Codex CLI安装配置与模型接入：从GPT-5.6澄清到DeepSeek低成本方案

最近一周我至少收到十几条类似的私信“Codex 到底怎么装”“网上说能白嫖 GPT-5.6 是不是真的”“Codex 怎么接入 DeepSeek”这些问题的背后是同一个技术变化带来的认知冲击Codex 已经从“OpenAI 某个代码模型的名字”变成了“OpenAI 开源的终端编程代理工具 Codex CLI”。很多人拿着旧教程去操作结果要么装不上要么装上了但模型配置一塌糊涂最后卡在报错里。先把结论放在前面避免被标题党带偏GPT-5.6 不是 OpenAI 官方在线的模型名。如果你在配置里写gpt-5.6或gpt-5.6-sol调用时大概率会得到类似model not supported的错误。这不是你姿势不对而是这个名字本身就不在官方模型列表里。“白嫖”的正确理解是用官方免费额度或者接入价格低得多的第三方兼容模型比如 DeepSeek。而不是去用不明来历的“破解中转站”。Codex CLI 本身完全免费开源你只需要为自己的 API 调用付费。所以“低成本接入”完全可行而且配置起来并不复杂。这篇文章我会从概念澄清讲起说明 Codex CLI 到底是怎么工作的然后给出完整的安装、登录、配置步骤覆盖官方 GPT 模型和 DeepSeek 等第三方模型最后把最常见的报错整理成一张排查表。1. 为什么 Codex 突然值得关注先回答一个很多人没搞明白的问题Codex 到底是模型还是工具在 2023 年Codex 是 OpenAI 的一个代码生成模型主要能力是补全代码、根据注释写函数。但到了 2025 年OpenAI 重新定义了这个名字Codex 变成了一个运行在终端里的 AI 编程代理。你给它一句自然语言任务它会在你的项目目录里读文件、改代码、执行命令、查看运行结果然后自己决定下一步怎么走。它不再只是“补全一段代码”而是“帮你完成一个任务”。1.1 它真正降低的是哪一类成本我认为Codex CLI 真正降低的是上下文搬运成本。以前用 ChatGPT 写代码流程是这样的把报错信息复制出来把相关文件内容贴进去把目录结构描述一遍然后等它给答案再把答案复制回编辑器。如果跑出来还有新报错又要重新复制一轮。Codex CLI 直接住在你的项目里。它自己读文件、自己跑测试、自己看报错。你要做的只是提出任务然后审查它要做的事情是否合理最后批准执行。这一变化把“人和 AI 的协作方式”从复制粘贴对话变成了同一个工作区里的同事协作。1.2 适合谁不适合谁从目前的使用体验看Codex CLI 最适合三类人想用自然语言快速写脚本、做文件批量处理的中级开发者在维护开源项目、希望 AI 能直接改代码并提交 PR 的开发者想尝试 Agent 式编程但不想被某个 IDE 绑定的人。不太适合谁完全不懂代码、无法判断 AI 输出是否正确的人。AI 写代码仍然需要人类做最终审查尤其是涉及删除文件、改数据库或提交代码的操作你必须能看懂它在干什么。1.3 为什么突然这么火一个重要原因是Codex CLI 选择了开源并且没有绑死 OpenAI 自家模型。通过配置文件它可以接入任何 OpenAI 兼容接口的服务。这就意味着你可以用 DeepSeek、通义千问这些价格便宜很多、国内访问也更顺畅的模型来驱动它。这才是它热度飙升的核心原因一个开放架构的 AI 编程代理加上可替换的模型后端。2. 先澄清GPT-5.6 到底是什么网上关于“GPT-5.6 接入 Codex”的说法绝大多数是标题党。从我接触到的信息看OpenAI 官方并没有发布名为 GPT-5.6 的模型。你在网络热词里看到的gpt-5.6-sol更像是某些第三方测试渠道或中转服务自定义的模型标识不是 OpenAI 官方模型名。在 Codex 中强行配置这样的模型名会遇到类似下面的报错the gpt-5.6-sol model is not supported when using codex with a ...这个报错翻译过来就是当前模型名在使用 Codex 时不受支持。遇到它第一步不是改环境变量而是回头检查你的模型名到底写的是什么。2.1 那“白嫖 GPT-5.6”是怎么回事中文开发者圈子里说的“白嫖”一般不是指盗版或绕过付费而是指尽量少花钱甚至不花钱地使用 AI 能力。目前比较靠谱的“低成本接入”有三条路官方免费额度/订阅OpenAI 账号登录 Codex 后有对应的订阅或按量计费模式部分新用户会有免费试用额度。额度用完就停不会扣隐藏费用。