TokenFlashTokenFlash

Codex 安装与配置进阶

深入了解 Codex 的跨平台安装、模型配置、项目指令与高级用法。

Codex 是 OpenAI 推出的 AI 编程智能体(Coding Agent),能听懂人话,按指令行事,自动修改代码。本教程将指导你在不同平台上安装和配置 Codex。

与 ChatGPT 的核心区别

对比维度ChatGPT(网页版)Codex CLI
运行环境浏览器本地终端
文件系统无法直接访问可读写本地文件
命令执行不能执行 shell 命令可在沙箱中执行命令
代码上下文手动粘贴自动读取项目文件
开源完全开源
模型灵活度固定前端可自定义 API 端点

工具简介

Codex 的用处分为两大类:

程序员用:

  • 用看得懂的中文回答他做了什么
  • 按你的需求操控电脑进行数据修改与代码编写
  • 支持多任务操作,可开多个窗口一起工作

非程序员用:

  • 整理桌面文件排列整齐
  • 辅助完成每日工作,减轻工作压力
  • 需要成品时,叫 Codex 帮你生成一个,简单快捷

前置准备

Node.js 22+

Codex CLI 要求 Node.js 22 或更高版本,这是硬性要求。

node --version   # 应输出 v22.x.x

如未安装,推荐使用 nvm:

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.bashrc
nvm install 22
nvm use 22

详细环境准备请参考 Node.js 开发环境准备

支持的操作系统

操作系统支持情况备注
macOS 12+完全支持推荐
Ubuntu 20.04+完全支持推荐
Debian 11+完全支持
Windows 10/11需 WSL2原生 Windows 不支持沙箱

网络环境

  • 能够访问 https://tokenflash.cn
curl -I https://tokenflash.cn/v1/models \
  -H "Authorization: Bearer sk-your-key"

获取 TokenFlash API Key

说明

如果你已经拥有 API Key,可以直接跳到安装步骤。如尚未获取,可参考 TokenFlash API 文档 创建密钥。

使用场景建议分组
GPT 模型GPT分组 5 折
Claude 模型Claude分组 6 折

安装 Codex

CLI 版(程序员用)

Mac 系统

方式一:npm 安装(如果没有 npm,先安装 Node.js)

Node.js 下载地址:https://nodejs.org/en

npm install -g @openai/codex

方式二:Homebrew 安装

brew -v
brew install --cask codex

Windows 系统

以管理员身份运行 PowerShell,安装 WSL:

wsl --install -d Ubuntu-24.04

重启进入 WSL 后,安装 Node.js 和 Codex:

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 22
npm install -g @openai/codex

Linux 系统

方式一:npm 安装

npm install -g @openai/codex

方式二:二进制离线安装

# x86_64
curl -L https://github.com/openai/codex/releases/download/rust-v0.131.0/codex-x86_64-unknown-linux-musl.tar.gz | tar -xz
sudo mv codex /usr/local/bin/

# ARM64(将文件名中的 x86_64 替换为 aarch64 即可)

验证安装

codex --version

如果弹出版本号(如 0.xxx.0)即安装成功。

首次运行 codex 会有两个选项:

  1. ChatGPT 账号 — 推荐新手,有免费额度
  2. OpenAI API Key — 适合开发者,接入 TokenFlash API Key

如果未配置 API Key 会提示认证错误,请先完成上方配置章节再测试。

# 一行命令快速验证配置
OPENAI_BASE_URL="https://tokenflash.cn/v1" \
  OPENAI_API_KEY="sk-xxx" \
  codex "输出 hello world"

桌面版(非程序员用)

打开即用,无需命令行操作。

系统下载方式
Mac / Windows官网下载(Windows 推荐 Win10+)
Linux暂不支持桌面端

下载地址:https://chatgpt.com/zh-Hans-CN/download/

打开桌面版后,会看到登录界面:

Codex 登录界面

按界面提示输入 API Key 即可登录使用。


配置 Codex 对接 TokenFlash

Codex 默认连 OpenAI 官方 API。要接到 TokenFlash,需要修改 API 地址和 Key。

TokenFlash API 概览

项目信息
Base URL(OpenAI 协议)https://tokenflash.cn/v1
渠道分组GPT分组 5 折 / Claude分组 6 折 / AIGC / default
模型范围GPT 系列、Claude 系列、Gemini、国产模型

