最近总有人问我同一个问题Codex 怎么接上 DeepSeek其实这事在技术社区已经传开了很多人想把 OpenAI 的 Codex CLI 这个终端编程助手跟 DeepSeek 的高性价比大模型结合起来。Codex 原本只认 OpenAI 自家服务和协议DeepSeek 的 API 恰好兼容 OpenAI 格式所以只要我们改一下配置就能让 Codex 用 DeepSeek 干活。这篇文章我会从头到尾拆一遍接入过程包括原理、工具安装、API Key 准备、配置文件写法、模型选型以及我踩过的几个典型报错。不管你是刚听说 Codex 的小白还是已经在用别的模型想切换的老手照着走都能接上。全程不碰任何复杂操作只要会打开终端、会粘贴配置就行。1. 为什么要把 Codex 接到 DeepSeek先搞清楚这俩是什么1.1 Codex CLI 到底是个什么工具Codex 是 OpenAI 出的一个开源命令行编程智能体和传统的代码补全工具完全是两个思路。传统 Copilot 是你在编辑器里敲代码它给你补下一个单词或下一行Codex 不是这么干的你给它一个任务比如“把项目里所有过时的 API 调用替换掉”它会自己读仓库、拆解任务、修改文件、运行命令甚至把测试跑完再汇报结果。我在实际用下来Codex CLI 最舒服的使用方式是codex exec这种非交互模式一条命令抛给它它在后台自己折腾。也可以直接进交互模式像聊天一样让它干活它能看到当前目录的文件结构给出的修改建议能直接落盘。它本质上是把大模型的代码能力和终端工具链打通了这种设计对自动化脚本和日常开发效率提升非常明显。1.2 DeepSeek 的价值点在哪DeepSeek 这两年的热度不用我多说了它在代码、推理、中文理解这些任务上的表现已经跻身第一梯队。最关键的是 API 价格比海外主流模型低不少这意味着你用 Codex 跑一些大量消耗 token 的任务时成本压力会小很多。DeepSeek 的开放平台提供两条模型线deepseek-chat和deepseek-reasoner。前者对应通用对话模型速度快、成本低适合大多数日常编程任务后者是推理增强模型会先“想”一段再回答适合复杂逻辑拆解。后面我会细说怎么选这里先有个概念就行。1.3 接入原理OpenAI 兼容协议Codex 能接 DeepSeek靠的是 OpenAI 定下的一套 API 协议。Codex 在配置层面允许你自定义model_provider也就是自己指定请求发到哪个地址、用哪个 Key、用哪个模型名。DeepSeek 的 API 在设计上刻意兼容了 OpenAI 的请求格式所以只要把 Codex 的请求地址指向 DeepSeek把 Key 换成 DeepSeek 的理论上就能跑通。用生活化的话说Codex 像一台手机OpenAI 的 API 像一张原装 SIM 卡DeepSeek 的接口也遵循同一个插槽标准那你只需要把卡拔下来换一张手机本身不用动。不过这里有个隐藏问题Codex 新版本走的是 OpenAI 的 Responses 协议而 DeepSeek 官方主要提供 Chat Completions 协议。这两者大部分情况下能兼容但偶尔会有端点对不上的情况我在后面“常见报错”里会专门讲这个。2. 动手前准备装好 Codex、拿到 DeepSeek Key2.1 安装 Codex CLI 的三种常见方式安装 Codex 之前先确认你的电脑里有 Node.js 环境。官方目前支持 macOS 和 Linux 的终端环境Windows 可以使用桌面版也可以通过 WSL 跑 CLI。最简单的安装方式是用 npm 全局安装npm install -g openai/codexmacOS 用户如果装了 Homebrew也可以走 Homebrew 这条路brew install codex装完之后先确认一下版本号能正常输出就说明装好了codex --version如果看到类似codex-x.y.z的输出说明 OK。Windows 桌面版可以从官网下载安装包安装后是带图形界面的交互终端操作逻辑和 CLI 一致。装完以后Codex 会在你的用户目录下生成一个.codex配置目录后面的活都在这边干。2.2 注册 DeepSeek 开放平台并拿到 API Key接下来是准备 DeepSeek 的 API Key。打开 DeepSeek 开放平台注册登录后在控制台的“API Keys”页面创建一个新的 Key。创建时会让你填一个名字随便写什么都行创建成功后会显示一次完整的 Key样式是sk-开头的一长串字符。这个 Key 只显示这一次一定先复制保存好关掉页面就再也看不到了。DeepSeek 的计费是预充值模式必须先给账户充值才能调用 API。充多少看你的使用量我建议先充个几十块跑通流程确认效果再追加。充值和账单在控制台都能看见调用费用按 token 计具体单价去官网查最新价格。需要注意一点API Key 别提交到公开仓库里比如 GitHub 上的代码库被别人拿走就能刷你的余额。