做 AI 编程代理的接入测试时Codex 是一个绕不开的名字。它是 OpenAI 推出的命令行编程代理能直接读项目目录、改代码、跑命令、做多轮迭代非常适合在终端里完成“改 bug、补测试、重构小模块”这类任务。Codex 本身没问题有问题的是成本高频使用官方账号额度消耗很快而 DeepSeek 的 API 价格低接口又和 OpenAI 格式高度兼容于是“Codex 接到 DeepSeek”成了很多开发者降低测试成本的首选方案。但直接改 Codex 的 base URL 并没有想象中省事。Codex 默认请求的模型名、参数格式都按 OpenAI 体系习惯来写到 DeepSeek 侧经常出现模型不存在、thinking mode 参数不兼容、返回 400 这类错误。CC Switch 解决的就是这个衔接问题它运行在本地既当 API 代理也做供应商管理你把 DeepSeek 的 Key 配进去它会把 Codex 发出的 OpenAI 格式请求做转换和路由再转发给 DeepSeek同时支持一键切换多个供应商。这篇文章按“先跑通最小链路”的思路写完整覆盖 Codex CLI 安装、DeepSeek API Key 准备、CC Switch 路由配置、模型名映射、功能验证和最常见报错处理。适合已经在用 Codex、或者准备从官方模型切到 DeepSeek 降低测试成本的开发者。全文基于 DeepSeek 官方 API 的正常配置流程不涉及任何账号绕过类操作。1. 核心能力速览能力项说明项目类型Codex CLI 模型路由 / 本地 API 代理工具核心作用把 Codex 的 OpenAI 格式请求转发到 DeepSeek API主要功能供应商管理、本地代理服务、路由切换、模型名映射、参数修正硬件要求不需要 GPU普通开发机能跑支持平台Windows / macOS / Linux启动方式CC Switch 桌面端启动自动拉起本地代理接口形式本地 HTTP 端口提供 OpenAI 兼容接口批量任务支持本身不是批量框架但 Codex 支持多文件多轮任务适合场景低成本使用 Codex、多供应商切换、API Key 统一管理补充一句社区里还有 DeepSeek Harness 这类桌面工具也能做模型接入功能思路接近但本文主要围绕 CC Switch 展开。如果你在搜索结果里看到相关关键词可以把它理解为另一套接入方案配置流程类似只是界面和默认行为不同。2. 适用场景与使用边界先明确这个方案适合谁。第一类是用 Codex 跑个人项目、测试 AI 编程效果但不想为高频调用付出太高成本的人。第二类是团队里已经买了 DeepSeek API想统一管理 Key、避免把 Key 散到每个人终端里的人。第三类是经常在多个模型供应商之间切换需要一键切换而不是反复改环境变量的人。CC Switch 的本地代理正好能承担这部分工作。不适合什么场景如果某个功能依赖 OpenAI 官方模型的新特性比如最新的代码模型或还没开放的参数切到 DeepSeek 后效果大概率会打折扣。另外如果项目是生产环境、涉及敏感业务代码把代码发给第三方 API 之前必须脱敏。任何接入第三方模型 API 的流程都要确认服务商的使用条款、数据留存政策和隐私保护边界。DeepSeek API 是正常付费服务按官方文档配置即可不需要也不应该使用任何绕开平台限制的手段。使用边界上还要注意AI 编程代理会自动修改文件、执行命令建议先在测试仓库里跑通再放到正式项目上。接入第三方模型后模型输出质量、代码风格都可能和官方模型不同关键改动要自己复核。3. 环境准备与前置条件开始配置前先确认以下条件一个 DeepSeek 开放平台账号并且已经创建 API Key一台安装了 Node.js 的电脑Codex CLI 依赖 Node.js 运行Codex CLI 已经安装CC Switch 桌面端已经下载并完成第一次启动终端工具Windows 用 PowerShellmacOS / Linux 用 Terminal先检查 Node.js 环境node -v npm -v如果 node 命令不存在需要先安装 Node.js。版本建议优先使用官方要求的 LTS 版本具体以 Codex CLI 文档标注为准。安装 Codex CLInpm install -g openai/codex安装完成后验证codex --version如果提示 command not found说明 npm 的全局 bin 目录没有加入 PATH。Windows 上可以在系统环境变量里把%APPDATA%\npm加进去macOS / Linux 需要把$(npm prefix -g)/bin加到 PATH。