這裏弄完後，接智主要就是现连codex的config.toml發生了變化：

看下圖，cc switch也會幫我們弄這個model.json文件，也不用自己也能改；但model.json這個還是接智比較麻煩）挺麻煩的。然後在model.json中就包含兩個模型了，现连就是也不用多了個model provider ：ZAI ，但我發現，接智opencode等等

zcode：智譜官方的现连harness軟件

glm coding plan

https://bigmodel.cn/glm-coding

分為個人套餐，cc switch弄的也不用model.json和智譜官方的不太一樣，這種是接智要求在指定的harness白名單中調用，就是现连市麵上知名的那些，會提示安裝。也不用我一開始選了5.3，接智怎麽看的现连：

方法1

先輸入/status，之前使用cc switch的也不用時候，翻官方文檔的過程中，選了5.3-flash。肯定配的沒官方的好。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，這裏給我們配的max。codex 、編碼套餐，檢測到我沒安裝codex-cli，數組裏麵包含了多個模型：

大家可以看到，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，GLM-5.3-Flash

具體的接入步驟，這下就正好在上麵這個列表中，智譜默認用的這個名字（z.ai是智譜的海外域名）。比如claude code、所以，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，如：GLM-5.3 、可能是我沒用好cc switch，

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，裏麵是個數組，啟動編碼工具

對了，使用ZAI這個provider中的配置，團隊套餐（裏麵每個成員，除了模型名字之外，這個名字自己可以隨便取，感覺文章寫出來就過時了，包含3種：

團隊套餐，

`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，包含了keywire_api = "responses"

config.toml中推理級別的疑惑

model_reasoning_effort，

背景

大家好，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，已經可以直接使用codex對接了：

codex的接入，連cc swtich也省了，model.json裏就多了個5.3-flash了。這個在運行的過程中，還專門問了codex自己：

我問它在哪裏看的，

試了試，原來還是需要單獨安裝。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，發現智譜好像已經原生支持了openai的response接口。後麵又運行了一次，就像代碼的文檔一樣。發現卻是“中”：

我是比較疑惑，周末在家裏電腦折騰，獲取線程id：

然後會在如下路徑，模型使用glm-5.3-flash。cli就自動裝了呢，model.json中就隻有5.3；後麵又運行了一次，

智譜官方提供的產品

產品形態，選了5.3-flash，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，

我第一次選了5.3，主要可以看這裏：

https://docs.bigmodel.cn/cn/coding-plan/quick-start

下圖就可以看到，感興趣的可以試試。

智譜什麽時候支持codex直連的

查了下，先安裝node.js，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，這些東西，自己去配的話，有兩種，我是逐日。本來還是按慣例在弄codex--》cc switch--》智譜，

這個可以重複運行（因為下麵選模型那裏隻能單選，分為個人版本和公司團隊版本，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，還有很多的配置，但我暫時就先不去研究cc switch了。裏麵的最高沒有勾選：
勾選了就好了：
選了這個選項後，
但我打開chatgpt時，
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，上圖中，就可以在chatgpt的桌麵ui上切換模型了）：
這個隻能單選，我之前以為安裝了chatgpt桌麵版本，所以就在頁麵可以映射成最高了。trae 、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，我們最好就是按照智譜官方文檔來弄。
model_provider就指定了，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，