看到一个有意思的开源项目：DevSpace

它的宣传点非常直接：
Turn ChatGPT into Codex 把 ChatGPT 变成 Codex
更狠的是，作者在 X 上甚至把它包装成一个“非官方 2 倍 Codex 额度”的玩法。
当然，先说明白：这不是 OpenAI 官方给你增加 Codex 额度。
真正的意思是：
你原来只有 Codex 可以直接读项目、改代码、跑命令。 现在通过 DevSpace，你可以让 ChatGPT 也具备类似能力。
于是你就多了一条 AI 编程通道。
从体验上看，它确实有点像“多了一份 Codex 可用额度”。
一、为什么这个东西值得折腾？
如果你经常用 ChatGPT 辅助写代码，应该很熟悉这种痛苦：
你想让 AI 帮你改项目，但它看不到你的本地文件。
于是你只能：
- 把代码复制粘贴给它；
- 把报错日志复制粘贴给它；
- 把项目结构复制粘贴给它；
- AI 改完以后，你再手动复制回编辑器；
- 一出错，再复制一轮。
这套流程最大的问题不是慢，而是上下文很容易断。
AI 只看到了你粘贴的那几段代码，却看不到完整项目结构，也不知道你的依赖、脚本、配置文件、测试命令到底是什么。
所以它经常会给出“看起来对，但落地就炸”的方案。
Codex、Claude Code、Cursor 这类 AI coding agent 的核心优势，就是它们能直接进入项目环境：
- 读文件；
- 搜索代码；
- 修改文件；
- 运行测试；
- 查看 git diff；
- 根据报错继续修。
而 DevSpace 做的事，就是把这种能力接到 ChatGPT 上。
二、DevSpace 到底是什么？
一句话：
DevSpace 是一个装在你自己电脑上的 MCP Server。
MCP 可以理解为 AI 和外部工具之间的连接协议。
你把 DevSpace 跑在本机，它会开放一组工具给 ChatGPT 调用：
- 读取项目文件；
- 编辑项目文件；
- 搜索整个代码库；
- 执行 shell 命令；
- 跑测试；
- 看 git 状态；
- 显示修改内容。
更关键的是，它不是让你把整个项目上传到某个第三方平台。
它的模型是：
ChatGPT ↓ HTTPS / MCP ↓ Cloudflare Tunnel ↓ 你电脑上的 DevSpace ↓ 你允许访问的本地项目目录
也就是说，DevSpace 本质上是给 ChatGPT 开了一条通往你本地开发环境的安全通道。
你可以把它理解成：
ChatGPT 的大脑 + 你本地电脑的手脚。
三、为什么说它像“2 倍 Codex 额度”？
因为原来你做 AI 编程，大概率是这样：
Codex 额度用完 ↓ 等刷新 ↓ 或者切到普通 ChatGPT 手动复制粘贴
但部署 DevSpace 后，流程变成：
Codex 可以继续用 ChatGPT 也能接入本地项目 Claude 也能接入本地项目 其他支持 MCP 的客户端也能接入
这就相当于你把“本地项目操作能力”从某一个 AI coding 工具里拆出来，变成了一个可以被多个 AI 客户端调用的能力。
所以，“2 倍 Codex 额度”这个说法，本质上是一种传播钩子。
更准确的说法应该是：
它不是让 Codex 官方额度翻倍，而是让 ChatGPT 也拥有接近 Codex 的本地项目操作能力。
对于经常写代码的人来说，这个差别很大。
普通 ChatGPT 只能聊天。 接了 DevSpace 的 ChatGPT，可以真正进项目干活。
四、它能做什么？
部署完成后，你可以直接对 ChatGPT 说：
打开我的 xxx 项目，看一下 package.json 里有哪些脚本。
或者：
搜索所有调用 login() 的地方，看看有没有重复逻辑。
或者：
帮我修复这个构建错误，改完后跑 npm run build。
或者：
看一下这次修改的 git diff，总结你改了什么。
这时候 ChatGPT 不再只是“猜”。
它可以真正去读项目、看文件、跑命令，然后根据结果继续修。
这才是 AI 编程最关键的体验变化：
不是让 AI 写一段孤立代码，而是让 AI 进入真实项目上下文。
五、和直接用 ChatGPT 有什么区别？
传统方式：
你复制代码 ↓ 发给 ChatGPT ↓ ChatGPT 给你修改建议 ↓ 你手动复制回项目 ↓ 你运行测试 ↓ 报错后再复制给 ChatGPT
DevSpace 方式：
ChatGPT 连接 DevSpace ↓ 直接读取项目文件 ↓ 直接修改代码 ↓ 直接运行测试 ↓ 直接看报错继续修 ↓ 最后展示修改内容
差别非常明显。
传统 ChatGPT 是“远程军师”。 DevSpace 接入后，ChatGPT 更像“坐在你电脑旁边的代码助手”。
六、部署前你需要准备什么？
你需要准备这些东西：
项目 用途 Node.js 20+ 运行 DevSpace Git 和 Bash 执行开发命令 一个域名 用来给本地服务做公网入口 Cloudflare 账号 用 Cloudflare Tunnel 暴露本地服务 ChatGPT / Claude 等支持 MCP 的客户端 连接 DevSpace
