不花一分钱！手把手教你将Agnes AI接入Codex，国内零成本用到爽

来源： 不花一分钱！手把手教你将Agnes AI接入Codex，国内零成本用到爽

你好，我是阿川！

不花一分钱，也能在国内用上codex。

这篇文章，我就来手把手教你怎么样长期零成本把Codex用到爽！

废话不多说，我们正式开始。

一、准备工具

Codex装好之后，先不要急着登录。

因为Codex支持账号和API两种方式登录使用。

而通过API形式使用的话，全程是不需要账号和手机号验证的，所以我们可以通过这种方式来解决账号和验证这两个问题。

但是Codex默认只支持OpenAI的API，而OpenAI之外的模型，比如DeepSeek、Kimi、MiniMax 这些，是不能直接接入Codex的。

你可以把它理解成插头不一样。

Codex 这边只认三孔插头，但其他模型用的是双孔插头，所以中间就需要一个转接头。

这个转接头的作用，就是把其他模型的接口，转换成Codex 能识别的格式。

目前用得比较多的转接工具，主要有CC Switch、Echobird、Codex++。

那综合配置难度和对Codex的适配程度，我这里使用Codex++来给大家进行演示。

因为Codex++的配置过程对新手非常友好，并且它能解锁Codex的插件功能，这是很多其他工具做不到的。

Codex++是GitHub上的一个开源项目。

网址：https://github.com/BigPizzaV3/CodexPlusPlus/

目前已经有七千多Star了，我们直接进入它的 Releases 页面。

这里的几个文件分别对应的是不同系统的版本。

Windows ： exe 安装包。苹果 M 系列芯片：arm64 版本。苹果 Intel 芯片： macOS x64 版本。

如果你打不开GitHub这个界面，我也会把安装包下载方式放到评论区。直接下载就可以了。

我这里用的是 Windows，所以直接点击 【Windows x64】 这个版本。

下载完成之后，双击安装。

配置过程中，电脑可能会弹出安全提醒。

点击【更多信息】，再点【仍要运行】就可以了，然后一路点下一步。

这个项目装好之后桌面上会出现两个工具

一个叫 Codex++，

一个叫 Codex++ 管理工具。

看到这两个，就说明工具准备完成了。

二、接入模型

有了 Codex++ 之后，我们就可以把第三方模型接入 Codex。

比如 DeepSeek、Kimi、GLM，甚至你自己本地部署的小模型，都可以通过这种方式接进去。

那这里我用Agnes AI这个模型平台来做演示，它现在的 Agnes 全模态模型不限期免费使用，而且支持接入 Codex 无限使用，一分钱不用花。

这里可能有人不太了解Agnes AI，这是一家原生AI Lab，他们的agent模型Agnes-2.0-Flash，性能跟GPT5.4和DeepSeek V4 Pro相当。