至于 Codex CLI 本身官方完整版会要求登录 OpenAI 账号。当我们把 provider 切到 DeepSeek 之后就不需要 OpenAI 付费订阅了但有些版本首次运行还是会走一遍登录流程。如果你不想碰 OpenAI 账号可以试试先配置好 DeepSeek provider 再启动或者用codex login走一次初始化。不同版本表现不一样后面有报错我再细讲。3. 核心接入步骤配置 model_provider 四步走3.1 找到 Codex 的配置文件并理解结构Codex 的全局配置文件叫config.toml放在用户目录下的.codex文件夹里。macOS/Linux 路径是~/.codex/config.tomlWindows 是%USERPROFILE%\.codex\config.toml。如果你在编辑器里打开这个文件里面一般会有一个默认的model和model_provider设置指向 OpenAI 自家服务。这个文件和很多 Linux 配置文件一样用的是 TOML 格式特点就是层级和键值对非常直白。Codex 启动的时候会先读这个文件拿到“默认模型是谁”“请求往哪发”“用哪个 Key”等信息。我们要做的就是在这个文件里加一段 DeepSeek 的 provider然后让默认模型指向它。老版本的 Codex 还支持在项目目录下放.codex/config.toml做局部覆盖这样不同项目能使用不同模型。如果你的版本支持建议项目级配置和全局配置分开避免所有项目都被 DeepSeek 绑定。3.2 写一组 DeepSeek provider 配置在config.toml里新增下面这段配置然后保存文件。注意base_url后面要带/v1因为 DeepSeek 的 OpenAI 兼容端点挂在/v1路径下model deepseek-chat model_provider deepseek [model_providers.deepseek] name DeepSeek base_url https://api.deepseek.com/v1 env_key DEEPSEEK_API_KEY解释一下这几个字段model告诉 Codex 默认用哪个模型深度学习平台的deepseek-chat对应通用对话模型。model_provider指定请求由谁处理这里需要和下方方括号里的名字保持一致。base_url所有请求的实际发送地址Codex 会往这个地址的后面拼具体的 API 路径。env_keyCodex 会从环境变量里读取这个 Key 对应的值当作 API Key 使用。你也可以直接在这个 provider 里写死api_key但那会把密钥留在明文中不太安全我不建议这么干。配置文件保存好之后还需要在系统环境变量里添加DEEPSEEK_API_KEY值是你在 DeepSeek 平台创建的那一串 Key。macOS/Linux 临时设置可以用export DEEPSEEK_API_KEYsk-你的keyWindows PowerShell 里用$env:DEEPSEEK_API_KEY sk-你的key如果想永久生效macOS/Linux 把这行写进~/.zshrc或~/.bashrcWindows 在系统环境变量设置里添加。每次改完配置记得新开一个终端窗口再跑 Codex否则环境变量可能没生效。3.3 首次验证跑一条最简单的任务配置写到这就算接上了我们来验证一下。随便找一个空目录执行codex exec 列出当前目录下的所有文件并解释它们分别是什么如果一切正常Codex 会调用 DeepSeek返回一段带文件列表的解释。这时候你可以打开终端监控请求回显模型名是deepseek-chat说明请求已经发到了 DeepSeek。如果这一步出问题不要急着改配置先把常见报错那一章看完。4. 模型选型与关键参数调优4.1 deepseek-chat 和 deepseek-reasoner 怎么选配置里的model字段决定了 Codex 用 DeepSeek 的哪条模型线。我测试了一段时间两条线的表现差别挺明显的维度deepseek-chatdeepseek-reasoner对应模型DeepSeek 通用对话模型DeepSeek 推理增强模型执行速度快响应延迟低慢首字前有一段思考时间成本更低更高适合场景重构、补全、解释代码、日常问答复杂算法设计、多文件联动修改、疑难 bug 排查注意事项对长上下文里的细节记忆稳定需要把任务拆得足够清晰否则容易过度思考日常用 Codex 改代码、写脚本、做代码 review我默认都用deepseek-chat速度跟手费用也友好。遇到那种“这个 bug 为什么只在生产环境出现”的复杂问题我会临时把model改成deepseek-reasoner让它慢一点没关系把思路理清楚更重要。切换模型不需要改配置文件里的其他部分只改model deepseek-reasoner这一行就够了。你甚至可以准备两份配置文件或者直接用命令行参数覆盖具体看版本支持的参数而定。