新闻详情

新闻详情

首页 / 资讯中心 / 详情

Codex 完整教程(Node.js安装 + npm安装Codex + DeepSeek配置 + 快捷键 + 设置)

发布时间:2026/11/20 21:22:57来源:尧图网络
Codex 完整教程(Node.js安装 + npm安装Codex + DeepSeek配置 + 快捷键 + 设置)
一、前置安装 Node.js官网下载https://nodejs.org/ 推荐 LTS 长期支持版安装时勾选Add to PATH必须否则npm命令找不到新开终端验证node-vnpm-v输出版本号代表成功。二、npm安装 / 更新 Codex CLI# 全局安装国内慢就加淘宝镜像npminstall-gopenai/codex# 国内加速版npminstall-gopenai/codex--registry[https://registry.npmmirror.com](https://registry.npmmirror.com)# 更新Codex升级新版本npmupdate-gopenai/codex# 验证是否安装成功codex--version输出版本号如codex-cli 0.146.0代表安装完成三、配置 DeepSeek两种方案一键脚本推荐 / 手动改config.toml前置去 DeepSeek开放平台 https://platform.deepseek.com/ 注册创建API Key提前复制保存Key✅ 方案1DeepSeek官方一键配置脚本推荐自动生成所有配置文件Windows PowerShell管理员打开irmhttps://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1|iex执行后菜单选项1配置 deepseek-flash日常开发首选粘贴你的 DeepSeek API Key等待脚本写入~/.codex/config.toml出现OK即完成Mac / Linuxbash(curl-fsSL[https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh](https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh))同样选择模型填入API Key。 方案2手动编辑 config.toml适合懂配置文件先运行一次codex自动生成.codex文件夹然后退出Windows路径C:\Users\你的用户名\.codex\config.tomlMac/Linux路径~/.codex/config.toml打开config.toml替换全部内容# 默认使用deepseek model_provider deepseek [model_providers.deepseek] base_url [https://api.deepseek.com/](https://api.deepseek.com/) api_key 你的DeepSeek API Key wire_api responses model deepseek-flash保存文件重启终端输入codex进入。快速切换模型命令临时单次使用codex--providerdeepseek--modeldeepseek-flash四、进入 Codex TUI 终端界面程序员常用快捷键 操作进入终端直接输入codex核心快捷键TUI交互界面按键作用Enter提交消息继续当前任务Tab预写下一条追问排队在下一轮执行Esc连续按2次编辑上一条你发的消息多次Esc回溯历史对话回车从该点分叉对话!开头例如!npm install在Codex内直接执行本地shell命令输出会交给AI分析Ctrl C终止当前AI正在执行的任务非常常用Ctrl D退出Codex会话↑ ↓上下翻看历史对话/搜索对话历史常用内置命令Codex内部输入/help # 查看全部命令 /clear # 清空当前会话上下文不会删除项目文件 /reset # 重置整个会话 /approve # 批量同意AI的文件修改/命令执行 /reject # 拒绝AI接下来要执行的操作 /history # 查看完整对话记录 /model # 查看当前使用模型 /provider # 查看当前模型提供商五、Codex 核心设置权限、功能开关config.toml权限设置最重要控制能不能读写文件、跑命令# 可选4种权限模式 permission_mode ask # read_only只读不能修改任何文件安全审计 # ask默认所有修改/执行命令弹窗询问推荐日常开发 # auto_approve自动放行常规操作高危操作询问 # full_access完全放开⚠️不推荐高危其他常用配置追加到 config.toml# 设置工作根目录AI只能访问这个目录 workspace_root /path/your/project # 启用/关闭功能开关 [features] unified_exec true shell_snapshot false查看、启用/关闭功能flagcodex features list codex featuresenableunified_exec codex features disable shell_snapshot六、常用外部命令终端不在codex会话内# 指定项目目录直接启动codexcodex--cd/your/project/path# 只让codex只读防止乱改代码codex--permissionread_only# 查看当前配置加载信息codex info七、测试验证是否正常工作终端输入codex进入界面输入帮我写一个简单的node hello worldAI正常返回代码代表DeepSeek配置成功。八、常见坑codex命令找不到重启终端确认Node安装时勾选PATHWindows重启PowerShellAPI报错检查DeepSeek Key是否正确、余额是否充足base_url不要多加/v1网络DeepSeek API国内可直连不需要代理权限首次AI修改文件、执行shell会弹出确认框/approve同意九、快速上手开发工作流示例cdmy-project codex# 输入梳理项目结构找出所有接口生成swagger文档# AI读取文件给出方案需要执行命令时输入 /approve运行codex出现报错那么就需要在 C:\Users\xxxx.codex 里面修改 config.toml 配置文件[windows]sandboxelevated改成[windows]sandboxunelevated
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