在这里插入图片描述

最近 Codex 的可玩性越来越高了。

很多人第一次使用 Codex，默认会直接登录 ChatGPT 账号，然后使用 OpenAI 提供的模型。

但实际上，Codex 并不只能调用 OpenAI 模型。

只要模型服务支持 Codex 所需要的 API 协议，我们完全可以把第三方模型接进 Codex。

比如：

DeepSeek。

而且现在这个方案已经不是以前那种“套一层代理”“自己做协议转换”的玩法了。

截至 2026 年 8 月，DeepSeek API 已经原生支持 OpenAI Responses API，并针对 Codex 做了适配。DeepSeek V4 Pro 在 2026 年 8 月 13 日更新后，也正式加入了 Responses API 支持。

也就是说，现在我们可以直接实现：

Codex
   ↓
Responses API
   ↓
DeepSeek API
   ↓
DeepSeek V4

整个过程不需要自己写转发程序。

这篇文章，我们就从零开始配置。

一、为什么要把 DeepSeek 接入 Codex？

首先需要明确一件事情：

Codex 和模型其实是两层东西。

你可以简单理解成：

Codex = AI 编程 Agent
模型 = Codex 背后的大脑

Codex 负责：

  • 读取项目
  • 搜索代码
  • 修改文件
  • 执行 Shell 命令
  • 调用工具
  • 分析 Git
  • 自动 Debug
  • 完成多步骤开发任务

而真正负责理解代码、推理和生成内容的，是后面的模型。

默认情况下，大部分人使用的是：

Codex
   ↓
OpenAI
   ↓
GPT 系列模型

但如果把模型供应商换掉，就可以变成：

Codex
   ↓
DeepSeek
   ↓
DeepSeek V4

这样最大的好处就是：

保留 Codex 这套 Agent 工作流，同时使用 DeepSeek 的模型能力。

二、目前 DeepSeek 有哪些模型可以用？

目前 DeepSeek API 主要提供两个 V4 模型：

模型 定位
deepseek-v4-flash 速度快、价格低，适合日常 Coding
deepseek-v4-pro 能力更强，适合复杂 Agent 和代码任务

根据 DeepSeek 当前官方文档，两款模型都已经支持 Tool Calls 和 Responses API。

它们的上下文长度目前都达到了：

1M Context

最大输出可以达到：

384K Tokens

对于大型代码仓库、长上下文 Agent 和复杂项目分析来说，这个规格已经比较夸张了。

如果你只是平时写代码，我更建议：

deepseek-v4-flash

如果是：

  • 大型项目
  • 复杂 Bug
  • 项目重构
  • Agent 自动开发
  • 多步骤任务
  • 大规模代码分析

则可以尝试：

deepseek-v4-pro

三、第一步：安装 Codex

如果你还没有 Codex，可以先安装。

Codex 官方目前支持多种安装方式，包括独立安装脚本、npm 和 Homebrew。

我个人更推荐 npm：

npm install -g @openai/codex

安装完成以后执行：

codex --version

如果能够正常显示版本号，说明安装成功。

然后测试：

codex

如果能够进入 Codex 界面，就说明 Codex 本身没有问题。

四、第二步：获取 DeepSeek API Key

接下来需要准备 DeepSeek API Key。

这里需要注意：

DeepSeek 网页版账号和 DeepSeek API 是两套计费体系。

我们这里使用的是：

DeepSeek API

而不是直接使用网页版会员。

进入 DeepSeek 开放平台后创建一个 API Key。

一般格式类似：

sk-xxxxxxxxxxxxxxxx

拿到以后先保存好。

千万不要：

上传到 GitHub
提交到公开仓库
写进前端代码
发到公开截图里

因为别人拿到这个 Key 以后，就可以直接消耗你的 API 余额。

五、第三步：找到 Codex 配置文件

Codex 的核心配置文件叫：

config.toml

默认目录位于：

~/.codex/config.toml

在 macOS / Linux 中可以执行：

cd ~/.codex

然后：

ls

通常可以看到：

config.toml
auth.json
sessions
...

如果没有 config.toml，自己创建一个即可：

touch ~/.codex/config.toml

使用 VS Code 打开：

code ~/.codex/config.toml

或者直接：

vim ~/.codex/config.toml

六、第四步：配置 DeepSeek Provider

接下来就是最关键的一步。

打开：

~/.codex/config.toml

加入 DeepSeek Provider。

例如使用 DeepSeek V4 Pro：

model = "deepseek-v4-pro"
model_provider = "deepseek"

preferred_auth_method = "apikey"
forced_login_method = "api"

model_reasoning_effort = "high"

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

例如：

model = "deepseek-v4-pro"
model_provider = "deepseek"

preferred_auth_method = "apikey"
forced_login_method = "api"

model_reasoning_effort = "high"

