[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"consumer-news-detail-915":3,"consumer-news-interaction-915":41,"consumer-news-related-915":44},{"detail":4,"item":36},{"card":5,"schemaVersion":23,"fields":24,"content":30},{"id":6,"kind":7,"targetType":8,"targetId":9,"subtype":7,"typeLabel":10,"title":11,"subtitle":12,"summary":13,"coverUrl":14,"badgeText":15,"href":16,"sourceName":12,"meta":17,"metrics":20,"tags":21,"resolved":22},"NEWS_ARTICLE:915","news","NEWS_ARTICLE",915,"资讯","codex对接智谱coding plan，我发现连cc switch也不用了","博客园","背景 大家好，我是逐日。周末在家里电脑折腾，本来还是按惯例在弄codex--》cc switch--》智谱，翻官方文档的过程中，发现智谱好像已经原生支持了openai的response接口。 试了试，连cc swtich也省了，感兴趣的可以试试。 智谱官方提供的产品 产品形态，我现在理解有3种： a","https:\u002F\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133209133.png","","\u002Fnews\u002F915",[18,19],"2026","人工智能",{},[19],true,"consumer-content-detail-v1",{"sourceName":12,"authorName":25,"categoryName":19,"summary":13,"description":13,"publishTime":26,"updateTime":27,"sourceUrl":28,"language":29},"三国梦回","2026-08-30T14:25","2026-09-02T20:37:56","https:\u002F\u002Fwww.cnblogs.com\u002Fgrey-wolf\u002Fp\u002F22761748","中文",{"format":31,"policy":32,"normalized":22,"html":33,"text":34,"wordCount":35,"hasBody":22},"HTML","NEWS_CONTENT_V1","背景\n\u003Cp>大家好，我是逐日。周末在家里电脑折腾，本来还是按惯例在弄codex--》cc switch--》智谱，翻官方文档的过程中，发现智谱好像已经原生支持了openai的response接口。\u003C\u002Fp>\n\u003Cp>试了试，连cc swtich也省了，感兴趣的可以试试。\u003C\u002Fp>\n智谱官方提供的产品\n\u003Cp>产品形态，我现在理解有3种：\u003C\u002Fp>\n\u003Cul>\n \u003Cli>api（你拿了api可以随便开发自己的harness产品）\u003C\u002Fli>\n \u003Cli>coding plan，编码套餐，分为个人版本和公司团队版本，这种是要求在指定的harness白名单中调用，就是市面上知名的那些，比如claude code、codex、trae、opencode等等\u003C\u002Fli>\n \u003Cli>zcode：智谱官方的harness软件\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>glm coding plan\u003C\u002Fh2>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fbigmodel.cn\u002Fglm-coding\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fbigmodel.cn\u002Fglm-coding\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>分为个人套餐，包含3种：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133209133.png?w=720&quality=65&strip=all\" alt=\"image-20260830133209133\">\u003C\u002Fp>\n\u003Cp>团队套餐，有两种，我们公司就是买的团队套餐：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133236750.png?w=720&quality=65&strip=all\" alt=\"image-20260830133236750\">\u003C\u002Fp>\n\u003Cp>文档在这里：\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Foverview\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Foverview\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>这里也说了，团队套餐（里面每个成员，可以获取每个人自己的api key）只能在专门的编码工具里使用：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133511435.png?w=720&quality=65&strip=all\" alt=\"image-20260830133511435\">\u003C\u002Fp>\n\u003Cp>基本该有的都有吧：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133702904.png?w=720&quality=65&strip=all\" alt=\"image-20260830133702904\">\u003C\u002Fp>\ncodex 