如果 npm 下载遇到超时或安装缓慢可以更换为更快的 npm 镜像源后再执行安装。然后准备 DeepSeek API Key登录 DeepSeek 开放平台进入 API Keys 页面点击创建 Key保存好生成的字符串确认账户有足够余额否则 API 会返回 402 payment required最后下载 CC Switch安装完成后启动一次。第一次启动会生成配置目录后续的供应商配置、代理端口都在这个目录里维护。4. CC Switch 基本配置与路由设置打开 CC Switch 后界面一般会分成几个区域供应商列表、本地代理状态、需要接管的应用列表。不同版本的布局可能不同但配置逻辑一致。4.1 添加 DeepSeek 供应商在供应商列表里点击添加填写名称DeepSeekAPI Basehttps://api.deepseek.com/v1API Key粘贴刚才创建的 Key模型列表填写你账户可用的模型名比如deepseek-chat、deepseek-reasoner填写完先保存。有些版本会自动拉取模型列表有些需要手动填写。如果自动拉取失败先检查 API Base 和 Key 是否填对。4.2 启动本地代理CC Switch 的本地代理会监听一个本地端口比如127.0.0.1:9340。确认端口没有被其他程序占用然后打开开关。状态从“未运行”变为“运行中”后就可以进行下一步。如果端口被占用可以改成 9341、9440 等空闲端口。修改后要记住新端口后面 Codex 和 curl 测试都用新端口。4.3 让 Codex 走 CC Switch这一步有两种做法。方式 A在 CC Switch 的应用接管列表里找到 Codex点击“接管”或“启用路由”。工具会自动帮你写入 Codex 需要的环境变量或配置文件并在日志里显示写入内容。这是最省事的方式适合第一次配置。方式 B手动设置环境变量。Codex 会读取 OpenAI 兼容的标准环境变量# macOS / Linux export OPENAI_BASE_URLhttp://127.0.0.1:9340/v1 export OPENAI_API_KEYsk-cc-switch-local# Windows PowerShell $env:OPENAI_BASE_URL http://127.0.0.1:9340/v1 $env:OPENAI_API_KEY sk-cc-switch-local注意这里的 API Key 只是占位真正生效的是你在 CC Switch 里配置的 DeepSeek Key代理在转发请求时会做替换。Codex 也支持通过配置文件指定模型提供方以 TOML 配置为例# ~/.codex/config.toml 示例 model deepseek-chat [model_provider] name deepseek base_url http://127.0.0.1:9340/v1 api_key sk-cc-switch-local不过 Codex 不同版本的配置字段名变化比较频繁如果启动后仍然报错优先运行codex --help查看当前版本支持的配置项或者查阅你安装版本的官方文档。4.4 路由切换与供应商状态CC Switch 支持多个供应商同时存在但同一时刻只让一个供应商生效。选择“当前供应商”时要确保选中的是 DeepSeek。如果遇到“切换路由状态失败: codex 当前供应商不存在”这类提示十有八九是供应商没有添加成功或者添加后没有设为当前供应商。5. 功能测试与效果验证配置完成不代表一定能跑通建议按下面的顺序逐步验证。5.1 验证本地代理是否活着先测试代理端口是否在监听curl http://127.0.0.1:9340/v1/models如果返回 JSON且里面能看到deepseek-chat、deepseek-reasoner这类模型 id说明 CC Switch 到 DeepSeek 的链路已经通。如果返回空列表可能只是模型列表没被正确拉取先不急着下结论。5.2 用 curl 测一次对话curl http://127.0.0.1:9340/v1/responses \ -H Content-Type: application/json \ -d { model: deepseek-chat, input: 用中文解释什么是路由配置 }观察返回结果。如果返回正常的 JSON 响应说明请求能到达 DeepSeek 并拿到结果。这一步能绕过 Codex帮我们确认问题到底出在代理层还是 Codex 配置层。5.3 用 Codex 跑真实任务codex 用 Python 写一个函数读取 CSV 文件并返回字段列表第一次运行 Codex 时它会要求选择登录方式或 API 配置方式。