直接说重点：Codex CLI（实测 v0.143.0）只认 OpenAI 的 Responses API，而 DeepSeek 只提供 Chat Completions。两边协议对不上，直连必然 404。中间架一层 LiteLLM 做协议翻译——Codex 说 Responses，LiteLLM 转成 Chat 转发给 DeepSeek，链路就通了。下面给出的配置和命令可以直接照抄，所有踩过的坑都标在第四节。

一、为什么不能直接配

一开始我也以为改改 config.toml 就行，结果在三个坑里来回跳：

1. 协议层面不兼容。 Codex v0.143.0 把 wire_api 写死为 responses，它发出的每个请求都是 POST /v1/responses。DeepSeek 的 OpenAI 兼容端点里只有 /v1/chat/completions，没有 /v1/responses。直连必 404。
2. wire_api 没有可调空间。 新版 Codex 已经把 chat 选项删了，你设 chat 它直接拒绝加载配置；设 responses 配置能加载，但请求照样 404。翻这个字段纯属浪费时间。
3. key 的字段名也有坑（见 4.1）。

所以根因不是配置写错，是两边协议不兼容，必须有个翻译层。

二、架构

A[Codex CLI
wire_api=responses] -->|Responses
/v1/responses| B[LiteLLM 本地袋里
127.0.0.1:8787]
B -->|Chat
/v1/chat/completions| C[DeepSeek API]
C -->|Chat 响应 / SSE| B
B -->|Responses 响应 / SSE| A

Codex 全程只跟本地 127.0.0.1:8787 通信，它以为自己在调 OpenAI；LiteLLM 负责把 Responses 语义翻成 Chat，再把 DeepSeek 的回答翻回 Responses。流式（SSE）和工具调用（function_call，Codex 跑命令/改文件就靠这个）都在翻译范围内。

三、前置条件

• 一个本地空闲端口，本文用 8787。
• Python 3.12+（用 venv 隔离，别污染全局环境）。
• 一个 DeepSeek API key（下文记为 YOUR_DEEPSEEK_API_KEY）。
• Codex CLI 任意只支持 responses 的版本（v0.143.0 实测通过）。

四、踩坑记录（重点，先看这个再动手）

这些是我实际踩过的，照着避能省至少三轮往返：

4.1 env_key 不是 api_key
Codex 的 config.toml 里，把整串 key 写进 env_key 是错的——Codex 会把它当环境变量名去 getenv()，于是报 Missing environment variable: sk-...。正确做法是直接内联：api_key = "sk-..."。

4.2 wire_api = "chat" 已被新版 Codex 移除
设成 chat 会直接报 wire_api = "chat" is no longer supported，配置根本加载不了。别试。

4.3 wire_api = "responses" 直连 DeepSeek 必 404
这是协议根因，不是配置问题。设了能加载，但每个请求都打到 DeepSeek 不存在的 /v1/responses，全部 404。翻 wire_api 无解。

4.4 LiteLLM 模型前缀必须用 deepseek/，不能用 openai/
这是最阴的一个坑。如果你在 litellm_config.yaml 里写 model: openai/deepseek-v4-flash，LiteLLM 会认为这是个"原生支持 Responses 的 OpenAI 兼容端点"，直接把 /responses 原样转发给 DeepSeek → 又 404。只有写 model: deepseek/deepseek-v4-flash，LiteLLM 才会启用 Responses→Chat 的翻译逻辑。差一个前缀，天差地别。

4.5 只装 litellm 不够，要 litellm[proxy]
启动袋里时若只 pip install litellm，会缺 backoff 等依赖而启动失败。务必装 extras：pip install "litellm[proxy]"。

4.6 Codex 启动时的 Model metadata not found 警告无害
每次启动都会看到 Model metadata for deepseek-v4-flash not found. Defaulting to fallback metadata。这是因为 deepseek-v4-flash 是自定义模型，不在 Codex 内置清单里，它走兜底元数据。聊天场景实际无影响，直接忽略。

4.7 袋里是常驻后台进程
袋里一旦退出（比如启动它的终端/会话关闭），Codex 就 404。下次用 Codex 前先手动把袋里拉起来（见 3.3 的启动命令）。

