ 上下文收集
+ 檔案搜尋與讀取
+ 工具呼叫
+ 終端機執行
+ 重試
+ 重新連線等待
+ diff 顯示與檢查
模型相同，後面的項目仍然可能不同。如果一個環境經常重新連線或重試，而另一個環境很少遇到這些問題，即使底層模型的純推理速度沒有改變，整體也可能像快了很多。
反過來，Zed 也不保證在所有專案裡更快。大型儲存庫的廣泛搜尋、外部 Agent 程序、不同上下文設定都可能增加額外負擔。
所以「速度」屬於整個系統，而不只是模型名稱。
6. 「Token 幾乎不減少」是否等於無限使用
官方資料不支持這個結論。
Zed 在 2026 年 5 月宣布，使用者可以用 ChatGPT 帳號登入 Zed Agent，並以與 Codex 相同的 ChatGPT 訂閱使用量來使用 OpenAI 模型。這和填入 OpenAI API Key、按 API Token 計費是不同的路徑。[1][7]
但 Zed 也明確表示，使用量由使用者的 ChatGPT 方案決定。[1]
「看起來幾乎沒減少」至少可能有幾種解釋：
- 每次任務需要的上下文或工具往返更少；
- 重試更少；
- UI 的使用量顯示不一定與內部每個 Token 一一對應；
- 比較的任務難度原本就不同。
所以 Zed 並沒有開啟「Token 長生不老」模式。
7. 換到 Zed 後就不需要 Codex 了嗎
以目前架構來看，這個問題太二分法了。
因為 Codex 本身就可以在 Zed 裡執行。[2][3]
當你想緊貼編輯器、程式碼搜尋、檔案修改、終端機與 MCP 工作時，Zed Agent 很自然。如果你想保留 Codex 自己的 Agent 行為或設定，可以在 Zed 裡使用 ACP 外部 Agent 或直接執行 Codex CLI。
Astra 在 Codex 中還有專用能力。OpenAI 介紹了一種新的 Codex 上下文機制，讓 Astra 在長任務中跨上下文視窗保存筆記，並搜尋更早的上下文，而不是只依賴反覆壓縮摘要。[5]
因此使用 Zed 並不代表 Codex 的價值歸零。
你完全可以喜歡 Zed 這張桌子，同時讓 Codex 坐在桌前工作。
8. 這和「我本來就在 GitHub 上讓 AI 工作」有什麼關係
如果你已經把 GitHub 專案交給 AI 修改，理解起來確實很接近。
差別是 GitHub 通常是遠端的程式碼基準，而 Zed 是本機工作臺。
GitHub 儲存庫
↓ clone / pull
在 Zed 打開專案
↓
向 AI Agent 下指令
↓
搜尋並修改檔案
↓
在終端機執行測試
↓
檢查 diff
↓
commit / push
↓
GitHub 歷史 / PR / CI
如果你原本的感覺是「AI 直接在 GitHub 裡工作」，那 Zed 更像是把同一個儲存庫拿到自己電腦上的工作臺，再讓 AI 在旁邊一起動手。
Same repo, different workspace.
9. 實際工作流程長什麼樣
假設一個既有服務出現 bug。先在 Zed 打開儲存庫，再讓 Agent 找原因、修復、執行相關測試，並解釋最後的 diff。
使用 Zed Agent 時，可以直接使用 Zed 的專案與終端機工具。如果想要 Codex 的工作方式，可以開啟 Codex 外部 Agent，或在終端機執行 CLI。[2][3]
AI 改完後，檢查 diff 與測試結果，用 Git 提交，再 push 到 GitHub。團隊開發時，接著進入 Pull Request 與 CI。
Zed 不會把 GitHub 從流程裡刪掉，而是把本機 Agent 工作和 GitHub 的歷史、審查、整合連接起來。
10. 不同任務適合哪條路徑
與其問「哪個永遠最強」，不如問自己想保留哪種工作方式。
| 想要的體驗 | 比較自然的路徑 |
|---|---|
| 以 Zed 編輯器、審查 UI 與原生 Agent 流程為中心 | Zed Agent |
| 保留 Zed UI，但使用 Codex 本身作為 Agent | Codex via ACP |
| 保留 Codex CLI 的原生設定與操作方式 | Codex CLI / Terminal Threads |
| 還需要 OpenAI 更廣的工作介面或電腦類能力 | 視需要搭配 ChatGPT / Work / Codex |
| 遠端保存、分享、審查、整合程式碼 | 繼續使用 GitHub |
選擇 Zed 與放棄 Codex 並不是同一個決定。
11. 常見誤解
「Zed 會取代 GitHub」
不會。Zed 是工作臺，GitHub 是遠端儲存庫、歷史與協作層。
「換到 Zed 後 Astra 模型本身會變快」
不一定。改變的是包含 harness、上下文建立、連線與工具循環在內的整套體驗。
「Zed 就是無限 Token」
官方沒有這樣說。訂閱使用量仍受對應的 ChatGPT 方案影響。[1]
「Zed 和 Codex 互相競爭，只能選一個」
不是。Codex 可以透過 ACP 在 Zed 內執行，Codex CLI 也能在 Zed 的終端機工作流程裡執行。[2][3]
「模型相同，換環境沒有意義」
也不對。上下文建立、工具呼叫、重試、連線穩定性與審查流程都會改變總耗時。
12. 總結
Zed IDE 既不是 AI 模型，也不是 GitHub 的替代品。它是一套用來打開程式碼、執行 Agent、修改檔案、執行命令和檢查改動的快速工作環境。
所謂把 Astra 從 Codex「移到」Zed，核心改變往往不是大腦，而是圍繞大腦的工作路徑。
因此同一個 Astra 的確可能明顯感覺更快。但「感覺更快」不等於模型本身推理速度變快，「用量看起來沒怎麼動」也不等於無限使用。
最有趣的是，這並不是簡單的 Zed 對 Codex。
你可以讓 Codex 坐在 Zed 的工作臺前。
從 GitHub 倉庫取出同一個專案，在 Zed 工作臺上讓 Astra 工作，需要時使用 Codex 工作線，完成後再把結果送回 GitHub。
把名詞拆開之後，結構其實很普通：倉庫、工作臺、大腦、生產線。
- [4] Zed, “Zed 1.0” — https://zed.dev/blog/zed-1-0
- [1] Zed, “Use Your ChatGPT Subscription in Zed” — https://zed.dev/blog/chatgpt-subscription-in-zed
- [2] Zed Docs, “Agents” — https://zed.dev/docs/ai/agents
- [3] Zed Docs, “External Agents” — https://zed.dev/docs/ai/external-agents
- [7] Zed Docs, “Use an Existing Subscription” — https://zed.dev/docs/ai/use-an-existing-subscription
- [5] OpenAI, “GPT-6 Astra: A new generation of intelligence” — https://openai.com/index/gpt-6-astra/
- [6] OpenAI Help Center, “ChatGPT Work and Codex” — https://help.openai.com/en/articles/20001275/
資料來源
- https://zed.dev/blog/chatgpt-subscription-in-zed zed.dev
- https://zed.dev/docs/ai/agents zed.dev
- https://zed.dev/docs/ai/external-agents zed.dev
- https://zed.dev/blog/zed-1-0 zed.dev
- https://openai.com/index/gpt-6-astra/ openai.com
- https://help.openai.com/en/articles/20001275/ help.openai.com
- https://zed.dev/docs/ai/use-an-existing-subscription zed.dev
