Codex CLI 安装与 GPT-5.6 接入实战：从零配置到常见报错排查

最近不少开发者都在问 Codex 怎么装、怎么接 GPT-5.6、怎么把新用户额度用起来。尤其是有个带“3分钟速通”的标题在社区里传得很快，很多人照着操作却卡在登录、配置、模型不支持这几个环节。本文就围绕 Codex 安装、模型接入和额度领取这几个核心问题，整理一条能走通的完整流程，顺便把 CC Switch 本地代理报错、模型名不匹配这类高频问题一起解决掉。

先说清楚一个大前提：标题里的“3分钟速通”确实夸张了一点。熟练情况下，安装、登录、基础配置这三步可以在 3 分钟内完成，但如果你第一次接触 Codex，建议先花 10 分钟把整个流程和原理过一遍，后面至少能少踩一半的坑。

适合阅读本文的读者有两类：一类是刚听说 Codex、想把它当成 CLI 编程助手用的新手；另一类是已经在用 API、想接入不同模型网关或统一管理多个模型供应商的开发者。看完本文，你能掌握 Codex 的安装方式、ChatGPT 账号额度核对方法、通过 config.toml 配置模型供应商的方法，以及常见报错的标准排查顺序。

1. Codex 到底是什么，为什么大家都在装

1.1 从“Codex”到“Codex CLI”

提到 Codex，很多人第一反应是 OpenAI 在 2021 年发布的 Codex 模型，也就是后来 Codex 系列模型的前身。但 2025 年社区里讨论的 Codex，绝大多数时候指的是 OpenAI 推出的Codex CLI工具，这是一个运行在终端里的 AI 编程代理。

它解决的问题很直接：以前写代码，要么在 IDE 里装插件，要么复制代码到网页对话框里来回粘贴；Codex CLI 则直接跟你的本地文件系统、Git 仓库和命令行环境对话，你可以在终端里告诉它“帮我修一下这个函数的边界条件”，它会自己读代码、改文件，甚至执行测试命令。

从产品形态看，Codex 有几种常见入口：

• Codex CLI：终端命令行工具，通过 npm 安装，适合喜欢终端工作流的开发者。
• Codex IDE 扩展：官方提供了 VS Code 等编辑器的扩展，适合在编辑器里直接使用。
• Codex 网页版/桌面版：适合不熟悉命令行的用户，OpenAI 后来也推出了桌面端应用。

本文的重点是 Codex CLI，因为它是社区讨论最多、也是“速通教程”里最常涉及的部分。

1.2 Codex 与 GPT-5.6 的关系

很多人在配置 Codex 时会遇到一个困惑：Codex 和 GPT-5.6 到底是什么关系？

简单来说，Codex CLI 是客户端外壳，负责对话、文件读写、命令执行；而 GPT-5.6 这类模型是它背后的大脑，负责理解你的意图、生成代码。你可以把 Codex CLI 理解成一个“调度器”，它把终端的任务请求发给模型供应商，再把模型返回的代码落盘到文件。

这里需要特别注意：Codex CLI 并不只支持 OpenAI 官方模型。因为它的接口设计遵循 OpenAI 兼容协议，所以只要某个模型服务商提供了兼容接口，你就能通过配置把 Codex CLI 接到其他模型上，例如 DeepSeek、本地部署的模型网关、企业内部统一 LLM 网关等。这也是为什么网上大量教程在讲“Codex 接入 DeepSeek”“Codex 中转站配置”——本质上都是改 base_url 和模型名。

不过，网上有些教程为了流量，把“接入 GPT-5.6”写得很神秘，甚至暗示要额外付费或破解。真实情况是：Codex CLI 本身是免费工具，但使用模型会产生 token 费用，或者消耗你 ChatGPT Plus/Pro 订阅里的额度。不存在“安装 Codex 就能永久白嫖”这种好事。

1.3 为什么值得掌握 Codex

从工程效率角度看，Codex CLI 最大的优势是「和终端深度绑定」。你可以在一个会话里让它连续处理多个文件、运行构建命令、根据报错自动修复，这个过程比传统的 IDE 补全更接近“结对编程”。

另外，Codex 支持配置多个模型供应商，这意味着团队可以统一使用一套 CLI 工具，但后端可以接不同的模型。比如日常开发用性价比高的模型，复杂重构任务切换更强的模型，这种灵活性在 AI 编程工具里是比较少见的。

