Codex 全栈实战 · 本地知识库 · 数字人自动化：一份写给普通人的智能体流水线自建指南

本文由 莫潇羽@源码七号站（www.fuyuan7.com） 撰写，转载请注明出处。文中所有工具选型、参数、提示词均基于我个人在 2026 年上半年的一线实测整理，供学习交流使用。

快速摘要

如果你只有一分钟，看这段就够：

这套流水线的核心是把 Codex 智能体当成"流程总控"，让它去调用国产大模型做推理、调用即梦 3.0 API 做图生视频、调用 Faster-Whisper 做本地语音识别、调用 RAGFlow 做本地知识库、调用影刀 RPA 做浏览器抓取，最后用 PyQt6 打包成一个可以分发的桌面工具。整条链路里，Codex 负责"想清楚每一步做什么"，其他工具负责"把每一步做扎实"。

四个关键结论提前抛出来：

• 底座模型可以完全国产：Codex CLI 在 2026 年 6 月已经开放了第三方 Provider，只要通过 Responses API 桥接（比如 Moon Bridge、codex-relay），就能把 DeepSeek V4、Kimi、GLM、通义千问接进来，国内网络直连即可，不需要任何额外网络工具。
• 技能包（Skills）机制是效率关键：把"教会智能体一次"的对话过程封装成 SKILL.md + scripts 的目录，下次直接调用，省掉重复解释流程的时间。这一条比换任何大模型都省事。
• 本地化要挑对场景：本地化部署对语音识别（Faster-Whisper）和文档知识库（RAGFlow）非常合适；但本地化做图、做视频目前依然打不过云端 API，别在错的方向上耗算力。
• 合规是长期底线：AI 生成的视频、图片、克隆声音在国内平台发布都要按平台规则做 AI 内容标注；调用境外模型服务需遵守国内网络与内容管理相关规定；商用素材要拿到正版授权。

想看完整拆解，往下翻。

⚠️ 合规前置声明（请务必先读这一段）：本文介绍的所有工具与技术均为学习交流用途。Codex CLI 及其中接入的境外模型服务需遵守国内网络与内容管理相关规定，日常使用场景下强烈建议优先选择 DeepSeek、通义千问、Kimi、GLM 等完全走国内公网的国产模型方案——这也是本文实操部分的首选路径，从源头避免合规风险。文中涉及 AI 生成内容（图片、视频、数字人、克隆声音）在国内自媒体平台发布时，必须按各平台规则做 AI 内容标注，缺标可能面临作品下架、账号降权乃至行政处罚。商用素材（字体、背景、音效、图标）请从正版渠道获取授权，切莫贪图方便使用来路不明的资源。RPA 抓取只限公开可见数据，严禁绕过登录墙抓取隐私数据、严禁突破网站反爬机制、严禁抓取涉及个人信息的非公开内容。AI 声音克隆与数字人形象仅限使用本人或已获书面授权的素材，禁止用于冒充、诈骗、误导公众等违规场景。以上每一条都不是轻飘飘的"建议"，而是长期安全做事的硬底线。 跳过这一段直接往下看实操，代价可能在几个月后以你不想看到的形式出现。

一、开篇：为什么这条流水线值得走一遍

先说一下我为什么会花大半年时间把这条链路完整跑通。

2026 年之前，我做自媒体和小工具开发大多数时间都花在"手工把一步一步的东西串起来"这件事上：想做十条历史人物短视频，就要一条一条写文案，一条一条生成图，一条一条剪辑，中间还夹杂着开各种网页、切各种工具。莫潇羽@源码七号站 的这个账号，之前上稿的节奏也一直卡在"人手瓶颈"上。

到了今年上半年，我做了一个决定：不再靠加班扩产能，而是把整套流程搬到智能体里去执行。跑通之后的感受是这样的——一个人做八份人的事情，前提是你能把八份人的经验固化下来，让智能体在你不在电脑面前的时候仍然按你的方法做事。这就是我今天想跟大家分享的这条流水线的价值所在。