方法一:环境变量(推荐新手)

export OPENAI_BASE_URL="https://tokenflash.cn/v1"
export OPENAI_API_KEY="sk-你的API密钥"

警告

Base URL 必须包含 /v1 后缀!正确:https://tokenflash.cn/v1,错误:https://tokenflash.cn

永久写入配置:

echo 'export OPENAI_BASE_URL="https://tokenflash.cn/v1"' >> ~/.zshrc
echo 'export OPENAI_API_KEY="sk-你的API密钥"' >> ~/.zshrc
source ~/.zshrc

一行命令验证:

OPENAI_BASE_URL="https://tokenflash.cn/v1" OPENAI_API_KEY="sk-xxx" codex "输出 hello world"

方法二:配置文件(config.toml)

创建 ~/.codex/config.toml

model = "gpt-5.6-sol"

[model_providers.tokenflash]
name = "TokenFlash"
base_url = "https://tokenflash.cn/v1"
env_key = "OPENAI_API_KEY"

provider = "tokenflash"

提示

env_key 指向的是环境变量名称,你仍需设置 OPENAI_API_KEY 环境变量。

配置字段详解:

字段类型必填说明
modelstring默认使用的模型名称
providerstring默认使用的模型提供者标识
model_providers.<name>.namestring提供者显示名称
model_providers.<name>.base_urlstringAPI 地址(必须含 /v1
model_providers.<name>.env_keystring存储 API Key 的环境变量名
model_providers.<name>.wire_apistring协议类型,"chat"(中转站用)或 "responses"(官方默认)
approval_modestring沙箱模式:suggest / auto-edit / full-auto

完整配置示例:

model = "gpt-5.6-sol"

[model_providers.tokenflash]
name = "TokenFlash"
base_url = "https://tokenflash.cn/v1"
env_key = "OPENAI_API_KEY"

provider = "tokenflash"

方法三:CC Switch(桌面端)

通过 CC Switch 可以快速配置可视化供应商信息。

CC Switch 界面

核心配置项:

字段说明
供应商名称可随意填写
API Keysk- 开头的密钥
请求地址https://tokenflash.cn/v1(国内用 tokenflash.cn/v1

详细的 CC Switch 配置步骤请参考 CC Switch 接入 TokenFlash

模型选择

可用模型一览

模型模型 ID渠道上下文特点
GPT 5.6 Solgpt-5.6-solGPT分组 5 折1M综合能力最强
GPT 5.6 Terragpt-5.6-terraGPT分组 5 折1M性价比之选
GPT 5.6 Lunagpt-5.6-lunaGPT分组 5 折1M速度最快、最便宜
GPT 5.5gpt-5.5GPT分组 5 折1M通用任务
GPT 5.4gpt-5.4GPT分组 5 折1M极低成本

场景化推荐

场景推荐模型理由
日常编码、bug 修复gpt-5.6-terra性价比之王,编码能力接近顶尖
复杂架构设计、多文件重构gpt-5.6-sol综合能力最强,上下文 1M
简单补全、格式化gpt-5.6-luna
大段文档分析gpt-5.6-sol1M 超长上下文

成本对比估算

以每天处理 10 个中等任务(每任务约 5K input + 2K output tokens)为例:

模型日消耗估算月消耗估算性价比
gpt-5.6-luna~$0.09~$2.55极低成本
gpt-5.6-terra~$0.21~$6.38经济实用
gpt-5.6-sol~$0.43~$12.75能力强劲

以上估算使用 TokenFlash 当前 GPT分组 的 5 折价格,实际费用取决于输入、输出和缓存 token 数量。

# 通过 --model 指定模型
codex --model gpt-5.6-sol "复杂架构设计任务"
codex --model gpt-5.6-terra "日常编码任务"
codex --model gpt-5.6-luna "简单快速任务"

高级配置

沙箱模式

Codex 提供三种沙箱模式控制 AI 对文件系统和命令的访问:

模式命令说明
suggest(最安全)codex --sandbox suggest "任务"AI 仅建议操作,需用户确认
auto-edit(平衡)codex --sandbox auto-edit "任务"文件编辑自动执行,命令仍需确认
full-auto(最高效)codex --sandbox full-auto "任务"所有操作自动执行,需在隔离环境使用

代理设置

export HTTP_PROXY="http://127.0.0.1:7890"
export HTTPS_PROXY="http://127.0.0.1:7890"

