2026 年，最锋利的 AI 编程助手不在网页里，而在你的终端里。Claude Code 与 Codex CLI—— 前者来自 Anthropic，后者来自 OpenAI，它们能读你的代码、改你的文件、跑你的命令，甚至帮你 commit。本文带你从零开始，在国内网络环境下完整配置这两大神器，并掌握双工具协同的高效工作流，更会介绍国内开发者专属神器 CC Switch，让你告别手动改配置、协议不兼容的痛点。
一、为什么是 Claude Code + Codex？
1.1 终端 AI 编程的时代已经到来
过去两年，AI 辅助编程经历了三代演进：
- 第一代：ChatGPT、Claude.ai 这类聊天框 —— 复制粘贴，上下文有限
- 第二代：Cursor、GitHub Copilot 这类 IDE 插件 —— 嵌入编辑器，但受限于 IDE 框架
- 第三代：Claude Code、Codex CLI 这类终端 Agent—— 直接运行在本地环境，自主规划、多文件操作、执行命令，像一个真正的结对工程师
它们的共同点是：跑在你电脑的本地终端里，能深度扫描整个代码库，理解跨文件依赖关系，自主执行 shell 命令，实现从需求到代码的端到端闭环。
1.2 两大工具定位对比
表格
| 核心定位 | 本地代码库 "全知管家"，深度理解与重构 | 云端工程执行者，精准实现与审查 |
| 底层模型 | Claude Opus/Sonnet 4.x，最高 1M 上下文 | GPT-5.x-Codex 专用编码模型 |
| 运行模式 | 本地优先，文件操作零延迟 | 云端沙箱，安全隔离执行 |
| 最强能力 | 架构分析、大规模重构、长链路推理 | 代码生成、安全审查、精确实现 |
| 审批模式 | 执行前确认 / 自动执行 | 三档审批：Suggest / Auto-Edit / Full Auto |
| 国内适配 | 兼容国产模型 API（DeepSeek、GLM、Qwen） | 原生仅支持 Responses 协议，需协议转换 |
核心结论：两者不是竞争关系，而是互补关系 ——Claude Code 负责速度与广度，Codex 负责精度与深度。而在国内环境下，我们可以通过 CC Switch 这款工具，一站式解决两者的 API 配置、协议兼容与多模型切换问题。
二、国内环境完整安装指南
2.1 前置准备
首先确保你的环境满足：
- Node.js ≥ 20（推荐 22+）
- Git（Windows 必需，Claude Code 底层依赖）
- npm 包管理器
2.2 Claude Code 安装（国内无痛版）
方法一：npm 淘宝镜像安装（最推荐，全平台通用）
bash
运行
# 切换到国内镜像源（加速下载）
npm config set registry https://registry.npmmirror.com
# 全局安装 Claude Code
npm install -g @anthropic-ai/claude-code
# 验证安装
claude –version
方法二：macOS Homebrew
bash
运行
brew install –cask claude-code
方法三：Windows WinGet
bash
运行
winget install Anthropic.ClaudeCode
⚠️ Windows 注意：安装后需将 %APPDATA%\\npm 加入系统 PATH，重启终端生效。
2.3 Codex CLI 安装（国内无痛版）
bash
运行
# 使用淘宝镜像加速安装
npm install -g @openai/codex –registry=https://registry.npmmirror.com
# 验证安装
codex –version
2.4 国内 API 配置方案（核心）
这是国内用户最关键的一步。官方 API 直连不可行，以下四种成熟方案，从手动到全自动，新手推荐直接跳到方案 D。
方案 A：第三方中转 API（适合单工具使用）
以 ClaudeStore 为例配置 Claude Code：
bash
运行
# ~/.zshrc 或 ~/.bashrc 中添加环境变量
export ANTHROPIC_BASE_URL=https://api3.claudestore.store
export ANTHROPIC_API_KEY="你的SK_KEY"
export ANTHROPIC_MODEL="claude-sonnet-4.6"
export ANTHROPIC_SMALL_FAST_MODEL="claude-haiku-4.5"
export DISABLE_TELEMETRY=1