所以这个模型也是我们一会儿要接入Codex的主力模型。

而且除了agent模型之外，他们的图像模型Agnes-Image-2.1-Flash和视频模型Agnes-Video-V2.0，也同样免费开放使用。

好，那了解了这些之后，我们怎么把Agnes AI接入到Codex呢？

总共分成两步。

第一步，获取密钥

登录Agnes AI 的开发者平台。

网址是：https://platform.agnes-ai.com/

登录进去之后，找到【获取密钥】。

点击【创建新的密钥】。

然后这里的名字可以随便起一个，比如就叫Codex，然后点击保存。

这时候平台会生成一串API Key。

这里一定要注意：

这个密钥通常只会显示一次，所以你要马上复制保存下来。

不要等页面关掉了才想起来，不然后面可能就看不到了。

第二步，在Codex++中配置模型。

拿到 Key 之后，我们打开 Codex++ 管理工具。

点击【供应商配置】。

然后点击【添加供应商】。

名称这里可以随便写，比如 Agnes AI。

接入模式选择“纯 API”。

测试模型填写：

agnes-2.0-flash

Base URL 填写：

https://apihub.agnes-ai.com/v1

Key 就填写刚才在 Agnes AI 平台复制的那个密钥。

上游协议这里，选择 Chat Completions。

全部填好之后，一定要记得点击上方的【保存】。

保存之后，在供应商列表里找到刚刚添加的 Agnes AI。

先点击【发送 hi 测试】。

看到右上角返回 200，就说明这个模型已经接入成功了。

接下来点击【使用】，切换到这个渠道。

最后点击右上角【重启 Codex】。

这时候Codex客户端会自动打开。

这里的启动的速度可能会稍微慢一点，耐心等一下就好。

这里有个细节要注意：

如果你本地开了网络代理，后面Codex发消息时有可能会报错。

所以使用Codex++的时候不要开代理，保证Codex能直接访问 Agnes AI 的接口。

进入 Codex 之后，点击设置智能体沙盒，然后点开模型列表。

如果配置没问题，你就能看到刚刚接入的 Agnes AI的所有模型。

选中Agnes-2.0-Flash这个模型，然后随便发一句话测试一下。

只要 Codex 能正常回复，就说明整个流程已经跑通了。

而且你会发现左侧的插件也是解锁状态。

也就是说，你不光能用第三方免费模型跑 Codex，还能继续使用 Codex 里的很多插件能力。

三、任务测试

接下来，我们正式测试一下这个模型接入 Codex 之后的实际效果到底怎么样。

1）弹力球实验

第一个测试，我们先来一个比较经典的弹力球模拟实验。

让它给我们写一个弹力物理模拟器。

这个测试非常考验模型的coding能力。

因为它需要同时处理小球运动碰撞、边界反弹、动画刷新、速度变化这些问题，还要把整个画面做得足够丝滑。

如果模型能力不行，最常见的问题就是小球乱飞、碰撞穿模、动画卡顿，或者页面直接跑不起来。

所以这个测试，很适合拿来判断一个模型到底有没有写前端项目的能力。

我们现在直接在 Codex 里新建一个项目。

然后把这段提示词发给它：

帮我做一个本地网页项目，名字叫“霓虹弹力球实验室”。使用 HTML、CSS、JavaScript 实现，不需要后端，本地打开就能运行。页面要求：整体风格是深色赛博科技感中间是一个全屏 Canvas 动画页面里有 50 个霓虹发光小球小球会随机运动，碰到边界会反弹小球之间要有简单碰撞效果小球运动时带有拖尾残影小球之间距离较近时，自动绘制发光连线鼠标移动时，小球会被鼠标轻微吸引点击页面时，在点击位置生成 10 个新小球左上角显示实时数据：当前小球数量FPS碰撞次数鼠标坐标右下角放 3 个控制按钮：暂停 / 继续重置爆炸效果点击“爆炸效果”后，所有小球从中心向四周散开视觉效果要有明显冲击力，适合短视频录屏展示代码分成 index.html、style.css、script.js 三个文件最后告诉我怎么运行

