大概是从两个月前开始“Codex 接第三方 API”“Claude Code 接 DeepSeek”这类问题就在技术社区里密集出现。原因很简单OpenAI 的 Codex CLI 和 Anthropic 的 Claude Code 是目前终端里最有代表性的两款编程智能体工具但直接使用官方模型的高成本并不是每个团队都能接受DeepSeek 的 API 价格更低、调用延迟可控而且编程任务的完成度已经足够覆盖日常开发于是“用 DeepSeek 做模型后端在前端继续用 Codex / Claude Code 的习惯”就成了一个很自然的方案。不过网上相关教程大多只讲了一半有人只讲 Codex 怎么装有人只讲 Claude Code 怎么配置环境变量但真正让新手卡住的往往是几个交叉问题——第三方 API 端点格式不兼容怎么办、会话记录重启后找不回来怎么办、用 CC Switch 切换配置时报错怎么办。这篇文章就把安装、第三方 API 接入、会话找回、常见报错四条线一次讲清重点落在“能不能用、怎么配置、验证什么、出问题先查哪里”这几个维度。需要提前说明Codex CLI、Claude Code 和 DeepSeek API 都建议通过官方渠道注册、下载和获取访问权限并在符合当地法律法规与相关服务条款的前提下使用。本文提到的“本地 API 代理”“路由层”都指用于 API 请求转发的合法技术组件。实际配置过程中如果涉及公司内网或云端部署请先确认安全策略与数据处理合规要求。1. 核心能力速览先给一张总览表把三个工具的关系和接入 DeepSeek 的路径看清楚。项目定位官方默认模型生态接入 DeepSeek 的方式重点关注Codex CLIOpenAI 推出的终端编程助手支持对话式代码生成、执行命令、多轮交互OpenAI Codex / GPT 系列通过OPENAI_BASE_URL指向 DeepSeek 兼容端点环境变量、登录模式、模型名覆盖Claude CodeAnthropic 推出的终端编程助手主打长上下文和多步骤任务拆解Claude 系列通过ANTHROPIC_BASE_URL指向兼容端点DeepSeek 非 Anthropic 原生协议时需要转换层接口协议、鉴权字段、超时设置DeepSeek API模型推理服务提供 OpenAI 兼容的 HTTP 接口DeepSeek-V3 / R1 系列模型本身作为第三方 API 供应商给 Codex / Claude Code 当后端模型 ID、API Key、计费方式CC Switch / 配置切换工具社区常见的配置管理和切换工具用于快速切换 API 端点、模型和鉴权信息不固定维护多套配置档在多个供应商之间快速切换本地代理报错、配置覆盖失效从工程角度看这套组合解决的是一个很实际的需求你不需要换掉已经上手的终端工具只需要把模型后端切成 DeepSeek就能把 API 成本降下来同时继续保留 Codex / Claude Code 的交互体验和工程工作流。需要特别强调的是每个工具的具体参数、环境变量名和接口格式都会随版本更新发生变化。下面给出的配置都以“通用模板 按实际项目替换”的方式呈现真正落地前务必以官方文档为准。2. 适用场景与使用边界2.1 适合谁来用这套方案适合以下几种情况已经在本地用过 Codex CLI 或 Claude Code但对官方模型的高昂调用成本比较敏感希望通过 DeepSeek API 把单次调用成本降下来。团队内部有固定的编码规范希望把终端编程助手统一收敛到一个模型后端上方便统计调用量、控制费用。个人开发者想在一个工具里同时对比不同模型的效果通过配置文件快速切换而不是维护两套完全不同的终端环境。2.2 能解决什么问题接入 DeepSeek 后最直接的变化是 API 调用成本、请求响应速度和模型能力三者之间的平衡会变得更加可控。Codex CLI 原本面向 OpenAI 官方模型设计Claude Code 原本面向 Anthropic 模型设计但两者在接口层都保留了“通过环境变量指定 API 地址”的能力这就是第三方 API 接入的基础。2.3 不适合什么场景先泼一盆冷水。如果你是以下情况这套方案未必合适依赖最新的官方模型独占功能。DeepSeek 接入的是 OpenAI 兼容或经过转换后的接口Codex 的一些官方插件能力和 Claude Code 的某些 Agent 功能可能无法 100% 对齐。对请求格式要求极其严格的机密项目。把终端工具指向第三方 API 意味着代码上下文、对话记录会经过模型服务方必须做数据合规评估。想要零成本白嫖算力的场景。第三方 API 依然会按 token 或按调用次数计费只是单价可能更低。2.4 版权、隐私与合规边界这一块必须单独提。Codex CLI 和 Claude Code 都会把项目里的代码片段、文件路径、终端输出作为上下文发送给模型服务端。