选择“使用自定义 API / 本地代理”这样的选项然后确认配置。接着正常发起任务。如果 Codex 能给出回答并且你在 DeepSeek 开放平台能看到本次调用记录说明整条链路已经打通。5.4 性能观察方法CC Switch 本地代理和 Codex CLI 都不是重型应用不依赖 GPU也不需要关注显存。重点观察的是内存占用和网络延迟。在 Windows 任务管理器里可以搜索codex和cc-switch进程macOS / Linux 下可以用top或htop观察。通常这两个进程的内存占用都不会太高但具体数值和会话数量、对话长度有关以本机实际观察为准。影响性能的主要环节有三个DeepSeek API 的网络延迟和推理速度这是最大的耗时来源单次请求的上下文长度代码上下文越长首字延迟越高本地代理是否把请求原样转发如果配置了复杂的模型映射和参数修正会有一点点额外开销如果发现 Codex 响应很慢可以先直接用 curl 测试代理接口排除 Codex 本身的问题。也可以查看 DeepSeek 平台的调用耗时确认慢在模型推理还是本地网络。5.5 判断成功的标准三条标准同时满足才算配置成功Codex 能发起任务并收到模型回复本地代理日志中没有 4xx / 5xx 错误DeepSeek 开放平台能看到对应模型、对应时间点的调用记录6. 模型名映射与 thinking mode 参数避坑Codex 默认会按 OpenAI 体系请求一个模型名比如gpt-5-codex这类名字。DeepSeek API 不认这些名字所以必须做模型名映射。在 CC Switch 里一般可以在模型映射或扩展设置中把 Codex 请求的默认模型名改写为deepseek-chat或者按任务需要改写为deepseek-reasoner。这里要重点说一个高频报错也是很多人在 CC Switch 接入 DeepSeek 后遇到的第一道坎cc switch local proxy failed while handling codex endpoint /responses. provider: deepseek; model: deepseek-v4-flash; upstream_status: http 400; cause: the reasoning_content in the thinking mode must be passed back to the api.这个报错翻译一下Codex 发出的请求里使用了 thinking mode也就是带了reasoning_content相关字段。DeepSeek API 对思考模式有要求如果请求里带了推理内容后续多轮请求必须把之前返回的reasoning_content原样回传否则返回 400。中间代理如果只做简单的模型名替换没有处理这个字段就会出现这个错误。处理方法按优先级排列在 CC Switch 的 Codex 相关配置里关闭 thinking mode或者把模型映射到不带思考模式的deepseek-chat。把模型映射为deepseek-reasoner同时确认 CC Switch 已处理reasoning_content的回传逻辑。升级 CC Switch 到最新版本。早期版本对reasoning_content的兼容不完整升级后很多用户反馈问题消失。打开 CC Switch 的调试日志查看代理转发时实际修改了哪些请求字段再对照 DeepSeek 官方 API 文档调整。如果你看到model: deepseek-v4-flash这类模型名要特别留意这个模型名可能是代理侧自动选的默认模型而你的 DeepSeek 账户未必真的存在这个模型。遇到这种情况优先把模型名显式改成deepseek-chat或deepseek-reasoner。另外gpt-5.6-sol这类模型不支持的报错本质也是默认模型名问题。Codex 请求了它自己的默认模型代理没有做映射DeepSeek 直接返回“模型不存在”。解决办法同样是修改模型映射表。7. 接口 API 与批量调用示例CC Switch 的本地代理本质是一个 OpenAI 兼容 API所以拿到端口后任何支持 OpenAI 格式的客户端都能复用。