【图文】Codex接入Kimi K2/GLM-4.6 环境配置指南 (Windows/macOS/Ubuntu)

Ne0inhk

— 11 min read
【图文】Codex接入Kimi K2/GLM-4.6 环境配置指南 (Windows/macOS/Ubuntu)

Codex接入Kimi K2/GLM-4.6 环境配置指南 (Windows/macOS/Ubuntu)

前言

紧跟DeepSeek的步伐，智谱也在节前发布了GLM-4.6，并称它是智谱"最强的代码Coding模型（较GLM-4.5提升27%）"

  • 代码能力对齐Claude Sonnet 4，部分榜单对齐Claude Sonnet 4.5。
  • 上下文长度增加到200K。
  • 推理能力提升，增加图像识别与搜索能力。
  • token消耗较GLM-4.5节省30%以上。

GLM Coding Plan订阅自动升级至GLM-4.6(包含已订阅的用户)：

  • 支持Claude Code、Roo Code、Kilo Code、Cline等10+主流编程工具。
  • 套餐命名对齐Claude，用量为Claude x3，费用为Claude x1/7，综合性价比是Claude的21倍。
  • 套餐首次购买优惠价格及后续原价为：
    • Lite (120prompts/5h)：20元/月 (续费40元/月)
    • Pro (600prompts/5h)：100元/月(续费200元/月)
    • Max (2400prompts/5h)：200元/月(续费400元/月)
  • 注：每次 prompt 预计可调用模型 15-20 次，每月总计可用总量高达几十亿到数百亿tokens，折算下来仅为 API 价格的 0.1 折，极具性价比。

我9月10号订阅的Lite，20元买不了吃亏买不了上当，已经用了三周了感觉非常的棒，编程能力也是足够日常工作中使用，工作中的强度根本达不到5小时120次prompts的限制。

GLM-4.5的编程能力已经很强了，这次升级到GLM-4.6又是一个大的进步。推荐各位编程工作的小伙伴，花一杯奶茶钱试试这家大模型，真的很好用

第一次可以用亲人的手机号试一下，满意的话再上自己的手机号，直接入年卡~

使用我的邀请链接订阅GLM Coding Plan，还能再打9折：GLM Coding Plan邀请9折

本指南将引导您完成安装 Codex ，并通过API方式配置 Kimi K2、GLM-4.6 模型，以更实惠的方式来AI编程。

1、安装 Node.js

在开始之前，您的系统需要安装好 Node.js。

验证安装：安装完成后，打开您的终端（Terminal）或命令提示符（CMD），运行以下命令来验证。

node -v

如果成功安装，将会显示 Node.js 的版本号(如图绿框中的)。

在这里插入图片描述

下载与安装：请前往 Node.js 官方网站 下载并安装最新版本的 Node.js（建议使用 v18 或更高版本）。根据您的操作系统下载对应的安装包。

在这里插入图片描述

2、安装 Codex

接下来，我们将全局安装 Codex NPM 包。此步骤在不同操作系统下的主要区别在于是否需要管理员权限。

注意：为了获得最佳的安装体验，建议连接稳定的网络环境（例如使用科学上网）运行安装命令。

2.1、Windows

    1. 以 管理员身份 打开您的 命令提示符（CMD） 或 PowerShell。

输入并运行以下安装命令：

npminstall -g @openai/codex
在这里插入图片描述

2.2、macOS / Ubuntu

    1. 打开您的 终端（Terminal）。
    1. 由于全局安装 npm 包需要系统权限，您需要在命令前加上 sudo。

输入并运行以下安装命令（过程中会提示您输入电脑的登录密码）：

sudonpminstall -g @openai/codex

2.3、验证安装 (所有系统通用)