换成 DeepSeek API 后这些数据同样会发送到 DeepSeek 的服务端。因此涉及客户隐私、未公开代码、商业机密的项目不要直接接入第三方 API。涉及人脸、声音、个人敏感信息的项目在上传前必须先脱敏。公司或团队内部使用前建议先让安全和法务确认数据出境与第三方处理条款。所有账号、密钥、Token 都按“最小权限、定时轮换、不写进仓库”的原则管理。3. 环境准备与前置条件在开始安装之前先把环境检查一遍。这一步看起来琐碎但大部分“装完跑不起来”的问题都出在环境上。3.1 操作系统与基础软件Codex CLI 和 Claude Code 都依赖 Node.js 运行时因此第一件事是确认 Node.js 是否可用。node -v npm -v版本要求以官方说明为准建议使用官方长期支持版本。如果你的系统里已经有旧版本 Node.js建议先升级避免出现语法不兼容或 npm 安装失败。接下来确认 Git 是否可用git --version如果你计划从仓库拉取配置模板或者做版本管理这一步也不能省。3.2 API Key 与账号准备无论接 Codex 还是 Claude Code都需要一个可用的 DeepSeek API Key。官方渠道注册后在控制台创建 API KeyKey 的格式通常是sk-开头的一串字符。拿到 Key 后建议立刻做一次最基本的连通性测试用 curl 确认网络链路和鉴权都正常curl https://api.deepseek.com/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的APIKey \ -d { model: deepseek-chat, messages: [{role: user, content: ping}] }如果返回一段带choices字段的 JSON说明 API Key 可用。3.3 网络与端口检查Codex CLI 和 Claude Code 启动后都会在本地监听端口默认端口可能因版本不同而不同。常见的冲突端口是 8080、8081、3000、7860 等。你在启动前可以先检查端口占用# Linux / macOS lsof -i :8080 # Windows PowerShell netstat -ano | findstr :8080如果端口被占用你可以在配置环境变量时指定新端口或者关掉占用端口的旧进程。4. Codex CLI 安装与 DeepSeek 第三方 API 接入4.1 安装 Codex CLICodex CLI 的安装方式主要走 npm 全局安装。安装命令npm install -g openai/codex安装完成后先确认命令是否可用codex --version如果输出版本号说明安装成功。如果提示command not found第一优先检查 npm 全局安装路径是否在 PATH 环境变量里npm config get prefix假设输出是/usr/local说明可执行文件在/usr/local/bin确认这个目录在 PATH 中即可。4.2 获取并配置 DeepSeek API Key先在 DeepSeek 控制台创建 API Key然后通过环境变量把它注入到 Codex 的配置里。在 Linux / macOS 下export OPENAI_API_KEYsk-你的DeepSeekAPIKey export OPENAI_BASE_URLhttps://api.deepseek.com在 Windows PowerShell 下$env:OPENAI_API_KEYsk-你的DeepSeekAPIKey $env:OPENAI_BASE_URLhttps://api.deepseek.com这里有一个容易踩坑的点Codex CLI 的鉴权方式不止一种。它可能优先读取已有的登录凭据而不是环境变量。如果你之前用官方账号登录过 Codex配置了环境变量之后仍然提示“unauthorized”可以检查 Codex 的认证配置文件或者通过命令行指定认证提供者。4.3 使用配置文件管理第三方 API更推荐的做法是使用 Codex 的配置文件而不是临时环境变量。配置文件的通用样式如下{ model: deepseek-chat, provider: openai, api_key_env_var: OPENAI_API_KEY, base_url: https://api.deepseek.com }由于 Codex 不同版本的配置字段存在差异实际填写时需要先执行codex --help或查看官方文档确认字段名和路径。我的建议是第一次配置时先用环境变量跑通再迁移到配置文件避免把多个变量混在一起导致排错困难。4.4 使用 Codex 对话测试配好之后执行一次最简单的对话测试codex exec --model deepseek-chat 写一个 Python 脚本统计目录下所有 .py 文件的行数如果 Codex 能返回生成好的代码并正确打印执行结果说明第三方 API 已经打通。