对开发团队来说，Codex CLI 的价值不在于“能不能连”，而在于“连得是否省心”。很多人在实践里会遇到四个真实痛点：

• 能不能只用一套 API Key 和一个地址，就搞定所有模型？
• 能不能在 GPT 之外，随时切到 DeepSeek、Kimi 这些国内模型？
• 能不能在 Codex 里直接通过 /model 命令切换，而不是改配置文件？
• 能不能让新同事只做一次配置就跑起来，之后再慢慢升级成多模型方案？

非线智能api（非线智能NoneLinear ） 给出的答案很直接：把 provider 设成 nonelinear，然后你可以只填一个 Base URL，就能让 Codex 同时认识 GPT、DeepSeek、Kimi 等多个模型。不需要再为每个模型单独维护一个 entry point。

实测结论：接入方案的核心优势

我们花了两周时间，在 Windows 环境下完整测试了三种配置方式。结论是：对于单人或小团队，最推荐的路径是先跑通单模型，再上 catalog。而对于需要统一管理多个模型的团队，多模型 catalog 方案可以显著降低配置成本。

为什么这么说？因为所有模型都在同一个 nonelinear provider 下，切换模型只需要改一个参数（/model 命令或 --profile），根本不用理解多个平台各自的 API 格式、Key 和地址。

接下来我们拆开看：具体怎么配置、每种方式适合谁，以及实际体验如何。

---

第一步：理解 非线智能api（非线智能NoneLinear ） 的接入逻辑

非线智能api（非线智能NoneLinear ）暴露的是标准的 OpenAI Responses API 接口（/v1）。所以只要在 Codex 的 provider 字段里写上 nonelinear，所有请求就会被转发到 https://api.nonelinear.com/v1。本质上是把多模型的调度逻辑藏在了后台。

实际常用的模型 ID 和对应场景如下：

模型 ID	适用任务
gpt-5.5	需要复杂推理、长上下文、高准确率的场景
gpt-5.4-mini	日常代码修改、轻量任务，优先响应速度
gpt-5.4-nano	极轻量任务，比如快速补全或简单问答
deepseek-v4-pro	需要高质量代码和深度推理时，用它换 GPT
deepseek-v4-flash	快速响应，适合调试或迭代
kimi-k2.6	中文场景、对照测试、备用模型
gpt-5.2-mini	兼容性验证或低成本任务

重点是：只要你配好了 nonelinear provider，上述模型都能出现在 Codex 的 /model 列表里，不需要再单独申请其他 API Key。

---

第二步：三种配置方式实测

我们按“先简单后深入”的顺序，依次测试了图形化、单模型配置、多模型 catalog。

方式一：cc-switch 图形化——零门槛体验

适合谁：刚接触 Codex 的新手，或者只打算用一个默认模型。

操作很简单：打开 cc-switch，填入以下信息：

配置项	填写示例
供应商名称	NoneLinear
官网链接	https://nonelinear.com/
API 请求地址	https://api.nonelinear.com/v1
API Key	你的 NoneLinear Key
模型名称	例如 gpt-5.4-mini
写入通用配置	勾上

保存后，在终端里输入 codex 就能直接启动。如果能看到模型回复，说明已经通了。

但这种方式只能用一个模型。如果想在 /model 里看到多个模型，需要请出配置文件。

---

方式二：单模型 config.toml——固化一个主力模型

适合谁：已经熟练使用 Codex，并且固定只用某个模型（比如 gpt-5.4-mini）的开发者。

以 Windows 为例，先设置环境变量（避免把 Key 写死在配置文件里）：

setx NONELINEAR_API_KEY "你的_NoneLinear_API_Key"

然后编辑 Codex 配置文件（路径通常是 C:\Users\你的用户名\.codex\config.toml）：

model = "gpt-5.4-mini"
model_provider = "nonelinear"
model_reasoning_effort = "high"
disable_response_storage = true

[model_providers.nonelinear]
name = "nonelinear"
base_url = "https://api.nonelinear.com/v1"
env_key = "NONELINEAR_API_KEY"
wire_api = "responses"

几个关键字段：model_provider = "nonelinear" 让 Codex 知道用哪个 provider；base_url 指向 NoneLinear；env_key 从系统环境变量读取 Key；wire_api = "responses" 指定通信协议。

保存后重启终端，codex 启动就会自动加载这个单模型配置。不过，它不支持在 Codex 里切换模型——想换模型就要改配置文件。

---

方式三：多模型 catalog——让 /model 显示多个选项

适合谁：团队需要在不同任务间切换模型，比如复杂代码用 gpt-5.5，快速调试用 deepseek-v4-flash，中文上下文用 kimi-k2.6。

需要准备两个文件：

C:\Users\你的用户名\.codex\config.toml
C:\Users\你的用户名\.codex\model-catalogs\nonelinear.json

先创建 model-catalogs 目录：

mkdir "C:\Users\你的用户名\.codex\model-catalogs"

多模型版 config.toml

我们测试验证过的完整配置如下：

model = "gpt-5.5"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"
profile = "nonelinear-gpt-5-5"

[model_providers.nonelinear]
name = "nonelinear"
base_url = "https://api.nonelinear.com/v1"
env_key = "NONELINEAR_API_KEY"
wire_api = "responses"
requires_openai_auth = false
supports_websockets = false