这里用 Python 给一个调用示例方便你验证代理是否正常import requests url http://127.0.0.1:9340/v1/responses payload { model: deepseek-chat, input: 用 Python 写一个读取 JSON 文件的函数 } response requests.post(url, jsonpayload, timeout60) print(response.status_code) if response.status_code 200: data response.json() print(data.get(output)) else: print(response.text)如果你的项目需要批量调用可以把 base_url 和模型名抽成配置{ codex_proxy_url: http://127.0.0.1:9340/v1, default_model: deepseek-chat, batch_interval_seconds: 1 }批量任务不是 CC Switch 自带的功能需要你自己写循环。注意 DeepSeek API 有频率限制并发太高会触发限流或 429 错误合理的做法是控制并发数先测试单线程再逐步提高每次请求之间加 1 到 2 秒间隔对失败的请求做重试最多重试 3 次每次间隔递增批量任务加日志记录每次调用的模型、耗时、状态码这样的批量调用方式适合文档处理、代码批量 review 等场景。8. 常见问题与排查方法把高频问题整理成排查表方便直接对照。问题现象可能原因排查方式解决方案启动 Codex 提示 unable to locate the codex cli binaryCodex CLI 未安装或路径没有被识别在终端执行codex --version安装 Codex CLI在 CC Switch 中设置codex_cli_pathCC Switch 本地代理启动失败端口被占用查看端口监听情况修改代理端口并重启请求返回 401 unauthorizedAPI Key 无效核对 DeepSeek 平台上的 Key重新生成 Key 并更新到 CC Switch请求返回 403 forbiddenKey 权限不足或账户受限查看平台权限设置确认 Key 已启用对应模型的访问权限请求返回 402 payment required账户余额不足查看 DeepSeek 平台余额充值后再测试请求返回 404 not found模型名不存在或 URL 路径不对用curl /v1/models查看可用模型在 CC Switch 中修改模型映射返回 400提示 reasoning_content 必须回传thinking mode 参数 Codex CLI 低成本接入 DeepSeek：CC Switch 本地代理配置指南
做 AI 编程代理的接入测试时Codex 是一个绕不开的名字。它是 OpenAI 推出的命令行编程代理能直接读项目目录、改代码、跑命令、做多轮迭代非常适合在终端里完成“改 bug、补测试、重构小模块”这类任务。Codex 本身没问题有问题的是成本高频使用官方账号额度消耗很快而 DeepSeek 的 API 价格低接口又和 OpenAI 格式高度兼容于是“Codex 接到 DeepSeek”成了很多开发者降低测试成本的首选方案。但直接改 Codex 的 base URL 并没有想象中省事。Codex 默认请求的模型名、参数格式都按 OpenAI 体系习惯来写到 DeepSeek 侧经常出现模型不存在、thinking mode 参数不兼容、返回 400 这类错误。CC Switch 解决的就是这个衔接问题它运行在本地既当 API 代理也做供应商管理你把 DeepSeek 的 Key 配进去它会把 Codex 发出的 OpenAI 格式请求做转换和路由再转发给 DeepSeek同时支持一键切换多个供应商。这篇文章按“先跑通最小链路”的思路写完整覆盖 Codex CLI 安装、DeepSeek API Key 准备、CC Switch 路由配置、模型名映射、功能验证和最常见报错处理。适合已经在用 Codex、或者准备从官方模型切到 DeepSeek 降低测试成本的开发者。全文基于 DeepSeek 官方 API 的正常配置流程不涉及任何账号绕过类操作。1. 核心能力速览能力项说明项目类型Codex CLI 模型路由 / 本地 API 代理工具核心作用把 Codex 的 OpenAI 格式请求转发到 DeepSeek API主要功能供应商管理、本地代理服务、路由切换、模型名映射、参数修正硬件要求不需要 GPU普通开发机能跑支持平台Windows / macOS / Linux启动方式CC Switch 桌面端启动自动拉起本地代理接口形式本地 HTTP 端口提供 OpenAI 兼容接口批量任务支持本身不是批量框架但 Codex 支持多文件多轮任务适合场景低成本使用 Codex、多供应商切换、API Key 统一管理补充一句社区里还有 DeepSeek Harness 这类桌面工具也能做模型接入功能思路接近但本文主要围绕 CC Switch 展开。