Codex低成本调用DeepSeek实战
本文详解如何通过 CC Switch 让 Codex 接入 DeepSeek，保留 Codex 原有 AI 编程体验，同时降低模型调用成本，适合开发者快速完成本地配置与实战验证。
一、为什么开发者想让 Codex 用上 DeepSeek？
最近一段时间，AI 编程工具的热度不断变化。前段时间 Claude Code 是开发者圈里讨论最多的工具之一，而现在 Codex 又重新成为不少人关注的对象。Codex 的优势在于交互门槛低，不只是回答问题和生成代码，还可以读取本地文件、修改项目、浏览网页、调用外部工具，甚至自动化执行任务。对于不熟悉复杂命令行的用户来说，这类图形化或半图形化的 AI 智能体工具确实更容易上手。
但问题也很明显：Codex 默认主要面向 OpenAI 自家模型，通常需要 OpenAI 账号、API Key 以及相关支付条件。对于国内开发者来说，这会带来账号、支付、网络和成本几方面的问题。尤其是把 AI 编程工具用于高频代码生成、项目分析和文件修改时，调用量会不断累积，长期成本并不低。
因此，一个很自然的想法出现了：能不能保留 Codex 的使用体验，但把底层模型换成 DeepSeek？DeepSeek 的优势在于价格更低、国内访问更方便，对于日常代码解释、脚本生成、项目辅助修改等场景，具备一定吸引力。本文的核心价值，就是把这个过程整理成了一套可复现的配置流程。
二、为什么不能直接把 DeepSeek 地址填进 Codex？
很多开发者第一反应可能是：既然都是大模型 API，那直接把 Codex 里的接口地址改成 DeepSeek 不就行了吗？
问题恰恰出在这里。文章指出，Codex 底层调用的是 OpenAI 的 Responses API，请求路径是：
/v1/responses
而 DeepSeek 等模型常见接口采用的是 Chat Completions API，请求路径是：
/v1/chat/completions
这两套接口并不只是路径不同，背后的请求结构、流式输出格式、工具调用方式也不一样。也就是说，Codex 发出的请求，DeepSeek 不一定能直接理解；DeepSeek 返回的结果，Codex 也不一定能直接识别。直接替换接口地址，可能会出现 404、模型列表无法加载、请求无响应等问题。
所以，这里需要一个“翻译层”：它一边接收 Codex 发出的 Responses API 请求，一边把请求转换成 DeepSeek 能识别的 Chat Completions 格式，再把 DeepSeek 的返回结果包装成 Codex 能接受的格式。
这个中间层，就是文章重点介绍的 CC Switch。
三、CC Switch 在这套方案里扮演什么角色？
CC Switch 可以理解为一个本地协议转换与配置管理工具。它并不是模型本身，也不是新的 AI 编程工具，而是帮 Codex、Claude Code、Gemini CLI 等工具对接第三方模型。
CC Switch 是一个开源免费的桌面配置工具，支持 Codex、Claude Code、Gemini CLI、小龙虾、Hemers 等多款工具，并且 Windows、Mac、Linux 都可以使用。作者在 Windows 上选择的是：
CC-Switch-v3.16.1-Windows.msi
安装完成后，CC Switch 会提供一个图形界面。顶部是工具切换栏，中间是供应商列表区域，开发者可以在这里添加 DeepSeek、Kimi、智谱 GLM、小米 MiMo 等模型供应商。
它的核心价值有两个：
第一，减少手动改配置文件的麻烦。开发者不用反复查接口格式、改环境变量、改本地配置，只需要在界面里选择供应商并填写 API Key。
第二，完成协议转换。Codex 仍然认为自己在调用 OpenAI 格式接口，但实际请求会先进入 CC Switch，再由 CC Switch 转发给 DeepSeek。
四、完整配置流程拆解
整个过程熟练后两三分钟可以完成。实际操作可以拆成五个关键环节。
1. 安装 Codex 桌面端
首先需要安装 Codex 桌面端。提醒一下，安装包需要从官方渠道获取，并且可能需要能正常访问相关服务。安装完成后先不要急着配置模型，保持默认状态即可。
2. 安装 CC Switch
第二步是安装 CC Switch。作者使用的是 Windows 系统，因此选择了：
CC-Switch-v3.16.1-Windows.msi
特别提醒：如果之前下载过 CC Switch，最好更新到最新版本。因为 Codex 支持和协议转换能力可能依赖新版本，旧版本容易出现配置后不生效的问题。
3. 开启本地路由
这是整个流程中最容易漏掉的一步。
进入 CC Switch 右上角设置页面，找到“路由”相关配置，需要完成三件事：
路由总开关：打开
CODEX：勾选
首页路由开关：打开
这一步的作用是让 Codex 请求走本地代理转发。代理地址默认是：
http://127.0.0.1:15721
