新闻详情

新闻详情

首页 / 资讯中心 / 详情

CC Switch 3.16.1 配置指南:在 codex 中接入 DeepSeek、Kimi、GLM 的 settings.json 骨架与插件验证

发布时间:2026/11/10 10:14:23来源:尧图网络
CC Switch 3.16.1 配置指南:在 codex 中接入 DeepSeek、Kimi、GLM 的 settings.json 骨架与插件验证
1. 为什么 codex 里接第三方模型总差点意思如果你最近在折腾 codex 的本地多模型切换大概率会遇到一个很别扭的局面DeepSeek、Kimi、GLM 这些模型的 API Key 填进去模型确实能跑但 codex 官方 App 的插件面板和手机远程控制突然就没了。原因不复杂codex 的登录态和模型通道被写进了同一个地方切换第三方供应商时把官方登录缓存覆盖掉了。CC Switch 3.16.1 这次更新主要就是解决这个割裂感。它把 codex 的配置拆成两个文件来管理~/.codex/auth.json保留官方 ChatGPT / Codex 登录缓存~/.codex/config.toml负责当前供应商、base URL、模型和 provider-scoped token。开启“切换第三方时保留官方登录”之后第三方 API Key 只写进 config.toml 的当前 provider 下auth.json 不动于是插件和手机控制还能继续用模型请求则走第三方通道。这篇面向需要在本地统一管理多模型通道的开发者给出 CC Switch 3.16.1 在 codex 中接入 DeepSeek、Kimi、GLM 的 settings.json 骨架、TaoToken 统一 Key/API 通道的接入位置以及插件与手机控制的验证动作。如果你只想快速跑通一条链路也可以直接照着下面的配置复制。2. TaoToken 前置统一 Key 与 API 通道的接入位置在讲 settings.json 骨架之前先把 TaoToken 的接入位置说清楚。TaoToken 在这里扮演的是统一 Key 和 API 通道的角色你可以把它理解成一个“模型请求的入口层”codex 侧仍然按 OpenAI 兼容格式发请求TaoToken 负责把请求分发到你指定的模型通道。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 基地址https://taotoken.net/api如果你要拿 Key去控制台的 API Keys 页面https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite接入文档在https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite模型对话验证页https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite长期编码或 Agent 场景可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewriteClaudeCodeAnthropic 相关入口https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_codeutm_campaignrewrite这里的关键点是TaoToken 的 API 地址要填在 CC Switch 的供应商配置里而不是直接写进 codex 的 auth.json。这样官方登录缓存不会被污染插件和手机控制的能力也不会丢。3. 可复制配置settings.json 骨架与 CC Switch 供应商参数CC Switch 3.16.1 的配置落地核心是两份内容一份是 CC Switch 内部的供应商配置一份是 codex 侧的 settings.json 骨架。下面给出可直接复制的结构。3.1 codex settings.json 骨架{ model_provider: taotoken, model: deepseek-chat, providers: { taotoken: { name: TaoToken 统一通道, base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, wire_api: chat, models: { deepseek-chat: { name: DeepSeek, context_window: 128000 }, kimi-k2: { name: Kimi, context_window: 128000 }, glm-4.6: { name: GLM, context_window: 128000 } } } } }这个骨架里base_url指向 TaoToken 的 API 地址api_key填你在控制台拿到的 Keywire_api设为chat表示走 Chat Completions 协议。DeepSeek、Kimi、GLM 的模型名按你实际开通的通道填写上面只是示例。3.2 CC Switch 供应商配置对照在 CC Switch 里添加第三方 Codex 供应商时推荐优先用内置预设。以 DeepSeek 为例选择预设后只需要填 API Key预设会自动配置 base URL、默认模型、模型映射表和“需要本地路由映射”。配置项DeepSeekKimiGLM协议类型Chat CompletionsChat CompletionsChat Completions是否需要本地路由是是是base URL 来源TaoToken APITaoToken APITaoToken APIAPI Key 位置供应商配置供应商配置供应商配置官方登录保留开启开启开启如果你的第三方供应商原生支持 OpenAI Responses API可以不启用本地路由。但 DeepSeek、Kimi、GLM 这类只支持 Chat Completions 的路径必须启用本地路由让 CC Switch 把 codex 的 Responses 请求转换成 Chat Completions 请求。