export DISABLE_AUTOUPDATER=1
方案 B：国产大模型兼容 API（性价比最高）
DeepSeek V4 接入 Claude Code：
bash
运行
export ANTHROPIC_BASE_URL=https://api.deepseek.com/v1
export ANTHROPIC_API_KEY="sk-你的deepseek密钥"
export ANTHROPIC_MODEL="deepseek-chat"
智谱 GLM-4.7 接入：
bash
运行
export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
export ANTHROPIC_AUTH_TOKEN="你的智谱API_KEY"
export ANTHROPIC_MODEL="GLM-4.7"
方案 C：Codex 手动中转配置
编辑 ~/.codex/config.toml：
toml
openai_base_url = "https://你的中转地址/v1"
model = "gpt-5.4-codex"
api_key = "sk-你的密钥"
# 沙箱模式（允许执行本地命令）
sandbox = "local"
❗ 痛点提醒：Codex 原生仅支持 OpenAI Responses API 协议，而绝大多数国产模型只提供 Chat Completions 接口，直接配置会出现协议不兼容、工具调用失效、流式输出异常等问题。这也是手动配置 Codex 最大的门槛。
方案 D：CC Switch 图形化路由工具（最省心，全工具统一管理，强烈推荐）
如果你同时用 Claude Code + Codex，不想反复手动改环境变量、折腾协议兼容，CC Switch 是目前国内开发者的最优解。它是一款开源跨平台桌面工具，专门为终端 AI 编程工具做统一配置管理，核心解决了「配置繁琐」「协议不兼容」「多模型切换麻烦」三大痛点。
什么是 CC Switch？
CC Switch 是基于 Tauri 开发的桌面 GUI 工具，相当于所有终端 AI 编程工具的「总控台」—— 一个界面管理 Claude Code、Codex、Gemini CLI 等多款工具的 API 配置，一键切换供应商，内置本地路由自动完成协议转换，让国产模型能无缝接入原生工具。
它的核心价值：
- 可视化配置：不用再手动找配置文件、写环境变量，点鼠标就能完成所有设置
- 协议自动转换：本地路由自动把 Codex 的 Responses API 转成国产模型支持的 Chat Completions 格式，全程无感
- 多工具统一管理：Claude、Codex、Gemini 共用一套供应商配置，切换一次全局生效
- 故障转移与用量统计：支持自动降级备用线路，实时查看 Token 消耗
下面是 CC Switch 的官方首页与主界面，直观感受一下它的形态：
工作原理：为什么国产模型也能跑原生 Codex？
很多人疑惑：Codex 只认 OpenAI 官方的 Responses API，为什么能接上 DeepSeek 这类国产模型？核心就在于 CC Switch 的本地路由 + 协议转换能力。
它会在你的电脑本地启动一个轻量代理服务（默认端口 15721），请求流转全程在本地完成格式翻译：
整个过程对工具完全透明，原生的工具调用、流式输出、推理过程都能正常工作。
下图清晰展示了完整的请求流转链路：
完整配置步骤（以 Codex 接入 DeepSeek 为例）
第一步：安装 CC Switch
- Windows：下载 .exe 安装包直接安装
- macOS：可通过 Homebrew 安装 brew install –cask cc-switch，或下载 .dmg 安装包
- Linux：支持 .deb/.rpm/AppImage 格式
安装完成后启动软件，它会自动扫描本地已安装的 Claude Code、Codex 等工具。
第二步：添加国产模型供应商在软件顶部切换到 Codex 标签页，点击右上角「+」添加新供应商。以 DeepSeek 为例：
- 填入你的 DeepSeek API Key
- API 请求地址默认填充 https://api.deepseek.com
- 开启「需要本地路由映射」开关 —— 这一步就是告诉 CC Switch 要做协议转换
- 点击「添加」完成配置
添加供应商的界面如下：
第三步：开启本地路由进入「设置 – 路由」页面：
路由设置界面如下：
第四步：验证生效打开终端，直接输入 codex 启动工具，正常对话即表示配置成功。整个过程不需要修改任何配置文件、不用写一行环境变量，全程图形化操作。
