最近我一直在折腾 Codex。
很多朋友知道 Codex 可以直接使用 ChatGPT，但可能不知道，现在我们还可以通过一些工具，把 DeepSeek 等模型接入 Codex，继续使用 Codex 本身的 Agent、项目管理和工具调用能力。
所以这次我准备从 0 开始，完整走一遍：
- 安装 ChatGPT / Codex
- 登录自己的 ChatGPT 账号
- 认识 Codex 的基本功能
- 创建项目并让 Codex 真正干活
- 安装 CC Switch
- 接入 DeepSeek
- 在 Codex 中切换不同模型
整个过程我实际操作了一遍，中间遇到的网络超时、重连等问题也没有刻意避开。
如果你刚开始接触 Codex，这篇基本可以直接跟着操作。
一、先安装 ChatGPT / Codex
现在 ChatGPT 和 Codex 已经整合得比较深，所以首先我们直接安装 ChatGPT 客户端即可。
在浏览器搜索 ChatGPT 下载，进入官方下载页面，根据自己的系统选择对应版本。
我这里使用的是一台 Mac mini，所以下载 macOS 版本。
下载完成之后，打开安装包，把 ChatGPT 拖入 Applications 文件夹即可。
如果你使用 Windows，整体思路也差不多，下载对应的 Windows 安装程序后完成安装。
安装完成，我们直接打开 ChatGPT。
二、登录 ChatGPT
第一次启动以后，会进入登录页面。
这里主要有两种方式。
1. 使用 ChatGPT 账号授权登录
选择继续登录以后，会自动打开浏览器，通过已经登录的 ChatGPT 账号进行授权。
授权成功之后，再回到 ChatGPT 客户端即可。
这种方式比较适合本身已经有 ChatGPT 账号，特别是已经订阅 Plus 等套餐的用户。
我这里使用的就是一个已经开通 Plus 的账号。
登录成功以后，可以看到网页端原来的对话记录也已经同步到了客户端。
2. 使用 API Key
另外一种方式是直接输入 API Key。
如果你使用的是 OpenAI 官方 API，可以把自己的 API Key 填入。
API Key 通常是一串用于接口鉴权的字符串，大家一定不要随意公开，更不要直接出现在视频、截图或者公开仓库里面。
三、进入 Codex
登录完成以后，我们真正要使用的是 Codex。
切换到 Codex 后，可以看到自己的项目、最近任务以及剩余使用量。
我这个账号当时显示大约还剩 20% 的使用额度。
这里需要注意，ChatGPT 套餐中的 Codex 使用通常存在一定的额度限制，所以不要看到 Plus 就认为可以完全无限制地使用。
如果大量执行编程、联网、文件处理或者长时间 Agent 任务，消耗还是比较明显的。
四、第一次调用就遇到了 Request Timeout
我第一次直接给 Codex 发消息时，就遇到了：
Request Timeout
也就是请求超时。
这种情况下，一个很常见的原因就是网络。
我重新调整网络之后再次测试，让它帮我总结当天的新闻，基本两秒左右就开始输出内容，整个任务十几秒完成。
所以如果你发现：
- 一直转圈；
- Request Timeout；
- 频繁重连；
- 请求发送不出去；
首先可以检查一下自己的网络环境。
网络稳定之后，我们才算真正跑通了官方 ChatGPT + Codex 这条链路。
五、新手使用 Codex，先搞懂这几个地方
Codex 能做的事情很多，但如果刚开始使用，我建议先理解几个最基础的概念。
1. 模型选择
在对话框附近可以切换模型。
如果主要用来编程、分析代码或者执行逻辑比较复杂的任务，可以选择能力更强的模型，并提高推理强度。
如果只是：
- 普通文案；
- 总结内容；
- 简单问答；
- 日常办公；
就没有必要所有任务都开最高推理。
因为推理强度越高，通常意味着任务消耗也会更大。
所以我比较推荐的一种方式是：
简单问题用简单模式，真正复杂的问题再把能力拉高。
不要每次上来全部开满。
2. 插件和工具
Codex 真正有意思的地方，并不仅仅是"聊天"。
它还可以调用各种工具。
比如 Canva。
生成一张图片以后，如果只是想调整文字、颜色或者某个元素，没有必要重新抽卡生成，可以继续对原来的设计进行修改。
另外一个很实用的是浏览器相关能力。
有了浏览器能力之后，AI 就不只是回答问题，而是可以进一步帮助我们：
- 打开网页；
- 阅读网页；
- 搜集资料；
- 整理信息；
- 完成一些浏览器操作。
这也是为什么我现在越来越觉得：
模型只是大脑，Codex 这一类 Agent 才是真正负责干活的手脚。
更有意思的是，后面即使底层接入 DeepSeek、Kimi 或者其他模型，依然可以继续使用 Codex 作为 Agent。
也就是说：
模型可以换，但是 Codex 的工作方式可以继续保留。
3. 最近任务和项目要分开
Codex 里面我比较喜欢的另外一个设计，就是"最近"和"项目"。
普通聊天可以直接放到最近记录里。
比如：
今天天气怎么样？
帮我总结一下新闻。
帮我查一个资料。
这些属于一次性的任务。
但是如果真的要做一个完整的工作，我更推荐创建一个项目。
六、实战：让 Codex 同时做两份新能源汽车资料
为了测试项目能力，我在电脑上新建了一个目录：
新能源汽车
然后在 Codex 中选择"打开文件夹"，把这个目录作为项目打开。
接下来我同时开了两个任务。
第一个任务：
帮我做一份新能源汽车销售方案。
第二个任务：
帮我整理一份新能源汽车价格统计表。
这两个任务可以同时执行。
这就是 Agent 和传统聊天一个很明显的区别。
以前我们使用 ChatGPT，很多时候就是：
问一个问题 → 等结果 → 再问下一个。
