🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度

如果你是一名开发者，最近可能已经注意到一个趋势：越来越多的技术社区在讨论如何将 OpenAI 的 Codex 编程助手与 DeepSeek 模型结合使用。这听起来像是一个简单的“换模型”操作，但背后其实隐藏着一个更关键的问题：我们能否用更经济、更强大的国产大模型，来驱动那些原本为 OpenAI 生态设计的顶级开发工具？

答案是肯定的，而且这个过程比你想象的要简单。Codex 作为 OpenAI 推出的命令行和桌面端编程智能体，其核心能力是通过 OpenAI 的 Responses API 与模型通信。这意味着，只要我们能搭建一个兼容的“转发层”，就能让 Codex 的请求“改道”到 DeepSeek 的 API。这正是开源项目 Moon Bridge 所做的事情。

本文将带你从零开始，完成 Codex 接入 DeepSeek 的完整流程。这不是一个简单的“Hello World”教程，而是一个生产可用的、经过验证的工程化方案。你将学会如何配置 Moon Bridge 代理，如何生成 Codex 的配置文件，以及如何验证整个链路是否通畅。更重要的是，我会告诉你在这个过程中最容易踩的坑是什么，以及如何避免。

无论你是想体验 DeepSeek V4 在代码生成上的强大能力，还是希望为团队寻找一个成本更优的 AI 编程助手方案，这篇文章都能为你提供清晰的路径和可复现的代码。

1. 这篇文章真正要解决的问题

在深入技术细节之前，我们先明确一下这个方案到底解决了什么痛点。

痛点一：成本与可访问性。OpenAI 的 API 服务对于国内开发者而言，不仅存在访问延迟问题，其按 token 计费的模式在长期、高频的代码生成场景下也是一笔不小的开销。DeepSeek 提供了极具竞争力的价格和出色的中文代码理解能力，是更符合国情的替代选择。

痛点二：工具链的延续性。许多开发者已经习惯了 Codex 的工作流和交互方式。Codex 作为一个成熟的编程智能体，其项目感知、文件操作、多轮对话等特性已经深度集成到开发流程中。直接放弃 Codex 去适应一个全新的工具，学习成本和迁移风险都很高。本方案的核心价值在于“换芯不换壳”，让你保留熟悉的 Codex 界面和交互，同时享受 DeepSeek 模型的能力。

痛点三：工程化部署的复杂性。单纯调用一个模型 API 很简单，但要让一个复杂的智能体工具（如 Codex）无缝对接另一个模型服务，涉及到协议转换、配置管理、模型能力映射等一系列工程问题。Moon Bridge 这个开源项目封装了这些复杂性，提供了一个标准化的转发层，使得整个接入过程变得清晰可控。

因此，本文的目标读者是：

1. 已经使用或想尝试 Codex 的开发者。
2. 希望将 AI 编程助手成本优化，或寻求更稳定国内服务的团队技术负责人。
3. 对 AI 工具链集成感兴趣，想了解如何“桥接”不同 AI 生态的技术爱好者。

如果你符合以上任何一点，那么请继续往下看。

2. 基础概念与核心原理

在开始动手之前，我们需要理解几个关键概念和它们之间的关系。这能帮助你在遇到问题时，知道该从哪个环节排查。

Codex (OpenAI Codex Agent):这不是指那个早期的代码生成模型，而是 OpenAI 推出的一款编程智能体应用，包括 CLI（命令行）和桌面 App 两种形态。你可以把它理解为一个专为编程场景设计的“Copilot 工作站”，它不仅能生成代码片段，还能理解你的项目上下文、执行文件操作、进行多轮对话以解决复杂的编程任务。它通过 OpenAI 的Responses API与后端 AI 模型通信。

DeepSeek API:深度求索公司提供的大模型 API 服务。DeepSeek-V4 系列模型在代码生成、数学推理和中文理解上表现突出。我们需要通过其官方平台获取 API Key 来调用服务。

Moon Bridge:这是一个开源的 API 转发代理工具。它的核心作用是将OpenAI Responses API 格式的请求，转换成DeepSeek API 能够识别的格式，并转发过去，再将 DeepSeek 的响应转换回 Responses API 的格式返回给 Codex。你可以把它看作一个“协议翻译官”和“流量路由器”。