如果你在搜索结果里看到相关关键词可以把它理解为另一套接入方案配置流程类似只是界面和默认行为不同。2. 适用场景与使用边界先明确这个方案适合谁。第一类是用 Codex 跑个人项目、测试 AI 编程效果但不想为高频调用付出太高成本的人。第二类是团队里已经买了 DeepSeek API想统一管理 Key、避免把 Key 散到每个人终端里的人。第三类是经常在多个模型供应商之间切换需要一键切换而不是反复改环境变量的人。CC Switch 的本地代理正好能承担这部分工作。不适合什么场景如果某个功能依赖 OpenAI 官方模型的新特性比如最新的代码模型或还没开放的参数切到 DeepSeek 后效果大概率会打折扣。另外如果项目是生产环境、涉及敏感业务代码把代码发给第三方 API 之前必须脱敏。任何接入第三方模型 API 的流程都要确认服务商的使用条款、数据留存政策和隐私保护边界。DeepSeek API 是正常付费服务按官方文档配置即可不需要也不应该使用任何绕开平台限制的手段。使用边界上还要注意AI 编程代理会自动修改文件、执行命令建议先在测试仓库里跑通再放到正式项目上。接入第三方模型后模型输出质量、代码风格都可能和官方模型不同关键改动要自己复核。3. 环境准备与前置条件开始配置前先确认以下条件一个 DeepSeek 开放平台账号并且已经创建 API Key一台安装了 Node.js 的电脑Codex CLI 依赖 Node.js 运行Codex CLI 已经安装CC Switch 桌面端已经下载并完成第一次启动终端工具Windows 用 PowerShellmacOS / Linux 用 Terminal先检查 Node.js 环境node -v npm -v如果 node 命令不存在需要先安装 Node.js。版本建议优先使用官方要求的 LTS 版本具体以 Codex CLI 文档标注为准。安装 Codex CLInpm install -g openai/codex安装完成后验证codex --version如果提示 command not found说明 npm 的全局 bin 目录没有加入 PATH。Windows 上可以在系统环境变量里把%APPDATA%\npm加进去macOS / Linux 需要把$(npm prefix -g)/bin加到 PATH。如果 npm 下载遇到超时或安装缓慢可以更换为更快的 npm 镜像源后再执行安装。然后准备 DeepSeek API Key登录 DeepSeek 开放平台进入 API Keys 页面点击创建 Key保存好生成的字符串确认账户有足够余额否则 API 会返回 402 payment required最后下载 CC Switch安装完成后启动一次。第一次启动会生成配置目录后续的供应商配置、代理端口都在这个目录里维护。4. CC Switch 基本配置与路由设置打开 CC Switch 后界面一般会分成几个区域供应商列表、本地代理状态、需要接管的应用列表。不同版本的布局可能不同但配置逻辑一致。4.1 添加 DeepSeek 供应商在供应商列表里点击添加填写名称DeepSeekAPI Basehttps://api.deepseek.com/v1API Key粘贴刚才创建的 Key模型列表填写你账户可用的模型名比如deepseek-chat、deepseek-reasoner填写完先保存。有些版本会自动拉取模型列表有些需要手动填写。如果自动拉取失败先检查 API Base 和 Key 是否填对。4.2 启动本地代理CC Switch 的本地代理会监听一个本地端口比如127.0.0.1:9340。确认端口没有被其他程序占用然后打开开关。状态从“未运行”变为“运行中”后就可以进行下一步。如果端口被占用可以改成 9341、9440 等空闲端口。修改后要记住新端口后面 Codex 和 curl 测试都用新端口。4.3 让 Codex 走 CC Switch这一步有两种做法。方式 A在 CC Switch 的应用接管列表里找到 Codex点击“接管”或“启用路由”。工具会自动帮你写入 Codex 需要的环境变量或配置文件并在日志里显示写入内容。这是最省事的方式适合第一次配置。方式 B手动设置环境变量。Codex 会读取 OpenAI 兼容的标准环境变量# macOS / Linux export OPENAI_BASE_URLhttp://127.0.0.1:9340/v1 export OPENAI_API_KEYsk-cc-switch-local# Windows PowerShell $env:OPENAI_BASE_URL http://127.0.0.1:9340/v1 $env:OPENAI_API_KEY sk-cc-switch-local注意这里的 API Key 只是占位真正生效的是你在 CC Switch 里配置的 DeepSeek Key代理在转发请求时会做替换。