在vscode中使用codex教程(个人安装经验)

一. 安装

1.1 codex

在微软商店搜索安装即可

1.2 vscode安装codex拓展

安装完成后,会出现一个小图标(如果想要放到左侧,只要右键然后选择移动位置即可)

二. 本人安装时的报错:

报错信息

从微软直接下载的codex运行报错

vscode安装codex拓展,运行一直卡住

三. 解决方法(根据不同的登录方式有俩种解决方法)

2.1 ChatGPT 账号登录(推荐)

如果在安装过程中遇到和我一样的问题:

报错 3221225781 对应 Windows 的 0xC0000135,常见原因是缺少 DLL / VC++ 运行库 ,尤其是 vcruntime140_1.dll

做这个:

  1. 安装微软官方 Visual C++ Redistributable x64
  2. 重启电脑
  3. 重新打开 VSCode / Codex

下载页面:

https://learn.microsoft.com/zh-cn/cpp/windows/latest-supported-vc-redist

安装完成后重启codex和vscode,然后使用ChatGPT登录即可

2.2 API Key 登录(开发者模式)

注意:如果有报错 3221225781,我们还是要下载微软官方 Visual C++ Redistributable x64

配置环境:

找到我们的.codex文件,并建立俩个文件auth.json和config.toml

auth.json文件中写入下面的代码,要把"你的API_KEY"替换成你openai的API Key:

cpp 复制代码
{
  "OPENAI_API_KEY": "你的API_KEY"
}

OPENAI_API_KEY获取方式:

你可以在 OpenAI Platform 里查看和创建 API Key

但注意两件事:

1. API Key 只显示一次

关掉后就看不到完整 key 了。

如果忘了,只能:

复制代码
重新创建

不能找回。

2. API 和 ChatGPT Plus 不是同一个收费

即使你有:

复制代码
ChatGPT Plus

API 默认也可能:

复制代码
没余额

需要单独充值 Billing。

config.toml文件中写入下面的代码

cpp 复制代码
model_provider = "fy"
model = "gpt-5.2-codex"
model_reasoning_effort = "xhigh"
disable_response_storage = true
preferred_auth_method = "apikey"

[model_providers.fy]
name = "fy"
base_url = "https://api.0daysci.com/v1/"
wire_api = "responses"

这里面的参数问题 可以直接问ai就行

之后重启vscode即可

个人经验

四. 远程服务器使用

首先使用vscode连接服务器:

链接:vscode连接服务器

4.1ChatGPT账号登录

连接上服务器后,需要重新安装codex

安装后要重启vscode,重启后即可正激活插件,然后登录chatgpt即可正常使用

4.2 API Key登录

仍然要先进行服务器中codex安装,遵循4.1即可

配置环境

在远程服务器创建配置文件

cpp 复制代码
# 创建配置目录
mkdir ~/.codex

# 配置KEY
vim ~/.codex/auth.json

{
  "OPENAI_API_KEY": "你的API_KEY"
}

# 配置URL
vim ~/.codex/config.toml

model_provider = "fy"
model = "gpt-5.2-codex"
model_reasoning_effort = "xhigh"
disable_response_storage = true
preferred_auth_method = "apikey"

[model_providers.xiyou]
name = "fy"
base_url = "https://api.0daysci.com/v1/"
wire_api = "responses"

保存后重启VSCode,再次打开即可使用。

相关推荐
cup1143 分钟前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
aqi003 小时前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
金銀銅鐵5 小时前
用 Python 实现 Take-Away 游戏
python·游戏
copyer_xyf5 小时前
Agent 流程编排
后端·python·agent
copyer_xyf6 小时前
Agent RAG
后端·python·agent
copyer_xyf6 小时前
【RAG】向量数据库:milvus
后端·python·agent
copyer_xyf6 小时前
Agent 记忆管理
后端·python·agent
JieE21213 小时前
LeetCode 56. 合并区间|超清晰 JS 图解思路,面试高频区间题
javascript·算法·面试
星云穿梭21 小时前
用Python写一个带图形界面的学生管理系统——完整教程
python