接着可以测多轮交互codex exec --model deepseek-chat \ 先创建一个用于处理 CSV 文件的 Python 类然后在同一会话里继续要求它添加按列过滤的方法从实际使用体验来说Codex 接入 DeepSeek 后的第一感受是响应速度比较稳定但需要确认一个问题Codex 的模型名参数是否会被 DeepSeek 端点忽略。如果 DeepSeek 服务端不识别gpt-5-codex这类模型名就需要在配置里强制覆盖为 DeepSeek 文档中列出的模型 ID比如deepseek-chat或deepseek-reasoner。以官方文档为准。5. Claude Code 安装与 DeepSeek 接入5.1 安装 Claude CodeClaude Code 同样以 npm 包发布npm install -g anthropic-ai/claude-code安装完成后确认版本claude --version如果安装的是较新版本环境里可能还会提供claude命令的桌面版或集成版但终端使用只需要核心 npm 包。5.2 配置 DeepSeek 作为第三方 APIClaude Code 默认走 Anthropic 接口协议。如果 DeepSeek 官方只提供 OpenAI 兼容端点那么直接设置ANTHROPIC_BASE_URL指向 DeepSeek 地址可能因为请求体格式不同而失败。一个通用配置方式是export ANTHROPIC_BASE_URLhttps://api.deepseek.com/anthropic export ANTHROPIC_AUTH_TOKENsk-你的DeepSeekAPIKey export ANTHROPIC_MODELdeepseek-chat需要说明/anthropic这样的路径并非所有第三方服务都提供。以 DeepSeek 官方文档为准。如果官方没有提供 Anthropic 兼容端点你就需要在本地增加一个请求转换层把 Claude Code 发出的 Anthropic 格式请求转换成 OpenAI 兼容格式再转发给 DeepSeek。这种转换层的本质是一个本地 HTTP 服务监听127.0.0.1的某个端口然后把请求改写后转发。配置方式如下export ANTHROPIC_BASE_URLhttp://127.0.0.1:8080 export ANTHROPIC_AUTH_TOKENsk-你的DeepSeekAPIKey转换层会在拿到请求后读取ANTHROPIC_AUTH_TOKEN再把它作为Authorization头传给 DeepSeek。如果你在前端已经设置了鉴权头转换层端也可以配置不对上游透传。5.3 验证 Claude Code 接入执行最简单的问答claude --model deepseek-chat 用 Bash 写一个批量重命名文件的脚本要求支持前缀和后缀参数如果 Claude Code 开始执行命令并输出结果说明接入成功。如果提示认证失败优先检查三件事Base URL 是否正确、Auth Token 是否有空格或换行、转换层是否真的监听在配置的端口上。这里有一个很容易忽略的稳定性问题Claude Code 会维持较长的上下文窗口连续多轮对话后请求体积会变大。第三方 API 服务往往有请求体大小限制和超时时间限制。如果你发现“前面的对话都正常到第 20 轮突然报错”多半是超时或请求体超限而不是配置问题。6. 用 CC Switch 等工具切换配置6.1 CC Switch 是什么CC Switch 是社区里常见的 Claude Code 配置切换工具核心作用是维护多套配置档让用户在不同 API 供应商之间快速切换。类似工具还有多种但底层逻辑一致都是修改环境变量或配置文件然后把新的配置注入到 Claude Code / Codex 的启动流程里。6.2 配置多个场景例如你可以有两套配置默认配置使用 Claude 官方模型。工作配置使用 DeepSeek 第三方 API。在切换到“DeepSeek 配置”时工具需要同时更新ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、模型名等参数。如果其中某一个参数没有刷新就会出现“切换成功但请求仍然发到旧地址”的问题。6.3 处理 “local proxy failed while handling codex endpoint /responses” 报错从社区反馈看比较典型的一个报错是cc switch local proxy failed while handling codex endpoint /responses. provider...这个报错的意思是CC Switch 在本地启动的代理服务在处理 Codex 的/responses端点时失败。