Windows安装Codex并接入DeepSeek

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

Windows安装Codex并接入DeepSeek

陈拓 2026/6/9-2025/6/11

1. 安装Codex

从Microsoft Store安装Codex:

安装完Codex先不要启动,接着安装Codex++。

2. 安装Codex++

Codex++ 是面向 Codex App 的外部增强启动器和管理工具。它不修改 Codex App 原始安装文件,而是通过外部 launcher 启动 Codex,并使用 Chromium DevTools Protocol 注入增强脚本。

前置条件:已安装 Codex App‌:确保你已经在电脑上安装了官方的 Codex 桌面应用。

我们使用预编译安装包(Windows/macOS 推荐),这是最简单、最稳定的安装方式,无需配置 Python 环境。

2.1 下载安装包

访问 Codex++ 的官方 GitHub 仓库发布页面(Releases):

‌GitHub 地址‌:

https://github.com/BigPizzaV3/CodexPlusPlus

‌从 GitHub Releases 下载最新版安装包

https://github.com/BigPizzaV3/CodexPlusPlus/releases

Windows 用户‌:下载 CodexPlusPlus-1.2.4-windows-x64-setup.exe

2.2 执行安装

‌Windows‌:双击下载的 .exe 文件,按照向导提示完成安装。

2.3 验证安装

安装完成后,桌面上会出现两个图标:

‌Codex++‌:日常启动入口(必须通过此图标启动才能生效增强功能)。

‌Codex++ Manager‌:用于管理配置和更新。

2.4 配置DeepSeek

  • 打开Codex++管理工具
  • 供应商配置

  • 添加供应商

如下填写和选择配置项:

怎样注册并获取DeepSeek API Key,可以参考下面文章的相关内容。

《自己写龙虾:一个类似于OpenClaw的AI Agent》

https://blog.csdn.net/chentuo2000/article/details/159356517?spm=1001.2014.3001.5501

base_url选择OpenAI格式https://api.deepseek.com

上游协议:

Codex采用 OpenAI Responses API(/v1/responses)。

DeepSeek 接口是 Chat Completions API(/v1/chat/completions)。

点击“从上游获取”:

获取到了deepseek-v4-flash和deepseek-v4-pro两个模型。

点击“保存”。

  • 使用DeepSeek模型

鼠标移到DeepSeek列表区域,点击“使用”

DeepSeek模型使用中。

点击右上角的“重启Codex++”。

关闭Codex++管理工具。

2.5 启用Codex

双击桌面上的或者点击开始栏中 ‌Codex++ ‌图标启动。

‌注意‌:日常使用时,请务必通过 ‌Codex++‌ 启动 Codex,而不是直接点击原版的 Codex App,否则增强功能不会生效。

3. 使用Codex

3.1 打开Codex

点击“Skip”跳过What type of work do you do?,打开Codex:

可以看到默认模型是deepseek-v4-flash,下拉模型选择可以切换到deepseek-v4-pro。

3.2 模型选择

Codex模型选择中Reasoning(推理)选项:

3.3 测试

输入一句简单的问候:

  • 英文

hello

  • 中文

Codex有响应,说明模型已经可以使用了。

3.4 切换中文界面

  • 打开 Codex,点击左上角 File(文件)菜单,或者直接点左下角的设置图标(齿轮)。
  • 进入 Settings → General(常规)。
  • 找到 Language for the app UI(应用界面语言)下拉框,选择 Chinese (Simplified)(简体中文)。

  • 重启 Codex

如果界面还是英文,原因是Codex 桌面版切换中文后,需要联网从海外CDN下载中文语言资源包,国内直连网络会下载失败,重启后自动回退英文。

这个问题在后面安装CC-Switch就会自动解决。

3.5 插件

点击左侧导航栏的Plugins:

插件市场只显示 LaTeX,区分两类插件:

云端捆绑插件:GitHub、Figma、Notion、Chrome、Database → 需要 OpenAI 官方鉴权 / 账号,DeepSeek 纯 API 环境默认不显示;

本地独立插件:LaTeX、本地脚本工具 → 不依赖 OpenAI,任何 API 环境都会显示。

单纯 Codex++ 转发无法绕过插件鉴权,搭配 CC-Switch 网关可补齐鉴权头,加载完整插件列表。

4. 安装CC-Switch

开源的跨平台AI编程配置管理工具,网址CC Switch 官方网站 - AI 编程 CLI 统一管理工具

4.1 下载

点击免费下载转到https://github.com/farion1231/cc-switch/releases。

下载:CC-Switch-v3.16.2-Windows.msi。

4.2 安装.msi 安装包

双击 CC-Switch-v3.16.2-Windows.msi 安装程序。

4.3 CC-Switch配置DeepSeek

  • 切换到 OpenAI 工作区

  • 界面右上角点击 + 添加供应商

  • 在预设列表搜索并选中 DeepSeek(内置预设,接口地址自动填充无需手动改)

  • 在 API Key 输入DeepSeek的 sk-xxx 密钥

  • 勾选“ 需要本地路由映射”(关键,用来兼容 Codex Responses API)
  • 点“添加”保存,自动返回供应商列表

4.4 路由设置

开启 Codex 全局路由(解决插件只显示 LaTeX 的核心)

  • 点击软件左上角齿轮设置图标,进入“本地路由”
  • 打开路由总开关(必须开启,否则转发不生效、插件市场空白)

  • 路由启用选Codex
  • 服务地址保持 http://127.0.0.1:15721 不变
  • 设置已经自动保存好了,不用额外操作
  • 点击图标←返回供应商列表