五、实操步骤

5.1 建隔离环境并装依赖

python -m venv ~/.codex-proxy/venv
# Windows
~/.codex-proxy/venv/Scripts/pip install "litellm[proxy]" uvicorn
# macOS / Linux
~/.codex-proxy/venv/bin/pip install "litellm[proxy]" uvicorn

5.2 写 LiteLLM 配置

~/.codex-proxy/litellm_config.yaml：

model_list:
  - model_name: deepseek-v4-flash
    litellm_params:
      model: deepseek/deepseek-v4-flash  # 关键：必须是 deepseek/ 前缀，见 4.4
      api_key: YOUR_DEEPSEEK_API_KEY
      drop_params: true
general_settings:
  disable_auth: true  # 本地袋里，关掉鉴权
  telemetry: false

model_name 是暴露给 Codex 的模型名，要和 Codex 配置里的 model 对齐。drop_params: true 让 LiteLLM 丢掉 DeepSeek 不认识的参数，避免偶发报错。

5.3 启动袋里

写个启动脚本 ~/.codex-proxy/start-proxy.sh（Windows 版）：

#!/usr/bin/env bash
set -e
VENV="$HOME/.codex-proxy/venv"
CFG="$HOME/.codex-proxy/litellm_config.yaml"
exec "$VENV/Scripts/litellm.exe" --config "$CFG" --port 8787 --host 127.0.0.1

后台启动：

nohup bash ~/.codex-proxy/start-proxy.sh > ~/.codex-proxy/proxy.log 2>&1 &

等袋里就绪（健康接口返回 200 即代表起来了，最多等 40 秒）：

for i in $(seq 1 40); do
  code=$(curl -s -o /dev/null -w "%{http_code}" http://127.0.0.1:8787/health/liveliness 2>/dev/null)
  [ "$code" = "200" ] && { echo "proxy up after ${i}s"; break; }
  sleep 1
done

停掉袋里：taskkill /IM litellm.exe /F（Windows）或 pkill -f litellm（类 Unix）。

5.4 改 Codex 配置指向袋里

~/.codex/config.toml 里 provider 段改成：

model = "deepseek-v4-flash"
model_provider = "deepseek"
preferred_auth_method = "apikey"
[model_providers.deepseek]
name = "DeepSeek via local proxy"
base_url = "http://127.0.0.1:8787/v1"  # 指向本地袋里，不是 DeepSeek 官网
api_key = "YOUR_DEEPSEEK_API_KEY"
# 袋里关了鉴权，这里随便填也能通，但留着不碍事
wire_api = "responses"

base_url 从 DeepSeek 官网换成 127.0.0.1:8787/v1 是核心改动；wire_api 保持 responses 不动。

六、验证（三条 curl 全过才算通）

基础补全——应返回标准 Responses 结构（output 内含 message + output_text）：

curl -s -X POST http://127.0.0.1:8787/v1/responses 
  -H "Content-Type: application/json" 
  -d '{"model":"deepseek-v4-flash","input":"Reply with exactly one word: hi"}'

工具调用——应返回 function_call（name 为 ping），这是 Codex 执行命令的关键能力：

curl -s -X POST http://127.0.0.1:8787/v1/responses 
  -H "Content-Type: application/json" 
  -d '{"model":"deepseek-v4-flash","tools":[{"type":"function","name":"ping","description":"return pong","parameters":{"type":"object","properties":{}}}],"input":"call the ping tool"}'

流式（SSE）——应看到 response.created → output_item.added → content_part.added 事件流：

curl -s -N -X POST http://127.0.0.1:8787/v1/responses 
  -H "Content-Type: application/json" 
  -d '{"model":"deepseek-v4-flash","input":"say hello in 3 words","stream":true}'

三条都正常，直接 codex 就能用 DeepSeek 干活了。

七、为什么是 LiteLLM 而不是降级 Codex

我也考虑过降级到还支持 wire_api = "chat" 的旧版 Codex，但那条路等于把自己锁死在旧版本上，以后 Codex 出新能力都用不了。LiteLLM 这层袋里的好处是：Codex 永远用最新版，翻译逻辑独立演进，DeepSeek 换成别的 Chat 协议供应商也只是改一行 model 映射。代价是多跑一个本地进程——对这个场景来说，划算。

《夸克》非常好用的免费AI浏览器

下载APP查看