通常由以下原因触发本地代理端口被其他进程占用。代理服务读取的上游配置是旧的比如转发地址仍指向官方服务。Codex 的响应格式和代理层预期不匹配比如使用了流式响应但代理层没正确处理 SSE。代理层启动成功但 Codex 进程启动时没有继承代理层需要的环境变量。第一反应是执行claude doctor或查看代理日志确认本地端口是否监听lsof -i :8080如果端口没有监听说明代理服务没有启动成功。如果端口在监听就手动用 curl 打一次请求看返回什么curl http://127.0.0.1:8080/responses \ -H Content-Type: application/json \ -d {test: true}通过这条命令可以快速判断是代理层崩溃还是上游地址没有配置正确。7. 会话找回备份、恢复与多目录同步7.1 Codex 会话文件存储位置Codex 的会话记录默认以 JSONL 格式存储在本地配置目录下大致位置在~/.codex/sessions/项目路径唯一标识/每个项目对应一个或几个 JSONL 文件文件里保存了每轮对话的用户输入、模型输出、工具调用记录。如果你重启 Codex 后看不到之前的会话大概率是会话文件没有写入或者配置文件里指定了不同的存储目录。7.2 Claude Code 会话文件存储位置Claude Code 的会话日志和恢复文件一般存放在~/.claude/projects/项目路径编码/目录名称由项目路径编码生成里面有多个 JSONL 文件记录了完整会话过程。Claude Code 在恢复会话时会读取这些文件。7.3 手动备份最常见备份有两种思路手动复制和定时同步。手动复制最简单cp -r ~/.claude/projects ~/backups/claude_projects_$(date %Y%m%d) cp -r ~/.codex/sessions ~/backups/codex_sessions_$(date %Y%m%d)恢复就是把备份目录复制回去。这套方式适合个人开发、单机使用。7.4 用脚本完成多目录恢复如果你有多个开发机需要把会话记录同步到另一台机器可以写一个不依赖第三方工具的同步脚本#!/bin/bash BACKUP_DIR$HOME/backups/agent-sessions mkdir -p $BACKUP_DIR # 备份 Codex if [ -d $HOME/.codex/sessions ]; then cp -r $HOME/.codex/sessions $BACKUP_DIR/codex-$(date %Y%m%d%H%M) fi # 备份 Claude Code if [ -d $HOME/.claude/projects ]; then cp -r $HOME/.claude/projects $BACKUP_DIR/claude-$(date %Y%m%d%H%M) fi恢复时按时间戳选一个备份目录把对应子目录复制回去即可。这种方案的好处是无外部依赖、不经过第三方服务器符合数据最小化原则缺点是只能手动执行。如果你希望自动同步需要使用自建文件同步服务并做好加密。7.5 会话找回的常见误区很多人以为在 Codex 里执行了/resume就能找回所有会话但/resume只能恢复当前项目目录范围内已经写入的会话。如果你在另一个目录启动 Codex默认情况下它不会自动加载其他目录的会话。Claude Code 同理它的项目目录映射规则决定了会话文件绑定到具体项目路径。因此如果你发现“会话丢了”先确认你是不是换了目录、换了机器再检查文件是否真实存在。8. 第三方 API 调用与批量任务8.1 成本监控用什么Claude Code 接入第三方 API 之后一个很现实的问题是费用不可控。社区里已经有不少成本监控插件思路基本一致在请求转发层记录每次请求的输入 token、输出 token、耗时和估算费用再展示在控制台或导出到日志。如果你不想用第三方插件也可以自己写一个轻量的请求日志中间件。核心逻辑就是包一层请求转发在返回前读取流式内容里的usage字段。import json import time def log_request(provider, endpoint, elapsed_ms, input_tokens, output_tokens): entry { provider: provider, endpoint: endpoint, elapsed_ms: elapsed_ms, input_tokens: input_tokens, output_tokens: output_tokens, } with open(api_cost.log, a, encodingutf-8) as f: f.write(json.dumps(entry, ensure_asciiFalse) \n)这种日志可以按小时或按项目维度聚合用来观察成本趋势。