或在 config.toml 中:

[proxy]
url = "http://127.0.0.1:7890"

MCP 服务器扩展

[mcp_servers.github]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-github"]
env = { GITHUB_TOKEN = "ghp_xxx" }

完整配置示例

以下是一份生产级 ~/.codex/config.toml 供参考:

# 默认模型
model = "gpt-5.6-sol"

# 默认沙箱模式
approval_mode = "auto-edit"

# TokenFlash
[model_providers.tokenflash]
name = "TokenFlash"
base_url = "https://tokenflash.cn/v1"
env_key = "OPENAI_API_KEY"

# 默认提供者
provider = "tokenflash"

自定义指令

# 全局指令
echo "始终使用 TypeScript,遵循 ESLint 推荐的代码风格。" > ~/.codex/instructions.md

# 项目级指令(优先级更高)
echo "本项目使用 Python 3.12 + FastAPI。" > .codex/instructions.md

实战示例

创建 Express.js 项目:

codex --model gpt-5.6-sol "在当前目录创建一个 Express.js REST API 项目,包含用户 CRUD,使用 SQLite,包含错误处理和输入验证"

代码审查:

codex --model gpt-5.6-sol "审查 src/ 目录下的所有代码,找出潜在的性能问题和安全漏洞"

编写测试:

codex --model gpt-5.6-terra "为 src/utils/ 下的工具函数编写完整的单元测试,使用 Jest 框架"

查看 Token 消耗:

Codex 会在任务完成后显示 token 使用统计:

✅ Task completed
─────────────────────────────
  Tokens used:
    Prompt:     3,245 tokens
    Completion: 1,892 tokens
    Total:      5,137 tokens
─────────────────────────────
  Cost estimate: $0.0182 (gpt-5.6-terra)

通过观察 token 消耗,你可以优化指令措辞来减少不必要的开销。

切换模型对比效果

不同模型对同一任务的输出质量和速度差异明显:

# 用 gpt-5.6-luna 完成简单任务(速度最快)
time codex --model gpt-5.6-luna "写一个冒泡排序算法"
# 响应快,成本低

# 用 gpt-5.6-terra 完成同样任务(日常推荐)
time codex --model gpt-5.6-terra "写一个冒泡排序算法"

# 用 gpt-5.6-sol 完成同样任务(最详细)
time codex --model gpt-5.6-sol "写一个冒泡排序算法"
# 可能更详细,但成本更高

测试连接

配置完成后,启动 Codex 并发送一条测试消息:

你好,请用一句话介绍你自己

能够正常收到回复即表示配置成功。

如果连接失败,可以用 curl 排查:

curl https://tokenflash.cn/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

常见问题

401 认证错误

Error: 401 Unauthorized / Invalid API key provided

排查步骤:

# 1. 确认 API Key 已设置
echo $OPENAI_API_KEY

# 2. 确认 Base URL 包含 /v1
echo $OPENAI_BASE_URL   # 正确:https://tokenflash.cn/v1  错误:https://tokenflash.cn

# 3. 直接测试连通性
curl -s https://tokenflash.cn/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY" | head -c 200

警告

Base URL 缺少 /v1 后缀是最常见的配置错误。

模型不存在

Error: 404 The model 'xxx' does not exist
# 查看可用模型列表
curl -s https://tokenflash.cn/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY" | python3 -m json.tool

# 确认拼写:gpt-5.6-sol(正确)、GPT-5.6-Sol(大小写错误)、gpt5.6sol(缺少短横线)

连接超时

Error: ETIMEDOUT - Connection timed out
# 检查代理设置,按需配置
export HTTPS_PROXY="http://127.0.0.1:7890"

# 测试网络
curl -v --connect-timeout 5 https://tokenflash.cn/v1/models

沙箱初始化失败

Error: Sandbox initialization failed / Docker is not running
# 1. 确认 Docker 在运行
docker info

# 2. 确认当前用户在 docker 组中
groups | grep docker

# 3. WSL2 用户:确保 Docker Desktop 的 WSL2 集成已启用
# Docker Desktop → Settings → Resources → WSL Integration

# 4. 临时跳过沙箱测试
codex --sandbox none "你的任务"

找不到 config.toml?