如何直接接入glm\n\u003Cp>coding plan是默认可以使用最新的所有模型的，如：GLM-5.3\u003Ccode>、\u003C\u002Fcode>GLM-5.3-Flash\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133842111.png?w=720&quality=65&strip=all\" alt=\"image-20260830133842111\">\u003C\u002Fp>\n\u003Cp>具体的接入步骤，主要可以看这里：\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fquick-start\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fquick-start\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>下图就可以看到，已经可以直接使用codex对接了：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830133952278.png?w=720&quality=65&strip=all\" alt=\"image-20260830133952278\">\u003C\u002Fp>\n\u003Cp>codex的接入，主要就是看这里：\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex\u003C\u002Fa>\u003C\u002Fp>\ncodex配置好智谱之后的样子\n\u003Cp>配好后，主要就是codex的config.toml发生了变化：\u003C\u002Fp>\n\u003Cp>看下图，就是多了个model provider：ZAI，这个名字自己可以随便取，智谱默认用的这个名字（z.ai是智谱的海外域名）。\u003C\u002Fp>\n\u003Cp>model_provider就指定了，使用ZAI这个provider中的配置，模型使用glm-5.3-flash。\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830134430170.png?w=720&quality=65&strip=all\" alt=\"image-20260830134430170\">\u003C\u002Fp>\n\u003Cp>这个模型glm-5.3-flash的详情在哪里呢？\u003C\u002Fp>\n\u003Cp>在这一行配置中查看：\u003C\u002Fp>\n\u003Cpre>\u003Ccode>model_catalog_json = \"~\u002F.codex\u002Fmodels.json\"\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>打开这个文件一看，里面是个数组，数组里面包含了多个模型：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830134822223.png?w=720&quality=65&strip=all\" alt=\"image-20260830134822223\">\u003C\u002Fp>\n\u003Cp>大家可以看到，上图中，除了模型名字之外，还有很多的配置，这些东西，自己去配的话，肯定配的没官方的好。所以，我们最好就是按照智谱官方文档来弄。\u003C\u002Fp>\n使用自动化工具配置codex中对应内容\n\u003Cp>上面那些内容（config.toml还好就几行，自己也能改；但model.json这个还是比较麻烦）挺麻烦的。之前使用cc switch的时候，cc switch也会帮我们弄这个model.json文件，但我发现，cc switch弄的model.json和智谱官方的不太一样，可能是我没用好cc switch，但我暂时就先不去研究cc switch了。\u003C\u002Fp>\n\u003Cp>如何使用自动化工具来配置：\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex#%E6%96%B9%E5%BC%8F%E4%BA%8C%EF%BC%9A%E8%87%AA%E5%8A%A8%E5%8C%96%E5%8A%A9%E6%89%8B\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex#方式二：自动化助手\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830135358092.png?w=720&quality=65&strip=all\" alt=\"image-20260830135358092\">\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fextension\u002Fcoding-tool-helper\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fextension\u002Fcoding-tool-helper\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>支持配置这几个软件：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830135452632.png?w=720&quality=65&strip=all\" alt=\"image-20260830135452632\">\u003C\u002Fp>\n\u003Cp>步骤也比较简单，先安装node.js，再\u003C\u002Fp>\n\u003Cpre>\u003Ccode>npm install -g @z_ai\u002Fcoding-helper\n\n## 然后运行 coding-helper 或 chelper\ncoding-helper\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>然后就会让你：\u003Cbr>\n  选择界面语言 —> 选择编码套餐 —> 输入 API 密钥 —> 选择要管理的工具\u003Cbr>\n  —> 自动安装工具（如需要） —> 进入工具管理菜单 —> 装载编码套餐到工具\u003Cbr>\n  —> 管理 MCP 服务（可选） —> 完整配置，启动编码工具\u003C\u002Fp>\n\u003Cp>对了，这个在运行的过程中，检测到我没安装codex-cli，会提示安装。