我問它在哪裏看的也不用 ，已經可以直接使用codex對接了 ：
codex的接智接入 ，團隊套餐（裏麵每個成員 ，现连
這個可以重複運行（因為下麵選模型那裏隻能單選 ，也不用如 ：GLM-5.3 、接智怎麽看的现连
：
方法1
先輸入/status ，這些東西 ，也不用找到log文件 ：
C:\Users\1111\.codex\sessions\2026\08\30\rollout-2026-08-30T12-30-07-01a050ee-90a7-74b2-a589-46c25c7bbf63（這後部分就是接智會話id）.jsonl
裏麵大概可以看到記錄的推理強度：
方法2
可以查看數據庫 ：
C:\Users\111\.codex\logs_2.sqlite
可以用dbeaver連這個sqlite數據庫 ，自己也能改；但model.json這個還是现连比較麻煩）挺麻煩的 。所以 ，也不用
試了試 ，接智裏麵是现连個數組 ，後麵又運行了一次 ，也不用
智譜官方提供的產品
產品形態 ，檢測到我沒安裝codex-cli ，發現卻是“中” ：
我是比較疑惑 ，這裏給我們配的max 。比如claude code 、除了模型名字之外 ，感興趣的可以試試。先安裝node.js ，選了5.3-flash 。肯定配的沒官方的好 。我一開始選了5.3 ，數組裏麵包含了多個模型 ：
大家可以看到 ，自己去配的話 ，這下就正好在上麵這個列表中 ，但我暫時就先不去研究cc switch了 。我們公司就是買的團隊套餐 ：
文檔在這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/overview
這裏也說了 ，模型使用glm-5.3-flash 。model.json中就隻有5.3；後麵又運行了一次 ，啟動編碼工具
對了 ，查詢 ：
select datetime(ts,'unixepoch','localtime'), substr(feedback_log_body,1,500) from logs where thread_id='<你的線程ID>' and feedback_log_body like '%codex.turn.reasoning_effort=%' order by id desc limit 1;
找到了顯示為“中”的解決辦法
原來是設置裏有個選項 ，包含了keywire_api = "responses"
config.toml中推理級別的疑惑
model_reasoning_effort ，cc switch也會幫我們弄這個model.json文件 ，opencode等等
glm coding plan
https://bigmodel.cn/glm-coding
分為個人套餐 ，連cc swtich也省了 ，裏麵的最高沒有勾選 ：
勾選了就好了 ：
選了這個選項後 ，就可以在chatgpt的桌麵ui上切換模型了） ：
這個隻能單選 ，cli就自動裝了呢 ，
但我打開chatgpt時 ，這個在運行的過程中 ，主要可以看這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/quick-start
下圖就可以看到 ，
這裏弄完後 ，智譜默認用的這個名字（z.ai是智譜的海外域名）。
如何使用自動化工具來配置：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex#方式二 ：自動化助手
https://docs.bigmodel.cn/cn/coding-plan/extension/coding-tool-helper
支持配置這幾個軟件：
步驟也比較簡單，
智譜什麽時候支持codex直連的
查了下，感覺文章寫出來就過時了，
背景
大家好，
model_provider就指定了，編碼套餐 ，原來還是需要單獨安裝 。周末在家裏電腦折騰 ，就是多了個model provider ：ZAI ，我現在理解有3種 ：
- api（你拿了api可以隨便開發自己的harness產品）
- coding plan
，好像就是8月份才支持的 ：
https://github.com/zai-org/GLM-5/issues/39
現在ai變化真的好快 ，就是市麵上知名的那些，model.json裏就多了個5.3-flash了 。這種是要求在指定的harness白名單中調用 ，本來還是按慣例在弄codex--》cc switch--》智譜，在config.toml中會多行配置：
[desktop]enabled-reasoning-efforts = ["low", "medium", "high", "xhigh", "ultra", "max"]我們在config.toml中指定的就是max推理級別 ，GLM-5.3-Flash
具體的接入步驟，然後在model.json中就包含兩個模型了 ，上圖中 ，我第一次選了5.3 ，發現智譜好像已經原生支持了openai的response接口 。trae 、包含3種 ：
團隊套餐，再
npm install -g @z_ai/coding-helper## 然後運行 coding-helper 或 chelpercoding-helper然後就會讓你：
選擇界麵語言 —> 選擇編碼套餐 —> 輸入 API 密鑰 —> 選擇要管理的工具
—> 自動安裝工具（如需要） —> 進入工具管理菜單 —> 裝載編碼套餐到工具
—> 管理 MCP 服務（可選） —> 完整配置 ，但我發現 ，選了5.3-flash ，還有很多的配置 ，使用ZAI這個provider中的配置 ，獲取線程id ：
然後會在如下路徑 ，
這個模型glm-5.3-flash的詳情在哪裏呢 ？
在這一行配置中查看：
model_catalog_json = "~/.codex/models.json"打開這個文件一看，我們最好就是按照智譜官方文檔來弄 。之前使用cc switch的時候 ，cc switch弄的model.json和智譜官方的不太一樣 ，這個名字自己可以隨便取 ，就像代碼的文檔一樣 。主要就是看這裏 ：
https://docs.bigmodel.cn/cn/coding-plan/tool/codex
codex配置好智譜之後的樣子
配好後 ，主要就是codex的config.toml發生了變化：
看下圖，我是逐日 。
使用自動化工具配置codex中對應內容
上麵那些內容（config.toml還好就幾行 ，所以就在頁麵可以映射成最高了 。我之前以為安裝了chatgpt桌麵版本 ，
有兩種 ，可以獲取每個人自己的api key）隻能在專門的編碼工具裏使用 ：
基本該有的都有吧 ：
codex 如何直接接入glm
coding plan是默認可以使用最新的所有模型的 ，會提示安裝 。codex、翻官方文檔的過程中，config.toml就自己配好了 ：
model_provider = "ZAI"model = "glm-5.3-flash"model_reasoning_effort = "max"model_catalog_json = "~/.codex/models.json"[model_providers.ZAI]name = "ZAI"base_url = "https://open.bigmodel.cn/api/v1"experimental_bearer_token = "111111111111111111111111" 注意 ，