核心工作流程：

[你的终端] --(输入`codex`命令)--> [Codex CLI] | V [Codex 生成 OpenAI Responses API 格式的请求] | V [请求被发送到 Moon Bridge 监听的本地端口] | V [Moon Bridge 接收请求，进行协议和格式转换] | V [转换后的请求被发送至 DeepSeek API 服务器] | V [DeepSeek 处理请求并返回结果给 Moon Bridge] | V [Moon Bridge 将结果转换回 Responses API 格式] | V [Codex 接收并解析结果] | V [你在终端看到 Codex 的回复]

理解了这个流程，后续的所有配置步骤都会变得顺理成章。我们不是在修改 Codex 的源代码，而是在它和模型之间插入了一个透明的“中间件”。

3. 环境准备与前置条件

确保你的开发环境满足以下要求，这是后续所有步骤能够成功的基础。

3.1 操作系统

• macOS / Linux:本教程的命令行示例主要基于此类系统，兼容性最好。
• Windows:可以使用 WSL2 (Windows Subsystem for Linux) 或 PowerShell。教程中会同时提供 PowerShell 命令。

3.2 基础运行环境

• Node.js 18 或更高版本:用于安装 Codex CLI。
  • 检查命令：node --version
• Go 1.25 或更高版本:用于编译和运行 Moon Bridge。
  • 检查命令：go version

3.3 网络要求

• 能够正常访问 GitHub (用于克隆 Moon Bridge 仓库) 和 DeepSeek API 服务 (api.deepseek.com)。
• 确保本地端口38440(Moon Bridge 默认端口) 未被其他程序占用。

3.4 账号与密钥

• DeepSeek 平台账号:前往 DeepSeek 开放平台 注册并登录。
• DeepSeek API Key:在平台中创建一个 API Key 并妥善保存。它通常以sk-开头。这是整个流程中最关键的一环，请务必保管好，不要泄露。

4. 核心流程拆解：五步完成接入

整个接入过程可以清晰地分为五个步骤。我们将一步步拆解，并解释每一步的作用和关键点。

4.1 第一步：安装 Codex CLI

Codex 提供了命令行工具，这是我们与智能体交互的主要方式。

# 使用 npm 全局安装 Codex CLI npm install -g @openai/codex # 验证安装是否成功 codex --version

安装成功后，codex --version会输出当前版本号。如果遇到权限问题，在命令前加上sudo(Linux/macOS) 或以管理员身份运行 PowerShell (Windows)。

4.2 第二步：获取并准备 DeepSeek API Key

1. 登录 DeepSeek 开放平台 。
2. 在侧边栏或顶部导航中找到“API Keys”或“密钥管理”。
3. 点击“创建新的密钥”(Create new key)。
4. 为密钥命名（例如codex-integration），并复制生成的以sk-开头的字符串。重要提示：API Key 只显示一次，请立即将其粘贴到一个临时安全的地方（如本地文本文件），我们下一步会用到。

4.3 第三步：配置 Moon Bridge 转发代理

这是技术核心，我们需要搭建本地代理服务。

1. 克隆 Moon Bridge 仓库并进入目录

git clone https://github.com/ZhiYi-R/moon-bridge.git cd moon-bridge

2. 创建 Moon Bridge 配置文件在moon-bridge目录下，创建一个名为config.yml的文件。

# config.yml mode: "Transform" server: addr: "127.0.0.1:38440" # Moon Bridge 服务监听的地址和端口 models: deepseek-v4-pro: context_window: 1000000 max_output_tokens: 384000 default_reasoning_level: "high" supported_reasoning_levels: - effort: "high" description: "High reasoning effort" - effort: "xhigh" description: "Extra high reasoning effort" supports_reasoning_summaries: true default_reasoning_summary: "auto" extensions: deepseek_v4: enabled: true deepseek-v4-flash: context_window: 1000000 max_output_tokens: 384000 default_reasoning_level: "high" supported_reasoning_levels: - effort: "high" description: "High reasoning effort" - effort: "xhigh" description: "Extra high reasoning effort" supports_reasoning_summaries: true default_reasoning_summary: "auto" extensions: deepseek_v4: enabled: true providers: deepseek: base_url: "https://api.deepseek.com/anthropic" # DeepSeek API 的端点 api_key: "sk-your-deepseek-api-key" # ！！！请替换为你的真实 API Key ！！！ offers: - model: deepseek-v4-pro - model: deepseek-v4-flash routes: moonbridge: model: deepseek-v4-pro # 默认路由使用的模型 provider: deepseek defaults: model: moonbridge max_tokens: 65536