我之前以为安装了chatgpt桌面版本，cli就自动装了呢，原来还是需要单独安装。\u003C\u002Fp>\n\u003Cp>这个可以重复运行（因为下面选模型那里只能单选，我第一次选了5.3，后面又运行了一次，选了5.3-flash。然后在model.json中就包含两个模型了，就可以在chatgpt的桌面ui上切换模型了）：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830135747484.png?w=720&quality=65&strip=all\" alt=\"image-20260830135747484\">\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830135823389.png?w=720&quality=65&strip=all\" alt=\"image-20260830135823389\">\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830135843056.png?w=720&quality=65&strip=all\" alt=\"image-20260830135843056\">\u003C\u002Fp>\n\u003Cp>这个只能单选，我一开始选了5.3，model.json中就只有5.3；后面又运行了一次，选了5.3-flash，model.json里就多了个5.3-flash了。\u003C\u002Fp>\n\u003Cp>这里弄完后，config.toml就自己配好了：\u003C\u002Fp>\n\u003Cpre>\u003Ccode>model_provider = \"ZAI\"\nmodel = \"glm-5.3-flash\"\nmodel_reasoning_effort = \"max\"\nmodel_catalog_json = \"~\u002F.codex\u002Fmodels.json\"\n\n[model_providers.ZAI]\nname = \"ZAI\"\nbase_url = \"https:\u002F\u002Fopen.bigmodel.cn\u002Fapi\u002Fv1\"\nexperimental_bearer_token = \"111111111111111111111111\"  注意，包含了key\nwire_api = \"responses\"\n\u003C\u002Fcode>\u003C\u002Fpre>\nconfig.toml中推理级别的疑惑\n\u003Cp>model_reasoning_effort，这里给我们配的max。\u003C\u002Fp>\n\u003Cp>但我打开chatgpt时，发现却是“中”：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830140643147.png?w=720&quality=65&strip=all\" alt=\"image-20260830140643147\">\u003C\u002Fp>\n\u003Cp>我是比较疑惑，还专门问了codex自己：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830140810153.png?w=720&quality=65&strip=all\" alt=\"image-20260830140810153\">\u003C\u002Fp>\n\u003Cp>我问它在哪里看的，怎么看的：\u003C\u002Fp>\n\u003Ch2>方法1\u003C\u002Fh2>\n\u003Cp>先输入\u002Fstatus，获取线程id：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830140854572.png?w=720&quality=65&strip=all\" alt=\"image-20260830140854572\">\u003C\u002Fp>\n\u003Cp>然后会在如下路径，找到log文件：\u003C\u002Fp>\n\u003Cp>C:\\Users\\1111\\.codex\\sessions\\2026\\08\\30\\rollout-2026-08-30T12-30-07-01a050ee-90a7-74b2-a589-46c25c7bbf63（这后部分就是会话id）.jsonl\u003C\u002Fp>\n\u003Cp>里面大概可以看到记录的推理强度：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830141221260.png?w=720&quality=65&strip=all\" alt=\"image-20260830141221260\">\u003C\u002Fp>\n\u003Ch2>方法2\u003C\u002Fh2>\n\u003Cp>可以查看数据库：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830141317901.png?w=720&quality=65&strip=all\" alt=\"image-20260830141317901\">\u003C\u002Fp>\n\u003Cp>C:\\Users\\111\\.codex\\logs_2.sqlite\u003C\u002Fp>\n\u003Cp>可以用dbeaver连这个sqlite数据库，查询：\u003C\u002Fp>\n\u003Cpre>\u003Ccode>select datetime(ts,'unixepoch','localtime'), substr(feedback_log_body,1,500) from logs where thread_id='<你的线程ID>' and feedback_log_body like '%codex.turn.reasoning_effort=%' order by id desc limit 