8.2 用 Python 调用 DeepSeek API在把 DeepSeek 接进 Codex / Claude Code 之前你可以先用 Python 脚本单独验证 DeepSeek API 是否满足你的业务需求。OpenAI 官方 SDK 可以复用因为 DeepSeek API 兼容 OpenAI 协议。import os from openai import OpenAI client OpenAI( api_keyos.environ.get(DEEPSEEK_API_KEY), base_urlhttps://api.deepseek.com, ) resp client.chat.completions.create( modeldeepseek-chat, messages[ {role: user, content: 把下面这段代码改成异步版本} ], temperature0.3, ) print(resp.choices[0].message.content) print(usage:, resp.usage)运行前先设置环境变量export DEEPSEEK_API_KEYsk-你的DeepSeekAPIKey python test_deepseek.py8.3 批量任务的队列设计如果你要让 Codex / Claude Code 批量处理多个仓库的分析任务不建议直接在终端里并行开十几个会话。更稳妥的做法是把任务文件放到队列目录让脚本逐个消费。{ tasks: [ { project_dir: /repo/app1, instruction: 检查所有未捕获异常并给出修复建议 }, { project_dir: /repo/app2, instruction: 统计所有 TODO 注释并生成报告 } ] }对应 Python 脚本模板import subprocess import json with open(tasks.json, r, encodingutf-8) as f: tasks json.load(f)[tasks] for task in tasks: cmd [ codex, exec, --model, deepseek-chat, task[instruction], ] result subprocess.run(cmd, cwdtask[project_dir], capture_outputTrue, textTrue, timeout300) with open(task_result.log, a, encodingutf-8) as out: out.write(f{task[project_dir]} - {result.returncode}\n)批量任务的关键不是“能跑”而是“跑挂了能恢复”。建议每个任务都做独立日志、独立输出目录并设置超时时间。9. 资源占用与性能观察虽然 Codex / Claude Code 本身不是重型模型不像大模型推理那样吃显存但它们在运行时依然有可观察的 CPU、内存和网络占用。9.1 观察指标启动后你可以在另一个终端执行# 观察进程 CPU / 内存 ps aux | grep -E codex|claude | grep -v grep终端编程助手的资源占用主要来自三部分Node.js 运行时、本地代理进程或工具链插件、以及渲染交互界面的进程。长时间运行后如果发现输入命令出现明显的卡顿优先检查内存占用是否持续上涨。9.2 网络与延迟接入第三方 API 后每次对话的响应时间约等于“上行传输时间 模型推理时间 下行传输时间”。如果模型推理很快但体感很慢问题往往出在网络链路上。可以使用粗略计时time curl https://api.deepseek.com/chat/completions \ -H Authorization: Bearer sk-你的APIKey \ -H Content-Type: application/json \ -d {model: deepseek-chat, messages: [{role: user, content: hi}]}多次测一个平均值能帮你分辨是模型服务慢还是网络链路慢。9.3 如何降低资源消耗减少并行任务数量。一次跑太多任务会同时占用 CPU、内存和 API 并发额度。控制上下文长度。会话超过一定轮数后可以开启新会话而不是一直续着。关闭本地代理的调试日志。调试日志大量写磁盘时低配机器会出现明显 IO 卡顿。定期清理历史会话文件。会话会以 JSONL 形式持续占用磁盘建议每隔一段时间归档一次。10. 常见问题与排查方法下面这张表是几个出现频率较高的报错和排错思路。