news 2026/5/23 13:07:36

Codex CLI 完整安装与配置教程(mac + 中转)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Codex CLI 完整安装与配置教程(mac + 中转)

一、模块安装

1️⃣ 创建工作目录(推荐)

mkdir~/codex-workcd~/codex-work

建议单独使用一个干净目录,避免 Codex 扫描到大量无关文件。


2️⃣ 安装 Codex CLI

sudonpminstall-g @openai/codex

如果你本地 npm 权限已处理好,也可以不加sudo


3️⃣ 验证安装

codex --version

输出类似:

codex-cli 0.77.0

说明安装成功。


二、准备配置文件(重点)

⚠️注意:Codex 默认读取的是全局配置文件~/.codex/config.toml
不是当前目录下的config.toml


1️⃣ 创建全局配置目录与文件

mkdir-p ~/.codextouch~/.codex/config.toml

2️⃣ 编辑配置文件

nano~/.codex/config.toml

3️⃣ 直接粘贴以下内容即可(已验证可用)

# ========================= # OpenAI Codex CLI Config # ========================= [openai] api_key_env = "OPENAI_API_KEY" base_url_env = "OPENAI_BASE_URL" # ========================= # Codex Runtime # ========================= [codex] # Codex / Agent 专用模型(中转已验证支持) model = "gpt-5.2-codex" # 是否自动确认文件修改(建议 false) auto_confirm = false # 中文交互 language = "zh-CN" # 仓库扫描限制(避免大目录警告) max_snapshot_files = 2000 # 忽略超大未跟踪目录 ignore_large_untracked_dirs = true

保存并退出。


三、设置环境变量(API Key + 中转地址)

1️⃣ 临时生效(当前终端)

exportOPENAI_API_KEY="sk-xxxxxxxxxxxxxxxx"exportOPENAI_BASE_URL="https://api.zhangsan.cool/v1"

OPENAI_BASE_URL必须以/v1结尾


2️⃣ 验证环境变量是否生效

echo$OPENAI_BASE_URLecho$OPENAI_API_KEY

你应该能看到:

https://api.zhangsan.cool/v1 sk-xxxxxxxxxxxxxxxx

四、启动 Codex CLI

确保你在工作目录中:

cd~/codex-work

然后启动:

codex

如果看到类似界面:

OpenAI Codex (v0.77.0) model: gpt-5.2-codex medium directory: ~/codex-work

说明配置全部加载成功

⚠️medium是 Codex 的默认推理档位(effort),
不是模型名的一部分,属于正常现象。


五、功能验证(建议做一次)

在 Codex 中输入:

你好

如果能正常中文回复,说明:

  • ✅ API Key 正确
  • ✅ 中转地址正确
  • ✅ Codex Agent 接口可用
  • gpt-5.2-codex模型路由成功

七、推荐的使用姿势(总结)

cd~/codex-work codex

然后直接中文指令,例如:

为这个目录创建一个 Python 项目结构,并实现一个快速排序示例

Codex 可以直接:

  • 写代码
  • 改代码
  • 跑测试
  • 理解整个项目结构

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/23 11:42:27

YOLO在建筑工地安全帽检测中的落地经验分享

YOLO在建筑工地安全帽检测中的落地经验分享 在智慧工地建设加速推进的今天,如何通过AI技术有效监管施工人员的安全防护装备佩戴情况,已成为行业关注的核心问题。尤其是安全帽这一最基本的保命装备,其佩戴与否直接关系到一线工人的生命安全。然…

作者头像 李华
网站建设 2026/5/10 16:36:31

YOLO模型部署到生产环境:GPU资源规划必须前置

YOLO模型部署到生产环境:GPU资源规划必须前置 在智能制造工厂的质检线上,数十台高清摄像头正以每秒30帧的速度持续拍摄产品图像。这些画面被实时送入AI系统进行缺陷检测——任何延迟超过50毫秒,就可能导致漏检;任何显存溢出&#…

作者头像 李华
网站建设 2026/5/16 10:38:28

YOLOv7到YOLOv10迁移指南:代码改动少,算力需求变更多

YOLOv7到YOLOv10迁移指南:代码改动少,算力需求变更多 在工业质检线上,一台搭载AI视觉系统的设备正高速运转。相机每秒捕获数十帧图像,系统需要在百毫秒内完成缺陷识别并触发剔除动作。工程师发现,尽管将模型从YOLOv7升…

作者头像 李华
网站建设 2026/5/22 16:52:20

YOLO在无人机视觉中的应用:低功耗GPU也能跑得动?

YOLO在无人机视觉中的应用:低功耗GPU也能跑得动? 在消费级无人机已普及的今天,真正决定其“智能程度”的不再是飞行稳定性或图传清晰度,而是——它能不能自主看懂这个世界。 设想一架执行电力巡线任务的无人机,在穿越山…

作者头像 李华
网站建设 2026/5/22 17:34:17

YOLO与MMDetection框架对比:哪个更适合你?

YOLO与MMDetection框架对比:哪个更适合你? 在工业质检线上,一台摄像头每秒要处理30帧图像,检测微米级缺陷;在自动驾驶实验室里,研究人员正尝试将新型注意力机制嵌入检测头,提升复杂天气下的识别…

作者头像 李华
网站建设 2026/5/3 5:48:34

YOLOv10官方镜像上线!立即体验最新检测黑科技

YOLOv10官方镜像上线!立即体验最新检测黑科技 在智能制造车间的高速产线上,每秒流过数十个零部件,传统视觉系统还在为“漏检一个微小焊点是否该停机”而犹豫时,新一代目标检测模型已经完成了上百帧图像的精准识别——这不是科幻场…

作者头像 李华