看它能不能一次生成一个可以运行的网页项目。

好，现在它已经生成完了，我们直接运行项目看一下效果。

可以看到，这些小球已经在画面里动起来了。

撞到边界之后，反弹是正常的。

小球和小球之间碰撞之后，方向和速度也会发生变化。

整体动画比较流畅，画面也很有视觉冲击力。

这就说明，Agnes-2.0-Flash 接入 Codex 之后，coding 能力是非常不错的。

至少像这种前端项目、网页 Demo、可视化页面，它是完全没有问题的。

2）agent测试

接下来，我们再来测一个更有意思的东西：Agent 能力。

前面那个弹力球案例，主要测的是 coding 能力。

而这一步，我们要测试的是：

它能不能像一个真正的智能助手一样，自己调用不同的模型，按步骤把一整套任务跑通。

这里我会结合 Agnes 的图片模型和视频模型，来测试 Agnes-2.0-Flash 接入 Codex 之后的 Agent 能力。

这里先给大家说明一下。

虽然Codex的模型列表里，能看到一些图片和视频模型的名字。

但通过Codex++接入之后，核心适配的其实还是文本模型。

所以这些图片模型、视频模型，没办法像普通对话模型那样，直接在模型列表里点一下就用。

但是没关系。

我们还可以换一种方式：让 Codex 直接通过 API 去调用这些模型。

你可以把这个过程理解成：

不是让 Codex 自己画图、自己做视频，

而是让 Codex 充当一个“总指挥”。

你把任务交给它，它自己去调用图片接口、视频接口来生成图片和视频。

比如第一步，我们先让它调用文生图模型，生成一张图片。

先生成一个干净的白色背景画面，画面里有一个可爱的小机器人，手里拿着一个发光的蓝色方块。

生成一张图片-内容：一个可爱的小机器人，手里拿着发光的蓝色方块，白色背景API 地址：https://apihub.agnes-ai.com/v1API Key：sk-MkHOqHblEGolRzWnldPv4fREafufmwfjM5mXoEd3S4kvi9vK- 接口：POST /images/generations- 模型：agnes-image-1.2- 图片大小：1024x1024

图片生成好之后，我们再让它继续调用图生图模型，对刚才那张图进行编辑。

比如让这个机器人更有未来感，加一点银色金属细节，同时保留原来的蓝色方块和白色背景。

编辑这张图片，让小机器人更有未来感，加一点银色金属细节，保留蓝色方块和白色背景- 接口：POST /images/generations- 模型：agnes-image-2.1-flash

接着第三步，再让它去调用视频模型，把这个画面做成一个短视频。

比如让这个未来感小机器人拿着发光的蓝色方块，慢慢转向镜头，做出一个简短的动态展示。

生成视频：未来感小机器人拿着发光蓝色方块，慢慢转向镜头，白色背景- 接口：POST /videos- 模型：agnes-video-v2.0

这就是通过Codex来调用图片和视频模型的整个流程，但刚才我们是一步一步手动操作的，看不出来它的Agent能力怎么样。

所以接下来，我们把完整任务一次性交给 Codex。让它自己完成整个流程：

先生成图，再拿图继续编辑，最后再根据目标去生成视频，而且中间还要自己处理接口调用、结果提取、任务轮询和报错处理。

你是一个多模态生成任务 Agent。你的目标是使用 Agnes API 同时调度图片模型和视频模型，完成一个从文生图到图生图再到视频生成的完整任务，并在最后输出可验证的结果报告。API 信息：- Base URL: https://apihub.agnes-ai.com/v1- API Key: sk-MkHOqHblEGolRzWnldPv4fREafufmwfjM5mXoEd3S4kvi9vK- 认证方式: Authorization: Bearer sk-MkHOqHblEGolRzWnldPv4fREafufmwfjM5mXoEd3S4kvi9vK- 所有请求都使用 JSON，除非接口明确要求其他格式。可用模型：1. 文生图模型：   - model: agnes-image-1.2   - endpoint: POST /images/generations2. 图生图/图片编辑模型：   - model: agnes-image-2.1-flash   - endpoint: POST /images/generations   - 需要在 extra_body.image 中传入参考图片 URL3. 视频模型：   - model: agnes-video-v2.0   - endpoint: POST /videos 创建任务   - endpoint: GET /videos/{task_id} 查询任务结果   - 视频任务是异步的，需要轮询直到 status 为 completed 或 failed任务目标：生成一个短视频，主题是：“一个红色玻璃球在纯白桌面上，逐渐变成蓝色立方体，并轻微旋转”。执行步骤：1. 使用 agnes-image-1.2 生成第一张图片：   - prompt: "A minimal studio render of a glossy red glass sphere on a pure white tabletop, centered composition, soft shadow, clean background"2. 从第 1 步响应中提取图片 URL。3. 使用 agnes-image-2.0-flash 对第 1 步图片进行编辑：   - prompt: "Transform the red glass sphere into a glossy blue cube while keeping the same white tabletop, lighting, camera angle, and clean studio composition"   - extra_body.image: [第 1 步图片 URL]4. 从第 3 步响应中提取编辑后的图片 URL。5. 使用 agnes-video-v2.0 创建视频任务：   - prompt: "A glossy blue cube on a pure white tabletop slowly rotating in place, minimal studio lighting, soft shadow, clean background, smooth camera, high quality"6. 获取视频任务返回的 task_id。7. 每 10 秒轮询一次 GET /videos/{task_id}，最多轮询 20 次。   - 如果 status 为 completed，提取视频 URL。视频 URL 可能在 remixed_from_video_id、video_url 或 url 字段中。   - 如果 status 为 failed，输出错误原因并停止。   - 如果超过轮询次数仍未完成，输出当前状态和 task_id。错误处理要求：- 如果某一步 HTTP 状态码不是 2xx，输出状态码、错误信息和失败步骤。- 如果字段缺失，不要编造结果，明确说明缺失字段。- 如果 agnes-image-2.0-flash 报 image is required，说明必须传入 extra_body.image，并重试一次。- 不要在最终报告里泄露 API Key。最终输出格式：请输出一个 Markdown 报告，包含：1. 任务是否成功2. 每一步使用的模型和 endpoint3. 生成的原始图片 URL4. 编辑后的图片 URL5. 视频任务 task_id6. 视频最终 URL7. 简短评价：这个任务测试了 Agent 的哪些能力