在正式动手之前，我用一张图先把整个链路铺开来看一眼，你心里就有底了：

flowchart LR
    A[你/口播/文档/表格] --> B[Codex 智能体总控]
    B --> C{任务类型}
    C -->|文案/长文| D[DeepSeek/Kimi<br/>推理引擎]
    C -->|图片/视频| E[即梦 3.0 API<br/>火山引擎]
    C -->|数字人| F[OmniHuman/豆包]
    C -->|语音识别| G[Faster-Whisper<br/>本地部署]
    C -->|知识检索| H[RAGFlow<br/>本地知识库]
    C -->|浏览器操作| I[影刀 RPA]
    D & E & F & G & H & I --> J[技能包 Skills]
    J --> K[飞书/本地文件/桌面工具]

看着模块多，但整个逻辑其实只有三层：Codex 是脑子，下面这一排工具是手脚，技能包是把每次跑的路径固化下来的肌肉记忆。你只要理解这一点，后面每一节的内容就都能对上号。

这套流水线适合的人群，我这里也把话说透——如果你只是偶尔用 AI 写点东西、生成个图片，那么直接用聊天窗口就够了，不必折腾。如果你需要批量、可复用、可交给别人跑的自动化流程，那么这条路走下来的性价比会明显高于人工堆叠。判断标准很简单：一件事你一年会做几十上百次，就值得做成技能包；只做一两次的东西，用聊天窗口临时解决就好。

下面进入正式的动手部分。前面几章的重点是打好"总控层"的基础，中间几章处理各种"手脚层"的接入，最后几章聚焦在数字人自动化、办公场景落地和合规底线上。

二、Codex CLI 从零安装配置：绕过账号壁垒的四条合规路径

先讲清楚 Codex 是什么。Codex 不是一个聊天工具，而是 OpenAI 出品的智能体编程工作台，你可以把它理解成"一个能读你本地文件、能写文件、能执行 shell 命令、能抓网页、能看工具返回结果继续推理的 AI 打工人"。这个特性是它区别于普通聊天窗口的关键——它不只是回答你的问题，它会自己动手把事情做完，做完后再把结果返回给你。

在国内环境下，直接用 Codex 的原生服务会遇到两个问题：一是账号获取门槛较高，二是网络访问不稳定。好在这两个问题都有非常直接的合规解法：把 Codex 的底座模型换成国产大模型。这条路径完全走国内公网，不涉及任何突破网络管制的动作。

2.1 Codex 桌面版和 CLI 版怎么选

先说客户端。Codex 提供两种形态，一种是桌面版（Codex Desktop App），另一种是命令行版（Codex CLI）。这两者的区别我个人的建议是：

初学者我推荐先从桌面版起步。安装方法在 Windows 上非常直接——打开系统的 Microsoft Store，搜索 Codex，找到应用后点"免费下载"就可以了；Mac 上同理，去 App Store 搜。这里有一个关键的坑要提前说清楚：装完之后先不要着急打开它。 因为默认的登录方式是走 OpenAI 官方账号的，你没有账号点进去也是白点。要先把接下来的桥接配置做好，再打开客户端。

桌面版和 CLI 版的配置差异（重点）： 两者共用同一套配置文件体系，但有一个关键区别——桌面版是通过图形界面里的 Provider 设置来切换模型的，你配好 config.toml 之后在桌面版的设置菜单里选对应的 Provider 就行；CLI 版则完全依赖 config.toml 和环境变量，没有图形界面可以点，所有配置都在终端里完成。 具体差异如下：

我的实际使用习惯是：日常探索和调试用桌面版，确认流程跑通之后，把最终的命令写成 CLI 脚本放到定时任务里跑。 这种"桌面版做原型 + CLI 版做生产"的组合，是我在莫潇羽@源码七号站踩了无数次坑之后沉淀下来的最优分工。简单说：桌面版让你"看得见"，CLI 版让你"睡得着"。

