Codex CLI：使用自己的密钥代替订阅

Codex 不是编辑器里的补全助手，而是一个独立的执行者。你用自然语言描述任务，它自己判断该读哪些文件、执行哪些命令、改哪些地方。它手头有十来个工具：执行命令、读取文件、维护任务计划、向用户追问细节、为子任务派生子 agent。

两种运行模式。交互模式——不带参数的 codex，在终端里对话并展示每一步。非交互模式——codex exec "task"，一次性跑到出结果：适合脚本和 CI。

安全性是内置的：默认情况下 agent 在沙箱中运行，改动之前先征求确认。控制级别在配置里设定——从「凡事都问」到完全自主、有权写入工作目录的运行。

还有一个特点是对话状态。Codex 不要求服务器记住任何东西：它把整条对话留在自己这边，每一轮都完整发送。对你的意义是，对话不会残留在模型 provider 那一侧，换 endpoint 也不会中断已开始的会话。

与 Claude Code 及其他终端 agent 的区别，恰恰在协议上。Codex 通过 Responses API 与模型通信，其中对话不是一列扁平的消息，而是一串元素：文本、工具调用、调用结果、推理块。对工具来说，这带来了更严谨的对话模型；对你来说，则需要一个能听懂这套协议的 endpoint。

快捷方式——安装器。命令 npx @joingonka/setup --tool codex 会自行向 ~/.codex/config.toml 写入提供商配置块，包含 wire_api = "responses"、模型及其真实上下文窗口，同时保留你的注释和其他设置，然后用一次实时请求验证密钥和模型。如果配置中已选择了其他提供商，安装器不会动它，并会提示用于一次性运行的命令。它会把密钥直接写入文件（权限 600），放在 experimental_bearer_token 字段中——这是 Codex 唯一能以字面量存储密钥的字段；Codex 本身将其视为实验性功能。下面的手动方案则用环境变量绕过这一点。

Codex 把设置存放在 ~/.codex/config.toml。自定义提供商通过 [model_providers.*] 配置块描述，这里的关键字段是 wire_api：没有它，Codex 会尝试使用 Chat Completions 协议，无法完成智能体循环。

# ~/.codex/config.toml
model_provider = "joingonka"
model = "deepseek-ai/DeepSeek-V4-Flash-0731"

[model_providers.joingonka]
name = "JoinGonka Gateway"
base_url = "https://gate.joingonka.ai/v1"
env_key = "JOINGONKA_API_KEY"
wire_api = "responses"

密钥不写入文件：env_key 指定 Codex 从哪个环境变量中获取它。变量名用你自己的，而不是 OPENAI_API_KEY——这样这套配置就不会拦截你其他使用 OpenAI 的工具。

export JOINGONKA_API_KEY=jg-your-key

model 字段设定默认模型，model_provider 指定使用哪个已描述的配置块。两者都可以在启动时覆盖，因此一份配置可以轻松服务多个提供商：日常、实验和备用。

密钥在注册后于个人中心发放，那里也能看到余额和用量。如果你不想改动公共配置，同一个配置块也可以通过 -c 一次性传入：codex -c model_provider=joingonka …。而要维护多套独立配置，可以用 CODEX_HOME 变量指定设置目录。

验证这套组合是否跑通，最快的方法就是跑一次单次执行：

codex exec "Answer in one line: what is 17*3?"

Codex 会在回复顶部打印它正在与谁协作：model、provider: joingonka、沙箱模式以及会话 ID。如果这里显示的是你的服务商，并且底部给出了回答，说明连接是活的。

接下来要验证 Codex 被安装的核心用途——文件操作。往目录里放一个小文件，故意留一个明显的 bug，然后让它找出来：

codex exec "Read calc.py and tell me in one sentence whether it has a bug."

Agent 应当自行调用读取工具、打开文件，并给出切中要害的回答——并标明行号。如果这一步成立了，说明完整的 Agent 循环（请求 → 工具调用 → 结果 → 回答）已经能够经由网关正确串起来。

如果出了岔子，诊断信息通常直接写在报错里：

会话中的第一个请求可能要花上几秒：Codex 会发送一大段系统提示词以及所有工具的说明，而网络节点还需要接收任务。之后的回复会快得多。

所有网络模型均以相同的价格提供，因此选择取决于行为而非预算。以下是同一任务（读取文件并查找其中的错误）通过 Codex 在 DeepSeek V4 Flash 和 MiniMax M2.7 上运行的实时结果；GLM-5.3 Flash 是在运行后加入网络的——此处提供了其模型属性。

默认推荐使用 DeepSeek V4 Flash：代理工作很快会触及上下文上限，而 380K token 使其能够同时处理大量文件。如果任务需要思考复杂的逻辑，请使用 GLM-5.3 Flash，但要为 max_tokens 预留缓冲：部分响应预算用于推理。无需编辑文件，只需在配置中更改一行 model 或使用 -c model=… 标志即可更改模型。

当前的网关模型列表始终可以通过 GET https://gate.joingonka.ai/v1/models 获取。

代理工具消耗 token 的方式与聊天不同：Codex 会为你每一句话添加系统提示词和所有工具的描述，然后与模型进行多轮对话。在实际运行中，像“读取文件并找到错误”这样的简单任务花费了约 18,000 到 20,000 个 token。这是为自主性支付的正常费用，因此单价非常关键。

通过 JoinGonka Gateway，token 价格为每百万输入 $0.0069，每百万输出 $0.021——所有网络模型价格相同，并从此页面实时获取。

作为对比，以下是 Codex 本身及同行竞品的付费方案：

支付方式为按实际消耗付费，无需月费，也没有请求次数配额：没有五小时窗口期、“提示词”限制或高峰时段倍数。余额通过加密货币充值，余额及每日消耗可在个人仪表板中查看。详细的经济分析请参阅关于最廉价 AI API 的文章。

对话历史由 Codex 自身维护。 它在每次请求时发送完整历史，不要求服务器记忆任何内容——我们也不会存储聊天记录。在响应返回后，您的代码和提示词不会留在网关上。

网页搜索功能已启用。 Codex 在每次请求中声明搜索工具，网关会接收它：搜索在我们的侧边执行，结果会被注入到模型的响应中。

工具是本地的，而非云端的。 Codex 在您的计算机上本地执行命令和读取文件，因此对项目的访问不依赖于模型提供商。

沙盒。 在 Linux 上，Codex 使用 bubblewrap 来隔离运行的命令。如果系统中没有它，Codex 会发出警告并使用内置副本——这不会影响功能，但使用标准包管理器安装该包更方便。

如果需要图像处理（如界面截图、照片中的图表），请使用支持视觉的模型工具：Gonka 网络中的模型仅为文本模型。这对代码、命令和文件处理不是限制。

如果您觉得 Codex 不合适，可以使用其他终端代理：API 快速入门展示了如何在几分钟内连接任何兼容工具。