💡 额外福利：Claude Code 的配置也是同样的流程，添加一次供应商，两个工具可以共用，一键切换。
2.5 验证连通性
bash
运行
# 验证 Claude Code
claude doctor
# 验证 Codex
codex health
出现就绪提示即表示配置成功！
三、双剑合璧：Claude Code + Codex 协同工作流
3.1 物理布局：双终端范式
经过大量开发者验证，最高效的布局是双终端分屏：
plaintext
┌───────────────────────────┬───────────────┐
│ │ │
│ Claude Code (2/3宽) │ Codex (1/3宽)│
│ 主力工作面 │ 快速查询/审查 │
│ 长会话、大任务 │ 短平快任务 │
│ │ │
└───────────────────────────┴───────────────┘
实现方式：
- macOS：iTerm2 分屏 + tmux
- Windows：Windows Terminal 分屏
- VS Code：两个集成终端面板
搭配 CC Switch 后，你还可以在工作过程中随时切换不同的模型供应商 —— 比如简单任务切到便宜的国产模型，复杂任务切换到官方模型，不需要中断工作、重启终端。
3.2 分工策略：谁干什么活
Claude Code 负责：
- ✅ 新项目脚手架搭建（完整目录结构 + 配置文件）
- ✅ 跨多文件的大规模重构
- ✅ 整个代码库的架构分析与文档生成
- ✅ 复杂 Bug 的深度排查与定位
- ✅ 需求拆解与技术方案设计
Codex 负责：
- ✅ 单个函数 / 模块的精确实现
- ✅ 代码审查与安全漏洞扫描
- ✅ 单元测试用例生成
- ✅ 正则、算法等精准编码任务
- ✅ 对 Claude 产出的代码做二次质检
3.3 实战流水线：三步走交付高质量代码
第一步：Claude Code 做规划与骨架
在 Claude Code 终端输入：
plaintext
> 分析当前项目结构，为用户模块增加JWT认证功能
> 先给出完整的实现方案，涉及哪些文件、每个文件改什么
> 确认方案后再动手
为什么先规划：Claude 擅长架构设计，先定大局再动手，避免走弯路。
第二步：Codex 做精准实现
将 Claude 产出的方案拆解，交给 Codex 逐个实现：
plaintext
> 根据这份方案，实现 auth.middleware.js
> 要求：错误处理完整，类型定义清晰，遵循项目现有代码风格
第三步：交叉审查，互相质检
Claude 审查 Codex 的代码：
plaintext
> 审查这个中间件的实现，找出潜在的安全漏洞和性能问题
Codex 审查 Claude 的架构：
plaintext
> 评估这个认证方案的设计合理性，有没有遗漏的边界情况
💡 实战经验：用 Codex 监督 Claude 的工作，能发现大量 Claude 自己忽略的缺陷 —— 这是双工具组合最大的价值。搭配 CC Switch 后，你甚至可以给两个工具分配不同的模型，成本与效果达到最优平衡。
四、进阶玩法：效率翻倍的技巧
4.1 Claude Code 必备命令速查
表格
| /help | 显示所有可用命令 | 忘记命令时 |
| /clear | 清空对话历史 | 开启新任务 |
| /compact | 压缩上下文 | 对话过长 token 不够用 |
| /context | 查看上下文用量 | 监控 token 消耗 |
| /cost | 显示费用统计 | 控制成本 |
| /doctor | 诊断安装问题 | 排错 |
| /bug | 提交问题反馈 | 遇到 Bug |
4.2 MCP 协议：打通外部工具
MCP（Model Context Protocol）是 Claude Code 的 "USB 接口"，能连接 GitHub、数据库、Sentry 等 3000 + 外部服务。
添加 GitHub MCP 服务器：
bash
运行
claude mcp add github –command npx –args @modelcontextprotocol/server-github
配置完成后，你可以直接在对话中说：
plaintext
> 列出我 assigned 的 PR，帮我逐个做代码审查
🔧 CC Switch 进阶技巧：CC Switch 自带 MCP 服务器可视化管理功能，可以在界面里一键安装、启停、配置 MCP 服务，不用手动敲命令，对新手更友好。
4.3 Token 省钱攻略
Claude Code 的 Agent 模式耗 Token 很快，这里有几个实测有效的技巧：