2. 环境准备与版本说明

2.1 操作系统与基础环境

Codex CLI 是跨平台工具，主流环境都能运行。本文以 macOS 和 Linux 环境为例，Windows 用户建议在 WSL2 或 Git Bash 中操作，可以避免很多路径和权限问题。

需要提前确认以下基础环境：

• Node.js：Codex CLI 通过 npm 安装，建议 Node.js 18 或更高版本。
• Git：Codex CLI 初始化项目时会用到 Git，建议提前安装并配置好 user.name 和 user.email。
• 终端：macOS 自带 Terminal 即可，也可以使用 iTerm2；Linux 使用系统自带终端。

检查环境中是否已安装 Node.js：

node -v npm -v

如果提示 command not found，说明需要先安装 Node.js。macOS 可以用 Homebrew 安装：

brew install node

Linux 可以使用 nvm 安装指定版本：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash nvm install 20

安装完 Node.js 后，重新打开终端，确保 node -v 能正常输出版本号。

2.2 OpenAI 账号与额度说明

使用 Codex CLI 需要一个 OpenAI 账号，并完成登录。登录后，账号的计费方式直接决定了你能免费使用多少额度。这里把常见的几种情况列出来：

账号类型	计费方式	Codex CLI 可用性
免费账号	无预充值，无法调用 API	登录可以，但调用模型会提示额度不足
新用户赠送额度	OpenAI 有时会对新用户提供限时赠金，金额以官网活动页为准	赠金有效期内可以用
API 按量付费账号	预充值后按 token 计费	可用，费用从余额扣除
ChatGPT Plus/Pro 订阅用户	订阅费包含 Codex 使用额度	可用，额度以订阅权益为准

关于网上流传的“白嫖 100 美刀”说法，这里要如实提醒大家：OpenAI 并没有长期面向所有新用户开放 100 美元赠送，具体赠金活动因地区和时间而异。你登录 OpenAI 账号后，进入 API 账单页面，能看到的赠金额度和有效期才是准确数据。不要轻信第三方教程里承诺的固定金额。

2.3 版本差异说明

Codex CLI 更新速度很快，GitHub 仓库几乎每周都有新版本。不同版本的命令参数、config.toml 配置项和模型默认值可能存在差异。

本文的示例基于较新的 Codex CLI 版本，重点演示配置思路，而不是锁定某个具体版本。你在执行命令时，如果遇到“参数不存在”或“配置项不生效”的提示，先去官网文档或 GitHub Release 页面核对当前版本的变更记录。

3. 安装 Codex CLI 的两种方式

3.1 通过 npm 全局安装

Codex CLI 官方推荐的安装方式是通过 npm 全局安装。npm 包名是 @openai/codex，安装命令如下：

npm install -g @openai/codex

安装完成后，检查版本号：

codex --version

如果一切正常，终端会输出版本号。如果没有输出版本号，而是提示 codex: command not found，通常是 npm 全局 bin 目录没有加入 PATH，可以执行：

npm prefix -g

把输出目录加入 PATH 环境变量，或者用 npx codex 临时调用。

这里有读者可能会问：为什么有些教程用 curl 脚本安装，有些用 npm？实际上官方提供了多种安装方式，npm 是相对稳定的一种。curl 脚本方式适合不方便安装 Node.js 的环境，但脚本来源一定要确认是官方仓库地址，避免下载到被篡改的安装包。

3.2 在 VS Code 中安装 Codex 扩展

如果你不习惯纯命令行操作，可以安装 Codex 官方 VS Code 扩展。在扩展市场搜索 “Codex”，认准 OpenAI 官方发布的扩展，点击 Install 安装。

安装后，VS Code 左侧会出现 Codex 面板，可以像聊天一样向它描述需求，它会读取当前打开的项目文件并生成修改。官方扩展的核心功能和 CLI 是相通的，只是 UI 呈现方式不同。

不过要说实话，很多“进阶玩法”还是依赖 CLI 完成，比如自定义模型供应商、批量处理文件、编写自动化脚本等。所以即使是 VS Code 用户，也建议把 CLI 安装好，两条腿走路。