安装完成后，在 新的终端窗口 中运行以下命令来验证。(旧的窗口也许可以，建议新的哈)。

codex--version

如果终端成功返回版本号，则代表 Codex 已成功安装(绿框中的)。

在这里插入图片描述

3、获取API Key

Codex 安装成功，这时它还不能工作，因为需要登录官方或者其他模型厂商才可以。
我没有订阅GPT，因为太贵了，所以我选择了 Kimi K2和GLM-4.6的 API 来驱动Codex。
因此我们先去获取Kimi K2和GLM-4.6 的 API Key来登录。
你可以把这个API Key理解成访问密码，访问模型时需要用到这个密码哦。

3.1、获取GLM-4.6 API Key

  1. 前往 智谱AI开放平台：智谱AI开放平台

申请成功后点击一下API key的复制按钮，把key复制到剪贴板中给后续使用。

在这里插入图片描述

登录后按顺序点击：右上角的头像 -> API key -> 添加新的API key -> 输入一个名字来标识这个key -> 确定。

在这里插入图片描述

创建账号并登录，系统会赠送2000万token供你试用。更建议选择月卡订阅，我自己买的20元/月的试用，日常开发足够。后续考虑升级成季度订阅~ 选择图中的立即订阅，还可以再优惠10%

在这里插入图片描述

3.2、获取Kimi K2 API Key

  1. 前往 Moonshot AI开放平台： Moonshot AI开放平台。
  2. 注册与登录：如果您没有账户，请先注册一个新账户并登录。
  3. 创建 API Key：在平台仪表盘中，找到创建 API Key 的选项。
  5. 关于费用：
    • 新用户通常会获赠少量免费额度（例如 15 元）供测试使用。
    • 若要长期或高频率使用，建议充值至少 50 元，以解锁更高的请求速率（RPM），从而获得更流畅的体验。

重要提示：API Key 在创建后只会显示一次，请务必立即复制并妥善保存。

在这里插入图片描述

4、配置环境变量

万事俱备，只欠东风！为了让 Codex 能够成功连接到 Kimi K2和GLM-4.6，我们需要配置环境变量到Codex。

4.1、Windows

您可以选择以下任一方法进行配置：

  • 方法二：使用系统属性面板
    1. 在 Windows 搜索栏中输入“环境变量”，并选择“编辑系统环境变量”。
    2. 在“系统属性”窗口中，点击“环境变量…”。
    3. 在“系统变量”区域，点击“新建…”，并添加两个新变量。

方法一：使用命令提示符
打开命令提示符（无需管理员），并执行以下两条命令。请确保将 "你的GLM_API_Key" 、 "你的Kimi_API_Key" 替换为您真实的 API Key。替换后重启一下终端。

setx GLM_API_KEY "你的GLM_API_Key" setx KIMI_API_KEY "你的Kimi_API_Key"

注意：使用 setx 设置的变量需要 重启终端 才会生效。建议关闭所有终端，然后再打开一个新的。
注意：使用 setx 设置的变量需要 重启终端 才会生效。建议关闭所有终端，然后再打开一个新的。
注意：使用 setx 设置的变量需要 重启终端 才会生效。建议关闭所有终端，然后再打开一个新的。

在这里插入图片描述

4.2、macOS / Ubuntu

在 macOS 和 Ubuntu 系统中，环境变量通常配置在 Shell 的配置文件中。

  1. 确定您的 Shell 类型
    在终端中运行 echo $SHELL。
    • 如果输出包含 zsh，您的配置文件是 ~/.zshrc。
    • 如果输出包含 bash，您的配置文件是 ~/.bashrc。

使配置生效
运行以下命令让配置立即生效（或直接重启终端）。

# 如果您修改了 .zshrcsource ~/.zshrc # 如果您修改了 .bashrcsource ~/.bashrc

添加环境变量
在文件的末尾，添加以下两行。请将 你的Kimi_API_Key 替换为您真实的 API Key。

exportGLM_API_KEY="你的GLM_API_Key"exportKIMI_API_KEY="你的Kimi_API_Key"

