2025年10月14日-别再为 Claude 付费！Codex + 免费模型 + cc-switch，多场景 AI 编程全搞定
1.前言
Codex 是由 OpenAI 开发的强大 AI 代码生成模型，基于 GPT 架构微调而成，能够根据自然语言描述自动生成高质量代码。它支持数十种编程语言，尤其在 Python 和 JavaScript 上表现突出。
之前一直使用claude code（简称CC） 实现代码编程，每天稍微用一下大几十美刀就没了。 这几天开始用codex ,使用公益网站提供的gpt 5模型用起来也太省了。今天一个下午用下来总共消耗了0.02美金，这也太爽了。给大家看一下消耗截图。
而且代码能力也不输claude code 对应的claude4.5模型，我们看一下他们价格对比。
初步算了一下价格claude4.5模型是gpt5模型的1333倍，对比claude3.5模型也只是它的千分之3的费用，基本可以算是白菜价了。今天就带大家一起玩转着codex来实现vibe coding编程。
2.codex安装及使用
node.js下载和安装
使用codex我们需要先安装node.js这个和之前使用claude code一样
node.js下载地址https://nodejs.org/zh-cn/download 这里我们选择对应的版本下载，我这里以linux为例
输入下面命令
# Download and install nvm:curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh |bash# in lieu of restarting the shell\. "$HOME/.nvm/nvm.sh"# Download and install Node.js: nvm install22# Verify the Node.js version: node -v # Should print "v22.20.0".# Verify npm version:npm -v # Should print "10.9.3".
codex 安装
我们输入下面命令安装codex
npminstall -g @openai/codex 安装完成后,我们使用agentrouter.org 提供的免费的模型（gpt5模型）这里我们需要做如下设置。
设置系统环境变量,变量名为 AGENT_ROUTER_TOKEN
sudovim /etc/profile 在文件末尾添加
exportAGENT_ROUTER_TOKEN="你的令牌值"
保存退出后，使配置立即生效
source /etc/profile 创建 ~/.codex/config.toml 文件，并添加如下配置
model ="gpt-5" model_provider ="openai-chat-completions" preferred_auth_method ="apikey"[model_providers.openai-chat-completions] name ="OpenAI using Chat Completions" base_url ="https://agentrouter.org/v1" env_key ="AGENT_ROUTER_TOKEN" wire_api ="chat" query_params ={} stream_idle_timeout_ms =300000平台提供多种模型
如果换其他模型 这里我们用glm-4.5 模型为案例改成下面配置
model ="glm-4.5" model_provider ="openai-chat-completions" preferred_auth_method ="apikey"[model_providers.openai-chat-completions] name ="OpenAI using Chat Completions" base_url ="https://agentrouter.org/v1" env_key ="AGENT_ROUTER_TOKEN" wire_api ="chat" query_params ={}接下来我们需要创建 ~/.codex/auth.json 文件，并在其中加入如下代码
{"OPENAI_API_KEY":"这里换成你申请的 KEY"}通过以上配置我们就完成了codex安装和配置了。
codex验证测试
我们在命令行窗口输入 codex
确定后，进入codex shell窗口，随便输入内容
这样我们最基本的codex 就安装成功了。
codex 常用的命令
下面给大家简单介绍一下codex常用命令。
熟悉claude code 小伙伴应该了解很多命令其实是差不多的 比如compact 做压缩使用。
model
可以选择模型速度 高中低的速度，我们这里就选择默认即可。
Approval
Approval Mode（审批模式）定义了 Codex 在执行读取、写文件或运行命令等操作前，是否必须获得用户确认。它既提供便捷的无中断体验，也保留关键决策点，防止潜在风险.
review
- 审查未提交的更改：用于查看尚未提交到版本控制系统的代码修改内容，便于在提交前检查代码质量。
- 审查一次提交：针对已经完成提交的某一次代码提交记录进行审查，聚焦单次提交的改动。
- 针对基准分支进行审查：将当前代码与指定的基准分支（如主分支
main）进行对比，审查分支间的代码差异，常用于多人协作时的分支合并前检查。 - 自定义审查说明：允许用户根据项目需求，自定义审查的规则、步骤或说明文档，满足个性化的代码审查流程。
new
这个很好理解就是开启一个新的聊天对话
init
在配置与 Codex 相关的项目时，通过初始化命令自动生成一份文档，用于定义 Codex 的代理（agents）操作规则、使用说明或工作流程
compact
总结对话，以避免达到上下文限制。对上下文进行压缩
diff
查看 Git 代码差异,Git 的核心命令之一，默认功能是 “查看已追踪文件（已通过git add加入版本控制的文件）的未提交改动差异”，比如修改了某个已追踪文件后，用它能看到具体改了哪些内容。
mention
提及这个文件，我们通常用应用这个文件使用@
cc-switch
有的小伙伴可能会有疑问了这么多命令行，好麻烦，另外如果我电脑上想配置多个模型，通过命令行切换就太麻烦了。之前有给大家介绍过使用claude-code-router .《干货！2025 AI 开发工具全攻略：CLI 命令行 + 集成工具推荐，附免费额度指南》 这个是基于claude code 实现多个模型配置方法。本次给大家介绍支持claude code 和codex 的一个更简单的工具叫做cc-switch.