先执行一次 codex,退出后再去用户目录找。

  • Linux / macOS:~/.codex
  • Windows:C:\Users\你的用户名\.codex

桌面版无法登录?

确认网络连接正常,并确认账号或 API Key 有效。

配置后 Codex 仍走官方?

检查 config.toml 中的 base_url 是否正确指向 TokenFlash 地址(必须有 /v1)。

与官方 API 的差异

对比项官方 OpenAITokenFlash
Base URLhttps://api.openai.com/v1https://tokenflash.cn/v1
模型版本最新可能存在数小时延迟
响应速度取决于官方服务器取决于网络和平台负载
速率限制官方限制取决于渠道配置
价格官方定价GPT分组 5 折
计费官方账单TokenFlash 余额

其他常见错误

ECONNREFUSED:

# 检查网络设置和代理配置
env | grep -i proxy

rate limit exceeded:

# 等待一段时间后重试,或降低请求频率
# TokenFlash 不同渠道有不同的速率限制

insufficient balance:

Error: insufficient balance
# 登录 TokenFlash 平台查看余额并充值
# 建议选择 GPT分组以降低成本

配置速查

# 环境变量
export OPENAI_BASE_URL="https://tokenflash.cn/v1"
export OPENAI_API_KEY="sk-xxx"

# 基本使用
codex "你的任务描述"
codex --model gpt-5.6-sol "复杂架构设计"
codex --model gpt-5.6-terra "日常编码任务"
codex --model gpt-5.6-luna "简单快速任务"

# 沙箱模式
codex --sandbox suggest "任务"     # 最安全 - AI 仅建议
codex --sandbox auto-edit "任务"   # 平衡 - 文件自动编辑,命令需确认
codex --sandbox full-auto "任务"   # 最高效 - 全部自动执行

# 验证 API 连通性
curl -s $OPENAI_BASE_URL/models -H "Authorization: Bearer $OPENAI_API_KEY" | head -c 200

快速命令速查:

命令说明
codex --version验证安装
codex "任务"直接运行任务
codex --model xxx "任务"指定模型运行
codex --sandbox xxx "任务"指定沙箱模式
codex --help查看完整帮助
npm update -g @openai/codex升级 Codex

配置路径

~/.codex/config.toml               # 全局配置文件
~/.codex/instructions.md           # 全局自定义指令
<project>/.codex/instructions.md   # 项目级自定义指令

进阶:wire_api 详解

对接第三方 API 时,config.toml 中的 wire_api 是最容易配错的字段:

对应接口说明
"chat"POST {base_url}/chat/completions标准 OpenAI Chat 协议,大多数中转站使用
"responses"POST {base_url}/responsesOpenAI 新版 Responses API,官方默认

对接 TokenFlash 等中转站时,通常使用 wire_api = "chat"

进阶:多 Profile 配置

config.toml 中配置多个 Profile,修改 profile 字段即可快速切换模型:

profile = "gpt5-tokenflash"

[profiles.gpt5-tokenflash]
model = "gpt-5.6-sol"
model_provider = "tokenflash"
model_reasoning_effort = "high"

[profiles.deepseek]
model = "deepseek-v4-flash"
model_provider = "tokenflash-cn"
model_reasoning_effort = "medium"

[model_providers.tokenflash]
name = "TokenFlash API"
base_url = "https://tokenflash.cn/v1"
env_key = "OPENAI_API_KEY"
wire_api = "chat"

进阶:AGENTS.md 项目记忆

在项目根目录创建 AGENTS.md,为 Codex 提供持久化上下文:

# 项目规范
- 使用 TypeScript + React 开发
- 所有输出使用中文
- 测试框架使用 Jest

在 Codex 对话中使用 /init 可自动生成此文件。

成本控制建议

策略说明
轻量任务用 gpt-5.6-lunaGPT分组 5 折,$0.50/$3.00 极低成本
日常编码用 gpt-5.6-terraGPT分组 5 折,$1.25/$7.50 性价比之选
复杂任务用 gpt-5.6-solGPT分组 5 折,$2.50/$15.00 高能力
简单任务用国产模型default 原价分组,按模型实际单价计费
调低 reasoning effortmediumlow 减少 Token
及时退出会话避免空闲隐性消耗

相关资源

更多教程


最后更新:2026-07-13

本内容由 Coze AI 生成,请遵循相关法律法规及《人工智能生成合成内容标识办法》使用与传播。

On this page