第三方兼容 APIDeepSeek、通义千问这类服务价格通常比 GPT 低一个数量级而且国内可以正常访问。这是目前最主流的“平替”方案。本地模型通过 Ollama、LiteLLM 等兼容层接入本地大模型完全免费但有硬件门槛效果也比云模型弱一些。我明确不建议用不明来源的“破解中转站”或者“共享账号”。这类渠道很容易泄露你的 API Key、对话内容甚至被盗刷得不偿失。2.2 三种接入方式对比接入方式成本网络要求推荐场景OpenAI 官方按量付费/订阅需要网络能正常访问 OpenAI 服务正式项目、对效果要求高DeepSeek 等兼容 API很低国内可正常访问日常脚本、学习、个人项目本地模型仅电费和硬件成本无需外网离线开发、数据敏感场景3. Codex CLI 的核心概念与运行原理在动手安装之前先花三分钟搞懂 Codex CLI 的工作方式后面遇到报错时你能更快定位问题。3.1 一个终端里的编程代理Codex CLI 是使用 Node.js 开发的命令行工具。核心工作流程是你输入一句自然语言任务Codex 把任务发送给配置好的大模型模型返回“计划”和“动作”比如创建文件、修改文件、执行命令Codex 在终端里展示这些动作请求你审批你批准后Codex 真正执行命令执行结果返回给模型模型决定下一步如此循环直到任务完成。这个流程和 GitHub Copilot 那种“边打字边补全”完全不一样。Copilot 是在写代码的过程中给你补全而 Codex 是接受一个目标自己规划执行路径。3.2 两种使用模式Codex CLI 一般有两种使用方式交互模式直接运行codex进入一个类似聊天的终端界面。适合边聊边改逐步调整需求。一次性任务模式运行codex exec 任务描述非交互地执行单个任务。适合脚本化、批量化调用。3.3 审批机制与安全边界Codex 默认不会直接执行所有命令。它会区分“读操作”和“写操作”读取文件、查看目录通常不需要审批修改文件、执行可能影响系统的命令需要你按y确认有一个比较危险的全自动选项叫--dangerously-bypass-approvals我现在不建议你使用。等你在测试环境跑熟了再考虑在受控 CI 流程中使用。可以简单理解成Codex 是一个在终端里有只读权限的实习生。你说“帮我把项目里所有 TODO 列出来”它会自己去看代码把结果一条条给你确认后才动手改东西。3.4 配置文件位置Codex CLI 的配置文件在~/.codex/config.toml核心字段包括model使用哪个模型如gpt-5、deepseek-chatmodel_provider使用哪个模型供应商默认是openaiapproval_policy审批策略sandbox_workspace_write是否允许在工作区写入文件。第三方模型接入主要就是修改model、model_provider并在配置里新增一个[model_providers.xxx]节点。4. 环境准备与 Codex 安装步骤这部分是操作重点。我按步骤来每一步都说清楚为什么需要。4.1 环境要求操作系统macOS、Linux或 Windows建议使用 WSL 2原生 PowerShell 也能用但体验稍差Node.js建议 18 及以上版本LTS 更稳妥npmNode.js 自带通常不需要单独装git可选但 Codex 会用 git 上下文辅助理解项目变更建议装。4.2 检查环境打开终端先确认基础环境node -v npm -v git --version如果node命令找不到说明 Node.js 还没安装先去 Node.js 官网下载 LTS 版本。4.3 安装 Codex CLI使用 npm 全局安装npm install -g openai/codex安装完成后验证版本codex --version能输出版本号说明安装成功。如果终端提示codex: command not found通常是 npm 全局 bin 目录没有加入 PATH。执行npm prefix -g会输出 npm 全局安装路径比如/usr/local或C:\Users\xxx\AppData\Roaming\npm把对应目录加入 PATH 即可。4.4 登录 OpenAI 账号使用官方模型时需要登录 OpenAI 账号codex login命令执行后浏览器会打开 OpenAI 登录页。授权完成后终端会显示登录成功。