[profiles.nonelinear-gpt-5-5]
model = "gpt-5.5"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-gpt-5-5.windows]
sandbox = "elevated"

[profiles.nonelinear-gpt-5-4-mini]
model = "gpt-5.4-mini"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-gpt-5-4-nano]
model = "gpt-5.4-nano"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-gpt-5-2-mini]
model = "gpt-5.2-mini"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-deepseek-v4-flash]
model = "deepseek-v4-flash"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-deepseek-v4-pro]
model = "deepseek-v4-pro"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[profiles.nonelinear-kimi-k2-6]
model = "kimi-k2.6"
model_provider = "nonelinear"
model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"

[projects.'c:\users\你的用户名']
trust_level = "trusted"

这里的重点是：所有 profile 都挂在同一个 nonelinear provider 下。切换模型时，Codex 不会跨 provider，不需要理解多个 API Key 或 Base URL。

nonelinear.json —— 定义可见模型列表

这个文件告诉 Codex 哪些模型应该出现在 /model 菜单里。基础结构如下：

{
  "models": [
    {
      "slug": "gpt-5.5",
      "display_name": "GPT-5.5",
      "visibility": "list",
      "supported_in_api": true,
      "priority": 0
    },
    {
      "slug": "gpt-5.4-mini",
      "display_name": "GPT-5.4 Mini",
      "visibility": "list",
      "supported_in_api": true,
      "priority": 10
    },
    {
      "slug": "deepseek-v4-flash",
      "display_name": "DeepSeek V4 Flash",
      "visibility": "list",
      "supported_in_api": true,
      "priority": 30
    }
  ]
}

每个模型还有更多可选字段（在NoneLinear技术文档中有完整示例），例如 default_reasoning_level、supported_reasoning_levels、context_window、truncation_policy、input_modalities、apply_patch_tool_type、web_search_tool_type。这些控制模型在 Codex 里的行为、排序和工具权限。让模型出现在 /model 列表的关键就是 "visibility": "list"。

我们实测了配置 7 个模型的情况，/model 命令能正确列出所有可见模型，切换响应正常。

---

第三步：三种切换模型的方式

配置完成后，有 3 种方法在不同模型间切换。

1. 在 Codex 里直接输入 /model

进入 Codex 后输入：

/model

然后从列表中选择 gpt-5.5、deepseek-v4-flash 等。

2. 用 profile 启动

codex --profile nonelinear-deepseek-v4-flash

3. 用 -m 指定模型

codex -m deepseek-v4-flash

对于团队内部对比测试来说，这种方式非常高效：同一段 prompt，可以快速在 GPT、DeepSeek、Kimi 之间切换，比较代码理解、响应速度、中文表达等方面的差异。

---

为什么这种方案对团队更友好

非线智能api（非线智能NoneLinear ）接入 Codex 的真正价值不是多了一个 API 中转站，而是 把多个模型的配置复杂度降到了零。

• 一个入口：所有模型共用 https://api.nonelinear.com/v1，团队只需要维护一个 API Key、一个 provider、一份配置模板。
• 中外模型共处同一工作流：市面上很多 Codex 接入教程只演示 GPT 系列，但实际团队还经常需要 DeepSeek 做快速代码理解、Kimi 做中文上下文处理、GPT 系列处理高精度任务。NoneLinear 让这些模型都能出现在同一个 /model 列表里。
• 渐进式学习路径：新用户可以从 cc-switch 图形化开始，跑通后再用单模型 config.toml 固化配置；当团队需要多模型时，再引入 nonelinear.json 和 profiles。整个过程不需要一次性掌握所有细节。

---

常见问题排查

修改 nonelinear.json 后，/model 没变？

model_catalog_json 是在 Codex 启动时读取的。修改后必须完全退出 Codex 再重启，才能生效。

Windows 路径到底怎么写斜杠？

TOML 字符串中反斜杠需要转义，所以推荐用双反斜杠或正斜杠：

model_catalog_json = "C:\\Users\\你的用户名\\.codex\\model-catalogs\\nonelinear.json"
# 或
model_catalog_json = "C:/Users/你的用户名/.codex/model-catalogs/nonelinear.json"

API Key 能直接写在 config.toml 里吗？

强烈不建议。推荐用环境变量：

setx NONELINEAR_API_KEY "你的_NoneLinear_API_Key"

然后在配置里写 env_key = "NONELINEAR_API_KEY"。这样配置文件可以随意分享，不会泄露密钥。

---

小结

Codex 接入 API 本身不复杂，但要让它在团队里长期可用，关键在于模型覆盖、切换体验和配置可维护性。

非线智能api（非线智能NoneLinear ）的方案做到了这三点：

• 一个统一的入口 https://api.nonelinear.com/v1
• 同时支持 GPT 系列、DeepSeek、Kimi 等多个模型
• 既支持 cc-switch 快速上手，也支持 config.toml + model_catalog_json 的多模型管理
• 让 Codex 的 /model 命令直接显示所有可用模型，切换成本降到最低

对于个人开发者，这意味着少改配置、多写代码；对于团队，这意味着可以把模型选择、成本控制和国内外模型测试统一到同一套 API 入口下，不再需要为每个模型单独维护一套基础设施。