DeepSeek-V4-Flash 的一经发布属实非常炸裂了，发布之后，明显 DeepSeek 的响应速度变得很a慢了，我估计大家都在接入 API 测试，不过也难怪，DeepSeek-V4-Flash 正式版把 DeepSeek-V4-Pro Preview 都给秒了，Agent 能力大幅增强，香的一批，还要什么自行车。

我日常使用 Codex 比较多，所以我想着把 DeepSeek 直接接入 Codex 中。

还好官方直接提供了一键接入配置，也是丝滑的一批。

你可以在 Codex 的任何客户端形态来接入 DeepSeek ，CLI 、App、Codex 的 IDE 扩展都可以，而且只要配置一次就行了。

Mac 和 Linux 的用户，可以在终端执行：

执行之前建议先看一眼版本：

codex --version

DeepSeek 官方模型目录要求 Codex CLI 至少是 0.144.0。版本低了先更新：

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

Windows 的用户，可以在 PowerShell 中执行：

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

我这里就以 Mac 为例给大家演示下了，执行上述命令之后，DeepSeek 会提示你想要什么操作。

因为肯定要接入最新的 DeepSeek-V4-Flash ，那我们这里肯定选 1 了。

然后 DeepSeek 会提示你提供 api-key， 这个 api-key 就是你在 DeepSeek 官网上面创建的。

https://platform.deepseek.com/api_keys

把 api-key 复制到上面就可以了，如果你想要达到最安全的效果，可以手敲 ：）

输入上去，接入就完成了。

然后我们看下配置是否生效了。

重启一下 Codex 客户端（现在叫 ChatGPT 了，改不了口了不好意思各位。。。）

可以看到，Model 已经变成 Custom 了。

卸载也很方便，也是执行上述的步骤

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

然后在安装步骤中直接选择 y 就可以了。

这其实按照官方的说法已经接入成功了。

但是用起来很不习惯，因为我 Codex 所有的 project 、session 都不显示了，这不是我想要的，而且只有 DeepSeek 的 model ，不能切换 model ，我想要的是所有的 model 都能直接切换。

---

找了一圈发现没有原生直接在 Codex App 里面切换 model 的功能，然而 cc-switch 是直接切 model 提供商。

于是我找到了一个 GitHub ，OpenCodex ，研究了一圈发现能直接原生在 Codex App 里面实现切换。

项目地址：

https://github.com/lidge-jun/opencodex

OpenCodex 是一个社区维护的本地 proxy。它把 OpenAI、DeepSeek 以及其他 provider 的模型合并成一份 Codex 能识别的目录，再根据 provider/model 把请求送到对应接口。

先安装稳定版：

npm install -g @bitkyc08/opencodex

然后执行初始化向导：

ocx init
```![](http://cdn.zhipoai.cn/2d854034.jpg)

我这里保留了原来的 ChatGPT/Codex 登录，所以初始化时选择的是：

* Provider：`OpenAI — ChatGPT login`；
* 端口：默认的 `10100`；
* 注入 Codex：选择 Yes；
* 安装自动启动 shim：选择 Yes。

如果希望它登录后自动运行，再装一下后台服务：

```plaintext
ocx service install

接着打开 OpenCodex 的本地管理页面：

ocx gui

浏览器会打开 http://localhost:10100/。进入 Providers，添加 DeepSeek，然后把 API Key 填进去就可以了。

也可以先用命令把 DeepSeek provider 加进去：

ocx provider add deepseek --sync

最后同步一次模型目录：

ocx sync

然后就可以在 Codex 中一键切换 model 了。

---

我研究了一下，OpenCodex 没有修改 Codex App 的二进制。它主要给 ~/.codex/config.toml 加了两项配置：

model_catalog_json = "/Users/你的用户名/.codex/opencodex-catalog.json"openai_base_url = "http://127.0.0.1:10100/v1"

