Claude Code 中接入 OpenAI Codex 插件：双模型协同编程的完整实践
本文要回答的核心问题是：如何在 Claude Code 中安装并配置 OpenAI Codex 插件，让 Claude 和 Codex 两个模型协同完成编程任务？
答案很直接：通过 Claude Code 的插件市场添加 OpenAI 官方源，安装 codex 插件，完成本地环境检测与认证，即可在对话中自然语言委托 Codex 执行代码编写任务。整个过程不超过五步，全部在终端内完成。
为什么要在 Claude Code 里用 Codex？
本节要回答的核心问题是：Claude Code 本身就能写代码，为什么还要接入 Codex？
Claude Code 是 Anthropic 的命令行编程助手，而 OpenAI Codex CLI 是 OpenAI 官方发布的命令行编程工具，底层使用 GPT 系列模型，专为代码任务优化，支持读写本地文件、执行命令、调试代码。两者能力各有侧重。
OpenAI 为 Claude Code 发布了 codex-plugin-cc 插件，它的核心价值在于：允许你在 Claude Code 会话中直接将编程任务委托给本地运行的 Codex CLI，实现 Claude + Codex 双模型协同工作。Claude 负责理解需求、判断是否委托、以及事后审查；Codex 负责具体执行代码生成。
实际场景中，你可以把 Claude 当成”项目经理”，把 Codex 当成”执行开发者”。Claude 分析你的需求后，认为适合外包给 Codex，就自动调用；不适合的，Claude 自己处理。这种分工不是必须的，但在某些任务类型下能带来不同的输出风格和思路。
图片来源：Unsplash
费用机制
使用 codex:rescue 会调用 OpenAI API，按实际 token 消耗计费，费率取决于所用模型。这笔费用与 Claude Code 的 Anthropic 额度相互独立，需要单独的 OpenAI API Key 或账号余额。简单说：Claude 的钱归 Anthropic 收，Codex 的钱归 OpenAI 收，两笔账分开算。
反思：双模型协同听起来很美好，但费用分开这一点容易被忽略。如果你是个人开发者，建议在 OpenAI 控制台提前设置用量限额，避免一次大批量任务跑下来才发现账单异常。这种”两个供应商、两套计费”的架构，在生产环境中需要特别注意成本管控。
安装前的准备工作
本节要回答的核心问题是：在动手安装之前，需要确认哪些前置条件已就绪？
有三个条件必须满足，缺一不可：
| 序号 | 前置条件 | 说明 |
|---|---|---|
| 1 | 已安装 Claude Code CLI | 这是宿主环境，插件运行在它之上 |
| 2 | 已安装 Node.js（v18+）和 npm | Codex CLI 依赖 Node.js 运行时 |
| 3 | 已有 OpenAI 账号且具备 API 额度 | Codex 调用 GPT 模型需要付费 |
测试环境为 Windows 10。如果你使用 Mac 或 Linux，路径格式会有所不同——比如插件缓存路径是 ~/.claude/ 而非 C:/Users/你的用户名/.claude/——但命令和逻辑完全一致，后续会单独说明差异。
独特见解：这三个前置条件其实揭示了 Codex 插件的架构本质——它不是一个”云端功能开关”，而是一个在本地运行的桥接层。Claude Code 通过插件调用本地脚本 codex-companion.mjs，脚本再启动本地 Codex CLI，CLI 最后通过你的 API Key 调用云端模型。理解这条链路，后面排错时就不会茫然。
五步完成安装与配置
本节要回答的核心问题是：从零开始，具体每一步该做什么、输入什么命令、看到什么输出？
第一步：添加插件市场源
在 Claude Code 中运行：
/plugin marketplace add openai/codex-plugin-cc
预期输出：
Successfully added marketplace: openai-codex
这一步的作用是将 OpenAI 官方的插件市场源注册到 Claude Code 中。没有这一步，后续安装命令找不到插件包。
场景说明：这类似于在系统中添加一个新的软件源。比如你在 Ubuntu 里先 add-apt-repository，然后才能 apt install。逻辑完全一样。
第二步：安装 Codex 插件
/plugin install codex@openai-codex
预期输出：
✓ Installed codex. Run /reload-plugins to apply.