添加后，按下 Ctrl + O 保存文件，然后按 Ctrl + X 退出编辑器。

编辑配置文件
使用您喜欢的文本编辑器打开对应的文件。这里以 nano 为例（一个对新手友好的终端编辑器）。

# 如果您使用 Zsh (macOS 默认)nano ~/.zshrc # 如果您使用 Bashnano ~/.bashrc

5、运行并配置 Codex

好，到此所有准备工作已经完成！让我们启动 Codex 吧！

  1. 打开一个新的终端窗口。

我们让他自我介绍一下，如果收到回复，就证明配置正确了（如图绿色框的回复）。

在这里插入图片描述

接着退出Codex，重新进入一下。一定要退出重进，因为我们刚改了配置嘛，需要让Codex重新加载~再次进入Codex，可以看到模型是GLM-4.6了：

在这里插入图片描述

然后打开~/.codex/config.toml文件（windows在C:\Users\你的用户名\.codex\config.toml），这里我使用vscode来打开并编辑，直接复制粘贴以下内容并保存，这里我使用GLM-4.6的模型，你要用kimi的话就把glm注释掉，然后把kimi打开:

model_provider = "glm" model = "glm-4.6" # model_provider = "kimi" # model = "kimi-k2-0905-preview" [model_providers.glm] name = "zai" base_url = "https://open.bigmodel.cn/api/coding/paas/v4" env_key = "GLM_API_KEY" [model_providers.kimi] name = "kimi" base_url = "https://api.moonshot.cn/v1" env_key = "KIMI_API_KEY"
在这里插入图片描述

紧接着让你输入API Key，注意这里是输入的GPT官方的API Key，我们胡乱输一个确认即可：

在这里插入图片描述

输入codex 命令，你会看到让你选择登录方式，我们这里需要按方向键切换到2. Provide your own API key，回车确认：

codex
在这里插入图片描述

6、FAQ

6.1、登录报错

  • 可能在第4步 配置环境变量 出错，需要注意windows命令行需要全部关闭，后续新开的才会生效。
  • 文章示例的GLM-4.6使用的是包月计划对应的base_url，如果你没有订阅包月套餐就会报错，可以点击这个链接包月：GLM 编程神器包月套餐·限时优惠-10%

如果你只是想试用GLM-4.6，可以把Codex的配置文件中glm的base_url改为：

https://open.bigmodel.cn/api/paas/v4/

6.2、使用KIMI K2对话报错或警告

使用KIMI模型时，向AI发送消息后，Codex会提示一些错误或警告, 比如这样：

在这里插入图片描述

这个原因是你没有氪金，Kimi官方赠送的免费额度每秒只能访问3次，而 Codex 会根据内置策略来多次调用api，很容易就超过每秒3次。
解决方案也很简单，氪金50块钱可以解决，哈哈哈哈。自己抉择吧~！

在这里插入图片描述

6.3、其他模型可以通过API接入吗

  • 可以，类似glm和kimi，比如deepseek，你可以去deepseek官网申请对应的api key并氪金，然后按照这篇教程配置进来。deepseek传送门：DeepSeek 开方平台 。

6.4、官方的配置文档参考

  • config配置：https://github.com/openai/codex/blob/main/docs/config.md
  • mcp配置：https://github.com/openai/codex/blob/main/docs/advanced.md#model-context-protocol-mcp

