Codex 桌面版接入 DeepSeek API 配置指南

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

Codex 桌面版接入 DeepSeek API 配置指南

本文档记录如何将 Codex 桌面版(OpenAI Codex / ChatGPT 桌面应用内的 Codex)从 OpenAI 官方 API 切换到 DeepSeek API,实现免代理直连 DeepSeek-V4 系列模型。

1. 概述

Codex 桌面版本质上是微软商店安装的 MSIX 应用(包名 OpenAI.Codex),其配置目录与 Codex CLI 完全一致,均位于:

C:\Users\<用户名>\.codex\
├── config.toml      # 主配置(模型、Provider、认证方式等)
├── models.json      # 模型目录(声明 DeepSeek 模型元数据)
└── auth.json        # API Key 认证信息

DeepSeek 官方已原生支持 Codex 所需的 Responses API(wire_api = "responses"),因此无需本地中转代理,可直接在 config.toml 中配置 base_url = "https://api.deepseek.com/" 实现直连。

2. 适用环境

项目
Codex 版本codex-cli 0.147.0-alpha.6.5(桌面版 26.803.5235.0)
操作系统Windows(本文以 Windows 为例)
DeepSeek 模型deepseek-v4-flash(默认)、deepseek-v4-pro
API 要求账户已开通 API,且密钥以 sk- 开头

3. 配置步骤

3.1 修改 config.toml

编辑 C:\Users\<用户名>\.codex\config.toml,在文件顶层(任意 [xxx] 节之前)加入以下键:

model = "deepseek-v4-flash"      # 默认模型
model_provider = "deepseek"      # 默认 Provider
preferred_auth_method = "apikey" # 优先使用 API Key 认证
forced_login_method = "api"      # 强制使用 API 登录方式(绕过 ChatGPT 账号登录)
model_reasoning_effort = "high"  # 推理强度
model_catalog_json = "C:/Users/<用户名>/.codex/models.json"  # 模型目录(注意正斜杠)

然后在文件末尾追加 Provider 定义:

[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "sk-你的DeepSeek密钥"

注意

  • experimental_bearer_token 直接以明文存放 API Key(与 DeepSeek 官方一键脚本行为一致),请勿将 config.toml 提交到公开仓库。
  • model_catalog_json 在 Windows 上必须使用正斜杠路径。
  • 若已有其他 [model_providers.xxx],仅追加 [model_providers.deepseek],不要改动原有内容。

3.2 创建 models.json

Codex 需要通过模型目录(model catalog)识别 DeepSeek 模型元数据(上下文窗口、工具能力、系统提示词等),该文件内容由 DeepSeek 官方提供。

方式一:官方一键脚本(推荐,最省事)

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

该脚本会:写入 config.toml、生成 models.json、询问 API Key,并自动备份原配置。

方式二:手动获取

下载官方脚本后,从中提取 $ModelsJson 区块写入 models.json

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 -OutFile "$env:TEMP\setup.ps1"

models.json 的结构如下(包含 deepseek-v4-flashdeepseek-v4-pro 两个模型的完整元数据):

{
  "models": [
    {
      "slug": "deepseek-v4-flash",
      "display_name": "DeepSeek-V4-Flash",
      "description": "Latest frontier agentic coding model.",
      "context_window": 1048576,
      "wire_api": "responses",
      "priority": 1
    },
    {
      "slug": "deepseek-v4-pro",
      "display_name": "DeepSeek-V4-Pro",
      "description": "Most capable frontier agentic coding model.",
      "context_window": 1048576,
      "priority": 2
    }
  ]
}

实际完整文件远超上面示例,含 model_messages.instructions_templatebase_instructions 等长文本字段,请以官方脚本产出的完整内容为准。

3.3 重启生效

修改完成后重启 Codex 桌面版(完全退出再打开)。启动后在模型选择器中应能看到 DeepSeek-V4-Flash

4. 验证配置

方式一:API Key 连通性测试

Invoke-RestMethod -Uri "https://api.deepseek.com/models" `
  -Headers @{ Authorization = "Bearer sk-你的DeepSeek密钥" }