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

这里最重要的其实只有几个参数。

model

model = "deepseek-v4-pro"

指定 Codex 使用哪个模型。

如果想使用 Flash：

model = "deepseek-v4-flash"

model_provider

model_provider = "deepseek"

告诉 Codex：

不要使用默认 OpenAI Provider。

而是使用下面定义的：

[model_providers.deepseek]

base_url

base_url = "https://api.deepseek.com/"

这是 DeepSeek API 地址。

DeepSeek 官方 OpenAI 兼容 API 当前就是这个地址。

wire_api

这一行非常关键：

wire_api = "responses"

Codex 现在大量 Agent 能力建立在：

Responses API

上。

以前很多第三方模型接不了 Codex，一个非常重要的原因就是：

只支持 /chat/completions

而 Codex 需要：

/responses

于是以前经常需要：

Codex
 ↓
Responses Proxy
 ↓
Chat Completions
 ↓
第三方模型

现在 DeepSeek 已经原生支持 Responses API，所以不需要再加这一层转换。DeepSeek 官方也明确表示 Responses API 是为包括 Codex 在内的 Agent 场景增加的。

因此直接：

wire_api = "responses"

即可。

七、使用 Flash 还是 Pro？

如果你的主要需求是日常开发，我建议先这样：

model = "deepseek-v4-flash"

完整配置：

model = "deepseek-v4-flash"
model_provider = "deepseek"

preferred_auth_method = "apikey"
forced_login_method = "api"

model_reasoning_effort = "high"

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

如果发现任务比较复杂，再切换：

model = "deepseek-v4-pro"

我一般会把它们理解成：

Flash
↓
日常 Coding
写接口
写页面
改 Bug
写脚本
简单项目

而 Pro 更适合：

Pro
↓
复杂 Debug
大型项目
架构分析
项目重构
长时间 Agent
复杂工具调用

八、第五步：启动 Codex

配置完成以后，进入一个代码项目。

例如：

cd my-project

执行：

codex

如果配置生效，Codex 启动以后应该可以看到当前模型已经变成类似：

deepseek-v4-pro

或者：

deepseek-v4-flash

这意味着：

Codex Agent
+
DeepSeek V4

已经跑起来了。

九、接下来可以做什么？

这时候就不只是简单聊天了。

比如进入一个项目：

cd my-next-project
codex

然后直接告诉它：

分析一下这个项目的目录结构，并告诉我这个项目是干什么的。

Codex 会开始读取整个项目。

你也可以继续：

找到这个项目的登录逻辑。

或者：

分析为什么用户登录以后 Token 没有正确刷新。

再进一步：

找到问题并直接修改代码。

甚至：

运行项目，检查报错，修复问题并重新测试。

这才是 Codex 真正有意思的地方。

模型并不是单纯给你回答代码。

而是进入：

读取代码
↓
分析项目
↓
修改文件
↓
执行命令
↓
查看结果
↓
继续修改
↓
完成任务

这样的 Agent Loop。

十、测试一个真实项目

比如我们创建一个简单项目：

mkdir codex-deepseek-demo
cd codex-deepseek-demo

初始化：

npm init -y

然后启动：

codex

直接告诉 Codex：

使用 Node.js 给我创建一个简单的 Todo API。

要求：

1. 使用 Express
2. 提供新增 Todo 接口
3. 提供删除 Todo 接口
4. 提供查询 Todo 接口
5. 自动安装需要的依赖
6. 创建完成后运行项目

接下来你会看到 DeepSeek 通过 Codex 开始：

分析任务
↓
创建文件
↓
编写代码
↓
安装 npm 依赖
↓
启动项目
↓
检查运行结果

这就已经不是我们以前那种：

复制代码
↓
粘贴代码
↓
发现报错
↓
复制报错
↓
再问 AI

的工作流了。

而是：

你提出目标
↓
Codex + DeepSeek 自己执行

十一、如何确认请求真的走的是 DeepSeek？

最简单的办法就是看 Codex 当前模型。

启动：

codex

确认显示：

deepseek-v4-flash

或者：

deepseek-v4-pro

另外还可以进入 DeepSeek API 控制台查看：

API 请求量
Token 消耗
账户余额

如果运行 Codex 之后出现新的 Token 消耗，基本就可以确定：

Codex → DeepSeek API

已经正常工作。

十二、常见问题一：401 Unauthorized

如果出现：

401 Unauthorized

首先检查：

experimental_bearer_token

是否填写正确。

例如：

experimental_bearer_token = "sk-xxxxxxxx"

同时检查：

API Key 是否失效
API Key 是否复制完整
DeepSeek API 账户是否正常

尤其不要把：

sk-xxxx

前后多复制空格。

十三、常见问题二：404

如果出现：

404 Not Found

重点检查：

base_url

当前 DeepSeek 官方地址为：

base_url = "https://api.deepseek.com/"