第一行让 Codex 读取 OpenCodex 合并后的模型目录。第二行把模型请求交给本机 10100 端口的 proxy。

路径大概就是：

Codex App / CLI        ↓OpenCodex（127.0.0.1:10100）        ↓OpenAI 或 DeepSeek

当模型 ID 是 deepseek-v4-flash 时，OpenCodex 识别 deepseek 前缀，转换 Codex 的 Responses 请求，然后带上 api-key，再发送到 https://api.deepseek.com。

---

如果你想在 CLI 中使用 Codex 实现一键切换的话，OpenCodex 也做了这一步。

直接在终端使用 codex （前提是你得装了官方的 codex cli） 使用 /model ，就可以切换模型了。

也可以启动时直接指定：

codex -m "deepseek/deepseek-v4-flash"codex -m "gpt-5.6-sol"

如果只想临时退回原生 Codex：

ocx stop

它会停止 proxy 和后台服务，并恢复原来的 Codex 配置。想彻底移除：

ocx uninstall

平时排查状态就用：

ocx status

用起来还是非常方便的。

不过目前我们用的还是 DeepSeek 的 api-key 来接入，今天看到 DeepSeek 开启 Harness 内测了，估计离正式发布不远了。

结语：抓住大模型时代的职业机遇

AI大模型的发展不是“替代人类”，而是“重塑职业价值”——它淘汰的是重复性、低附加值的工作，却催生了更多需要“技术+业务”交叉能力的高端岗位。对于求职者而言，想要在这波浪潮中立足，不仅需要掌握Python、TensorFlow/PyTorch等技术工具，更要深入理解目标行业的业务逻辑（如金融的风险控制、医疗的临床需求），成为“懂技术、懂业务”的复合型人才。

无论是技术研发岗（如算法工程师、研究员），还是业务落地岗（如产品经理、应用工程师），大模型都为不同背景的职场人提供了广阔的发展空间。只要保持学习热情，紧跟技术趋势，就能在AI大模型时代找到属于自己的职业新蓝海。

最近两年大模型发展很迅速，在理论研究方面得到很大的拓展，基础模型的能力也取得重大突破，大模型现在正在积极探索落地的方向，如果与各行各业结合起来是未来落地的一个重大研究方向

大模型应用工程师年包50w+属于中等水平，如果想要入门大模型，那现在正是最佳时机

2025年Agent的元年，2026年将会百花齐放，相应的应用将覆盖文本，视频，语音，图像等全模态

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

给大家推荐一个大模型应用学习路线

这个学习路线的具体内容如下：

第一节：提示词工程

提示词是用于与AI模型沟通交流的，这一部分主要介绍基本概念和相应的实践，高级的提示词工程来实现模型最佳效果，以现实案例为基础进行案例讲解，在企业中除了微调之外，最喜欢的就是用提示词工程技术来实现模型性能的提升

第二节：检索增强生成（RAG）

可能大家经常会看见RAG这个名词，这个就是将向量数据库与大模型结合的技术，通过外部知识来增强改进提升大模型的回答结果，这一部分主要介绍RAG架构与组件，从零开始搭建RAG系统，生成部署RAG，性能优化等

第三节：微调

预训练之后的模型想要在具体任务上进行适配，那就需要通过微调来提升模型的性能，能满足定制化的需求，这一部分主要介绍微调的基础，模型适配技术，最佳实践的案例，以及资源优化等内容

第四节：模型部署

想要把预训练或者微调之后的模型应用于生产实践，那就需要部署，模型部署分为云端部署和本地部署，部署的过程中需要考虑硬件支持，服务器性能，以及对性能进行优化，使用过程中的监控维护等

第五节：人工智能系统和项目

这一部分主要介绍自主人工智能系统，包括代理框架，决策框架，多智能体系统，以及实际应用，然后通过实践项目应用前面学习到的知识，包括端到端的实现，行业相关情景等

学完上面的大模型应用技术，就可以去做一些开源的项目，大模型领域现在非常注重项目的落地，后续可以学习一些Agent框架等内容

上面的资料做了一些整理，有需要的同学可以下方添加二维码获取（仅供学习使用）