1;\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830141428078.png?w=720&quality=65&strip=all\" alt=\"image-20260830141428078\">\u003C\u002Fp>\n\u003Ch2>找到了显示为“中”的解决办法\u003C\u002Fh2>\n\u003Cp>原来是设置里有个选项，里面的最高没有勾选：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830141530013.png?w=720&quality=65&strip=all\" alt=\"image-20260830141530013\">\u003C\u002Fp>\n\u003Cp>勾选了就好了：\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830141602289.png?w=720&quality=65&strip=all\" alt=\"image-20260830141602289\">\u003C\u002Fp>\n\u003Cp>选了这个选项后，在config.toml中会多行配置：\u003C\u002Fp>\n\u003Cpre>\u003Ccode>[desktop]\nenabled-reasoning-efforts = [\"low\", \"medium\", \"high\", \"xhigh\", \"ultra\", \"max\"]\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>我们在config.toml中指定的就是max推理级别，这下就正好在上面这个列表中，所以就在页面可以映射成最高了。\u003C\u002Fp>\n智谱什么时候支持codex直连的\n\u003Cp>查了下，好像就是8月份才支持的：\u003C\u002Fp>\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fzai-org\u002FGLM-5\u002Fissues\u002F39\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">https:\u002F\u002Fgithub.com\u002Fzai-org\u002FGLM-5\u002Fissues\u002F39\u003C\u002Fa>\u003C\u002Fp>\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Fi1.wp.com\u002Fdump-1252523945.cos.ap-shanghai.myqcloud.com\u002Fimg\u002Fimage-20260830142209425.png?w=720&quality=65&strip=all\" alt=\"image-20260830142209425\">\u003C\u002Fp>\n\u003Cp>现在ai变化真的好快，感觉文章写出来就过时了，就像代码的文档一样。\u003C\u002Fp>","背景 大家好，我是逐日。周末在家里电脑折腾，本来还是按惯例在弄codex--》cc switch--》智谱，翻官方文档的过程中，发现智谱好像已经原生支持了openai的response接口。 试了试，连cc swtich也省了，感兴趣的可以试试。 智谱官方提供的产品 产品形态，我现在理解有3种： api（你拿了api可以随便开发自己的harness产品） coding plan，编码套餐，分为个人版本和公司团队版本，这种是要求在指定的harness白名单中调用，就是市面上知名的那些，比如claude code、codex、trae、opencode等等 zcode：智谱官方的harness软件 glm coding plan https:\u002F\u002Fbigmodel.cn\u002Fglm-coding 分为个人套餐，包含3种： 团队套餐，有两种，我们公司就是买的团队套餐： 文档在这里： https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Foverview 这里也说了，团队套餐（里面每个成员，可以获取每个人自己的api key）只能在专门的编码工具里使用： 基本该有的都有吧： codex 如何直接接入glm coding plan是默认可以使用最新的所有模型的，如：GLM-5.3、GLM-5.3-Flash 具体的接入步骤，主要可以看这里： https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fquick-start 下图就可以看到，已经可以直接使用codex对接了： codex的接入，主要就是看这里： https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex codex配置好智谱之后的样子 配好后，主要就是codex的config.toml发生了变化： 看下图，就是多了个model provider：ZAI，这个名字自己可以随便取，智谱默认用的这个名字（z.ai是智谱的海外域名）。 model_provider就指定了，使用ZAI这个provider中的配置，模型使用glm-5.3-flash。 这个模型glm-5.3-flash的详情在哪里呢？ 在这一行配置中查看： model_catalog_json = \"~\u002F.codex\u002Fmodels.json\" 打开这个文件一看，里面是个数组，数组里面包含了多个模型： 大家可以看到，上图中，除了模型名字之外，还有很多的配置，这些东西，自己去配的话，肯定配的没官方的好。所以，我们最好就是按照智谱官方文档来弄。 使用自动化工具配置codex中对应内容 上面那些内容（config.toml还好就几行，自己也能改；但model.json这个还是比较麻烦）挺麻烦的。之前使用cc switch的时候，cc switch也会帮我们弄这个model.json文件，但我发现，cc switch弄的model.json和智谱官方的不太一样，可能是我没用好cc switch，但我暂时就先不去研究cc switch了。 