4.4 CLAUDE.md 项目上下文模板
在项目根目录创建 CLAUDE.md，Claude Code 会自动读取：
markdown
# 项目概述
这是一个基于 NestJS 的后端API项目，使用 PostgreSQL + Redis
# 技术栈
– 框架：NestJS 10.x
– ORM：Prisma
– 数据库：PostgreSQL 16
– 缓存：Redis 7
– 认证：JWT
# 代码规范
– 使用 TypeScript，严格模式
– 接口遵循 RESTful 规范
– 提交信息遵循 Conventional Commits
# 目录结构
src/
modules/ # 业务模块
common/ # 公共组件
config/ # 配置
五、横向对比：Claude Code vs Cursor vs Codex
很多人问：有了 Cursor 还需要 Claude Code 吗？答案是：两者定位不同，高级开发者两者都用。
表格
| 交互形式 | 终端 CLI | IDE 内嵌 | 终端 CLI |
| 代码理解 | ⭐⭐⭐⭐⭐ 全库深度扫描 | ⭐⭐⭐⭐ LSP 索引 | ⭐⭐⭐⭐ 精准聚焦 |
| 多文件操作 | ⭐⭐⭐⭐⭐ 自主跨文件 | ⭐⭐⭐ 需手动指定 | ⭐⭐⭐⭐ 批量编辑 |
| 命令执行 | ⭐⭐⭐⭐⭐ 原生支持 | ⭐⭐ 有限支持 | ⭐⭐⭐⭐ 沙箱执行 |
| 响应速度 | ⭐⭐⭐ 深度任务较慢 | ⭐⭐⭐⭐⭐ 实时补全 | ⭐⭐⭐⭐ 中等 |
| 上手门槛 | 较高（命令行） | 低（开箱即用） | 中等 |
| 国内适配成本 | 中（需配置中转） | 低（官方支持国内） | 高（需协议转换） |
| 适合场景 | 重构、架构、调试 | 日常编码、补全 | 审查、精确实现 |
最佳实践组合：
- 日常编码：Cursor 做补全和快速修改
- 深度任务：Claude Code 做重构和全库分析
- 质量把关：Codex 做代码审查和安全扫描
- 统一管控：CC Switch 管理所有工具的 API 与模型切换
六、常见踩坑与解决方案
Q1：Windows 提示 "claude 不是内部或外部命令"
A：将 %APPDATA%\\npm 加入系统环境变量 Path，重启终端。
Q2：npm 安装返回 HTML 报错
A：国内网络导致镜像重定向。切换到淘宝镜像：
bash
运行
npm config set registry https://registry.npmmirror.com
Q3：WSL2 下代理不生效
A：WSL2 有独立虚拟网卡，不能用 127.0.0.1。从 /etc/resolv.conf 获取宿主机 IP：
bash
运行
export host_ip=$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}')
export HTTPS_PROXY=http://$host_ip:7890
Q4：Codex 配置国产模型后无法使用工具调用
A：这是典型的协议不兼容问题，不要手动硬改配置。直接使用 CC Switch 开启本地路由映射，它会自动处理工具调用的格式转换，完整支持原生工具调用能力。
Q5：对话越来越慢，token 暴涨
A：执行 /compact 压缩上下文，或 /clear 开新会话。
Q6：CC Switch 本地路由启动失败，端口被占用
A：在设置 – 路由中修改本地服务端口，默认 15721，改成其他未占用端口即可。修改后会自动更新所有工具的配置文件，无需手动调整。
七、总结与展望
Claude Code + Codex 的组合，本质上是构建了一个 **"规划 – 执行 – 审查" 的 AI 软件工程流水线 ：Claude 负责顶层设计和全局把控，Codex 负责精确落地和质量把关。两者协同，远胜于单一工具。
对于国内开发者来说，过去使用这些工具的门槛在于网络环境、配置繁琐和协议不兼容。而现在，借助 CC Switch 这样的本土适配工具，配合国产大模型的兼容支持，我们完全可以在不折腾网络、不手动改配置的情况下，顺畅使用这些顶级 AI 编程工具，甚至能通过多模型切换获得更低的成本、更好的效果。
工具永远是放大器，不是替代品。理解它们的能力边界，在正确的场景用正确的工具，再搭配适合国内环境的适配方案，才能真正实现效率翻倍。
最后一句话：终端 AI 编程的浪潮才刚刚开始，早点上手，早点建立你的效率优势。
参考资料：
- Anthropic 官方 Claude Code 文档
- OpenAI Codex CLI 官方指南
- CC Switch 官方项目文档与使用指南
- MCP 协议官方规范
- DeepSeek 开放平台 API 文档