正常返回模型列表即代表 Key 有效。

方式二:实际对话测试

codex exec "say OK"

若日志中出现 model=deepseek-v4-flash auth_mode="ApiKey" 且最终返回 response.completed,说明已成功通过 DeepSeek 响应。

注:在受限沙箱/终端环境中运行 codex 可能报"拒绝访问 .codex\tmp"之类的会话写入错误,这是环境权限问题,与配置无关。

5. 本机配置状态(2026-08-08)

本机已按上述步骤完成配置并验证通过:

文件路径状态
主配置C:\Users\admin\.codex\config.toml已加入 DeepSeek Provider
模型目录C:\Users\admin\.codex\models.json已创建(含 flash/pro 两模型)
原配置备份C:\Users\admin\.codex\backup-deepseek\config.toml切换前备份

6. 备份与恢复

恢复原 OpenAI 配置:

Copy-Item "C:\Users\admin\.codex\backup-deepseek\config.toml" "C:\Users\admin\.codex\config.toml" -Force

离线安装包备份:

Codex 桌面版为微软商店 MSIX 应用,本机离线安装包已备份至:

C:\Users\admin\Downloads\Codex-Backup\
├── OpenAI.Codex_26.803.5235.0_x64__2p2nqsd0c76g0.msix      # 667 MB 官方安装包
└── OpenAI.Codex_26.803.5235.0_x64__2p2nqsd0c76g0.msix.sha256

重装命令:

Add-AppxPackage -Path "C:\Users\admin\Downloads\Codex-Backup\OpenAI.Codex_26.803.5235.0_x64__2p2nqsd0c76g0.msix"

7. 常见问题

Q1:切换后 Codex 仍提示需要登录 ChatGPT?
检查 forced_login_method = "api"preferred_auth_method = "apikey" 是否已写入 config.toml 顶层。

Q2:报错 model not found 或找不到模型?
确认 model_catalog_json 路径正确(正斜杠),且 models.json 中确实包含对应 slug

Q3:报错 wire_api = "chat" 已不受支持?
新版 Codex(≥0.138)已移除 Chat Completions 支持,请确认 Provider 中 wire_api = "responses" 且 DeepSeek 版本支持 Responses API。

Q4:如何切换 flash / pro 模型?
修改 config.toml 中的 model = "deepseek-v4-flash"model = "deepseek-v4-pro",或在 Codex 桌面版模型选择器中直接切换。

Q5:配置丢失后如何一键重配?
重新运行官方脚本:irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

8. 参考链接

  • DeepSeek API 文档(Codex 集成):https://api-docs.deepseek.com/quick_start/agent_integrations/codex/
  • DeepSeek 官方一键配置脚本:https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1
  • DeepSeek 开放平台:https://platform.deepseek.com/

