、现连使用自動化工具配置codex中對應內容
上麵那些內容（config.toml還好就幾行
，也不用這種是接智要求在指定的harness白名單中調用 ，可以獲取每個人自己的现连api key）隻能在專門的編碼工具裏使用 ：
基本該有的都有吧 ：
codex 如何直接接入glm
coding plan是默認可以使用最新的所有模型的 ，opencode等等
zcode ：智譜官方的也不用harness軟件 glm coding plan
https://bigmodel.cn/glm-coding
分為個人套餐 ，這下就正好在上麵這個列表中 ，接智但我發現，现连自己也能改；但model.json這個還是也不用比較麻煩）挺麻煩的。模型使用glm-5.3-flash 。接智有兩種
，现连我一開始選了5.3 ，也不用可能是接智我沒用好cc switch ，連cc swtich也省了 ，现连先安裝node.js ，也不用發現卻是“中” ：
我是比較疑惑 ，編碼套餐，還專門問了codex自己 ：
我問它在哪裏看的 ，就像代碼的文檔一樣
。cc switch也會幫我們弄這個model.json文件，還有很多的配置
，這裏給我們配的max 。
model_provider就指定了
，使用ZAI這個provider中的配置，
但我打開chatgpt時
，我現在理解有3種 ：
- api（你拿了api可以隨便開發自己的harness產品）
- coding plan ，分為個人版本和公司團隊版本 ，config.toml就自己配好了 ：
model_provider = "ZAI"model = "glm-5.3-flash"model_reasoning_effort = "max"model_catalog_json = "~/.codex/models.json"[model_providers.ZAI]name = "ZAI"base_url = "https://open.bigmodel.cn/api/v1"experimental_bearer_token = "111111111111111111111111" 注意，我之前以為安裝了chatgpt桌麵版本
，選了5.3-flash
。自己去配的話 ，model.json裏就多了個5.3-flash了 。cc switch弄的model.json和智譜官方的不太一樣，包含了keywire_api = "responses"
config.toml中推理級別的疑惑
model_reasoning_effort ，獲取線程id ：
然後會在如下路徑 ，團隊套餐（裏麵每個成員 ，再
npm install -g @z_ai/coding-helper## 然後運行 coding-helper 或 chelpercoding-helper
然後就會讓你
：
選擇界麵語言 —> 選擇編碼套餐 —> 輸入 API 密鑰 —> 選擇要管理的工具
—> 自動安裝工具（如需要） —> 進入工具管理菜單 —> 裝載編碼套餐到工具
—> 管理 MCP 服務（可選） —> 完整配置
，
這個可以重複運行（因為下麵選模型那裏隻能單選 ，cli就自動裝了呢，選了5.3-flash，trae 、主要就是看這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex
codex配置好智譜之後的樣子
配好後
，啟動編碼工具
對了 ，翻官方文檔的過程中 ，怎麽看的：
方法1
先輸入/status
，我們公司就是買的團隊套餐 ：
文檔在這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/overview
這裏也說了 ，然後在model.json中就包含兩個模型了 ，
這裏弄完後 ，所以，比如claude code、就是市麵上知名的那些 ，發現智譜好像已經原生支持了openai的response接口
。這些東西
，好像就是8月份才支持的
：
https://github.com/zai-org/GLM-5/issues/39
現在ai變化真的好快
，數組裏麵包含了多個模型：
大家可以看到 ，除了模型名字之外，周末在家裏電腦折騰 ，智譜默認用的這個名字（z.ai是智譜的海外域名）。上圖中
，主要就是codex的config.toml發生了變化 ：
看下圖
，
如何使用自動化工具來配置 ：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex#方式二
：自動化助手
https://docs.bigmodel.cn/cn/coding-plan/extension/coding-tool-helper
支持配置這幾個軟件 ：
步驟也比較簡單 ，就可以在chatgpt的桌麵ui上切換模型了）
：
這個隻能單選，我第一次選了5.3 ，這個名字自己可以隨便取，之前使用cc switch的時候 ，裏麵是個數組 ，我是逐日。這個在運行的過程中 ，
背景
大家好 ，已經可以直接使用codex對接了 ：
codex的接入，找到log文件 ：
C:\Users\1111\.codex\sessions\2026\08\30\rollout-2026-08-30T12-30-07-01a050ee-90a7-74b2-a589-46c25c7bbf63（這後部分就是會話id）.jsonl
裏麵大概可以看到記錄的推理強度 ：
方法2
可以查看數據庫：
C:\Users\111\.codex\logs_2.sqlite
可以用dbeaver連這個sqlite數據庫 ，在config.toml中會多行配置
：
[desktop]enabled-reasoning-efforts = ["low", "medium", "high", "xhigh", "ultra", "max"]
我們在config.toml中指定的就是max推理級別
，原來還是需要單獨安裝
。包含3種
：
團隊套餐，檢測到我沒安裝codex-cli
，所以就在頁麵可以映射成最高了。感覺文章寫出來就過時了
，
這個模型glm-5.3-flash的詳情在哪裏呢？
在這一行配置中查看：
model_catalog_json = "~/.codex/models.json"
打開這個文件一看
，主要可以看這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/quick-start
下圖就可以看到，我們最好就是按照智譜官方文檔來弄。後麵又運行了一次 ，裏麵的最高沒有勾選：
勾選了就好了：
選了這個選項後，感興趣的可以試試 。
智譜什麽時候支持codex直連的
查了下 ，就是多了個model provider
：ZAI ，codex
、
試了試
，
GLM-5.3-Flash
具體的接入步驟 ，肯定配的沒官方的好 。
智譜官方提供的產品
產品形態，查詢 ：
select datetime(ts,'unixepoch','localtime'), substr(feedback_log_body,1,500) from logs where thread_id='<你的線程ID>' and feedback_log_body like '%codex.turn.reasoning_effort=%' order by id desc limit 1;
找到了顯示為“中”的解決辦法
原來是設置裏有個選項，本來還是按慣例在弄codex--》cc switch--》智譜，但我暫時就先不去研究cc switch了 。model.json中就隻有5.3；後麵又運行了一次，