如果只添加了 DeepSeek 供应商，但没有打开路由开关，Codex 仍然不会走 CC Switch，自然也就无法切换到底层模型。
4. 添加 DeepSeek 供应商
回到 CC Switch 首页，点击右上角的加号添加供应商。在预设列表中选择 DeepSeek 后，工具会自动填好请求地址。开发者只需要填写自己的 DeepSeek API Key。
Key 可以在 DeepSeek 平台注册账号后创建，注册后需要实名认证，并建议提前充值。作者的说法是“充 10 块能用很久”。这句话虽然偏经验化，但也说明 DeepSeek 在日常 AI 编程调用中确实更适合低成本试用。
5. 重启 Codex 验证
配置保存后，还需要重启 Codex。特别强调，如果 Codex 正在运行，需要完全退出后重新打开，否则配置变更可能不会生效。
重启后观察 Codex 左上角，如果模型或 Provider 显示为 DeepSeek，就说明路由和供应商配置已经生效。随后可以在对话框中输入一句测试问题，例如：
你好，你用的是什么模型？
如果能正常收到回复，就说明 Codex 已经通过 CC Switch 调用到了 DeepSeek。
五、整个请求链路是怎样的？
配置完成后，整个链路可以这样理解：
Codex
↓
CC Switch 本地路由
↓
协议转换：Responses API → Chat Completions API
↓
DeepSeek
↓
响应结果包装返回
↓
Codex 显示结果
也就是说，Codex 始终以为自己在和 OpenAI 格式的服务通信，但 CC Switch 在中间完成了请求格式转换。这样既保留了 Codex 的操作体验，又让底层模型变成 DeepSeek。
这套思路对开发者很有价值。因为很多 AI 编程工具的外壳体验已经比较成熟，真正需要调整的是模型成本、访问速度和可用性。通过协议转换工具，开发者可以在不更换工作流的情况下，尝试不同模型组合。
在团队需要同时测试多家模型接口时，也可以把 koalaapi 这类大模型 API 聚合平台作为补充接入层，用于减少重复接口对接成本，但最终的模型选择、调用策略和稳定性验证仍然要由业务系统自己完成。
六、使用体验与适用场景
本文总结了这套方案的几个优势。
首先是速度。DeepSeek 国内直连更方便，不需要绕复杂网络链路，响应速度通常会更友好。
其次是费用。DeepSeek 的价格大概是 GPT-4o 的十分之一。对于写代码这种高频场景，成本差异会被明显放大。尤其是开发者每天大量使用 AI 做代码解释、函数生成、报错分析、脚本编写时，低成本模型的优势会越来越明显。 第三是模型选择。CC Switch 不只支持 DeepSeek，还可以接 Kimi、智谱 GLM、小米 MiMo 等模型，切换门槛相对较低。对于想比较不同模型编码能力的开发者来说，这比手动修改配置文件更省心。
第四是工具复用。CC Switch 不只服务 Codex，也支持 Claude Code、Gemini CLI 等工具。也就是说，如果开发者同时使用多个 AI 编程工具，可以在一个面板里统一处理部分模型和 Key 的配置。
七、常见问题与排查方法
如果 Codex 一直卡在启动界面，首先要检查网络是否能正常访问 OpenAI / Codex 相关服务。首次启动仍然可能需要访问 Codex 服务本身，模型切换并不代表完全绕过 Codex 的基础启动流程。
如果 CC Switch 里 DeepSeek 已经启用，但 Codex 仍然显示旧模型，需要重点检查两个地方：一是 CC Switch 首页路由总开关是否打开，二是路由设置里 CODEX 是否已经勾选。确认无误后，完全退出 Codex 再重新打开。
如果请求报错或无响应，则应检查 DeepSeek API Key 是否有效、账户是否已经充值，以及 CC Switch 中 DeepSeek 供应商状态是否为“运行中”。
这些问题看似简单，但在实际配置中非常常见。尤其是“忘记开启路由”和“没有重启 Codex”，是最容易导致配置失败的两个原因。
八、总结
通过 CC Switch 让 Codex 接入 DeepSeek，本质上不是更换一个聊天模型那么简单，而是把 AI 编程工具的外壳能力和低成本模型服务结合起来。
Codex 负责提供友好的智能体交互体验，CC Switch 负责本地路由和协议转换，DeepSeek 负责实际模型推理。三者组合后，开发者可以在保留 Codex 使用习惯的同时，降低高频 AI 编程场景下的调用成本。
这套方案尤其适合三类人：第一类是想体验 Codex 但不想长期承担高模型成本的个人开发者；第二类是需要频繁写代码、改脚本、查报错的工程师；第三类是想比较不同国产模型编码表现的小团队。
不过，实际落地时也要注意边界：协议转换工具能解决“接入问题”，但不能完全替代模型质量评估、代码安全审查和项目级测试。AI 编程工具最终能不能进入稳定生产流程，仍然取决于开发者是否建立了清晰的测试、回滚和人工确认机制。