另外还要检查：

wire_api = "responses"

不要随便把 Codex 的请求协议改成：

wire_api = "chat"

否则 Codex 与上游模型之间的请求方式可能发生变化。

十四、常见问题三：Model Not Found

例如出现：

model not found

检查模型名称。

现在应该使用：

deepseek-v4-flash

或者：

deepseek-v4-pro

而以前常见的：

deepseek-chat
deepseek-reasoner

已经属于旧模型命名。

DeepSeek 在 2026 年 4 月发布 V4 后就已经宣布逐步停止这两个旧模型名称，并转向 V4 Flash / V4 Pro。

所以现在写教程，不建议再继续使用：

deepseek-chat

这种老配置。

十五、常见问题四：为什么网上有教程说只有 Flash 能接 Codex？

这个问题特别值得说一下。

因为 DeepSeek 早期刚接入 Codex 时：

Responses API

确实只有：

deepseek-v4-flash

支持。

所以网上不少早期教程都会告诉你：

Codex 只能使用 deepseek-v4-flash

但这个信息已经发生变化。

2026 年 8 月 13 日，DeepSeek V4 Pro 正式更新，并增加了原生 Responses API 支持和针对 Codex 的适配。

目前最新模型文档也已经把：

deepseek-v4-flash
deepseek-v4-pro

两款模型的 Responses API 都标记为支持。

所以现在：

Flash → 可以
Pro   → 也可以

如果你看到旧文章说 Pro 不支持，注意看一下教程发布时间。

十六、ChatGPT Codex 和 DeepSeek Codex 有什么区别？

这里还需要注意一个概念。

我们没有“安装一个 DeepSeek 版 Codex”。

Codex 本身还是：

OpenAI Codex

只是把底层模型 Provider 换成了：

DeepSeek

所以整个架构其实是：

                 ┌── OpenAI GPT
                 │
Codex Agent ─────┼── DeepSeek V4
                 │
                 ├── 本地模型
                 │
                 └── 其他 Responses API

这也是我觉得 Codex 接下来非常有意思的一点。

Agent Harness 和模型正在逐渐分离。

以前我们会说：

我在用 GPT。

以后更可能变成：

我在使用 Codex，但是底层跑的是 DeepSeek。

甚至针对不同任务使用不同模型。

十七、最终配置总结

如果你不想看前面的内容，只想直接配置，可以参考下面这一份。

DeepSeek V4 Flash

model = "deepseek-v4-flash"
model_provider = "deepseek"

preferred_auth_method = "apikey"
forced_login_method = "api"

model_reasoning_effort = "high"

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

然后：

codex

即可。

DeepSeek V4 Pro

只需要把：

model = "deepseek-v4-flash"

修改成：

model = "deepseek-v4-pro"

完整配置：

model = "deepseek-v4-pro"
model_provider = "deepseek"

preferred_auth_method = "apikey"
forced_login_method = "api"

model_reasoning_effort = "high"

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

重新启动：

codex

即可。

十八、最后

我觉得 DeepSeek 接入 Codex 这件事情，真正值得关注的，并不是：

“Codex 又多了一个模型。”

而是另外一个趋势：

Agent 和模型正在解耦。

Codex 可以负责：

代码理解
文件操作
Shell
Git
工具调用
任务规划
Agent Loop

而模型只需要负责最核心的：

理解
推理
决策
生成

这意味着以后我们使用 AI 编程工具，很可能不会再纠结：

到底用哪个 AI IDE？

而会变成：

我喜欢哪套 Agent Harness？
+
我想给它接哪个模型？

Codex + GPT 是一种组合。

Codex + DeepSeek 同样也是一种组合。

甚至以后还会出现：

Codex + 本地模型
Codex + 国产模型
Codex + 自研模型
Codex + 企业内部模型

当模型能够通过统一协议接入 Agent Harness 后，整个 AI Coding 的玩法就完全不一样了。

而现在 DeepSeek 原生支持 Responses API，其实就是在向这个方向继续推进。

如果你本身已经在使用 Codex，又想测试一下 DeepSeek V4 的 Coding 和 Agent 能力，那么现在已经可以直接把它接进去跑了。

在这里插入图片描述

# 开源
Logo
EazyDevelop社区

一站式 AI 云服务平台

更多推荐

CF 126B(Password-z algorithm/exkmp)

输入一个字符串，求一个最长的子串，使得它是原字符串的前缀，后缀，和一个不是前缀和后缀的子串。z-algorithm求出z数组，然后贪心匹配。

avatar EazyDevelop社区
cover

零代码 + 全本地：不写程序的我，也把 OpenClaw 装好了

avatar EazyDevelop社区
cover

AI时代的安全防御｜从传统安全走向自主化韧性

avatar EazyDevelop社区