最近不少人问：OpenAI 那个 Codex 编程助手挺好用，但后端走 OpenAI 又贵又在国内访问不稳，能不能换成 DeepSeek？
能。而且 DeepSeek 官方已经把这件事做得相当顺手了——Codex 通过 Responses API 跟模型打交道，而 DeepSeek API 原生就支持这套格式。所以理论上，你还是用 Codex 那个顺手的壳（终端、VS Code 插件、ChatGPT 桌面端），但背后真正干活的脑子，换成便宜的国产模型。
这篇就当一份实操笔记，把官方接入文档揉碎了讲，再补上我自己踩过的几个坑。
一、先搞懂：Codex 到底有几个形态
很多人以为 Codex 就是一个命令行工具，其实它现在是「一套客户端，共用一份配置」：
- Codex CLI：终端里跑的命令行版本，进项目目录敲
codex就能用。 - ChatGPT 桌面端：Mac / Windows 上的桌面应用，里面能选模型。
- VS Code 的 Codex 插件（Codex IDE extension）：在编辑器里直接调。
关键是——这三种形态读的是同一份配置文件。所以你只要按下面的方法配一次，三个地方全部生效，不用分别折腾。
如果你对 Codex 本身的发展脉络还不太熟，可以先看这篇 OpenAI Codex 最新进展 补补课。
二、方案一：一键脚本（推荐，3 分钟搞定）
官方给了一个一键配置脚本，会自动帮你把事办妥。运行前只有一个前提：你已经装了 Codex CLI 或 ChatGPT 桌面端，并且至少跑过一次（也就是 ~/.codex 目录已经存在）。
macOS / Linux，终端里执行：
bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh)Windows，用 PowerShell：
irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex跑起来后会有个菜单，让你选要用的模型。第一次运行会提示你输入 API Key（以 sk- 开头，去 DeepSeek Platform 申请）。
这个脚本不是粗暴覆盖，它干得很克制：
- 先备份：把现有的
~/.codex/config.toml备份到~/.codex/backup-deepseek/，随时能还原。 - 写模型目录
~/.codex/models.json：向 Codex 声明 DeepSeek 模型的元数据（上下文窗口、支持的推理强度档位、工具调用格式等），让 Codex 像用内置模型一样用 DeepSeek。 - 改 config.toml：只动必要的字段，并新增
[model_providers.deepseek]配置段；你原有的 MCP 服务器、项目信任级别等配置全部保留。真有冲突字段，它会删掉并逐条打印原因。 - 校验：写之前先校验语法，不合法就中止，一个文件都不改。
再跑一次脚本，可以在菜单里切换模型，或者选第 3 项恢复到安装前的默认配置。对怕麻烦的人，这一条就够了。
三、方案二：手动改配置（进阶玩家）
如果你想完全掌控、或者脚本环境有问题，可以手动来。其实手动也就是两个文件的事。
第一步，建模型目录文件 ~/.codex/models.json。它向 Codex 声明 DeepSeek 模型的元数据，里面包含 deepseek-v4-flash 和 deepseek-v4-pro 两个模型。
说明一下：官方文档里这个 JSON 是折叠着的，完整内容跟一键脚本写入的完全一致。如果你的环境能跑脚本，直接用方案一最省事；想手动写的话，跑一遍一键脚本会自动生成它，或者去官方文档展开那一段复制即可。核心是让 Codex 知道这两个模型的存在和参数。
第二步，编辑 ~/.codex/config.toml（没有就新建），加上这段：
model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
forced_login_method = "api"
model_reasoning_effort = "high"
model_catalog_json = "~/.codex/models.json"
[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "<你的 DeepSeek API Key>"把 experimental_bearer_token 那行换成你自己的 Key 就行。
四、config.toml 字段逐个讲
别照抄完就跑，几个字段得心里有数：
| 字段 | 作用 |
| — | — |
| model | 默认使用的模型，比如 deepseek-v4-flash |
| model_provider | 模型提供方，对应下面 [model_providers. 的 id |
| preferred_auth_method / forced_login_method | 用 API Key 认证，跳过 ChatGPT 账号登录 |
| model_reasoning_effort | 推理强度。值越高，模型想得越深、质量越高，但也越慢越贵 |
| model_catalog_json | 自定义模型目录 models.json 的路径，Codex 从这里读元数据 |
| [model_providers.deepseek] 的 name | 提供方的显示名称 |
| [model_providers.deepseek] 的 base_url | DeepSeek API 接口地址 |
| [model_providers.deepseek] 的 wire_api | 通信协议，"responses" 即 Responses API |
| [model_providers.deepseek] 的 experimental_bearer_token | 你的 API Key，明文写在这里 |
这里有个点要提醒：API Key 是明文写进配置文件的。个人电脑问题不大，但如果是公共或多用户环境，记得把文件权限收紧（chmod 600），别让旁人顺手 cat 走。
五、配置完怎么用
配好之后三个地方都不用再单独设：
- Codex CLI：进项目目录敲
codex。启动信息里显示model: deepseek-v4-flash（或你选的模型）就说明生效了。
cd /path/to/my-project
codex- ChatGPT 桌面端：Mac 的模型选择器里显示「自定义」就是生效了；Windows 可能显示「自定义」或「DeepSeek-V4-Flash」。显示「自定义」时，背后实际跑的就是你选的 DeepSeek 模型。
- VS Code 的 Codex 插件：跟 CLI 共用一份配置，装完插件直接就能用。
如果你想横向看看现在市面上 AI 编程工具怎么选，AI 编程工具专题 里攒了不少对比。
六、切换后端后的几个坑
官方很实诚地列了几个注意点，我实测下来确实是这样：
历史会话「消失」了？别慌。 切到 DeepSeek 后，你可能发现以前跟 OpenAI 聊的会话都不见了。它们没被删，只是 Codex 会按登录方式分组存放：用 ChatGPT 官方订阅产生的会话，和用第三方 API（比如 DeepSeek）产生的会话，是两拨。界面只显示跟当前配置匹配的那一组。想看回来，把配置恢复原样（比如一键脚本第 3 项），DeepSeek 的会话反而会藏起来。而且切完记得重启客户端才生效。
七、老达点评：值不值得接
说点真心话。
值得接的理由很实在：
- 省钱。Codex 默认走 OpenAI 后端，按 token 计费不便宜；换成 DeepSeek，成本直接降一个量级，日常写写改改基本不心疼。
- 国内直连。DeepSeek API 国内访问稳，不用折腾代理，这点对咱们太重要了。
- 壳还是那个好壳。Codex 的终端交互、VS Code 插件体验是真的不错，你只是把「脑」换了，操作习惯一点不用改。
但也要想清楚：
- 模型不是同一个。你换上去的是
deepseek-v4-flash/deepseek-v4-pro，不是 OpenAI 的 o 系列。复杂推理、长链路任务的表现会有差异，别指望完全等价。 - 推理强度别无脑拉满。
model_reasoning_effort = "high"确实更聪明，但也更慢更费钱，日常小改建议低一档。 - 如果你本来就不执着于 Codex 这个壳，那 Claude Code、Cursor，或者国产的 OpenClaw 也都能打。我之前写过 Claude Code Auto Mode 上手体验，感兴趣可以对照着看。
一句话总结：已经用惯 Codex、想压低成本又不想换操作习惯的，这波必须接；从零开始挑工具的话，多比几家，别只看这一条路。
关于 DeepSeek 模型本身的能力和生态，DeepSeek 专题 里持续在更新，可以当延伸阅读。
*参考资料：DeepSeek 官方文档《接入 Codex》。配置命令以官方最新文档为准，动手前建议再核对一遍。*