如果你是在服务器或者 CI 环境使用也可以直接用 API Keyexport OPENAI_API_KEYsk-你的key4.5 首次启动codex进入交互界面后输入一句最简单的任务测试你好请告诉我当前目录下有哪些文件。如果 Codex 能正确列出文件说明安装和配置已经全部打通。5. 接入官方模型跑通第一个任务登录官方账号后默认配置已经可以工作。我们来做一个真正有意义的任务。5.1 使用交互模式运行codex进入交互界面输入写一个 Python 脚本用 requests 获取 https://api.github.com/repos/openai/codex 的信息打印 star 数量和最近一次提交时间。Codex 会先展示它的执行计划比如创建github_info.py使用requests请求 GitHub API解析 JSON 并打印结果你需要按y批准创建文件。随后 Codex 会生成代码文件。如果当前环境没有安装requests它可能还会建议执行pip install requests同样需要你批准。5.2 使用一次性任务模式如果你不想进入交互界面可以直接执行codex exec 用 Python 读取当前目录下所有 .txt 文件统计每个文件的行数和单词数并输出Codex 会在终端里完成整个流程然后把修改后的文件和输出结果列出来。5.3 如何判断任务是否成功判断标准很简单文件是否按预期创建或修改脚本运行结果是否符合任务描述输出里有没有明显的报错。如果结果不对不用推倒重来直接在交互界面追加一句不对改成不依赖 requests用标准库完成。Codex 会基于当前上下文重新调整。6. 低成本方案Codex 接入 DeepSeek 等第三方模型这是目前热度最高的玩法也是“白嫖 GPT-5.6”标题背后真正的需求不花大钱也能用上 Codex 这个编程代理。DeepSeek 是目前最常用的选择原因是价格低、国内可访问、API 兼容 OpenAI 格式。6.1 获取 DeepSeek API Key去 DeepSeek 开放平台注册账号创建一个 API Key。拿到一个以sk-开头的密钥后面配置要用。需要注意DeepSeek 的 API 计费是按量付费的但价格比 GPT 低很多。新用户通常会有一定额度的体验金或极低价格适合学习和个人项目。6.2 修改 Codex 配置文件编辑~/.codex/config.tomlmodel deepseek-chat model_provider deepseek [model_providers.deepseek] name DeepSeek base_url https://api.deepseek.com/v1 env_key DEEPSEEK_API_KEY wire_api chat6.3 配置环境变量export DEEPSEEK_API_KEYsk-你的key为了让配置永久生效建议写入 shell 配置文件echo export DEEPSEEK_API_KEYsk-你的key ~/.zshrc source ~/.zshrc如果你用的是 bash则把~/.zshrc换成~/.bashrc。6.4 关键配置项解释这里最容易出问题我逐个解释base_urlDeepSeek 的 OpenAI 兼容接口地址。以 DeepSeek 官方文档为准一般是https://api.deepseek.com/v1或https://api.deepseek.com。env_keyCodex 会从这个环境变量读取 API Key避免你把密钥明文写进配置文件。wire_api这是最关键的一项写chat表示走 Chat Completions 接口。官方 GPT 模型默认走 Responses 接口但 DeepSeek 目前主要支持 Chat Completions 格式所以必须写成chat。如果写完配置后 Codex 一直转圈或者报接口错误优先检查wire_api和base_url。6.5 验证 DeepSeek 接入执行一个简单任务codex exec 写一个 Python 脚本生成 10 个随机密码每个密码包含大小写字母和数字如果 Codex 能正常生成脚本并运行说明 DeepSeek 接入成功。如果报了模型不支持的错请回去看第 2 节关于模型名的说明。6.6 切换模型供应商较新版本的 Codex CLI 支持通过codex switch切换模型供应商。如果你同时配置了 OpenAI 和 DeepSeek可以在终端执行codex switch然后按提示选择供应商。不同版本命令细节可能略有差异以你安装版本的帮助输出为准。