Codex 也支持通过配置文件指定模型提供方以 TOML 配置为例# ~/.codex/config.toml 示例 model deepseek-chat [model_provider] name deepseek base_url http://127.0.0.1:9340/v1 api_key sk-cc-switch-local不过 Codex 不同版本的配置字段名变化比较频繁如果启动后仍然报错优先运行codex --help查看当前版本支持的配置项或者查阅你安装版本的官方文档。4.4 路由切换与供应商状态CC Switch 支持多个供应商同时存在但同一时刻只让一个供应商生效。选择“当前供应商”时要确保选中的是 DeepSeek。如果遇到“切换路由状态失败: codex 当前供应商不存在”这类提示十有八九是供应商没有添加成功或者添加后没有设为当前供应商。5. 功能测试与效果验证配置完成不代表一定能跑通建议按下面的顺序逐步验证。5.1 验证本地代理是否活着先测试代理端口是否在监听curl http://127.0.0.1:9340/v1/models如果返回 JSON且里面能看到deepseek-chat、deepseek-reasoner这类模型 id说明 CC Switch 到 DeepSeek 的链路已经通。如果返回空列表可能只是模型列表没被正确拉取先不急着下结论。5.2 用 curl 测一次对话curl http://127.0.0.1:9340/v1/responses \ -H Content-Type: application/json \ -d { model: deepseek-chat, input: 用中文解释什么是路由配置 }观察返回结果。如果返回正常的 JSON 响应说明请求能到达 DeepSeek 并拿到结果。这一步能绕过 Codex帮我们确认问题到底出在代理层还是 Codex 配置层。5.3 用 Codex 跑真实任务codex 用 Python 写一个函数读取 CSV 文件并返回字段列表第一次运行 Codex 时它会要求选择登录方式或 API 配置方式。选择“使用自定义 API / 本地代理”这样的选项然后确认配置。接着正常发起任务。如果 Codex 能给出回答并且你在 DeepSeek 开放平台能看到本次调用记录说明整条链路已经打通。5.4 性能观察方法CC Switch 本地代理和 Codex CLI 都不是重型应用不依赖 GPU也不需要关注显存。重点观察的是内存占用和网络延迟。在 Windows 任务管理器里可以搜索codex和cc-switch进程macOS / Linux 下可以用top或htop观察。通常这两个进程的内存占用都不会太高但具体数值和会话数量、对话长度有关以本机实际观察为准。影响性能的主要环节有三个DeepSeek API 的网络延迟和推理速度这是最大的耗时来源单次请求的上下文长度代码上下文越长首字延迟越高本地代理是否把请求原样转发如果配置了复杂的模型映射和参数修正会有一点点额外开销如果发现 Codex 响应很慢可以先直接用 curl 测试代理接口排除 Codex 本身的问题。也可以查看 DeepSeek 平台的调用耗时确认慢在模型推理还是本地网络。5.5 判断成功的标准三条标准同时满足才算配置成功Codex 能发起任务并收到模型回复本地代理日志中没有 4xx / 5xx 错误DeepSeek 开放平台能看到对应模型、对应时间点的调用记录6. 模型名映射与 thinking mode 参数避坑Codex 默认会按 OpenAI 体系请求一个模型名比如gpt-5-codex这类名字。DeepSeek API 不认这些名字所以必须做模型名映射。在 CC Switch 里一般可以在模型映射或扩展设置中把 Codex 请求的默认模型名改写为deepseek-chat或者按任务需要改写为deepseek-reasoner。这里要重点说一个高频报错也是很多人在 CC Switch 接入 DeepSeek 后遇到的第一道坎cc switch local proxy failed while handling codex endpoint /responses. provider: deepseek; model: deepseek-v4-flash; upstream_status: http 400; cause: the reasoning_content in the thinking mode must be passed back to the api.