关键配置项解释：

• server.addr: 保持默认127.0.0.1:38440即可，这是本地回环地址，确保安全。
• providers.deepseek.api_key:这是你必须修改的地方。将sk-your-deepseek-api-key替换成你在第二步中获取的真实密钥。
• routes.moonbridge.model: 定义了 Codex 默认使用的模型。这里设置为deepseek-v4-pro，你也可以根据需求改为deepseek-v4-flash（速度更快，成本更低）。
• base_url: 注意这里是https://api.deepseek.com/anthropic，Moon Bridge 内部做了协议适配。

3. 启动 Moon Bridge 服务

# 在 moon-bridge 目录下执行 go run ./cmd/moonbridge --config config.yml

如果一切正常，终端会显示服务启动日志，并持续运行，等待接收请求。请保持这个终端窗口打开。

4.4 第四步：生成 Codex 客户端配置

现在我们需要告诉 Codex，它的“后端服务”地址已经变成了我们本地运行的 Moon Bridge。

对于 macOS/Linux 用户：

# 设置或确认 Codex 的配置目录 CODEX_HOME_DIR="${CODEX_HOME:-$HOME/.codex}" mkdir -p "$CODEX_HOME_DIR" # 可选：备份现有配置（如果是首次安装可跳过） cp "$CODEX_HOME_DIR/config.toml" "$CODEX_HOME_DIR/config.toml.bak" 2>/dev/null || true # 让 Moon Bridge 生成 Codex 所需的配置 MODEL="$(go run ./cmd/moonbridge --config config.yml --print-codex-model)" go run ./cmd/moonbridge \ --config config.yml \ --print-codex-config "$MODEL" \ --codex-base-url "http://127.0.0.1:38440/v1" \ --codex-home "$CODEX_HOME_DIR" \ > "$CODEX_HOME_DIR/config.toml"

对于 Windows PowerShell 用户：

# 设置或确认 Codex 的配置目录 $CODEX_HOME_DIR = if ($env:CODEX_HOME) { $env:CODEX_HOME } else { "$HOME\.codex" } New-Item -ItemType Directory -Force -Path $CODEX_HOME_DIR | Out-Null # 可选：备份现有配置 if (Test-Path "$CODEX_HOME_DIR\config.toml") { Copy-Item "$CODEX_HOME_DIR\config.toml" "$CODEX_HOME_DIR\config.toml.bak" -Force } # 让 Moon Bridge 生成 Codex 所需的配置 $MODEL = go run ./cmd/moonbridge --config config.yml --print-codex-model go run ./cmd/moonbridge ` --config config.yml ` --print-codex-config "$MODEL" ` --codex-base-url "http://127.0.0.1:38440/v1" ` --codex-home "$CODEX_HOME_DIR" ` | Set-Content -Path "$CODEX_HOME_DIR\config.toml"

执行后生成了什么？

• ~/.codex/config.toml: Codex 的主配置文件，里面指定了使用wire_api = "responses"并指向 Moon Bridge 的本地地址。
• ~/.codex/models_catalog.json: 模型能力目录文件，告诉 Codex 当前可用的模型（moonbridge）及其支持的特性（如上下文长度、推理等级等）。

4.5 第五步：启动 Codex 并验证

配置完成后，就可以开始使用了。

1. 打开一个新的终端窗口（因为 Moon Bridge 服务占用了原来的终端）。
2. 进入你的项目目录：

   cd /path/to/your/project

3. 启动 Codex：

   codex

   首次启动可能会有些初始化过程。成功后，你会看到 Codex 的命令行交互界面。

5. 完整验证与测试

在投入实际使用前，强烈建议进行以下验证，确保每个环节都工作正常。

5.1 验证 Moon Bridge 服务

在 Moon Bridge 运行的终端，你应该能看到类似以下的日志，表明服务已就绪：

INFO[0000] Starting server on 127.0.0.1:38440

5.2 验证 API 端点

在新的终端中，使用curl测试 Moon Bridge 提供的 OpenAI 兼容接口：

# 测试模型列表接口 curl http://127.0.0.1:38440/v1/models # 测试简单的对话接口 curl http://127.0.0.1:38440/v1/responses \ -H "Content-Type: application/json" \ -d '{ "model": "moonbridge", "input": "请用Python写一个简单的Hello World程序。", "max_output_tokens": 1024 }'