3.3 安装后的首次健康检查

安装完成后，先不要急着登录，做一次健康检查：

codex --help

该命令会列出当前版本支持的子命令。如果你看到 login、exec、chat、eval 等命令，说明安装基本没问题。

接下来可以登录账号：

codex login

执行后，终端会打印一个链接，浏览器打开链接完成授权，然后回到终端继续操作。登录成功后，Codex CLI 会把会话凭证保存在本地配置目录中，之后使用不需要重复登录。

如果登录过程中提示网络连接失败，或者浏览器无法打开授权链接，通常是本机代理配置或防火墙问题，可以检查系统代理设置再重试。

4. 接入 GPT-5.6 与自定义模型供应商

4.1 认识 config.toml 配置目录

Codex CLI 安装完成后，会在用户目录下创建一个配置目录：

• macOS/Linux：~/.codex/
• Windows：%USERPROFILE%.codex\

登录后，该目录下通常会出现 config.toml 和 auth.json 两个文件。auth.json 存放登录凭证，不需要手动编辑；config.toml 是用户配置，也是接入自定义模型的核心文件。

在开始修改前，建议先备份原配置：

cp ~/.codex/config.toml ~/.codex/config.toml.bak

这个备份在后续配置出错时非常有用。

4.2 通过环境变量配置 API 地址

如果你只是想把 Codex CLI 指向自己已有的 OpenAI 兼容 API 网关，最简单的方式是设置环境变量。

打开终端，设置两个核心变量：

export OPENAI_BASE_URL="http://localhost:8080/v1" export OPENAI_API_KEY="sk-your-api-key"

其中：

• OPENAI_BASE_URL 是模型网关的 base_url，Codex CLI 会把 /responses 或 /chat/completions 等请求路径拼在这个地址后面。
• OPENAI_API_KEY 是调用接口的密钥。

把这两个环境变量写入 ~/.bashrc 或 ~/.zshrc 后，再启动 codex，请求就会发到你配置的网关地址。

设置完成后，可以先用 curl 检查网关连通性。假设你的网关 base_url 是 http://localhost:8080/v1，可执行：

curl http://localhost:8080/v1/models

如果能正常返回模型列表，说明网关地址可用。

4.3 在 config.toml 中定义自定义 provider

环境变量适合临时切换，但如果你需要同时管理多个模型供应商，推荐在 config.toml 中定义 provider。

下面是一个典型的 config.toml 配置片段：

# 文件路径：~/.codex/config.toml model = "gpt-5.6-sol" model_provider = "my-gateway" [model_providers.my-gateway] name = "My Gateway" base_url = "http://localhost:8080/v1" env_key = "MY_GATEWAY_API_KEY" wire_api = "responses"

各字段说明：

• model：默认使用的模型名，需要与你网关支持的实际模型名一致。
• model_provider：对应下方 [model_providers.xxx] 的 key 值。
• base_url：网关基础地址，结尾要包含 /v1。
• env_key：指定从哪个环境变量读取 API Key。
• wire_api：请求协议格式，可填写 responses 或 chat_completions，需要根据网关兼容的协议选择。

确认环境变量已设置：

export MY_GATEWAY_API_KEY="sk-your-api-key"

然后启动 Codex：

codex

如果配置正确，Codex CLI 会话会使用你在 model 字段指定的模型进行对话。

4.4 接入 GPT-5.6 时容易踩的模型名坑

很多新手在配置 GPT-5.6 时，看到网上教程说“把模型名改成 gpt-5.6”，就照着做了，结果调用时报错：

The 'gpt-5.6-sol' model is not supported when using Codex with a ...

这类报错的核心原因有两个：

一是模型名和网关实际支持的模型名不一致。比如社区流传的 gpt-5.6-sol 可能只是某个测试环境或特定服务商支持的别名，换一个网关后并不存在这个模型。

二是 Codex CLI 对部分模型会自动附加系统行为参数，例如 reasoning effort、solver 模式差异，如果网关不识别这些扩展参数，就会返回 not supported。

正确的做法是：先通过网关注入页面或 /v1/models 接口确认模型列表中的准确名称，然后把 config.toml 中的 model 改成列表里存在的模型名。

curl -s http://localhost:8080/v1/models | jq '.data[].id'

将输出结果中你想要的那个模型名填入 config.toml。不要盲目照搬网上的模型名，尤其是带 -sol、-preview 这类后缀的别名，很可能只对特定网关有效。