这个报错翻译一下Codex 发出的请求里使用了 thinking mode也就是带了reasoning_content相关字段。DeepSeek API 对思考模式有要求如果请求里带了推理内容后续多轮请求必须把之前返回的reasoning_content原样回传否则返回 400。中间代理如果只做简单的模型名替换没有处理这个字段就会出现这个错误。处理方法按优先级排列在 CC Switch 的 Codex 相关配置里关闭 thinking mode或者把模型映射到不带思考模式的deepseek-chat。把模型映射为deepseek-reasoner同时确认 CC Switch 已处理reasoning_content的回传逻辑。升级 CC Switch 到最新版本。早期版本对reasoning_content的兼容不完整升级后很多用户反馈问题消失。打开 CC Switch 的调试日志查看代理转发时实际修改了哪些请求字段再对照 DeepSeek 官方 API 文档调整。如果你看到model: deepseek-v4-flash这类模型名要特别留意这个模型名可能是代理侧自动选的默认模型而你的 DeepSeek 账户未必真的存在这个模型。遇到这种情况优先把模型名显式改成deepseek-chat或deepseek-reasoner。另外gpt-5.6-sol这类模型不支持的报错本质也是默认模型名问题。Codex 请求了它自己的默认模型代理没有做映射DeepSeek 直接返回“模型不存在”。解决办法同样是修改模型映射表。7. 接口 API 与批量调用示例CC Switch 的本地代理本质是一个 OpenAI 兼容 API所以拿到端口后任何支持 OpenAI 格式的客户端都能复用。这里用 Python 给一个调用示例方便你验证代理是否正常import requests url http://127.0.0.1:9340/v1/responses payload { model: deepseek-chat, input: 用 Python 写一个读取 JSON 文件的函数 } response requests.post(url, jsonpayload, timeout60) print(response.status_code) if response.status_code 200: data response.json() print(data.get(output)) else: print(response.text)如果你的项目需要批量调用可以把 base_url 和模型名抽成配置{ codex_proxy_url: http://127.0.0.1:9340/v1, default_model: deepseek-chat, batch_interval_seconds: 1 }批量任务不是 CC Switch 自带的功能需要你自己写循环。注意 DeepSeek API 有频率限制并发太高会触发限流或 429 错误合理的做法是控制并发数先测试单线程再逐步提高每次请求之间加 1 到 2 秒间隔对失败的请求做重试最多重试 3 次每次间隔递增批量任务加日志记录每次调用的模型、耗时、状态码这样的批量调用方式适合文档处理、代码批量 review 等场景。8. 常见问题与排查方法把高频问题整理成排查表方便直接对照。问题现象可能原因排查方式解决方案启动 Codex 提示 unable to locate the codex cli binaryCodex CLI 未安装或路径没有被识别在终端执行codex --version安装 Codex CLI在 CC Switch 中设置codex_cli_pathCC Switch 本地代理启动失败端口被占用查看端口监听情况修改代理端口并重启请求返回 401 unauthorizedAPI Key 无效核对 DeepSeek 平台上的 Key重新生成 Key 并更新到 CC Switch请求返回 403 forbiddenKey 权限不足或账户受限查看平台权限设置确认 Key 已启用对应模型的访问权限请求返回 402 payment required账户余额不足查看 DeepSeek 平台余额充值后再测试请求返回 404 not found模型名不存在或 URL 路径不对用curl /v1/models查看可用模型在 CC Switch 中修改模型映射返回 400提示 reasoning_content 必须回传thinking mode 参数