这样测试出来的效果才更接近 Agent 的真实能力。

好，我们直接看执行效果。

可以看到，它已经开始按照步骤调用接口了。

第一步，它先调用图片模型，生成了原始图片，并且成功拿到了图片 URL。

第二步，它把这张图片继续传给图片编辑模型，生成了一个新的版本。

第三步，它又调用视频模型，创建了一个视频生成任务。

因为视频生成一般不是马上返回结果，所以它还需要自动轮询任务状态。

也就是隔一段时间查一次，看看视频有没有生成完成。

等任务完成之后，它把原始图片链接、编辑后的图片链接、视频任务 ID、最终视频链接，还有整个执行过程，全部整理成了一份 Markdown 报告。

这就说明， Agnes-2.0-Flash 接入 Codex 之后，不仅能够完成各种Coding任务，而且还具备了很强的任务编排能力。

也就是我们常说的 Agent 能力。

你可以把它理解成，你只需要给他下达一个任务，它就能自己去理解需求、调用工具、自我纠错、整理结果，直到最终把任务完成。

整个过程，不需要你手动一步一步操作。

这也是 Codex 这类 AI Agent 工具，最有价值的地方。

四、切换账号登录

最后再补充一个很多人遇到的问题。

就是如果我后面不想用 API 模式了，想切回原来的账号登录模式，该怎么恢复？

方法也很简单。

打开Codex++管理工具，进入供应商配置页面。

然后一直往下滑，找到 Code config.toml 这个文件地址。

按照这个地址，打开 Codex 的配置文件。

打开之后，看文件最上方。

一般会看到类似这样的两段配置：

model_provider = "CodexPlusPlus"model = "agnes-2.0-flash"model_reasoning_effort = "medium"

[model_providers.CodexPlusPlus]name = "CodexPlusPlus"wire_api = "responses"requires_openai_auth = truebase_url = "http://127.0.0.1:57321/v1"experimental_bearer_token = "你的本地转发密钥"

这两段配置的作用，是让Codex先连接本地的Codex++，再由Codex++ 把请求转发到 Agnes 模型。

所以只要把这两段配置删掉，保存文件，然后重新打开 Codex，它就会恢复到原来的默认模式。

这里注意一下：

删完配置之后，不要再通过 Codex++ 右上角的“重启 Codex”来启动。

直接把Codex App彻底关掉，然后重新打开Codex App。

这样它就会重新走默认通道，你就可以继续使用原来的账号登录方式了。

如果后面你又想切回API模式，也不用担心。

按照前面的方法，重新打开Codex++管理工具，再配置一次供应商就可以了。

好，那以上就是这期Codex免费使用的完整教程。

当然，这里也提醒大家一句：

不同模型平台的使用规则、模型配置，后面都有可能调整。

所以大家实际操作的时候，还是以平台最新页面为准。

如果你照着文章操作，中间遇到了报错，也可以把报错截图发到评论区。

我后面可以专门出一期常见问题解决教程，把这些问题一次性讲清楚。

那今天就先到这里。

觉得有用的话，记得点赞收藏一下，我们下期再见！

明晚八点，我在视频号上直播，聊聊AI的玩法和思路，点击下方卡片即可预约直播！