即使不用 ChatGPT 官方，也可以让 Codex 接上别的模型来跑。 比如通过 mimo2Codex 这类工具，把更便宜的小米mimo模型，或者 DeepSeek 这类模型，作为 Codex 背后的驱动。 我觉得更适合国人宝宝的体质。 官方模型当然有它的优势。 但在日常 Vibe Coding 里，我有时候更在意另外几个点：成本、网络环境、上下文长度。 如果只是让 Codex 帮我读文件、整理代码、改小工具、生成网页、查本地资料，并不是每次都必须用最贵的模型。 很多任务其实只需要一个便宜、稳定、能跑得动的模型。 而接入国内模型的好处也很直接： 不用 fq 等额外步骤，网络更顺； 调用成本更低，日常任务感知区别不大； 国内模型现在都支持百万级上下文，codex 官方反而不提供（只有 api 模式才给，但包月模式不给）。 长上下文这点我特别有感。 因为我经常会让 Codex 看一堆项目文件、Obsidian 资料、历史记录和长文档。 但官方目前提供的上下文太短，经常会触发压缩上下文。 但如果底层模型支持百万级上下文，那很多“把资料整体喂进去再分析”的场景，就会变得更顺手。 当然，这种玩法也不是完全无脑。 不同模型的代码能力、稳定性、工具调用体验都不一样。 有些适合整理资料，有些适合写小脚本，有些适合做长文总结，不一定都适合复杂开发。 所以我现在更倾向于把它当成一个可切换的工作流： 重要任务用更稳的模型； 普通整理、长上下文阅读、低成本探索，就可以试试其他模型。 这也是我觉得 Codex 好玩的地方。 它不只是一个固定入口，而是可以被接进自己的模型、资料库和本地工作流里。 当底层模型可以切换之后，Codex 就更像一个本地 AI 工作台，而不是只能绑定某一种官方用法。 我会持续更新自己的 Vibe Coding 个人探索，也欢迎一起交流类似的小工具和工作流。 #Codex #VibeCoding #AI编程 #DeepSeek #howto入门codex #howto用好AI #howto实现一万种vibecoding #大模型