4.5 通过 CC Switch 等工具管理多套配置

社区中很多人使用 CC Switch 来管理 Codex 配置。CC Switch 本质上是一个配置切换工具，它把不同模型供应商的 base_url、API Key、模型名保存为多套配置方案，你需要切换时，点一下就能重写 config.toml 和环境变量相关设置。

使用 CC Switch 时要注意：它本质上是帮你改配置文件，不是替代 OpenAI 官方登录。如果 CC Switch 配置后启动 Codex 报错，先检查它写入的 config.toml 内容是否符合预期，再检查环境变量是否真的生效。

一种可行的排查路径是：

1. 打开 ~/.codex/config.toml，确认 model 和 base_url 是否符合当前网关。
2. 执行 env | grep -i codex 或 env | grep -i openai，检查环境变量是否被正确注入。
3. 使用 codex exec 跑一条最简单的指令，观察报错是否变化。

5. 三分钟速通完整流程

5.1 速通清单

为了呼应“3分钟速通”的主题，这里整理一份可以在熟练后 3 分钟内完成的清单：

1. 安装 Codex：npm install -g @openai/codex
2. 登录 OpenAI 账号：codex login
3. 核对账号额度：打开 OpenAI 账单页面，确认赠金或订阅额度有效
4. 配置模型供应商：编辑 ~/.codex/config.toml，填写模型名和 base_url
5. 启动 Codex：codex，开始对话

下面按这个顺序逐步演示。

5.2 第一步：安装并登录

执行安装命令：

npm install -g @openai/codex

安装后验证版本：

codex --version

然后登录：

codex login

浏览器弹出授权页面，点击允许，终端显示登录成功。

5.3 第二步：确认额度与模型权限

登录后，打开 OpenAI 账单页面，查看当前账号的可用余额和赠金明细。如果你使用的是 ChatGPT 订阅账号，需要在订阅权益页面确认 Codex 是否包含在你的套餐内。

这一步非常重要。很多人安装完 Codex，启动后才发现额度不足，再来排查就耽误时间了。

5.4 第三步：编辑 config.toml

假设你准备使用一个自建网关，base_url 为 http://localhost:8080/v1，模型名为 gpt-5.6-xxx（以网关实际返回为准），配置如下：

# 文件路径：~/.codex/config.toml model = "gpt-5.6-xxx" model_provider = "my-gateway" [model_providers.my-gateway] name = "My Gateway" base_url = "http://localhost:8080/v1" env_key = "MY_GATEWAY_API_KEY" wire_api = "responses"

设置环境变量：

export MY_GATEWAY_API_KEY="sk-your-api-key"

5.5 第四步：用 codex exec 验证连通性

Codex CLI 提供 exec 子命令，可以直接执行一次性指令，适合快速验证。我们让它生成一个 Python 文件：

codex exec "在当前目录下创建 hello.py，内容为打印 Hello Codex"

如果配置正确，你会看到 Codex 创建了 hello.py，文件内容类似：

print("Hello Codex")

这一步验证了安装、登录、模型配置三条链路都是通的。如果这一步通过了，说明你的基础环境已经可以正常使用。

5.6 第五步：进入交互模式正式使用

验证通过后，直接输入：

codex

进入交互模式后，可以像聊天一样描述你的开发任务。例如：

请读取当前目录下的 app.py，找出所有未捕获异常的代码路径，并生成修复补丁。

Codex 会读取文件、分析代码，并把修改结果呈现给你确认。在交互模式下，所有操作都可以在终端里完成，这是 Codex CLI 相比 IDE 插件最独特的体验。

6. 将 Codex 应用到实际项目：完整实战

6.1 场景与需求分析

下面用一个实际场景来演示 Codex 的价值。

假设你有一个 Python 项目，里面有一个 data.csv 文件，需要写一个脚本，完成以下需求：

1. 读取 data.csv。
2. 过滤掉 status 列为 inactive 的行。
3. 按 age 列降序排列。
4. 将结果输出到 filtered.csv。

这个任务看起来简单，但涉及文件读取、条件过滤、排序、写出多个环节，非常适合用 Codex 快速生成。

6.2 初始项目结构

项目目录结构如下：

codex-demo/ ├── data.csv └── README.md

data.csv 内容是：

name,age,status Alice,30,active Bob,22,inactive Cathy,35,active David,28,active

6.3 使用 Codex 编写脚本

在 codex-demo 目录下启动交互模式：

codex

然后输入需求：

请编写一个 Python 脚本 process.py，读取当前目录的 data.csv，过滤掉 status 为 inactive 的行，按 age 降序排序，然后输出到 filtered.csv。