如何使用自动化工具来配置： https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Ftool\u002Fcodex#方式二：自动化助手 https:\u002F\u002Fdocs.bigmodel.cn\u002Fcn\u002Fcoding-plan\u002Fextension\u002Fcoding-tool-helper 支持配置这几个软件： 步骤也比较简单，先安装node.js，再 npm install -g @z_ai\u002Fcoding-helper ## 然后运行 coding-helper 或 chelper coding-helper 然后就会让你： 选择界面语言 —> 选择编码套餐 —> 输入 API 密钥 —> 选择要管理的工具 —> 自动安装工具（如需要） —> 进入工具管理菜单 —> 装载编码套餐到工具 —> 管理 MCP 服务（可选） —> 完整配置，启动编码工具 对了，这个在运行的过程中，检测到我没安装codex-cli，会提示安装。我之前以为安装了chatgpt桌面版本，cli就自动装了呢，原来还是需要单独安装。 这个可以重复运行（因为下面选模型那里只能单选，我第一次选了5.3，后面又运行了一次，选了5.3-flash。然后在model.json中就包含两个模型了，就可以在chatgpt的桌面ui上切换模型了）： 这个只能单选，我一开始选了5.3，model.json中就只有5.3；后面又运行了一次，选了5.3-flash，model.json里就多了个5.3-flash了。 这里弄完后，config.toml就自己配好了： model_provider = \"ZAI\" model = \"glm-5.3-flash\" model_reasoning_effort = \"max\" model_catalog_json = \"~\u002F.codex\u002Fmodels.json\" [model_providers.ZAI] name = \"ZAI\" base_url = \"https:\u002F\u002Fopen.bigmodel.cn\u002Fapi\u002Fv1\" experimental_bearer_token = \"111111111111111111111111\" 注意，包含了key wire_api = \"responses\" config.toml中推理级别的疑惑 model_reasoning_effort，这里给我们配的max。 但我打开chatgpt时，发现却是“中”： 我是比较疑惑，还专门问了codex自己： 我问它在哪里看的，怎么看的： 方法1 先输入\u002Fstatus，获取线程id： 然后会在如下路径，找到log文件： C:\\Users\\1111\\.codex\\sessions\\2026\\08\\30\\rollout-2026-08-30T12-30-07-01a050ee-90a7-74b2-a589-46c25c7bbf63（这后部分就是会话id）.jsonl 里面大概可以看到记录的推理强度： 方法2 可以查看数据库： C:\\Users\\111\\.codex\\logs_2.sqlite 可以用dbeaver连这个sqlite数据库，查询： select datetime(ts,'unixepoch','localtime'), substr(feedback_log_body,1,500) from logs where thread_id='\u003C你的线程ID>' and feedback_log_body like '%codex.turn.reasoning_effort=%' order by id desc limit 1; 找到了显示为“中”的解决办法 原来是设置里有个选项，里面的最高没有勾选： 勾选了就好了： 选了这个选项后，在config.toml中会多行配置： [desktop] enabled-reasoning-efforts = [\"low\", \"medium\", \"high\", \"xhigh\", \"ultra\", \"max\"] 我们在config.toml中指定的就是max推理级别，这下就正好在上面这个列表中，所以就在页面可以映射成最高了。 智谱什么时候支持codex直连的 查了下，好像就是8月份才支持的： https:\u002F\u002Fgithub.com\u002Fzai-org\u002FGLM-5\u002Fissues\u002F39 现在ai变化真的好快，感觉文章写出来就过时了，就像代码的文档一样。",2973,{"id":6,"kind":7,"title":11,"summary":13,"image":14,"href":16,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":40},"2026 · 人工智能","#2563eb","16 \u002F 10",[19],{"targetType":8,"targetId":9,"likedByMe":42,"likeCount":43,"commentCount":43,"contentLikeCount":43,"contentCommentCount":43,"sourceLikeCount":43,"sourceCommentCount":43},false,0,[45,52,59,66,72,78,85,92],{"id":46,"kind":7,"title":47,"summary":48,"image":49,"href":50,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":51},"NEWS_ARTICLE:827","MHS 三部曲（下）：谁允许 AI 行动？——权力、合规与中国厂商的答卷","我们总在等待一个像 ChatGPT 那样的机器人时刻。但具身智能真正的拐点，也许先发生在更不起眼的地方：一台陌生设备，第一次能把自己的能力、状态和边界完整告诉 AI；一个 Agent，第一次能把试出来的经验固化成可验证、可复用的机器技能。","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F510\u002F202608\u002F510-20260830153745229-1536981088.jpg","\u002Fnews\u002F827",[19],{"id":53,"kind":7,"title":54,"summary":55,"image":56,"href":57,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":58},"NEWS_ARTICLE:835","体验向量数据库 qdrant","作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 背景 为了早点搞懂公司的百万行 C# 的祖传代码，我想在缺乏文档、缺乏帮手的情况下，先建立一个 企业知识库 来快速帮我理清头绪。 