但现在开始更像：
把多个工作任务交出去，让 AI 自己执行。
如果你对数据来源有要求，还可以指定网站，让 Codex 配合浏览器读取网页内容，再把数据整理回来。
甚至最后输出成：
- Markdown
- Excel
- Word
都可以继续处理。
七、实际跑下来效果怎么样？
这两个任务我实际大约跑了几分钟。
中间还出现过多次重新连接，这也再次说明，使用 Codex 时网络稳定性非常重要。
最终，Codex 给我生成了一份新能源汽车销售方案。
里面不仅有文字内容，还穿插了一些表格。
另外一份价格统计则进一步整理了：
- 品牌
- 型号
- 车辆信息
- 信息来源
- 数据统计
同时还生成了一些统计图，并拆分成不同 Tab 页。
整个效果已经不是简单的"AI 回答一个问题"，而是在尝试完成一个相对完整的工作交付。
完成这两个任务之后，我账号的剩余额度从大约 20% 下降到了 18%。
也就是说，这类 Agent 任务确实会消耗一定额度。
八、重点来了：怎么让 Codex 使用 DeepSeek？
前面我们跑通的是官方 ChatGPT。
接下来做一个更有意思的事情：
让 Codex 调用 DeepSeek。
这里我使用的工具叫：
CC Switch
你可以把它简单理解成一个：
AI API 路由器。
它可以帮助我们给不同 AI 客户端切换不同的模型和 API Provider。
比如：
- ChatGPT / Codex
- Claude
- Gemini
- Grok
- 其他 Agent 工具
都可以通过类似的方式进行管理。
下载的时候我建议尽量从项目官方渠道或者 GitHub 项目进入，不要随便下载来历不明的软件。
安装完成以后打开 CC Switch。
因为我们现在要修改的是 Codex，所以进入 ChatGPT / Codex 对应的配置。
九、准备 DeepSeek API Key
接下来还需要一个东西：
DeepSeek API Key。
进入 DeepSeek 的 API 开放平台。
如果还没有账号，可以先注册并登录。
API 调用需要账户余额，所以第一次测试可以先充值一个比较小的金额，没有必要一开始就充很多。
然后进入 API Key 管理页面，新建一个 Key。
比如我给它起名：
Codex DeepSeek API Key
名字其实无所谓，主要是方便自己以后管理。
创建完成以后，会得到一串 API Key。
复制保存。
再次提醒：
API Key 不要泄露。
如果你做教程视频，也建议打码。
十、在 CC Switch 中配置 DeepSeek
回到 CC Switch。
在 Codex / ChatGPT 配置里面新建一个 Provider，选择 DeepSeek。
然后填写刚才复制的 API Key。
请求地址使用对应的 DeepSeek API 地址。
接下来配置准备使用的模型。
我这里测试的是 DeepSeek 的相关模型，同时配置了不同的推理档位。
配置完成以后点击添加，再启用这个 Provider。
CC Switch 会提示：
需要重启客户端才能生效。
这里所谓的客户端，就是 ChatGPT。
所以把 ChatGPT 完全退出，然后重新打开。
十一、重新打开 Codex：DeepSeek 已经进来了
重新启动 ChatGPT 以后，再进入 Codex。
这时候就可以看到我们刚才配置的 DeepSeek 模型。
我直接新建一个对话测试：
你好。
正常返回。
再问：
你是谁？
有意思的是，它可能仍然会告诉你自己是 Codex 或者 OpenAI 的助手。
这并不能直接说明请求一定走的是 OpenAI。
因为我们现在仍然是在 Codex 这个 Agent 环境里面运行，它本身可能带有系统提示词和身份设定。
所以判断到底调用了哪个模型，不能单纯问一句：
"你是谁？"
更可靠的方法还是看 CC Switch 当前启用的 Provider、客户端显示的信息，以及对应 API 平台的调用记录和余额变化。
十二、模型换了，但 Codex 还是 Codex
到这里，其实有一个非常重要的概念就比较清楚了。
我们真正使用的可以拆成两层。
第一层是：
Codex。
它负责项目、文件、工具、Agent 工作流。
第二层是：
LLM。
比如：
- ChatGPT
- DeepSeek
- Kimi
- 其他模型
以前很多人会把"模型"和"AI 工具"当成一回事。
但是进入 Agent 时代以后，它们正在慢慢分开。
你完全可以：
使用 Codex 的工作方式，但把底层模型换成 DeepSeek。
这也是我觉得这种玩法非常有意思的地方。
十三、最后
到这里，我们已经完成了两条链路：
ChatGPT → Codex
以及：
DeepSeek → CC Switch → Codex
整个过程其实没有想象中复杂。
对于刚开始接触 AI 编程的朋友，我的建议也很简单：
先不要一上来研究各种复杂配置。
先把官方 Codex 跑起来。
创建一个项目。
给它一个真正的任务。
等你理解 Codex 到底是怎么工作的，再去研究 DeepSeek、Kimi 以及不同 API 的接入。
这样会简单很多。
因为未来真正重要的，可能已经不是：
"哪个模型最好？"
而是：
"我能不能把不同的模型，放到同一套工作流里为我干活？"
当 ChatGPT、DeepSeek、Kimi 这些模型都能够成为 Codex 背后的"大脑"时，我们选择 AI 的方式，也会变得完全不一样。
后续我还会继续折腾 Codex、DeepSeek，以及各种 Agent 的实际玩法。
这次安装和配置过程中涉及到的教程、访问地址以及相关资料，我也会统一整理到博客里，方便大家直接查看。