7. 完整示例一个批量重命名任务的完整链路为了让你看清楚 Codex 从自然语言到可运行代码的完整链路我用一个真实场景来演示。7.1 场景需求假设你有一个图片目录里面有大量名字很乱的文件a.jpg b.jpg c.jpg ...你想把它们统一改成photo_001.jpg photo_002.jpg photo_003.jpg ...这个任务很适合交给 Codex。7.2 执行 Codex 任务在图片目录下执行cd /tmp/test_images codex exec 写一个 Python 脚本将当前目录下所有 .jpg 文件重命名为 photo_001.jpg 这种三位数字格式先打印改名对照表再执行重命名我在这里加了一句“先打印对照表再执行重命名”这是一个很实用的安全要求避免脚本直接改完才发现命名规则不对。7.3 预期生成的代码Codex 可能会生成类似下面的脚本假设文件名为rename_images.py# 文件路径rename_images.py import sys from pathlib import Path def rename_jpg_files(directory: str .) - None: 将目录下所有 .jpg 文件重命名为 photo_001.jpg 格式 files sorted(Path(directory).glob(*.jpg)) total len(files) if total 0: print(当前目录没有找到 .jpg 文件) return for index, path in enumerate(files, start1): new_name fphoto_{index:03d}.jpg new_path path.with_name(new_name) if path new_path: continue print(f{path.name} - {new_name}) path.rename(new_path) print(f完成共处理 {total} 个文件) if __name__ __main__: directory sys.argv[1] if len(sys.argv) 1 else . rename_jpg_files(directory)这段代码的关键点有三个使用pathlib.Path遍历目录跨平台兼容性比os.path更好使用enumerate(..., start1)自动生成三位数字编号先打印对照表再执行rename给你一个确认的机会。7.4 运行验证准备好测试文件cd /tmp/test_images touch a.jpg b.jpg c.jpg d.jpg python rename_images.py预期输出a.jpg - photo_001.jpg b.jpg - photo_002.jpg c.jpg - photo_003.jpg d.jpg - photo_004.jpg 完成共处理 4 个文件最后验证一下结果ls -1 *.jpg如果看到photo_001.jpg到photo_004.jpg说明整个链路已经跑通。8. 常见错误与排查思路Codex 安装和配置过程中有四个报错出现频率最高我把他们整理成一张排查表。问题现象可能原因排查方式解决方案codex: command not foundnpm 全局 bin 不在 PATH执行npm prefix -g查看全局路径把该路径加入 PATH调用时报model not supported如gpt-5.6-sol模型名不存在或当前 provider 不支持检查config.toml的model字段改成官方支持的模型名或改成第三方实际模型名报local proxy failed while handling codex endpoint /responses配置了本地代理但代理未启动或不支持 Responses 接口检查代理进程、base_url、wire_api修复代理或用wire_api chat走 Chat 接口报401或Authentication failedAPI Key 无效、过期或格式错误确认 key 无多余空格重新生成一次更新环境变量DEEPSEEK_API_KEY或OPENAI_API_KEY报429 Too Many Requests请求过多或账户额度不足去对应平台查看用量降低频率、充值提额或换低价模型Windows 下安装失败Node 版本过低或权限不足查看 npm 错误日志升级 Node或改用 WSL 2DeepSeek 接入后一直转圈无响应base_url或wire_api配置错误用 curl 直接测 API确认接口可用按官方文档修正配置8.1 重点排查local proxy failed这个报错最近在热词里反复出现值得单独说明。