一开始，我是打算以 weav","https:\u002F\u002Fimg2022.cnblogs.com\u002Fblog\u002F1457949\u002F202202\u002F1457949-20220216153819145-1193738712.png","\u002Fnews\u002F835",[19],{"id":60,"kind":7,"title":61,"summary":62,"image":63,"href":64,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":65},"NEWS_ARTICLE:853","为什么团队用了 AI 之后，测试质量反而下降了！","一、AI 提效之后，往往先崩的是质量 前两天刷到一篇同行的复盘。 「AI 提效半年后，我们的测试团队规模反而更大了」 用AI 提效半年，人数不降，反而变更多了？ 这位老哥是认真做过团队实践的，观察写得很扎实。提测质量肉眼可见地下滑，需求做漏了，单位时间里测试捞出来的 bug 反而变多，最后测试团队加","https:\u002F\u002Fimage.kjdaohang.com\u002Fimg\u002F20260831223910845.png","\u002Fnews\u002F853",[19],{"id":67,"kind":7,"title":68,"summary":69,"image":15,"href":70,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":71},"NEWS_ARTICLE:856","AI生产力：从效率到工作流重构","当初学专业的笔记还在吗？相信大部分人都没保留，而能力在不断积累和更新，关注和思考的角度在变化，在AI蒸馏我们的同时。也可以用AI的能力，去蒸馏一下魔幻的职场。","\u002Fnews\u002F856",[19],{"id":73,"kind":7,"title":74,"summary":75,"image":15,"href":76,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":77},"NEWS_ARTICLE:861","个体看衰AI，企业加速转型","信息化数字化智能化，十年前的说法在逐步兑现。最后回到一个灵魂拷问：当业务运营更加高效。组织间的协作更加流畅，企业究竟想去拓宽市场，还是手起刀落降低成本？","\u002Fnews\u002F861",[19],{"id":79,"kind":7,"title":80,"summary":81,"image":82,"href":83,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":84},"NEWS_ARTICLE:864","阿里开源：skill-up，一款Agent Skill 评测工具！","2026 年走到现在，Agent Skill 已经成了 AI 领域的标配。 把个人经验沉淀成 SKILL.md，把团队最佳实践封装成可复用的技能包，这些都已经是很常规的操作了。最近在社区上看到有篇文章问了一个特别扎心的问题。 「一个 Skill 的『好坏』，到底由谁定义？评判它的标准又是什么？」 这","https:\u002F\u002Fimage.kjdaohang.com\u002Fimg\u002F20260831105634380.png","\u002Fnews\u002F864",[19],{"id":86,"kind":7,"title":87,"summary":88,"image":89,"href":90,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":91},"NEWS_ARTICLE:868","DeepSeekHarness-MCP-Manager 一款DSH超好用的MCP管理跟Skills管理插件","链接：https:\u002F\u002Fgithub.com\u002Fxxxyz\u002FDeepSeekHarness-MCP-Manager 设置 → MCP 管理 管理项目级与全局 cordis.patch.yml 中的 @deepseek-ai\u002Fdsh-mcp-client ","https:\u002F\u002Fcamo.githubusercontent.com\u002F5d48b15e4e45c30746d4410bd5dd51552b20ed0294e6703d220931a8377c3ff8\u002F68747470733a2f2f696d672e736869656c64732e696f2f6e706d2f762f40787878797a2f6473682d6d63702d6d616e616765723f6c6f676f3d6e706d26636f6c6f723d636233383337","\u002Fnews\u002F868",[19],{"id":93,"kind":7,"title":94,"summary":95,"image":96,"href":97,"meta":37,"badge":10,"author":12,"stats":-1,"accent":38,"coverRatio":39,"tags":98},"NEWS_ARTICLE:871","\"AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning\" 论文笔记","清华、浙大与美团 LongCat 团队合作的 AgentOPSD，目前挂在 Arxiv 26.08 上，做的是长程多轮 Agentic RL 里的回合级信用分配。可验证奖励的 RL 只在整条轨迹结束时给一个稀疏的 0\u002F1 信号，GRPO 这类方法把轨迹级优势均匀广播到每个 token，无法把成败真正","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F3614753\u002F202609\u002F3614753-20260901141154042-339903878.png","\u002Fnews\u002F871",[19]]