4.5 启用 DeepSeek 渠道

点击 DeepSeek 卡片上的启用按钮,显示蓝色激活标识即成功。

4.6 Codex++ 联动配置(打通整套流程)

  • 完全关闭 Codex、CC-Switch、Codex++(托盘也要右键退出)
  • 先启动 CC-Switch 保持后台运行(最小化到托盘即可,不能关闭)
  • 打开 Codex++管理工具,进入“供应商配置”
  • 勾选 联动 cc-switch 选项

  • 点击右上角重启 Codex++

关闭Codex++管理工具

  • 用Codex++启动Codex客户端

因为要从海外CDN下载,启动比较慢。

中文界面显示了:

  • 插件

选择OpenAl插件2(Codex++)

所有插件都可以使用了。

5. Codex与WorkBuddy比较

5.1 基础信息与环境

5.2 中文办公类(周报 / 报告 / 纪要)

5.3 Excel / 数据处理

5.4 代码 / 脚本能力(重点差异)

5.5 文件批量自动化(重活)

5.6 联网调研 / 信息搜集

5.7 生态与体验(国内关键)

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明一个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈建议:仅在页面显示为0积分时进行下载。 另外,本资源描述中未直接提供具体的下载地址或外部链接,因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明一个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈建议:仅在页面显示为0积分时进行下载。 另外,本资源描述中未直接提供具体的下载地址或外部链接,因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
内容概要:本文研究基于模型预测算法的混合储能微电网双层能量管理系统,提出一种结合优化调度与实时控制的能量管理策略。通过构建上层长期优化与下层实时调整相结合的双层协同架构,采用模型预测控制(MPC)算法对微电网中的可再生能源出力、储能系统充放电行为及负荷需求进行多时间尺度的协同优化,有效提升系统运行的经济性、稳定性和能源利用效率。研究详细阐述了系统建模方法、运行约束条件设定、多目标优化函数设计以及Matlab仿真代码的具体实现流程,通过仿真验证了该方法在降低综合运行成本、平抑功率波动、增强系统灵活性和应对不确定性方面的优越性能; 适合人群:具备电力系统、自动化、电气工程或能源系统等相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网、综合能源系统、智能电网优化调度等方向研究的研究生、科研人员及工程技术人员; 使用场景及目标:①用于微电网能量管理系统的设计与教学仿真;②为含多种储能形式的综合能源系统提供优化调度方案的技术参考;③支撑科研课题、学术论文撰写及工程项目中的算法验证与性能评估; 阅读建议:建议读者结合提供的Matlab代码逐模块分析,重点理解双层架构的设计逻辑、MPC滚动优化机制及约束处理技巧,可进一步拓展应用于含电动汽车、氢能储能或多元负荷的复杂微网系统中进行二次开发与创新研究。
内容概要:本文围绕三相逆变器模型仿真及软开关技术展开研究,基于Simulink平台构建了完整的系统仿真模型,深入分析了三相逆变器的拓扑结构、工作原理与动态响应特性。研究重点聚焦于软开关技术(如零电压开关ZVS、零电流开关ZCS)在逆变器中的应用,通过仿真验证其在降低开关损耗、提高转换效率、减小电磁干扰等方面的显著优势。文章详细阐述了软开关的实现条件与控制策略设计,结合LCL滤波器优化与PWM调制技术,提升了系统整体性能。通过对电压、电流波形及功率因数等关键指标的仿真分析,验证了所提出方案的有效性与可行性,为高性能逆变器的设计与优化提供了理论依据和技术支撑。; 适合人群:具备电力电子、电气工程及其自动化等相关专业背景,熟悉Simulink仿真环境,从事新能源发电、电力变换器设计、微电网控制或电能质量治理等领域研究的科研人员、工程技术人员及研究生。; 使用场景及目标:①用于高校电力电子课程教学与实验,辅助学生理解逆变器工作机理及软开关技术原理;②为工业界高效率逆变电源、光伏网逆变器、储能变流器等产品的研发提供技术参考;③支持相关领域科研人员开展新型拓扑与先进控制算法的仿真验证与学术论文撰写。; 阅读建议:建议读者结合文中所述Simulink模型进行动手实践,重点关注软开关触发时序、谐振参数设计与系统稳定性之间的关系,同时可延伸学习死区效应补偿、锁相环控制、孤岛检测等相关技术以构建完整的逆变系统知识体系。
内容概要:本文提出了一种基于粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的电力负荷预测方法,配套提供了完整的Python代码实现。该方法通过PSO算法自动搜索LSTM模型的关键超参数(如隐层节点数、学习率、迭代次数等),以克服传统手动调参效率低、易陷入局部最优的问题,从而提升模型在电力负荷预测任务中的预测精度与泛化能力。文中系统阐述了PSO-LSTM混合模型的架构设计、数据预处理流程、参数优化机制、模型训练与评估方法,重点解决了电力负荷数据所具有的强时序性、非线性及周期性波动等挑战,适用于短期与中期负荷预测场景。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场运营等环节,提升负荷预测准确性,保障供电可靠性与经济性;②为综合能源系统、需求侧响应、储能优化配置等提供高精度的负荷输入数据;③作为深度学习与智能优化算法融合的典型案例,为解决其他复杂时序预测问题(如风电、光伏出力预测)提供技术参考与实现范式。; 阅读建议:建议读者结合所提供的代码进行动手实践,深入理解PSO算法如何引导LSTM超参数寻优的全过程,重点关注适应度函数设计、参数编码方式与模型集成逻辑,可在不同地区、不同时间粒度的负荷数据集上进行迁移验证,以全面掌握该混合模型的调优策略与适用边界。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

晨之清风

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值