这里最关键的是 Cloudflare Tunnel。
因为 DevSpace 默认跑在你自己的电脑上，地址类似：
但 ChatGPT 在云端，它访问不到你电脑里的 127.0.0.1。
所以你需要用 Cloudflare Tunnel 建一条通道，把公网域名转发到你本地的 DevSpace 服务。
比如：
https://dev.yourdomain.com/mcp
七、安装 DevSpace
先检查 Node.js 版本：
node —version
DevSpace 需要 Node.js 20.12 以上，推荐 Node.js 22 LTS。
然后安装：
npm install -g
安装完成后检查环境：
devspace doctor
如果看到 Node、Git、Bash、SQLite 等检查项正常，说明基础环境没有问题。
八、初始化 DevSpace
最简单的方式是：
devspace init
它会问你几个问题：
- 1. 允许 AI 访问哪些本地目录；
- 2. DevSpace 跑在哪个端口；
- 3. 你的公网 HTTPS 地址是什么；
- 4. 是否启用 Owner password。
这里最重要的是第一个：
允许 AI 访问哪些目录。
千万不要直接填整个用户目录，也不要填整个硬盘。
不要这样：
/
也不要这样：
/Users/你的用户名
建议只填你的项目目录，比如：
/Users/你的用户名/Desktop/Work
或者更窄一点：
/Users/你的用户名/Desktop/Work/chartmini
原则很简单：
DevSpace 的权限越小越安全。
九、启动 DevSpace
初始化完成后，启动：
devspace serve
正常情况下，你会看到类似信息：
devspace listening on http://127.0.0.1:7676/mcp public base url:
auth: Owner password approval required
这说明 DevSpace 已经在你本机跑起来了。
你可以先本地测试一下：
curl http://127.0.0.1:7676/healthz
如果返回：
{“ok”:true,“name”:“devspace”}
说明本机服务正常。
十、配置 Cloudflare Tunnel
安装 cloudflared：
brew install cloudflared
登录 Cloudflare：
cloudflared tunnel login
创建隧道：
cloudflared tunnel create devspace
绑定域名：
cloudflared tunnel route dns devspace
然后写配置文件：
tunnel: 你的隧道UUID credentials-file: /Users/你的用户名/.cloudflared/你的隧道UUID.json ingress: - hostname:
service: http://127.0.0.1:7676 - service: http_status:404
测试隧道：
cloudflared tunnel run devspace
如果看到 Registered tunnel connection，说明隧道已经通了。
再测试公网地址：
curl
https://dev.yourdomain.com/healthz
如果也返回：
{“ok”:true,“name”:“devspace”}
说明公网到本地这条链路已经打通。
十一、连接 ChatGPT
在 ChatGPT 中开启 Developer Mode 后，进入 Connectors，创建一个新的 MCP Connector。
Connector URL 填：
https://dev.yourdomain.com/mcp
注意，最后一定要带 /mcp。
提交后，ChatGPT 会尝试连接你的 DevSpace。
如果配置正常，会跳出授权页面，让你输入 Owner password。
输入后，ChatGPT 就可以看到 DevSpace 暴露出来的工具。
之后你就可以在对话里说：
打开 /Users/xxx/Desktop/Work/xxx 这个项目，先查看项目结构。
它就会通过 DevSpace 访问你本机指定目录。
十二、Mac 用户最容易踩的坑
如果你想让 Cloudflare Tunnel 开机自启，Mac 上要特别注意。
很多人执行：
sudo cloudflared service install
之后以为就完事了。
但 Mac 上经常会出现几个问题：
- 1. 服务读不到用户目录下的 tunnel 凭证；
- 2. /usr/local/etc/cloudflared/config.yml 配置不完整；
- 3. launchd 的 plist 没有正确带上启动参数。
所以如果服务启动失败，不要只看表面报错。
你可以先手动跑：
