CC Switch 让 Codex 接 DeepSeek 时保留远程操作和官方插件能力

分享 Jason 这条关于 CC Switch + Codex 的帖子。原帖链接放在文末，建议用 Codex、Claude Code 或经常切第三方模型的朋友都看一下。

这条真正值得看的点，不是“又多了一个切 API 的工具”，而是它解决了一个很多 Codex 用户都会遇到的问题：

**如何在 Codex 里使用 DeepSeek、Kimi、GLM、MiniMax 等第三方 API 的同时，还尽量保留 Codex 官方账号带来的远程操作、官方插件等能力。**

很多刚用 Codex 的朋友可能不太理解这个点，我先用白话解释一下。

正常情况下，Codex 官方账号登录以后，不只是“能用一个模型”这么简单。它背后还带着一整套官方体验，比如：

- 手机端远程操作 Codex
- Codex 官方插件
- 官方 OAuth 登录状态
- 官方配置和本地工作流
- 更接近 Codex 原生的使用体验

但问题是，如果你直接把 Codex 改成第三方 API，比如 DeepSeek API、Kimi API 或其他 OpenAI-compatible API，很多时候你只是把“模型请求”切出去了。

这样虽然可以用更便宜、更多样的模型，但也可能带来副作用：

- 官方登录态可能被覆盖或失效
- Codex mobile 远程操作可能不好用
- 官方插件能力可能丢失
- 配置文件容易被改乱
- 切回官方模型时还要重新整理配置

所以这里的关键不是“能不能接 DeepSeek”。

能接第三方 API 这件事本身并不稀奇。真正有价值的是：

**在接第三方 API 的同时，尽量保留 Codex 官方生态能力。**

Jason 原帖里分享的 CC Switch 新思路，我理解核心是把这两件事拆开：

## 1. 官方登录态继续保留

也就是让 Codex 依然知道你是官方账号登录过的。`auth.json` 这些官方 OAuth 信息不要被破坏。

这部分关系到 Codex 的官方能力，比如手机远程操作、官方插件、官方账号状态等。

## 2. 模型请求切到第三方 API

真正跑代码、生成内容、消耗 token 的地方，可以通过 provider 配置切到 DeepSeek、Kimi、GLM、MiniMax 或其他 OpenAI-compatible API。

这样一来，体验就很像：

- 前端还是 Codex
- 操作习惯还是 Codex
- 远程能力和官方插件尽量保留
- 但模型后端可以换成第三方 API

这对经常用 AI 写代码的人很实用。

因为很多人的真实痛点是：

- 官方模型好用，但额度消耗快
- 第三方模型便宜，但配置麻烦
- 想测试 DeepSeek、Kimi、GLM 等模型的代码能力
- 想在不同 provider 之间快速切换
- 不想每次手动改配置文件
- 不想一换模型就把 Codex 官方登录态弄没

CC Switch 这个方法的价值就在这里。

它不是简单告诉你“把 API Base URL 改成 DeepSeek 就行”。

它更像是帮你把 Codex 的几个部分分开管理：

- 登录态归登录态
- provider 配置归 provider 配置
- 模型路由归模型路由
- 官方能力继续走官方能力
- 第三方模型请求走第三方模型请求

对小白来说，可以这样理解：

以前你想换模型，像是在拆 Codex 的发动机；

现在更像是在保留驾驶室和控制台的情况下，换后面的动力来源。

Codex 的界面、习惯、远程操作、插件生态还在，但模型可以按需要切换。

当然，这个方法也不是万能的。

第三方 API 的实际体验还是取决于模型本身，比如：

- 代码能力
- 上下文长度
- 工具调用兼容性
- 响应速度
- 稳定性
- 价格
- provider 是否兼容 OpenAI 格式

不同模型适合的任务也不一样。比如有些模型适合快速改小 bug，有些适合长上下文理解，有些适合低成本批量跑任务。

但这个方向很值得关注：

**Codex 不一定只能是“绑定某个官方模型的工具”，它也可以变成一个更灵活的 AI 编程入口。**

以后你可以根据任务选择不同模型：

- 想省成本，可以试 DeepSeek
- 想试国产模型，可以试 Kimi / GLM / MiniMax
- 想要官方稳定体验，可以切回官方
- 想跑复杂项目，可以根据任务选择更合适的 provider

总结一下：

这条方法的重点不是“Codex 能不能用第三方 API”。

重点是：

**用 CC Switch 解锁 Codex 在使用 DeepSeek 等第三方 API 时，仍然尽量保留远程操作、官方插件、官方登录态这些能力。**

对重度 Codex 用户、AI 编程用户、经常切模型的人来说，这个思路非常值得研究。

Jason 原帖：
https://x.com/jason_young1231/status/2061476998602715557?s=46