4.2 温度参数与上下文管理如果你对 Codex 生成的代码风格不满意可以通过配置里的model_reasoning_effort或请求里的temperature参数来调。DeepSeek 官方文档对deepseek-reasoner的要求是保持默认温度不建议手动调整而对deepseek-chat温度可以按需调。低温度更像“照着规矩办事”高温度更容易出现天马行空的写法代码任务我建议保持在低区间。上下文方面要有个概念Codex 会把当前仓库里读到的文件内容作为背景发给模型仓库一大token 消耗会非常快。我接 DeepSeek 之后第一次跑大项目就眼睁睁看着余额往下掉。后来我养成了习惯让 Codex 干活之前先用.gitignore把不必要的目录排除掉或者只让它操作项目里的一个子目录。千万别让它一口气读整个仓库。4.3 省钱和提速的实操技巧把任务拆小一次让 Codex 做一件事别让它在几十个文件之间跳来跳去这既省 token 又降低出错率。优先用 chat 模型只有遇到复杂问题才切 reasoner别全程挂着推理模型。清理历史上下文交互模式下每次会话累积太多内容后费用会明显上升。遇到新任务就开新会话别一直在旧会话里聊。关注用量看板DeepSeek 控制台能看到实时用量第一次跑完一个项目后去对比一下你对成本就有实际概念了。5. 常见报错速查表对着症状找解法接入这事整体不难但我在实际操作里还是踩了一堆坑有些报错特别误导人。我把最常见的几个列出来你碰到类似情况可以直接对照处理。5.1 连接层cc switch local proxy failed while handling codex endpoint /responses这个报错是 Codex 在切换 provider 时本地请求转发环节出了问题。看到endpoint /responses基本可以断定是请求没发到 DeepSeek或者发到了但对方不认这个端点。排查步骤先确认base_url没写错正确写法是https://api.deepseek.com/v1少个/v1或多个斜杠都会出问题。手动用curl测试一下 DeepSeek 端点通不通比如curl https://api.deepseek.com/v1/models -H Authorization: Bearer $DEEPSEEK_API_KEY能返回一个模型列表就说明网络和 Key 都没问题。如果报错信息里提到了 local proxy去检查本地是否有 HTTP 代理环境变量干扰了 Codex 的请求。有时候系统全局代理会把 API 请求劫走表现就是 Codex 卡住或报这个错。这个报错还有一个变种是请求到了/responses但返回 404因为 DeepSeek 官方对 Responses 协议的支持并不完整。遇到这个情况最可靠的方案是找一层兼容转换网关它能把 Codex 的 Responses 格式请求转成 DeepSeek 能识别的 Chat Completions 格式。社区里常见的现成方案是部署一个本地 API 转发服务然后把base_url指向它的地址。这个操作比普通配置稍微复杂一点但能根治协议不兼容的问题。5.2 配置层codex is ignoring 1 unrecognized configuration setting这个报错在英文内容里经常看到意思是 Codex 读配置文件时发现了一个它不认识的设置项。出现这个基本就是config.toml里的键名拼错了或者你从网上抄了一段不适配当前版本的配置。解决办法很简单仔细检查config.toml的每一行键名对照官方文档确认拼写。常见的几个坑包括把base_url写成baseUrl把env_key写成envKeyTOML 配置里必须用下划线而不是驼峰。另外有些第三方教程会让你加一些当前版本不支持的字段也可能会出现这个提示。遇到这种报错最干净的处理方式是把多余的配置项删掉只保留章节 3.2 里的核心配置。5.3 账号层codex 无法加载组织设置或codex 登录不上这个问题有两个来源。一个确实是网络层面的问题Codex 启动时要拉取组织设置结果连不上另一个是账号本身有过期 session 或者和自定义 provider 冲突。我碰到过最典型的情况是公司电脑上装了某些安全软件把 Codex 的请求拦住了。这个只能从网络放行层面处理。如果是个人电脑先确认当前网络环境是否畅通再试着手动执行codex login重新走一遍登录流程。有的版本登录时会让选择“使用 OpenAI 账号”还是“第三方登录”如果你完全不用 OpenAI直接按照自定义 provider 的路子初始化就行。还有一种情况是你的组织设置了灰度策略部分账号功能受限那基本只能等风控过了再用。这里要注意「Codex 接入 DeepSeek」本身不依赖 OpenAI 账号但 Codex 程序启动时的内部门控逻辑仍然存在。不同版本在这个环节的表现不太一样如果第一次运行卡在登录流程上建议试一下codex --help看当前版本支持哪些参数跳过登录直接以本地配置模式运行。