cloudflared tunnel —config /usr/local/etc/cloudflared/config.yml run devspace
用这个命令看真实错误。
常见修复方式是：
- 把 tunnel 凭证复制到 /usr/local/etc/cloudflared/；
- 把 config.yml 写完整；
- 重写 launchd 的 plist；
- 重新 bootstrap 服务。
这个部分比较容易踩坑，但一旦跑通，后面就不用每天重新配置。
十三、日常使用流程
真正跑起来之后，每天其实就两步：
第一步，启动 DevSpace：
devspace serve
第二步，在 ChatGPT 里启用这个 Connector。
然后你可以直接这样用：
打开我的项目，先不要改代码，只读一下目录结构和 package.json。
接着再说：
找出所有 TODO，并按风险排序。
或者：
帮我修复 npm run build 的错误，但每次修改前先说明你准备改哪里。
建议你刚开始用的时候，不要一上来就让它大改项目。
可以先让它：
- 只读项目；
- 只搜索代码；
- 只分析报错；
- 只生成修改计划；
- 修改前要求确认；
- 修改后必须展示 diff。
这样更稳。
十四、安全问题必须重视
DevSpace 很强，但强就意味着有风险。
因为它不是一个普通聊天插件。
它可以让 AI 在你的电脑上：
- 读文件；
- 改文件；
- 跑命令；
- 执行项目脚本。
所以请务必记住这几条：
第一，allowed roots 一定要窄。 只开放项目目录，不要开放整个硬盘。
第二，Owner password 必须足够强。 不要用 123456、password、生日、手机号。
第三，不要把密码提交到 GitHub。 任何包含 token、password、secret 的文件都不要进仓库。
第四，只连接你信任的 AI 客户端。 因为一旦连接成功，它就拥有你开放目录内的操作能力。
第五，重要项目先用 git 管起来。 AI 改错了，你至少可以回滚。
我的建议是：
第一次用 DevSpace，不要直接连生产项目。 先拿一个测试项目跑通完整流程。
等你熟悉它的行为后，再逐步放到真实项目中。
十五、适合谁用？
我认为 DevSpace 最适合这几类人：
第一类，独立开发者。 你有多个小项目，经常要修 bug、改文案、调构建、写页面。DevSpace 能让 ChatGPT 直接进入项目上下文，效率会明显提升。
第二类，AI 编程重度用户。 如果你经常用 Codex、Claude Code、Cursor，你会很容易理解 DevSpace 的价值：它把“本地项目操作能力”暴露给更多 AI 客户端。
第三类，不想频繁上传代码的人。 你不想每次都把项目打包上传，也不想复制粘贴一堆文件。DevSpace 的本地连接方式更接近真实开发环境。
第四类，喜欢折腾 MCP 的人。 MCP 未来大概率会变成 AI 工具生态的重要入口。DevSpace 是一个很好的本地实战案例。
十六、不适合谁用？
如果你完全不懂命令行，不知道 Node.js、Git、Cloudflare Tunnel 是什么，那它对你来说门槛不低。
如果你没有基本安全意识，也不建议直接上手。
尤其不要抱着“让 AI 随便改我电脑”的心态使用。
正确姿势应该是：
给它有限权限 让它先分析 修改前确认 修改后看 diff 最终你自己决定是否保留
AI 是助手，不是系统管理员。
十七、我对 DevSpace 的判断
DevSpace 最吸引我的地方，不是它又做了一个 AI 编程工具。
而是它把一个关键能力拆了出来：
让 ChatGPT 通过 MCP 连接到你的真实本地项目。
这件事很重要。
因为以后 AI 编程不一定只发生在某一个 IDE 里，也不一定只发生在某一个 CLI 工具里。
更可能的形态是：
你有一个本地工具层，负责文件、命令、项目环境、权限控制。
然后不同 AI 客户端都可以接进来：
- ChatGPT；
- Claude；
- Cursor；
- Codex；
- 其他支持 MCP 的工具。
DevSpace 就是这种方向的一个早期样本。
它不是完美工具，也不是零门槛工具。
但它确实提供了一种很有意思的新工作流：
不再把代码复制给 AI，而是让 AI 进入你的开发环境。
十八、最后总结
如果用一句话总结 DevSpace：
它让 ChatGPT 从“只能给建议的聊天机器人”，变成了“能读项目、改代码、跑测试的本地代码助手”。
如果用更有传播性的说法：
部署 DevSpace，相当于给自己多开了一条 Codex 风格的 AI 编程通道。
它不是官方 2 倍 Codex 额度。
但如果你已经有 ChatGPT，又经常受限于 Codex 使用次数，那么这个开源项目确实值得试一下。
只是一定要记住：
权限要小，密码要强，修改要看 diff，生产项目别裸奔。
AI 编程真正的分水岭，不是 AI 能不能写代码。
而是它能不能进入真实上下文，理解你的项目，然后在可控范围内完成修改。
DevSpace 做的，正是这一步。