3.3 开启“切换第三方时保留官方登录”这一步是 3.16.1 的核心。去 CC Switch 设置里打开 codex 应用增强开关再把路由开关添加到主页面。开启后第三方供应商的 API 地址和 Key 写到 config.toml 的当前 provider 下auth.json 保持官方登录缓存不变。注意如果你之前用旧版本切换过第三方auth.json 可能已经被覆盖。建议先在 codex 里重新登录一次官方账号再开启保留登录选项。4. 验证请求从 codex 到 TaoToken 的连通性检查配置写完接下来是验证。验证分三层codex 侧能否识别当前 provider、TaoToken 侧能否收到请求、模型侧能否正常返回。4.1 codex 侧检查打开 codex app 或 cli任意一个都行它们的配置是共享的。先确认当前处于 codex 账号登录状态然后切换供应商并打开路由开关。此时 codex 界面应该显示已登录但模型走的是第三方通道。你可以用一条简单命令测试codex --model deepseek-chat 用一句话说明当前模型通道如果返回内容正常说明 codex 到 CC Switch 的链路通了。4.2 TaoToken 侧检查在 TaoToken 的模型对话页面可以直接发一条测试请求确认 Key 和通道可用。模型对话入口https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite如果模型对话页面能正常返回说明 TaoToken 侧的 Key 和通道没问题。此时如果 codex 侧不通问题大概率在 CC Switch 的本地路由或 settings.json 的 base_url 上。4.3 插件与手机控制验证插件功能验证在 codex 里安装一个 outlook 插件能正常安装并调用说明官方登录态保留成功。手机控制验证手机上打开 ChatGPT登录相同账号选择 codex 并连接。可以正常连接说明 auth.json 的官方登录缓存没有被覆盖。提示以前使用账号登录的聊天记录不会显示关闭 CC Switch 或者切换为 OpenAI Official 才能显示。以前使用 DeepSeek 这些 API 的聊天记录会正常显示。5. 本篇常见错排查5.1 切换后插件消失最常见的原因是 auth.json 被覆盖。检查 CC Switch 是否开启了“切换第三方时保留官方登录”。如果没有开启第三方 API Key 会写进 auth.json官方登录缓存丢失插件和手机控制自然不可用。5.2 模型请求 404 或 401先确认 base_url 是否指向https://taotoken.net/api再确认 API Key 是否有效。如果 Key 没问题检查 wire_api 是否设为chat。DeepSeek、Kimi、GLM 都不支持 Responses APIwire_api 设错会导致请求格式不匹配。5.3 本地路由开关没打开DeepSeek、Kimi、GLM 这类 Chat Completions 协议必须启用本地路由。如果没开codex 发出的 Responses 请求会直接打到第三方 API对方不认这个格式就会报错。开启后CC Switch 在中间做格式转换。5.4 手机控制连不上先确认 codex 侧是否处于官方账号登录状态。如果 auth.json 被覆盖手机控制会失效。重新登录官方账号再开启保留登录选项然后重启 codex app。5.5 模型名不匹配settings.json 里的模型名要和 TaoToken 通道里实际开通的模型名一致。比如你填了deepseek-chat但通道里只有deepseek-v4-flash请求就会失败。去模型对话页面确认可用模型名。6. 多模型切换的长期用法与 CTACC Switch 3.16.1 把 codex 的官方登录态和第三方模型通道拆开管理之后多模型切换的体验顺了很多。你可以把 DeepSeek、Kimi、GLM 都挂在 TaoToken 统一通道下用同一个 Key 管理切换时只改 config.toml 的当前 providerauth.json 不动。如果你要长期跑编码或 Agent 任务建议把 TaoToken 的 Coding Plan 用起来入口在https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite接入文档和 API Keys 页面建议收藏排障时直接对照接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite API Keys https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite实测下来最容易踩的坑不是模型本身而是 auth.json 和 config.toml 的写入位置。把这两个文件的分工搞清楚插件、手机控制、第三方模型三者可以同时存在。
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 2026/11/10 4:49:37

【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 2026/11/10 19:42:40

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 2026/11/10 9:14:31

【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 ... 2026/11/10 1:10:29

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 2026/11/10 15:15:31

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 2026/11/10 17:14:10

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
📞 ✉