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

代码转载自:https://pan.quark.cn/s/a4b39357ea24 在本项研究中,我们研究了如何运用8155微处理器扩展单元与74LS164串行到并行转换电路来操控八段数码管的显示。74LS164被视为一个核心部件,它使得串行数据能够转化为并行输出,这对于驱动数码管极为关键,因为数码管普遍需要并行数据输入来点亮不同的段。74LS164的功能机制在于接收串行输入的数据,并在每个时钟脉冲之后将其转化为并行输出。在该配置中,8155的PB0引脚被用来管理数据位的输入,而PB1则承担时钟信号的角色。这表明我们可以通过调控8155的这两个引脚来决定何时将数据传输至74LS164,以及何时执行位移操作。 在编程层面,我们需要开发一段代码来处理上述流程。在提供的代码示例中,`DAT164`标识数据位地址,`CLK164`指代时钟位地址。`LEDBuf`是一个用于存放待显示数字的缓冲存储区,而`Num`则用于保存待显示的数值。`DisplayLED`子程序负责将数据从缓冲区`LEDBuf`搬运到74LS164,并通过8155的PB0和PB1引脚来调控74LS164的输入与时钟。 在`DisplayLED`子程序的操作中,首先会关闭所有的八段数码管,然后逐位从缓冲区`LEDBuf`中读取数据,通过循环右移指令(`rlc`)进行数据位移,并将最低位送入74LS164。在每次数据传输完成后,会通过变换PB1的电平(交替高低电平)来生成时钟脉冲,使74LS164能够接收新的数据。这一过程会重复8次,确保所有8段数码管的段码都被精确设置。通过调整`OUTBIT`的值来选择特定的数码管进行显示。 另外,实验还包含了8155 I/O/RAM扩展单元的应用。8155芯片提供...
内容概要:本文系统研究了计及电动汽车充电站接入的配电网承载能力评估与优化问题,提出了一套完整的基于Matlab代码实现的双层评价模型。通过构建涵盖系统安全性、经济性、电能质量及设备利用率等多维度的指标体系,采用熵权法进行客观权重计算,并结合模糊综合评价法实现承载能力的量化评分,全面评估不同渗透率下电动汽车接入对配电网的影响。研究通过算例仿真深入分析了各项指标的变化规律与灵敏度特性,验证了所提模型在承载能力动态评估中的科学性与实用性,为高比例电动汽车接入背景下的配电网规划、扩容改造与运行调度提供了有力的决策支持和技术路径。; 适合人群:具备电力系统分析基础、熟悉Matlab编程工具,从事新能源并网、智能配电网、电动汽车与电网互动(V2G)、电网承载力评估等相关领域的科研人员、工程技术人员及研究生。; 使用场景及目标:①科学评估大规模电动汽车充电负荷对配电网安全稳定运行的冲击及其承载极限;②优化充电站选址与接入策略以提升电网接纳能力;③为配电网的扩容规划、无功优化与调度运行提供量化的分析依据;④支撑相关科研项目、学位论文的建模、仿真与实证分析工作。; 阅读建议:建议结合文中提供的Matlab代码与详细的仿真算例进行复现,重点掌握熵权法确定权重与模糊综合评价的实现逻辑,深入理解各评估指标的物理含义及其在不同场景下的灵敏度表现,并可尝试将其拓展应用于其他类型的分布式电源接入评估或采用不同的优化算法进行模型改进。
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 UDP(用户数据报协议)与TCP(传输控制协议)构成了互联网协议体系中的两大核心传输机制,它们在计算机网络通信过程中发挥着核心作用。本文将系统阐述这两种协议的特性以及相关的端口检测手段。 UDP是一种非连接型且不可信赖的传输协议。该协议无需建立连接即可传输数据,因此具备低时延与高效率的优势,常应用于视频会议、在线游戏等即时性应用场景。然而,由于缺乏可靠性保障,UDP无法确保数据包的顺序性、完整性及无重复性,可能引发数据遗失或错乱的情况。 另一方面,TCP是一种基于连接且可靠的传输协议。该协议在数据传输前必须先建立连接,从而确保数据能够准确且有序地抵达接收端,适用于文件传输、网页浏览等对稳定性要求较高的应用场景。尽管如此,这种可靠性也导致了较高的时延和资源消耗。 端口在网络通信领域中占据着关键地位,每个端口号均与特定的服务或应用程序相对应。端口号的取值范围介于0至65535之间,其中0-1023为知名端口,一般由系统进行预留使用;1024-49151为注册端口,可供应用程序选用;49152-65535为动态或私有端口。实施端口检测的主要目的是确认特定端口是否处于开放状态、是否已被占用,或是网络服务是否正常运作。 “UDP&TCP测试程序.exe”或许是一款用于检测UDP和TCP端口状态的实用工具,它能够协助用户评估网络连接的性能状况及潜在问题。此类工具通常具备以下几项功能: 1. 扫描:对指定的IP地址或IP地址段执行端口扫描,识别已开启的服务及其对应的端口。 2. 发送/接收数据:向特定端口发送UDP或TCP数据包,并记录接收到的响应,以此来验证端口的可用程度。 3. 连接测...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值