Codex 会生成一个类似下面的脚本：

import csv def process_csv(input_file, output_file): with open(input_file, newline='', encoding='utf-8') as f: reader = csv.DictReader(f) rows = [row for row in reader if row['status'] == 'active'] rows.sort(key=lambda x: int(x['age']), reverse=True) with open(output_file, 'w', newline='', encoding='utf-8') as f: writer = csv.DictWriter(f, fieldnames=['name', 'age', 'status']) writer.writeheader() writer.writerows(rows) if __name__ == '__main__': process_csv('data.csv', 'filtered.csv') print("处理完成，已生成 filtered.csv")

当然，Codex 生成的代码可能和你描述的需求略有出入，你可以在对话中追加指令，比如“请加上输入文件不存在的异常处理”，它会在现有代码基础上继续修改。

6.4 运行与验证

退出交互模式后，执行：

python3 process.py

预期输出：

处理完成，已生成 filtered.csv

查看 filtered.csv 内容：

cat filtered.csv

正常结果应该是：

name,age,status Cathy,35,active Alice,30,active David,28,active

6.5 实战总结

这个例子说明，Codex 不是只能生成代码片段，它能够根据项目上下文完成整个小任务。实际使用时，你可以让它在已有代码基础上做重构、补测试、写注释，而不只是“从零生成”。

需要注意的是，Codex 生成的代码并不保证 100% 正确，尤其是在业务规则复杂、依赖较多的情况下。在把它生成的代码合并到主干之前，至少要做一次人工 review 和测试。

7. 高频报错与解决方案

7.1 CC Switch 本地代理报错

很多人在使用 CC Switch 时遇到了下面这个报错：

cc switch local proxy failed while handling codex endpoint /responses. provider...

这个报错出现的场景通常是：CC Switch 帮你启了一个本地代理，Codex CLI 的请求先发到本地代理，再由代理转发到真实网关。本地代理在这个转发链路上处理 /responses 请求时失败了。

排查步骤建议如下：

1. 确认 CC Switch 的“本地代理”开关是否开启，如果不需要本地代理，直接关闭它，让 Codex CLI 直连网关注入的 base_url。
2. 检查 CC Switch 里填写的 API Key 是否有效，有时 Key 失效会导致代理转发失败。
3. 检查 Codex CLI 请求的 wire_api 是否被本地代理支持。如果网关使用 chat_completions 协议，但 Codex CLI 发送的是 responses 协议，本地代理可能无法处理。
4. 尝试绕过本地代理，直接在 config.toml 里指向真实网关地址，看是否仍然报错。如果直连正常，问题基本可以定位在本地代理配置上。

7.2 model not supported 报错

报错示例：

The 'gpt-5.6-sol' model is not supported when using Codex with a ...

原因与解决思路：

问题现象	常见原因	解决思路
模型不存在	配置的模型名不在网关模型列表中	通过 /v1/models 接口查询真实模型名
协议不支持	网关只支持 chat_completions，但配置了 responses	切换 wire_api 配置
附加参数报错	模型名带特殊后缀，触发网关无法识别的参数	移除后缀或模型别名

使用下面这个命令确认网关支持的模型：

curl -s http://localhost:8080/v1/models

拿到模型列表后，把 config.toml 里的 model 改成列表中的准确名称。

7.3 登录成功但调用时提示额度不足

这个是新手最常见的问题，安装登录都成功了，一调用就提示 insufficient_quota。原因是 Codex CLI 本身不收费，但模型调用要消耗 token 额度。你需要在 OpenAI 账号中确认：

• 是否有有效余额。
• 是否绑定了可用支付方式。
• 账号是否有当前活动可用的赠金。

如果额度确实不足，可以选择充值，或者使用你自己的使用自己的 API 网关。注意：API 余额和 ChatGPT 订阅是两套体系，有时候 ChatGPT 订阅正常，但 API 余额为 0，Codex CLI 用 API 调用时依然会报额度不足。