它的完整报错长这样cc switch local proxy failed while handling codex endpoint /responses. provi...翻译过来是Codex 在处理/responses端点时本地代理调用失败。出现这个报错通常是因为你把 Codex 指向了一个本地代理服务比如 one-api、LiteLLM 之类的聚合网关。Codex 默认会向模型服务端发送 Responses 格式的请求但很多轻量级代理只实现了 Chat Completions 接口不认识/responses这个端点。排查顺序确认代理服务是否在运行确认base_url是否指向代理的真实地址在config.toml中把该 provider 的wire_api设置为chat让 Codex 走 Chat Completions 格式如果代理本身支持 Responses则检查代理的日志看具体报错原因。8.2 重点排查model not supported如果你在配置里写了gpt-5.6或gpt-5.6-sol服务端返回不支持不要犹豫直接把模型名改掉。用官方模型就查官方最新支持的模型列表用 DeepSeek就写deepseek-chat或deepseek-reasoner。模型名的准确性和base_url同样重要。9. 最佳实践与安全合规建议工具本身很简单但真正容易出问题的是使用方式。下面几条建议来自常见事故场景值得认真看看。9.1 不要把 API Key 写进代码仓库不管用环境变量还是配置文件都要避免把密钥提交到 Git。在config.toml中优先使用env_key指定环境变量名而不是把 key 明文写在文件里。9.2 审批策略先保守再放开首次使用 Codex保持默认的逐条审批模式。确认它能稳定完成任务后再考虑在 CI 流程中使用半自动或全自动模式。不要在个人电脑上对生产环境执行codex exec --dangerously-bypass-approvals 清理所有日志文件如果你对 AI 的执行结果没有十足把握这条命令可能造成不可逆后果。9.3 涉及删除、覆盖、数据库操作时要特别谨慎让 Codex 执行rm、覆盖文件、修改数据库等操作前先让它解释具体要执行哪些命令最好让它先输出“将要执行的命令清单”确认无误后再同意。9.4 成本控制第三方模型虽然便宜但也不是无限免费的。建议在 API 平台设置用量提醒。同时在一个对话里反复试错也会消耗 tokens遇到明显跑不通的方向及时让 Codex 停下来重新描述任务而不是让它一直试。9.5 注意供应商的可信度优先选择 OpenAI、DeepSeek、阿里百炼等正规服务商。不明中转站可能用假模型、记录你的请求内容甚至盗用你的 API Key。安全合规永远是第一位的。9.6 团队协作时的配置管理团队多人使用 Codex 时可以把config.toml模板放进团队仓库密钥统一用环境变量注入。这样可以避免每个成员手动维护配置也减少密钥泄露风险。9.7 定期更新 Codex CLICodex CLI 迭代很快定期执行npm update -g openai/codex新版本通常会修复稳定性问题并增加对新模型和协议的支持。10. 总结这篇教程讲清楚了几件事GPT-5.6 不是 OpenAI 官方模型名配置它会直接报错Codex 已经从一个模型名变成了开源终端编程代理官方叫 Codex CLI安装只需要 npm 全局安装登录或配置 API Key 后即可使用想低成本使用可以接入 DeepSeek 等 OpenAI 兼容 API关键是配好base_url和wire_api常见报错集中在模型名、代理协议、API Key 这三个环节。下一步建议很直接装好 Codex 后先找一个你熟悉的、低风险的小任务跑一遍比如整理目录文件、统计代码行数、生成数据脚本。跑顺之后再逐步让它处理真实项目里的功能开发、Bug 修复和代码重构。这篇文章建议收藏备用尤其是第 8 节的排查表下次遇到报错可以直接对照。最终提醒一句AI 编程工具的能力边界取决于模型和你的审查能力。Codex 可以帮你写代码但“这段代码能不能上生产环境”这件事仍然需要你来判断。