Read more

保姆级教程：Windows本地部署Ollama+OpenClaw，打造你的AI赚钱系统（APP开发/量化/小说/剪辑）

摘要：想用AI搞钱但卡在技术门槛？本文手把手教你用一台Windows电脑，零成本本地部署Ollama大模型+OpenClaw智能中枢，赋予AI开发APP、量化分析、编写小说、剪辑辅助等“赚钱技能”。全程无需编程基础，跟着鼠标点、照着命令敲，即可拥有24小时待命的AI员工。 一、写在前面 很多朋友对AI变现跃跃欲试，却常被这些问题劝退： * 云端部署太贵，API调用怕浪费钱 * 技术文档看不懂，不知道从哪下手 * 数据隐私担忧，不敢把敏感资料上传 其实，你手头那台Windows电脑完全能胜任！本文将带你搭建一套完全本地化、免费、可扩展的AI生产力系统，让AI帮你写代码、分析表格、生成文案、处理视频，真正把AI变成你的“赚钱工具”。 系统架构： * 本地大脑：Ollama + DeepSeek模型，负责理解任务、生成内容 * 智能中枢：OpenClaw（原名OpenClaude），负责调用各类工具（Skill） * 赚钱技能：通过安装Skill包，让AI具备特定领域的实操能力 适用人群：

By Ne0inhk
一个后台管理所有 AI：手把手教你搭建属于自己的 AI 中转站（CLIProxyAPI版）

一个后台管理所有 AI：手把手教你搭建属于自己的 AI 中转站（CLIProxyAPI版）

目录 * 前言 * 第一部分：基础设施准备与 CLIProxyAPI 的核心部署 * 1.1 服务器选型与环境初始化 * 1.2 CLIProxyAPI 的自动化安装 * 1.3 核心配置文件 `config.yaml` 的深度定制 * 第二部分：系统服务化管理与故障排查 * 2.1 初始启动尝试与 Systemd 服务注册 * 2.2 服务启动失败的深度分析与路径修正 * 2.3 修正 Systemd 配置与服务恢复 * 第三部分：Web 管理界面的访问与 OAuth 认证集成 * 3.1 网络防火墙配置 * 3.2 仪表盘登录与功能概览 * 3.3 Google OAuth 认证流程

By Ne0inhk
Flutter for OpenHarmony：Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元（适配鸿蒙 HarmonyOS Next ohos）

Flutter for OpenHarmony：Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元（适配鸿蒙 HarmonyOS Next ohos）

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net。 Flutter for OpenHarmony：Flutter 三方库 dart_mcp — 开启鸿蒙端的 AI Agent 通信协议新纪元（适配鸿蒙 HarmonyOS Next ohos） 前言 随着生成式 AI 的爆发，Model Context Protocol (MCP) 正逐渐成为连接大型语言模型（LLM）与外部工具（Tools）、数据源（Resources）及上下（Context）的标准开放协议。它由 Anthropic 发起，旨在解决 AI 代理在获取现实世界信息时的碎片化问题。 在 Flutter for OpenHarmony 开发中，我们不仅关注 UI

By Ne0inhk
移动端也能玩转！OpenClaw iOS/Android 端部署教程，语音唤醒 + 全场景随身 AI 助手

移动端也能玩转！OpenClaw iOS/Android 端部署教程，语音唤醒 + 全场景随身 AI 助手

一、背景与价值：随身AI助手的刚需场景 随着大语言模型技术的普及，全场景AI助手的需求日益增长——无论是通勤途中的语音笔记、户外场景的实时翻译，还是离线环境下的知识查询，移动端随身AI都能解决传统桌面AI的场景局限。OpenClaw作为一款轻量级、可离线运行的开源AI框架，支持语音唤醒、多模态交互等核心功能，完美适配iOS/Android双平台部署，为用户打造真正的随身AI助手。 二、核心原理：OpenClaw移动端部署的技术逻辑 OpenClaw的移动端部署核心是将轻量化大语言模型（如Qwen-2-0.5B-Instruct）、语音唤醒模型（如PicoVoice Porcupine）与移动端推理引擎（如MLKit、TensorFlow Lite）进行整合，实现三大核心流程： 1. 低功耗语音唤醒：通过本地运行的轻量唤醒模型监听关键词，避免持续调用麦克风导致的高功耗； 2. 本地推理加速：利用移动端硬件加速（NNAPI、Core ML）运行量化后的大语言模型，实现离线交互； 3. 跨平台适配：通过Flutter或React Native统一代码底座，同时适配iOS的沙箱

By Ne0inhk