这个开源工具的地址是https://github.com/farion1231/cc-switch
这个工具支持多个操作系统版本 macOS 、linux 、windows. windows 安装相对比较简单下载EXE安装即可。
我使用的是linux 所以下载https://github.com/farion1231/cc-switch/releases/download/v3.5.1/CC-Switch-v3.5.1-Linux.deb
安装命令也很简单，执行下面命令
sudo dpkg -i CC-Switch-v3.5.1-Linux.deb 安装好后我们在shell 命令行执行下面命令cc-switch 弹出对话框
目前这个工具支持claude 和codex
点击添加供应商这里可以弹出支持目前主流的多个供应商
这个配置也比较简单填写相关信息即可
上面的配置是基于claude的
下面是基于codex的 上图配置的模型是gpt-5 若果配置多个模型 可以增加多个配置即可
使用的时候我们只要启用一个就可以了
通过这个工具我们就非常方便的切换各个模型，只需要第一次配置即可。
3.codex mcp 安装
上面给大家介绍了最基本的codex 命令，如果想让codex更强大那么必须要给它安装几个MCP . 下面给大家安装几个常见的mcp
安装命令如下：
1.context7
[mcp_servers.context7] args = ["-y", "@upstash/context7-mcp", "--api-key", "YOUR_API_KEY"] command = "npx" 2.Playwright MCP
~/.codex/config.toml
[mcp_servers.playwright] command = "npx" args = ["@playwright/mcp@latest"] 3.Chrome DevTools MCP
codex mcp add chrome-devtools -- npx chrome-devtools-mcp@latest 4.sentry
codex mcp add sentry -- npx -y mcp-remote@latest https://mcp.sentry.dev/mcp 5.n8n-mcp
[mcp_servers.n8n] command = "npx" args = ["n8n-mcp"] env = { "MCP_MODE" = "stdio", "LOG_LEVEL" = "error", "DISABLE_CONSOLE_OUTPUT" = "true","N8N_API_URL": "http://localhost:5678/","N8N_API_KEY": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzdWIiOiI5NTQ0ZGUwYS1hY2FhLTRmMTAtOWU2MC1lYTdkODliNjc1NWYiLCJpc3MiOiJuOG4iLCJhdWQiOiJwdWJsaWMtYXBpIiwiaWF0IjoxNzYwNDMyMjQ0fQ.2dZNwI6Vxx8cw06sM_dNjaDwrM1efrKYpNbCLdMHmBk" } 上面有些是通过命令行执行安装，有些是通过修改~/.codex/config.toml 实现的。安装后的可以在config.toml 找到安装信息
安装完成后我们可以在codex 查看这个MCP list
通过上面截图可以看到我上面已经安装好几个MCP 了。其他的MCP 大家根据自己的需求安装，安装的方法和上面介绍的一样。
4.codex 实战
接下来我们使用codex 来实战一下。
我这里有一个MD文档。文档里面有一些图片，图片里面的文字信息我觉的很有意思。我接下来使用codex把这些图片的信息使用多模态的能力识别出来整理出文本信息。例如：
我的提示词内容如下：
请使用chrome-devtools这个MCP工具提取"假期值班毫无意义为啥就是取消不了.md"文档里面每张图片里面文字内容信息。输出到一个图片提取信息2.md文档中显示这个提取图片里面文字内容信息。请基于以上要求执行。全部使用中文。 
这里我们使用MCP 工具抓取页面图片信息实现OCR识别。
这个是它运行完之后的结果。这里我们有2个识别结果。1个是下午用claude code 识别的，1个是 gpt5-codex识别的
我们使用BCompare比较工具比较识别的内容是否有差异。
从比对结果来看 图片识别的文字内容信息应该是差不多的。我们在找一个原图看看，这里我们就找图片9
呵呵 应该是对的上的。
上面我是用一个非常简单的案例使用codex 来识别一个文档中带有图片文字的信息，让它把我整理出来。我们就通过非常简单提示词+MCP 工具就把我要的信息提取出来了。
有的小伙伴问你要这个信息干啥，嘿嘿我后面自然有用，感兴趣可以关注后面的文章我拿这个信息干点其他事情。
5.总结
今天主要带大家了解并实现了 Codex 的安装配置与实战应用完整流程，该流程以 OpenAI 开发的 Codex 代码生成模型为核心，结合 node.js 环境搭建、agentrouter.org 提供的模型服务，搭配 cc-switch 工具的多模型管理能力，形成了一套从环境部署到功能扩展的实用化解决方案。
通过这套实践方案，用户能够低成本体验 Codex 的强大能力 —— 借助简单的安装配置步骤（包括 node.js 环境搭建、Codex 安装、环境变量与配置文件设置），无需复杂的模型部署成本，就能快速启用 GPT-5、GLM-4.5 等多种模型，无论是基础的代码生成、对话交互，还是通过 MCP 扩展的图片文字识别、浏览器调试等功能，都能通过简洁的命令行操作完成，极大降低了开发者使用 AI 辅助编程的技术门槛。在实际验证中，Codex 能够稳定响应多样化的需求，特别是结合 chrome-devtools 等 MCP 工具后，有效实现了多模态场景下的信息提取，且成本远低于同类工具。同时，方案具备良好的扩展性 —— 小伙伴们可以基于此扩展更多实用功能，如自动化代码审查、多语言程序调试、文档批量处理等，进一步丰富 Codex 在实际开发场景中的应用价值。
感兴趣的小伙伴可以按照文中提供的步骤进行实践，根据需求配置适合的模型与 MCP 工具。今天的分享就到这里结束了，我们下一篇文章见。