7.4 安装后 codex 命令找不到

命令找不到的常见原因是 npm 全局包路径不在 PATH 中。执行：

npm prefix -g

得到全局目录后，将目录下的 bin 路径加入 PATH。macOS 和 Linux 可以在 ~/.zshrc 或 ~/.bashrc 中加入：

export PATH="$(npm prefix -g)/bin:$PATH"

然后重新加载配置：

source ~/.zshrc

7.5 config.toml 配置不生效

如果你改了 config.toml 但 Codex 没有使用新配置，先确认修改的是正确位置的配置文件。Codex CLI 默认读取 ~/.codex/config.toml，但如果你在项目目录下存在 .codex 目录，项目级配置可能会覆盖用户级配置。

可以执行 codex --config 来查看当前使用的配置文件路径，确认后修改目标文件。

8. Codex 的最佳实践与工程建议

8.1 把模型名与网关能力对齐

不要迷信某个固定模型名，任何模型名都要以你的模型网关实际支持为准。项目中使用 Codex 时，建议在 README 中记录一份模型清单，包括模型名、网关地址、适用场景和已知限制。团队协作时，这份清单可以显著减少“为什么我这边跑不起来”的沟通成本。

8.2 配置分层管理

开发环境和生产环境的模型网关一般不同。建议不要在 config.toml 里写死生产网关，而是通过环境变量注入 base_url 和 API Key。

推荐做法：

export CODEX_BASE_URL="http://localhost:8080/v1" export CODEX_API_KEY="sk-local-dev-key" codex

这样在开发机上使用本地网关，在 CI 或生产环境使用正式网关，不需要频繁改配置文件。

8.3 使用 Git 管理 Codex 生成代码

Codex 可以快速生成代码，但这不代表代码可以直接合入主干。建议把 Codex 生成的改动放在独立分支中，在分支里做 review、测试、修正，最后合并。至少要做到：

• review 变更内容，理解每一处修改。
• 运行测试用例，确认没有破坏现有逻辑。
• 检查安全边界，比如是否引入了不安全的依赖、是否硬编码了密钥。

8.4 日志与审计

Codex CLI 本身会记录会话历史，但对于关键操作，建议在项目层面保留审计记录。团队中如果多人使用 Codex，可以考虑统一约定模型供应商、统一记录 token 消耗，避免额度管理混乱。

对于使用本地代理或网关的团队，网关侧也应开启访问日志，记录请求来源、模型名、token 数量等信息。出现问题时，这些日志是定位问题的第一手资料。

8.5 避免把敏感信息写入配置

Codex 配置中涉及 API Key，不要把密钥直接写在 config.toml 中，而是用 env_key 引用环境变量。同时，~/.codex 目录不要提交到 Git 仓库，避免密钥泄露。

如果使用 CC Switch 这类工具，同样要注意它保存的密钥文件权限。建议定期检查本机哪些配置文件中包含明文密钥，并按照最小权限原则管理。

8.6 关注官方更新与社区实践

Codex CLI 迭代速度较快，官方文档是最权威的信息来源。社区中关于 Codex 接入第三方模型、配置技巧的内容更新也很快，你可以关注 GitHub 仓库的 Release 页面以及官方技术博客，及时了解新功能。

但社区信息需要甄别，尤其是涉及“免费额度”“破解”“白嫖”的内容，很可能是过时或误导性的。涉及账号额度的问题，一切以官方账号后台显示为准。

9. 学习路线与进阶方向

如果你刚接触 Codex，建议按照下面的顺序推进：

1. 先学会安装与登录：这是所有操作的基础。
2. 掌握 config.toml 的核心参数：model、model_provider、base_url、env_key、wire_api。
3. 使用环境变量管理多套配置：通过 env 切换不同网关。
4. 在真实项目中使用 codex exec 和交互模式：从简单脚本开始，逐步接触重构、测试补全。
5. 研究 Codex Skill 机制：新版 Codex 支持通过 SKILL.md 扩展特定领域的编码能力，值得深入学习。
6. 结合 CI/CD 流程：把 Codex 纳入代码扫描、自动化修复等场景，提升工程效率。

Codex 目前正处于快速演进期，新功能、新配置项和新模型支持不断加入。本文提到的配置项和命令，建议你在当前版本的 codex --help 和官方文档中再确认一次。版本差异在 CLI 工具中非常常见，保持“以官方文档为准”的习惯，能帮你少走很多弯路。