说明：本文基于开源Codex‑CLI客户端做适配器改造，将后端切换为DeepSeek大模型，用于本地代码生成调试，操作仅做技术实践，版本不同部分配置项会存在差异。

前言

之前一直在折腾Codex CLI，原生版本强依赖OpenAI接口，手机号验证、地区限制、网络问题经常卡开发进度。国内环境使用体验并不友好。

DeepSeek在代码生成能力上表现很不错，同时提供兼容OpenAI格式的API接口。这就给了我们一个思路：直接改造Codex CLI，把底层推理后端替换成DeepSeek，保留原有的Skills配置、命令行参数、输出逻辑，不用更换自己已经习惯的CLI工作流。

网上大部分教程只讲调用DeepSeek原始API，很少有把Codex CLI完整迁移过来的实操记录。本文完整梳理5个核心步骤：环境准备、客户端安装、适配器配置、参数调优、第一次代码对话，同时记录实操中遇到的兼容坑点。

整体架构说明

原生Codex CLI，内部硬编码对接OpenAI接口。而DeepSeek的API高度兼容OpenAI的请求报文格式，所以不需要大规模修改源码，只修改接口端点、模型标识、鉴权密钥即可完成适配。

• 上层：Codex CLI原有全部能力，Skills配置、命令行参数、输出解析、上下文管理全部保留。
• 中间层：改写API对接配置，把base_url指向DeepSeek网关地址。
• 底层：实际推理交由DeepSeek代码模型执行。

注意：属于API层兼容，不是100%完全等价。少量OpenAI独有的请求字段DeepSeek不识别，会被直接忽略，不影响核心代码生成。

步骤1：前期环境准备

1.1 获取DeepSeek API Key

登录开发者平台，创建API密钥，保存好api_key，注意不要泄露。余额提前充值，调用代码模型会消耗额度。

1.2 本地运行环境

• Node.js版本要求：v18及以上，过低版本会出现依赖报错。
• 网络环境：可以正常访问DeepSeek官方API网关，不需要跨境代理。
• 操作系统：Windows、MacOS、Linux全部支持。

1.3 下载Codex‑CLI

可以使用npm全局安装，也可以拉取开源源码本地编译运行。
优先使用npm全局安装，对新手更友好。

npm install -g @xxx/codex-cli

踩坑提醒：部分旧版本Codex‑CLI不支持自定义base_url，必须升级到较新版本，否则无法替换接口地址。如果安装完成后没有自定义端点参数，就需要拉源码手动编译。

步骤2：配置DeepSeek接口对接参数

Codex CLI支持环境变量注入接口地址，不需要修改源码。
设置两组核心环境变量：

# DeepSeek api key
export CODEX_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"
# 替换为DeepSeek兼容OpenAI的接口地址
export CODEX_BASE_URL="https://api.deepseek.com/v1"

Windows PowerShell：

$env:CODEX_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"
$env:CODEX_BASE_URL="https://api.deepseek.com/v1"

关键点：/v1后缀不能丢，丢掉之后接口404。
模型名称填写DeepSeek对应的代码模型标识符，例如deepseek-coder-v2，不要填写OpenAI模型名。

步骤3：连通性测试，验证接口是否通

先做最小测试，验证网络、密钥、接口配置是否正确。执行简单测试命令，让它输出一段简单工具函数。

codex run --model deepseek-coder-v2 "写一个python读取json文件的工具函数"

常见报错

1. 401 Unauthorized：密钥复制错误，存在换行空格，核对API Key。
2. 404 Not Found：CODEX_BASE_URL少写/v1后缀。
3. 500类报错：模型名称写错，确认DeepSeek平台支持的模型ID。
4. 请求超时：检查本地网络能否访问DeepSeek网关。

测试正常，终端直接输出完整Python代码，代表链路跑通。

步骤4：迁移原有Skills配置模板

之前整理的Codex‑CLI的Skills yaml模板，可以直接复用。
因为Skills本质是提示词约束，和后端大模型无关。

调用时指定skills配置文件即可：

codex run --model deepseek-coder-v2 --skills ./skills.yaml "根据需求生成C#工具类"

适配注意点：

1. temperature、max_output_tokens这类推理参数字段完全兼容，可以直接沿用。
2. examples示例尽量贴合DeepSeek的输出习惯，如果生成效果偏差，可以微调示例片段。
3. 不要写OpenAI专属的能力描述，描述调整为通用代码工程师角色。

步骤5：首次完整对话与代码生成

链路和配置全部就绪之后，可以做一次完整的实战任务。
示例需求：编写一个读取本地日志文件，做简单过滤统计的脚本。

codex run --model deepseek-coder-v2 --skills ./script-skills.yaml "编写一个日志分析脚本，读取log文本，统计错误行数，输出统计结果，增加异常捕获"

执行完成，模型输出完整脚本，直接重定向保存到本地文件。

codex run --model deepseek-coder-v2 "你的需求" > log_analyze.py

到这里，5步全部完成。原来Codex CLI整套本地开发工作流，现在后端跑在DeepSeek上，完全绕开OpenAI账号、手机号验证、地区限制一系列麻烦。

实操踩坑汇总

坑1：旧版CLI不支持自定义BASE_URL

现象：设置环境变量不生效，依旧请求OpenAI域名。
处理：升级npm包；如果包不支持，下载源码，修改内部API请求部分，本地build。

坑2：模型名称直接照搬OpenAI

现象：接口返回model not found。
处理：使用DeepSeek官方文档给出模型ID，例如deepseek-coder-v2。

坑3：Skills示例里面大量OpenAI风格示例

现象：输出效果差，出现不存在库、臆造API。
处理：改写examples示例，示例代码尽量贴近日常业务。

坑4：上下文窗口参数不匹配

现象：传入大段代码，直接截断。
处理：DeepSeek不同模型上下文窗口不一样，调整skills里面max_output_tokens，不要超过模型上限。

坑5：环境变量不生效（Windows高频）

现象：命令行手动设置变量可以跑，IDE终端、脚本里面执行失败。
处理：PowerShell、CMD、IDE终端环境互相隔离，脚本内直接在命令行传入参数，或者在脚本内定义环境变量。

坑6：部分OpenAI特有参数不兼容

原生Codex‑CLI会携带少量OpenAI专属请求字段，DeepSeek会直接忽略，不会报错，但不会生效，属于兼容正常现象。

参数调优参考（对接DeepSeek场景）

场景	temperature	max_output_tokens
C#/Java业务代码、重构、bug修复	0.1‑0.3	1500‑2000
Python脚本、工具类生成	0.2‑0.4	1200‑1800
算法Demo、原型探索	0.4‑0.6	1000‑1500

做工程业务代码，温度依旧不建议过高，过高会虚构接口、库。

两种使用模式

1. 临时命令行模式：每次调用直接写prompt，适合快速生成小片段，调试函数。
2. Skills常驻模式：加载yaml技能配置，固化编码约束、示例、推理参数，适合日常高频开发，不用重复写一大段提示约束。

总结

通过修改环境变量替换接口端点，就可以把Codex CLI迁移到DeepSeek，完整保留原有CLI的全部特性：Skills配置、命令行调用、输出重定向、脚本集成。不用再处理OpenAI手机号验证、地区限制等一系列棘手问题。

整个落地分为5步：环境准备、获取密钥、配置接口地址、连通性测试、迁移Skills模板并正式调用。实操重点注意客户端版本、接口后缀、模型ID、环境变量隔离这几个高频坑。

这套方案适合国内开发者，把熟悉的CLI工具和国内可访问的代码大模型结合，构建稳定本地代码生成工作流。