5.4 请求层deepseek request extension preparation failed这个报错我一开始完全没头绪字面意思是“请求扩展准备失败”。后来仔细排查发现是请求体或者模型配置在发送前被 Codex 扩展层拦截了最常见的几个诱因model字段写的模型名对不上比如写错了大小写或者写了不存在的模型名。请求头里的 API Key 没有正确读取到环境变量DEEPSEEK_API_KEY没设好。请求里带了 DeepSeek 不支持的参数比如某些版本 Codex 会往请求体里塞 reasoning 相关的参数。处理方法是先简化配置只保留最小化的 provider 配置确认能跑通后再逐步加参数。另外如果你是通过兼容网关转发网关那边的模型映射表也要检查别让网关把一个不存在的模型名传过去。5.5 报错速查表症状大概率原因首选处理方式local proxy failed / responses 404协议端点不兼容或代理干扰检查 base_url、curl 测端点、必要时加兼容转换网关unrecognized configuration setting配置键名拼写错误对照官方文档检查键名删除多余配置项无法加载组织设置 / 登录不上网络拦截、登录态失效重新执行 codex login检查网络放行request extension preparation failed模型名错误、Key 未读取、参数不兼容简化配置只留核心项逐步加参检查模型名请求永远转圈圈网络连通性差或 Key 无余额curl 测 API、检查控制台余额6. 进阶扩展把本地部署的 DeepSeek 也接进 Codex6.1 本地部署方案怎么选如果你的数据隐私要求高或者不想按 token 付费可以把 DeepSeek 部署在本地再把 Codex 接过去。这个方向现在社区玩得很开心尤其是 Ollama 和 vLLM 这两条路线。Ollama 胜在简单装好之后一条命令就能跑起模型适合个人电脑快速验证。vLLM 更专业吞吐率高、显存利用好适合那种“我要正经当个服务用”的场景。如果你的环境是 NVIDIA 显卡或者是在 Jetson Orin 这样的边缘设备上跑vLLM 的表现会更稳。本地部署对硬件还是有一定要求的。DeepSeek 的满血版模型参数太大个人设备基本跑不动。社区里大家玩得多的要么是 DeepSeek 系列里的中小规模版本要么是量化蒸馏版本。效果和官方 API 的完整模型相比有差距但日常简单代码辅助、文本处理完全够用。6.2 本地 OpenAI 兼容端点怎么配Ollama 启动模型后默认会监听在本地的11434端口它在/v1路径下提供 OpenAI 兼容接口。所以 Codex 的配置可以改成这样model deepseek-r1:7b model_provider deepseek-local [model_providers.deepseek-local] name DeepSeek Local base_url http://localhost:11434/v1 env_key LOCAL_API_KEYenv_key这里随便设一个环境变量因为本地服务一般不校验 Key但你得设置一个非空值让 Codex 通过校验。设置成任意字符串就行比如export LOCAL_API_KEYlocal。vLLM 部署之后会启动一个 OpenAI 兼容的 API 服务默认地址是http://localhost:8000/v1配置思路完全一样只要把base_url换成 vLLM 的地址即可。要注意本地模型一次只能服务一个模型切换模型需要改启动参数并重启服务。6.3 本地接入的几个坑本地模型的上下文窗口如果配得很小Codex 传一个稍微大点的仓库就会直接把上下文撑爆报错形式非常隐蔽表现为“请求失败”但网络是通的。不要把本地服务和云端用同一个env_key容易混淆到底在调谁。边缘设备上跑模型时显存不足会导致推理速度慢到像死机一样建议先用小模型验证流程再换大模型。我用本地部署接 Codex 的主要场景是断网状态下做一些代码整理任务效果算“能用的水平”。说实话代码能力和 DeepSeek 官方 API 还是有不小差距但它胜在离线、免费、数据不出机器。要不要上本地部署得看你到底更在意效果还是更在意隐私。最后说点我的实际感受整套接入流程折腾下来我最想提醒的就一句话出现报错先别急着怀疑配置写错先确认端点和协议这一层通不通。我有一半的调试时间都花在了/responses端点的兼容问题上而不是配置本身。Codex 和 DeepSeek 这个组合成本确实香复杂任务用 reasoner 也确实能打但协议差异这关绕不过去建议从一开始就把兼容网关的方案想在前面。还有个小技巧收尾如果你经常在多个模型之间切换可以在config.toml里配好几个不同的model_providers然后通过修改model_provider字段快速切换。不用反复删配置也不用记一堆命令改一行保存重启就行。我就是这么在 OpenAI 和 DeepSeek 之间来回切的实测很顺手。