Codex-Shim · AI 工具图鉴

🔥 Codex-Shim：让 Codex Desktop 用上任意模型，本地/OAI/Anthropic/DeepSeek 全搞定

一个本地 Responses-API 适配层，无需重建 Codex，就能把任意 BYOK 模型和 ChatGPT Codex 透传接入 Codex Desktop。

封面图

🚀 什么是 Codex-Shim？

Codex-Shim 是一个用 Python/aiohttp 写的本地适配层（shim），在回环地址上暴露与 OpenAI Responses 兼容的端点。Codex Desktop 指向这个适配层后，适配层会把请求路由到对应的上游服务（OAI 对话补全、Anthropic Messages、通用 OpenAI 格式端点，或 ChatGPT Codex 透传），再把流式响应转换成 Codex 要求的格式。

核心定位：让 Codex Desktop 成为真正的多模型 IDE，而不是被 OpenAI 一家绑定

✨ 核心功能一览

功能对比表

🛠️ 快速上手：5 分钟跑通

安装

# macOS/Linux/WSL 推荐方式
git clone https://github.com/0xSero/codex-shim ~/codex-shim
cd ~/codex-shim
python3 -m pip install --user -e .

# Windows PowerShell 方式
git clone https://github.com/0xSero/codex-shim $HOME\codex-shim
cd $HOME\codex-shim
py -3.11 -m pip install --user -e .

配置模型

在 ~/.codex-shim/models.json 中配置你想用的模型：

{
  "models": [
    {
      "model": "gpt-5.5",
      "provider": "openai",
      "base_url": "https://api.openai.com/v1",
      "api_key": "sk-…",
      "display_name": "OpenAI GPT-5.5",
      "max_context_limit": 400000
    },
    {
      "model": "claude-opus-4-7-20251109",
      "provider": "anthropic",
      "base_url": "https://api.anthropic.com/v1",
      "api_key": "sk-ant-…",
      "display_name": "Claude Opus 4.7"
    },
    {
      "model": "deepseek-v4-pro",
      "provider": "anthropic",
      "base_url": "https://api.deepseek.com/anthropic",
      "api_key": "…",
      "display_name": "DeepSeek V4 Pro",
      "no_image_support": true
    },
    {
      "model": "llama3.2",
      "display_name": "Ollama Llama 3.2",
      "provider": "generic-chat-completion-api",
      "base_url": "http://127.0.0.1:11434/v1",
      "api_key": "ollama"
    }
  ]
}

启动适配层

codex-shim generate   # 生成配置目录
codex-shim start      # 启动本地守护进程，监听 127.0.0.1:8765
codex-shim list       # 查看已配置的模型和路由
codex-shim status     # 健康检查 + 模型数量统计

让 Codex Desktop 指向适配层

codex-shim app .      # 启动 Codex Desktop 并接入适配层

然后在 Codex Desktop 的模型选择器里，就能看到你配置的所有模型了。

注意：macOS 用户如需在 Codex Desktop 选择器里看到自定义模型，需要打一个可选的补丁（patch-app 命令）

📊 与竞品对比

竞品对比表

💡 适用场景

场景 1：使用非 OpenAI 模型驱动 Codex

功能演示

功能说明：Codex Desktop 原生只支持 OpenAI 模型。通过 codex-shim，你可以把 Claude、DeepSeek、Gemini 甚至本地 Ollama 模型接入 Codex Desktop，享受原生 UX 的同时用上自己喜欢的模型。

输入要求：只需配置 models.json，填写 API Key 和 base URL

输出效果：Codex Desktop 模型选择器中出现自定义模型，函数调用、工具输出、推理块、图像能力、Shell 命令元数据、流式 SSE 全部正常传输

适用场景：

已有 Anthropic 订阅，想用 Claude 写代码
想用 DeepSeek V4 的成本优势
想用本地 Ollama 模型，零 API 成本

场景 2：ChatGPT Codex 透传（订阅用户专属）

功能说明：如果你的 ~/.codex/auth.json 里有有效的 Codex access token，codex-shim 可以把 Codex 原生的 /v1/responses 流量路由到 ChatGPT 的 Codex 后端（当前 slug 为 gpt-5.5）。

输入要求：有效的 ChatGPT Plus/Pro 订阅 + 已登录 Codex Desktop

输出效果：在 Codex Desktop 里直接用上 ChatGPT Codex 模型，无需额外 API Key

适用场景：

已订阅 ChatGPT Plus/Pro，想最大化利用订阅权益
需要 GPT-5.5 的最新能力

场景 3：前置代理层做 Prompt 缓存

功能说明：在 codex-shim 前面再放一个本地代理，可以实现 Prompt 去重、注入稳定指令、修复伪工具文本、按策略路由 Prompt 后再打到上游。维护者的内部任务中，这种架构让 billed input tokens 减少了数倍，wall time 也明显加快。

输入要求：懂一点 Python/aiohttp，会写简单代理逻辑

输出效果：Token 消耗降低，响应速度提升

适用场景：

高频使用 Codex，API 成本敏感
需要统一注入系统指令（如代码规范、架构约束）

用户群体总结

✅ Python 开发者（推荐指数：⭐⭐⭐⭐⭐）：需要一定 Python 基础配置模型
✅ 已有多种 AI 订阅的用户：把全部模型汇聚到 Codex Desktop 一个界面
✅ 成本敏感用户：通过 DeepSeek/Ollama 降低 API 成本
✅ Codex 重度用户：前置代理层做 Prompt 优化，提升效率
❌ 纯新手：需要一定 Python 和 API 配置基础

💰 定价方案

codex-shim 本身是 MIT 协议开源项目，完全免费。

使用成本取决于你配置的上游模型：

OAI API Key：按 OAI 官网计费
Anthropic API Key：按 Anthropic 官网计费
DeepSeek API Key：按 DeepSeek 官网计费（比 OAI 便宜）
Ollama 本地模型：免费，只需本地 GPU 资源
ChatGPT Codex 透传：需要 ChatGPT Plus/Pro 订阅

💡 新用户福利：用 Ollama 本地模型，零 API 成本无限用！

🎯 总结

Codex-Shim 解决了 Codex Desktop 只能用一个模型提供商的痛点，通过本地适配层实现了真正的模型自由。661 Stars、57 Forks 说明社区需求强烈。

推荐指数： ⭐⭐⭐⭐⭐（满分5星）

适合人群： Python 开发者、多模型用户、成本敏感用户

立即体验： codex-shim GitHub

GitHub 仓库： 0xSero/codex-shim

数据截至 2026-05-28，最新信息请以官网为准。

配套媒体

🚀 什么是 Codex-Shim？

✨ 核心功能一览

🛠️ 快速上手：5 分钟跑通

安装

配置模型

启动适配层

让 Codex Desktop 指向适配层

📊 与竞品对比

💡 适用场景

场景 1：使用非 OpenAI 模型驱动 Codex

场景 2：ChatGPT Codex 透传（订阅用户专属）

场景 3：前置代理层做 Prompt 缓存

用户群体总结

💰 定价方案

🎯 总结