2.2 为什么需要一个"协议桥"

2026 年 6 月之前，Codex CLI 允许通过 Chat Completions 协议接入第三方模型，配置起来直接改 config.toml 就行。之后 Codex 做了一次协议升级——弃用了 Chat Completions，强制使用 Responses API。这个变化带来了一个直接后果：DeepSeek、Kimi、GLM、Qwen 等国产模型原生只提供 Chat Completions 兼容接口，没法直接被新版 Codex 识别。

解决办法就是在中间加一层"协议桥"。这个桥的作用是把 Codex 发出来的 Responses API 请求翻译成 Chat Completions 请求，转发给国产模型，再把返回的结果翻译回 Responses 格式。听起来复杂，但目前社区已经把这套工具做得非常成熟了，普通人只需要选一个装上就行。

2.3 四条主流桥接方案横向对比

我把目前市面上比较活跃的四种方案整理成一张表，大家按自己的操作系统和习惯选：

如果你是刚上手，不知道选哪个，我建议直接用 Moon Bridge。它把整个过程做成了自动化脚本，跑一遍基本就好。

阿里云百炼直连方案（零中间层，推荐给已有阿里云账号的人）： 阿里云百炼的 Token Plan 已经原生支持 Responses API，Codex 可以直接对接，不需要任何第三方桥接工具。前提是你有一个阿里云账号，去百炼控制台创建 API Key，然后在 ~/.codex/config.toml 里这样写：

model_provider = "Model_Studio_Token_Plan_Personal"
model = "qwen3.8-max-preview"

[model_providers.Model_Studio_Token_Plan_Personal]
name = "Model_Studio_Token_Plan_Personal"
base_url = "https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1"
env_key = "OPENAI_API_KEY"
wire_api = "responses"

然后把 API Key 设到环境变量 OPENAI_API_KEY 里（macOS/Linux 写进 .zshrc 或 .bash_profile，Windows 用 setx 命令），重启终端即可。百炼 Token Plan 目前支持的模型包括 qwen3.8-max-preview、qwen3.7-max、qwen3.7-plus、qwen3.6-flash、glm-5.2、deepseek-v4-pro，覆盖推理、编码、长文等主流场景，个人测试额度也够用。注意：非 Responses API 原生支持的模型需把 wire_api 改成 "chat" 并安装旧版 Codex；日常选 qwen3.8-max-preview 走 Responses API 最省心。

2.4 一份最小可跑的 config.toml

以 DeepSeek 为例，桥接跑起来之后，Codex 端的配置文件长这样。这段代码你可以直接照抄，把 sk-你的Key 换成自己的即可：

model = "deepseek-chat"
model_provider = "deepseek"

[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com/v1"
wire_api = "responses"
experimental_bearer_token = "sk-你的DeepSeek-API-Key"

DeepSeek 提供的是与 OpenAI 兼容的接口，国内直连延迟很低，作为 Codex 的日常推理引擎表现相当稳。莫潇羽@源码七号站 这边的实测经验是：编码任务和长文档整理这两类活儿，DeepSeek V4 已经完全够用；如果任务涉及非常复杂的多步推理，可以再多备一份 Kimi 或者 GLM 的 Key 做备用。

如果你手边有多个模型的 API Key，可以直接在 config.toml 里配多个 Provider，然后用 Codex 的 Profile 机制切换，做到"一天里不同任务用不同模型"。

2.5 三条常见坑我先替你踩了

• base_url 末尾要不要加 /v1：加。不加会拼错路径，出现"404 not found"报错。
• wire_api 要不要写成 responses：要。这就是前面说的协议桥的关键点。
• API Key 用环境变量还是明文写在配置里：建议环境变量。把 Key 明文塞进 config.toml 之后如果不小心把配置分享出去，Key 就废了。

配置搞定之后，重启 Codex 客户端或者 CLI，登录时选择你新加的 Provider，就能看到国产大模型作为底座跑起来了。此时你会发现，即便