免费又私密：用Codex Router把本地Ollama/LM Studio模型接入Codex完整教程-开发者社区

免费又私密：用Codex Router把本地Ollama/LM Studio模型接入Codex完整教程

【免费下载链接】codex-routerExternal-model router for Codex with guided Kimi OAuth/API, DeepSeek, safe migration, and rollback.项目地址: https://gitcode.com/gh_mirrors/co/codex-router

Codex Router 是一个运行在本地的模型路由器，它能把 Ollama、LM Studio 等本地大模型一键接入 Codex，让你在写代码时完全免费、完全私密地使用自己机器上的模型——不花一分钱 API 费用，数据也绝不出门。这篇教程带你完成从安装到验证的全过程，适合所有新手 🚀

为什么选择本地模型？

优点	说明
💰 免费	模型跑在你自己的硬件上，没有 Token 计费
🔒 私密	代码与对话全程留在本机，回环地址`127.0.0.1`通信
⚡ 离线可用	断网也能写代码
🎛️ 自由	想用哪个开源模型就装哪个

代价是本地模型速度较慢（冷启动可能要一两分钟），且并非所有小模型都能稳定驱动 Codex 的工具调用。Codex Router 会帮你提前检查这些问题，避免"下载完才发现跑不了"。

第一步：安装 Codex Router

Codex Router 支持 macOS、Linux 和 Windows。在终端粘贴官方引导安装命令即可完成全套部署（引导式供应商配置 + 控制中心 + 系统托盘应用）。详细步骤见 docs/INSTALL.md。

安装完成后：

完全退出并重新打开 Codex；
新任务中选择路由后的模型；
从菜单栏/系统托盘打开Codex Router控制中心。

第二步：接入 Ollama 本地模型

Codex Router 把 Ollama 当作"托管的无头本地运行时"管理——模型文件留在 Ollama 仓库里，路由器只保存选择、下载进度和目录状态，不会擅自弹出 Ollama 的聊天窗口。

图形界面操作（推荐新手）：

打开托盘应用 →Model settings → Local LLMs；
在推荐列表里点击Download，或直接粘贴模型标签（如gemma4:12b）到输入框；
点击下载后，路由器会自动在后台启动ollama serve（如果没装 Ollama CLI，会在你明确同意后自动安装）；
托盘会显示持久状态卡片：适配检查 → 准备 Ollama → 拉取权重层 → 就绪/失败，长下载也有Cancel按钮可随时取消。

命令行操作（适合进阶用户）：

./bin/control local-models list # 查看已装模型和下载建议 ./bin/control local-models inspect llama3.2:3b # 只查几KB：是否支持工具、上下文多大 ./bin/control local-models install gemma4:12b --yes # 后台下载 ./bin/control local-models benchmark gemma4:12b # 测速（tokens/秒）

勾选模型后，路由器会自动刷新模型选择器、重启服务，local/...路由即刻生效。完整命令清单见 docs/LOCAL-MODELS.md。

第三步：接入 LM Studio 本地模型

LM Studio 作为独立的 OpenAI 兼容后端，可以和 Ollama 并存。它的模型使用lmstudio/<模型ID>命名空间，与 Ollama 的模型互不冲突。

最快配置方法只需三步：

在 LM Studio 中打开本地服务器（默认地址http://127.0.0.1:1234/v1，如端口不同可用环境变量MODEL_ROUTER_LMSTUDIO_BAse_URL覆盖）；
启用提供商标识并整理模型列表：

./bin/model-router codex providers enable lmstudio ./bin/curate-models lmstudio

整理命令会读取 LM Studio 的/v1/models接口，只发布你明确勾选的模型。也可以在控制中心的Local LLMs区域直接勾选，两个入口写的是同一份用户模型配置。

相关实现可参考 src/lmstudio-models.mjs 与 src/local-models.mjs。

挑对模型：3 个关键检查

1. 必须支持工具调用（最重要）

Codex 的每个回合都靠工具调用驱动，没有工具能力的模型第一轮就会失败。只有 Ollama 报告为工具可用的模型才会被发布到选择器，其余的会标注"no tools — vision only"，只适合当图像阅读器。下载前先用inspect查一下，只花几 KB 流量：

./bin/control local-models inspect llama3.2:3b # tools:true ./bin/control local-models inspect phi4 # tools:false

2. 内存要装得下

路由器会读取你的统一内存/显存并预留约 20% 给上下文缓存，把模型分为三档：

标识	含义
`fits`	全速运行
`tight`	能跑，但会溢出到 CPU，较慢
`too-large`	直接拒绝下载（加`--force`才放行）

3. 尺寸比工具标志更关键

Codex 会先占用约 20K 的 32K 窗口放系统提示和工具定义，只剩约 12K 给你用。实测中 3B 小模型会被系统提示"挤晕"，而 7B 级模型可以正常跑——建议把 7B 当作跑 Agent 的实用下限，小模型留给读图场景。

安装完成后跑一次真实客户端验证：

./bin/control local-models agent-check <模型标签>

它在临时工作区里执行两轮codex exec，必须2/2 全部通过才算模型能稳定驱动 Codex。

使用须知与常见问题

实验性功能：本地模型在 Codex 选择器中标注experimental。用它读图很可靠，但当作主聊天模型请保持"试试看"的心态；
速度预期：本地模型明显慢于托管模型，换来的是零成本和零外发——这是明确的取舍；
卸载与勾选分开：取消勾选只隐藏模型，不删除文件；删除需要单独执行uninstall并明确确认；
故障排查：遇到问题先看 docs/TROUBLESHOOTING.md，或运行./bin/control local-models runtime status检查 Ollama 运行时状态。