问题现象可能原因排查方式解决方案codex auth token is unavailable环境变量没有注入或认证文件被占用检查OPENAI_API_KEY是否为空检查认证配置文件权限重新 export API Key删除旧的认证缓存后重新登录cc switch local proxy failed while handling codex endpoint /responses本地代理端口被占用、上游地址配置错误、流式响应解析失败查看代理日志lsof -i :端口号检查端口用 curl 请求代理地址更换端口重置配置档升级 CC Switch 到新版Claude Code 启动后提示 401 / 403ANTHROPIC_AUTH_TOKEN设置错误或请求被拒绝检查密钥是否有换行空格检查 Base URL 是否指向有效端点重新设置环境变量确认服务和密钥有效期前几轮正常多轮对话后报错请求体过大、超时时间过短、上下文过长查看代理层日志和 API 返回的 error code缩短对话轮数或提高超时配置配置了环境变量但 Codex 仍走官方服务登录态优先于环境变量执行codex logout或检查认证配置清理官方登录态强制走 API Key 模式会话恢复找不到历史记录换了项目目录或换了机器检查~/.codex/sessions和~/.claude/projects是否存在日志文件恢复备份目录或在原项目目录执行会话恢复npm 安装时权限报错全局安装目录没有写权限检查npm config get prefix对应目录权限使用 sudo 安装或改用用户级安装目录DeepSeek API 返回模型不存在请求中携带了官方模型名但第三方端点不接受查看返回 JSON 中的错误信息把模型名改成deepseek-chat或deepseek-reasoner以官方文档为准排错的一个通用原则先分清问题发生在哪一层。最简单的分层方法是看报错来自前端工具、本地代理层还是上游 API。前端工具报错优先查环境变量和登录态本地代理层报错优先查端口和日志上游 API 报错优先查 API Key、模型名和配额。11. 最佳实践与使用建议进入生产使用阶段之前把这几个实践固化下来可以帮你省掉很多麻烦。11.1 第一次配置先跑最小验证先用 curl 验证 DeepSeek API Key再配置 Codex再配置 Claude Code。不要同时把 Codex、Claude Code、CC Switch、本地代理全部一次性接好那样出问题时很难定位。11.2 密钥和配置文件分目录管理建议创建下面这样的目录结构~/.config/agent-profiles/ ├── deepseek/ │ ├── codex.json │ └── claude.json ├── official/ │ ├── codex.json │ └── claude.json └── logs/ └── api_cost.log配置文件不要提交到 Git 仓库。可以提交一份模板但模板中不要包含真实的 API Key。11.3 会话备份纳入日常习惯会话找回功能虽然存在但不能当作唯一的可靠性保障。建议在一天工作结束前运行一次备份脚本把~/.codex/sessions和~/.claude/projects压缩归档。tar -czf ~/backups/agent-$(date %Y%m%d).tar.gz -C ~/.codex sessions -C ~/.claude projects11.4 批量任务要有失败重试在批量任务脚本里要记录每个任务的输入、输出、耗时和失败原因。建议把上一次失败的任务单独写到failed_tasks.json下次跑的时候先重试这部分任务。11.5 涉及敏感数据的项目不要直接接入这是最重要的红线。如果项目里包含个人隐私、商业机密、未公开的代码逻辑不建议使用任何第三方模型 API。你可以在本地先做脱敏处理或者直接不使用该模型服务。11.6 定期复核成本与效果第三方 API 的模型版本可能会调整接口参数也可能变化。建议每月做一次成本统计对比 DeepSeek 和官方模型在准确率、任务完成度上的差异再决定是否继续使用这个组合。12. 总结与下一步这篇文章重点解决了三个问题Codex CLI 和 Claude Code 如何安装如何把它们接入 DeepSeek 第三方 API以及如何找回跨会话、跨机器的对话记录。最容易踩的坑有三个一是环境变量设置了但登录态优先导致请求仍走官方服务二是 Claude Code 请求体格式不兼容需要转换层而不是直接把 Base URL 指过去三是会话文件绑定项目目录换目录就等于“丢了会话”。建议你现在先用 DeepSeek API 跑通 curl 最小验证然后依次接 Codex、Claude Code最后再做会话备份和批量任务。配置完这套流程后你可以进一步尝试接一个本地 API 网关把多个模型供应商统一到一个入口这样就可以在一套终端工具里随时切换模型后端而不需要反复修改环境变量。