第一个命令应返回包含moonbridge模型信息的 JSON。第二个命令应返回一个包含 Python 代码的 JSON 响应。

5.3 验证 Codex 与 Moon Bridge 的联动

1. 在运行codex的终端中，向 Codex 提出一个编程问题，例如：“帮我写一个函数，计算斐波那契数列的第n项。”
2. 观察 Moon Bridge 服务所在的终端窗口。如果配置正确，你应该能看到新的日志行，例如：

   INFO[xxxx] POST /v1/responses 200 OK

   这证明 Codex 的请求成功发送到了 Moon Bridge。
3. Codex 终端应该能正常接收并显示来自 DeepSeek 模型生成的代码答案。

5.4 一键启动脚本（可选）

Moon Bridge 项目还提供了便捷的一键启动脚本，可以自动完成启动代理、生成配置、启动 Codex 的整个过程。

macOS/Linux:

./scripts/start_codex_with_moonbridge.sh --project-directory /path/to/your/project

Windows PowerShell:

.\scripts\start_codex_with_moonbridge.ps1 -ProjectDirectory C:\path\to\your\project

6. 常见问题与排查思路

在实际操作中，你可能会遇到一些问题。下表列出了最常见的问题及其解决方法。

7. 最佳实践与工程化建议

将 Codex 接入 DeepSeek 用于生产环境或团队协作时，以下几点建议能让你用得更稳、更安全。

1. API Key 安全管理

• 切勿提交：绝对不要将包含真实 API Key 的config.yml文件提交到 Git 等版本控制系统。
• 环境变量：更安全的方式是使用环境变量。修改config.yml：

  providers: deepseek: api_key: ${DEEPSEEK_API_KEY} # 从环境变量读取

  然后在启动 Moon Bridge 前设置环境变量：

  # macOS/Linux export DEEPSEEK_API_KEY=sk-your-real-key-here go run ./cmd/moonbridge --config config.yml # Windows PowerShell $env:DEEPSEEK_API_KEY="sk-your-real-key-here" go run ./cmd/moonbridge --config config.yml

2. 服务进程管理

• 在开发机上，可以使用tmux或screen将会话保持在后台。
• 对于服务器部署，建议使用systemd(Linux) 或 LaunchDaemon (macOS) 将 Moon Bridge 作为守护进程运行，并配置开机自启和日志轮转。

3. 配置版本化与团队共享

• 将清理掉敏感信息的config.yml（使用环境变量占位符）和生成配置的脚本纳入团队的项目文档或内部工具仓库。
• 为新团队成员提供一份简明的README，引导他们完成环境准备、配置生成和验证步骤。

4. 模型选择与成本控制

• deepseek-v4-flash在大多数代码生成任务上响应速度更快，成本更低，是日常开发的优选。
• deepseek-v4-pro在解决极其复杂、需要深度推理的编程问题时可能表现更好，但成本也更高。可以在config.yml的routes部分灵活切换，或通过更复杂的 Moon Bridge 配置实现基于任务的路由。

5. 网络与性能考量

• Moon Bridge 运行在本地，与 Codex 的通信是本地回环，延迟极低。
• 主要的网络延迟发生在 Moon Bridge 与 DeepSeek 云端 API 之间。确保你的网络环境稳定，如果遇到延迟高或超时，可以检查本地网络或尝试调整超时设置（如果 Moon Bridge 支持）。

6. 故障恢复与监控

• 定期检查 DeepSeek 平台的 API 调用情况和余额。
• 如果 Codex 突然无响应，首先检查 Moon Bridge 进程是否存活，再看其日志是否有错误信息。按照第六部分的排查表进行诊断。

通过以上步骤，你已经成功地将一个强大的 AI 编程助手（Codex）与一个高效经济的国产大模型（DeepSeek）连接起来。这个方案不仅证明了不同 AI 生态之间通过标准化接口和代理工具进行整合的可行性，也为你提供了一条切实可行的、降低开发辅助成本的路径。

技术的价值在于解决实际问题。下次当你使用 Codex 高效地编写代码时，可以确信背后支撑它的是我们自己的顶尖模型。这套组合带来的效率提升和成本优化，值得你花时间将它集成到你的日常开发流中。如果在实践中遇到新的问题，欢迎在社区分享你的经验。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度