在国内使用 Codex、OpenAI API 或 VS Code Codex 插件时，很多开发者会遇到网络连接失败、请求超时、账号风控、插件无法正常调用模型等问题。 通过配置第三方 API 中转站，可以让 Codex 请求走国内更稳定的代理接口，从而提升开发体验。
本文将以 Codex 接入国内第三方中转站 为核心，完整演示：
config.toml 配置文件如果你还没有中转站账号，可以先通过下面的链接注册：
中转站的详细配置教程也可以参考：
VS Code Codex 插件安装与配置教程可以参考：
由于 OpenAI 官方接口在国内网络环境下访问并不稳定，直接使用 Codex 时可能会出现以下问题：
因此，对于国内开发者来说，将 Codex 配置到稳定的第三方 API 中转站，是一种更适合日常开发的方案。
第三方中转站的作用可以简单理解为：
Codex 不再直接访问 OpenAI 官方接口，而是通过国内可访问的中转 API 地址完成模型请求。
Codex 接入第三方 API 中转站的核心逻辑并不复杂，主要分为两步：
model_provider实际需要修改的内容主要包括：
config.toml为了安全，不建议直接把 API Key 明文写入配置文件，而是通过环境变量读取。
Codex 的配置文件通常位于用户目录下的 .codex 文件夹中。
~/.codex/config.toml
C:\Users\你的用户名\.codex\config.toml
如果 .codex 文件夹中没有 config.toml 文件，可以手动新建一个。
打开 config.toml 文件，在顶部加入或修改以下配置：
# 修改为中转站实际支持的模型名称
model = "gpt-5.5"
# 指定 Codex 默认使用自定义中转站
model_provider = "my_proxy"
# 推理强度，可根据需求调整
model_reasoning_effort = "high"
[windows]
sandbox = "elevated"
这里最关键的是：
model_provider = "my_proxy"
它表示 Codex 默认不再走官方接口，而是使用我们后面定义的 my_proxy 中转站服务商。
如果你原来的配置文件中已经存在 projects、plugins 等配置，不需要删除，保留即可。
在 config.toml 文件底部新增以下内容：
[model_providers.my_proxy]
name = "DKAI Proxy API"
base_url = "https://codex.dakeai.cc/v1"
env_key = "MY_PROXY_API_KEY"
wire_api = "responses"
requires_openai_auth = false
| 参数 | 说明 |
|---|---|
name |
自定义服务商名称，可以随意命名 |
base_url |
第三方中转站提供的 API 接口地址，通常以 /v1 结尾 |
env_key |
Codex 从系统环境变量中读取的 API Key 名称 |
wire_api |
接口类型，兼容新版 OpenAI Responses API 可填写 responses |
requires_openai_auth |
第三方中转站一般设置为 false |
需要注意的是，示例中的：
base_url = "https://codex.dakeai.cc/v1"
需要替换为你在中转站后台获取到的真实 API 地址。
中转站注册地址：
👉 https://codex.dakeai.cc/register?promo=DKAI
配置教程参考：
👉 https://dk82.com/646.html
在上面的配置中，我们写了：
env_key = "MY_PROXY_API_KEY"
这表示 Codex 启动时会自动从系统环境变量中读取名为 MY_PROXY_API_KEY 的变量，并将它作为 API Key 使用。
这样做的好处是：
如果你使用的是 Windows，可以按照下面步骤设置：
Win + SMY_PROXY_API_KEY
sk-xxxxxxxxxxxxxxxx
注意：
变量名必须和 config.toml 中的 env_key 完全一致，不能多空格，也不能大小写写错。
如果你使用的是 macOS 或 Linux，可以在终端中执行：
export MY_PROXY_API_KEY="你的中转站API_KEY"
如果希望长期生效，可以写入 Shell 配置文件。
echo 'export MY_PROXY_API_KEY="你的中转站API_KEY"' >> ~/.zshrc
source ~/.zshrc
echo 'export MY_PROXY_API_KEY="你的中转站API_KEY"' >> ~/.bashrc
source ~/.bashrc
配置完成后，需要关闭当前所有终端窗口，然后重新打开一个新的终端。
原因是： 终端只会在启动时读取系统环境变量，如果你不重新打开终端，新设置的 API Key 可能不会生效。
在新终端中运行：
codex exec "Reply OK"
如果返回类似：
OK
说明 Codex 已经成功读取环境变量，并且能够通过第三方中转站完成请求。
有些用户会遇到一种情况：
终端里运行 Codex 正常，Codex 独立环境也能正常使用，但是 VS Code 里的 Codex 插件仍然报错：
Missing environment variable: MY_PROXY_API_KEY
这个问题通常不是配置文件错误，而是 VS Code 没有重新读取系统环境变量。
VS Code 在启动时会读取一次系统环境变量。
如果你是在 VS Code 已经打开的情况下新增了 MY_PROXY_API_KEY，那么当前 VS Code 进程并不知道这个变量已经存在。
即使你点击右上角关闭窗口，VS Code 也可能仍然有后台进程残留，导致插件继续读取旧环境变量。
可以按照下面步骤彻底重启 VS Code：
Code.exe 进程重新启动后，VS Code 会重新读取系统环境变量，MY_PROXY_API_KEY 就可以正常注入到 Codex 插件中。
如果你还没有安装 VS Code Codex 插件，可以参考这篇教程：
下面是一个较完整的配置示例，你可以根据自己的中转站信息进行修改：
model = "gpt-5.5"
model_provider = "my_proxy"
model_reasoning_effort = "high"
[windows]
sandbox = "elevated"
[model_providers.my_proxy]
name = "DKAI Proxy API"
base_url = "https://codex.dakeai.cc/v1"
env_key = "MY_PROXY_API_KEY"
wire_api = "responses"
requires_openai_auth = false
请重点修改以下内容：
model = "gpt-5.5"
base_url = "https://codex.dakeai.cc/v1"
env_key = "MY_PROXY_API_KEY"
其中：
model 要填写中转站实际支持的模型名称base_url 要填写中转站后台提供的 API 地址env_key 要和系统环境变量名称保持一致可以手动创建。
路径一般是：
~/.codex/config.toml
或：
C:\Users\你的用户名\.codex\config.toml
如果 .codex 文件夹也不存在，可以一起新建。
不建议。
更推荐使用环境变量，例如：
env_key = "MY_PROXY_API_KEY"
这样可以避免密钥泄露，也更适合多工具共用。
通常是 VS Code 没有彻底重启。
解决办法是关闭所有 VS Code 窗口，并确认任务管理器中没有残留的 Code.exe 进程，然后重新打开 VS Code。
如果你的中转站兼容 OpenAI 新版 Responses API，可以填写：
wire_api = "responses"
如果中转站只兼容传统 Chat Completions 接口，可以尝试：
wire_api = "chat"
具体以中转站后台说明为准。
模型名称需要填写中转站实际支持的模型。
例如：
model = "gpt-5.5"
如果请求失败，可以检查中转站后台支持的模型列表，确认模型名称是否填写正确。
通过以上配置，就可以让 Codex 接入国内第三方 API 中转站，从而解决国内网络环境下访问 OpenAI 不稳定、VS Code Codex 插件无法正常调用、环境变量读取失败等问题。
完整流程可以概括为：
config.tomlmodel_providercodex exec "Reply OK" 验证配置推荐入口：
如果你正在国内环境中使用 Codex、OpenAI API 或 VS Code Codex 插件，建议优先完成中转站配置，可以明显减少请求失败和插件报错问题。