告别 OpenCode：用 Codex 接入 DeepSeek 开放平台 API 搭建本地 AI 编程工作流

背景

上一篇《告别 Claude Code：用火山方舟 Coding Plan + OpenCode 搭建本地 AI 编程工作流》里，我从 Claude Code 换到了 OpenCode。但用了两个月，我又把 OpenCode 换成了 Codex，模型侧也从方舟 Coding Plan 换成了 DeepSeek 开放平台的 API Key。

这篇文章讲两件事：

1. 为什么从 OpenCode 切到 Codex；
2. 如何用 DeepSeek 开放平台的 API Key 把 Codex 接起来——DeepSeek 现在原生支持 Responses API，官方提供一键接入脚本，不需要任何代理。

为什么从 OpenCode 切到 Codex

OpenCode 本身没有做错什么，它依然是「一个终端接多家模型」的好工具。但工具选择要看两个维度：官方支持程度和工作流深度。这两点上，Codex 明显更符合我的需求。

1. DeepSeek 把 Codex 当「一等公民」支持

• DeepSeek API 原生支持 OpenAI Responses API，base_url 就是 https://api.deepseek.com/，Codex 可以直接对话；
• DeepSeek 官方专门提供了 Codex 一键接入脚本，还写了完整接入文档；
• 配置文件是 Codex CLI、ChatGPT 桌面端、VS Code Codex 插件共用的，配置一次，三个客户端全部生效。

反观 OpenCode：没有任何官方接入文档，全靠社区适配，provider 的 baseURL、模型 limit 都要自己维护在 opencode.json 里。

2. Agent 工作流成熟度差距

Codex 是 OpenAI 官方编程 Agent，工程化能力是完整的产品矩阵：Plan 模式、多智能体并行、skills、MCP、hooks、沙箱与审批、AGENTS.md 项目约定。做「跨多文件重构、长任务、写博客」这类深度工作流时，Codex 的表现明显更稳。

OpenCode 的核心定位是「终端里聚合多家模型的 TUI」，复杂工作流能力更多依赖社区生态，遇到长任务时稳定性和可控性都不如官方产品。

3. 稳定性和迭代节奏

Codex 由 OpenAI 持续投入，CLI、桌面端、IDE 三端同步演进，配置格式稳定；OpenCode 是社区开源项目，迭代很快，但破坏性变更也频繁，opencode.json 的格式和 provider 机制隔段时间就要跟着改。

4. 接入成本：一键 vs 手写

OpenCode 接 DeepSeek 需要自己写自定义 provider（npm 包、baseURL、模型 limit、环境变量注入）；Codex 接 DeepSeek 一条官方命令，自动备份配置、切换模型、恢复默认，还附带官方维护的 models.json 模型目录，1M 上下文、推理档位这些元数据都是现成的。

对比小结

维度	OpenCode（+方舟）	Codex（+DeepSeek）
官方接入支持	无，社区适配	DeepSeek 官方文档 + 一键脚本
客户端形态	仅 CLI	CLI / 桌面端 / IDE 三端共用配置
协议	OpenAI 兼容，需自配 provider	Responses API 原生支持，零代理
Agent 工作流	TUI + 社区生态	Plan / 多智能体 / skills / MCP / hooks
配置方式	手写 opencode.json	官方脚本生成，自动备份/恢复
模型元数据	自己填 limit	官方 models.json 现成可用

一句话：如果你的诉求是「一个工具接多家模型」，OpenCode 仍然值得用；如果你的主力模型是 DeepSeek、且想要稳定深度的 agent 工作流，切到 Codex 更顺。

第一步：准备 DeepSeek API Key

1. 打开 DeepSeek 开放平台 并登录（新账号先充值，开放平台按量计费，无订阅绑定）；
2. 进入 API Keys 页面；
3. 点击「创建 API Key」，复制形如 sk-... 的密钥。

密钥创建后只完整显示一次，请立即保存。后面也可以先用环境变量 DEEPSEEK_API_KEY 传入，避免粘贴到终端历史里。

第二步：安装 Codex

npm install -g @openai/codex

（安装 ChatGPT 桌面客户端 也可以，配置文件是共用的。）安装完成后至少运行一次 codex，让它生成 ~/.codex 配置目录，否则接入脚本会报错。

第三步：一键接入（推荐）

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh)

运行后按菜单选择：

• 1：使用 deepseek-v4-flash；
• 2：使用 deepseek-v4-pro（是否已开放以 DeepSeek 官方文档 为准）；
• 3：恢复默认 Codex 配置。

脚本会自动完成：

1. 把现有 ~/.codex/config.toml 备份到 ~/.codex/backup-deepseek/；
2. 写入 model、model_provider、preferred_auth_method、forced_login_method、model_reasoning_effort、model_catalog_json 等顶层字段；
3. 追加 [model_providers.deepseek] 配置段，写入你的 API Key；
4. 生成 ~/.codex/models.json 模型目录（含 1M 上下文、推理档位等元数据）；
5. 清理冲突字段：例如把 wire_api = "chat" 修正为 "responses"，删除会劫持请求的 profile、openai_base_url 等。

写入后的关键配置长这样：

model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
forced_login_method = "api"
model_reasoning_effort = "high"
model_catalog_json = "~/.codex/models.json"

[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "sk-你的密钥"

第四步：手动配置（可选）

不想跑脚本也可以手动改 ~/.codex/config.toml，内容就是上面那段，再新建 ~/.codex/models.json 写入 deepseek-v4-flash 的模型声明。几个关键点：

• wire_api 必须是 "responses"：Codex 只认 Responses API，"chat" 会导致无法启动。DeepSeek 已原生支持该格式，所以不需要 LiteLLM、Moon Bridge 之类的转发层；
• model_catalog_json 指向模型目录：让 Codex 知道模型的上下文窗口、推理档位、工具能力等元数据，缺了它模型行为会退化；
• 密钥保护：写完后 chmod 600 ~/.codex/config.toml，不要把这份配置同步进 dotfiles 仓库。

第五步：验证

codex

• Codex CLI 启动信息中应显示 model: deepseek-v4-flash；
• 随便提个需求测试，比如「列出当前目录结构并解释项目用途」；
• 如果你用 ChatGPT 桌面端：模型选择器显示「自定义」即表示正在使用本地配置的 DeepSeek 模型。

日常管理与安全

• 切换模型：重跑脚本，选 1 或 2；
• 恢复配置：重跑脚本，选 3，会从备份还原 config.toml 并删除 models.json；
• 密钥安全：确认 config.toml 没有被提交到 Git 或 dotfiles 仓库；在控制台给 Key 设置用量上限，并定期轮换。

参考

• 接入 Codex | DeepSeek API 文档
• 使用 Responses API | DeepSeek API 文档
• DeepSeek 开放平台 - API Keys