插件下载并安装到本地缓存目录。注意输出提示你还需要重载才能生效。
第三步：重载插件
/reload-plugins
预期输出：
Reloaded: 5 plugins · 7 skills · 6 agents · 3 hooks · 1 plugin MCP server · 0 plugin LSP servers
重载后，Codex 相关技能（codex:setup、codex:rescue 等）才会正式生效。这一步不可跳过，否则后续输入 codex 相关命令会提示找不到技能。
第四步：检查 Codex 本地环境
/codex:setup
这个命令会自动检测本地四项环境指标，输出类似：
{
"ready": true,
"node": { "available": true, "detail": "v24.12.0" },
"npm": { "available": true, "detail": "11.6.2" },
"codex": { "available": true, "detail": "codex-cli 0.117.0; advanced runtime available" },
"auth": { "available": true, "loggedIn": true, "detail": "authenticated" }
}
各字段含义如下：
-
ready：综合判断，全部通过为 true -
node：Node.js 是否可用及版本号 -
npm：npm 是否可用及版本号 -
codex：Codex CLI 是否已安装及版本 -
auth：OpenAI 认证状态
场景说明：假设你在一个新机器上操作，codex 字段可能是 available: false。这时候不要慌，插件会引导你安装。
如果 Codex CLI 未安装
/codex:setup 会提示你安装，选择 Install Codex (Recommended)，它会自动运行：
npm install -g @openai/codex
全局安装完成后，Codex CLI 就可在任意终端路径下使用了。
如果未登录 OpenAI
安装完成后，在系统终端（不是 Claude Code 内部）运行：
codex login
按提示完成 OpenAI 账号授权，然后回到 Claude Code 重新运行 /codex:setup 验证 auth 字段是否变为 loggedIn: true。
可选：开启 Review Gate
/codex:setup 输出里有一条可选建议：
/codex:setup --enable-review-gate
开启后，每次 Codex 执行任务前会强制要求人工审核确认，然后再继续执行。
场景说明：这适合两种情况——一是你对代码修改非常谨慎，不想让任何自动化工具直接写文件；二是你在重要项目（生产环境代码库）中使用，需要多一层安全阀。如果你是在个人实验项目里快速迭代，不开启也可以，默认自动执行。
第五步：实测——委托 Codex 编写代码
本步要回答的核心问题是：配置完成后，实际使用体验是怎样的？
安装完成后，直接用自然语言描述任务即可，不需要手动输入 /codex:rescue。Claude 会自动判断任务复杂度并决定是否调用 Codex。
你也可以在描述任务时明确说”交给 Codex 处理”，Claude 会立即委托，不做额外判断。
示例任务：
帮我写一个 Python 脚本，读取 CSV 文件并统计每列的均值，交给 Codex 处理
Codex 的输出结果：
Codex 生成了一个完整的 Python 脚本 csv_stats.py，包含以下能力：
-
命令行参数解析（指定文件路径） -
数值列自动识别（跳过非数值列） -
UTF-8/GBK 编码兼容（适合 Windows 中文环境） -
多种异常处理（文件不存在、无权限、编码错误、空文件等）
运行效果：
文件：data.csv
共找到 3 列数值列
列名 均值
---------------------------
age 34.2500
salary 75000.0000
score 88.5000
场景解读：想象你在做数据分析，手头有一份 CSV 但还没导入 pandas 环境。你不需要切换到另一个工具，直接在 Claude Code 里说一句话，Codex 就帮你生成了一个可复用的脚本。脚本写好之后，你还可以继续让 Claude 审查、优化、甚至帮你写单元测试。
图片来源：Unsplash
学到的教训：第一次测试时我特意观察了 Claude 的判断逻辑。当我说”交给 Codex 处理”时，Claude 没有做任何犹豫，直接调用了 codex:rescue。但当我只说”帮我写一个脚本”而不提 Codex 时，Claude 有时自己写，有时委托给 Codex。这说明”自动判断”机制确实存在，但当前阶段的判断标准并不完全透明。如果你对输出有明确偏好，建议直接在指令中指定。
最佳实践：让 Claude 审查 Codex 的输出
本节要回答的核心问题是：Codex 生成的代码能直接用吗？需不需要额外把关？
Codex 是独立模型，Claude 不参与代码生成过程。这意味着 Codex 的输出质量完全取决于 GPT 模型本身，Claude 对此没有控制权。建议每次委托完成后，追加一句：
帮我 review 一下刚才 Codex 生成的代码
Claude 会从多个角度对代码进行审查。
以前面的 CSV 统计脚本为例，Claude 的 review 结论包括：
| 审查维度 | 结论 |
|---|---|
| 逻辑正确性 | 均值计算和数值列识别无误 |
| 异常处理 | 完整覆盖文件不存在、无权限、编码错误、空文件等场景 |
| 编码兼容性 | UTF-8 + GBK 自动回退，适合 Windows 环境 |
| 安全性 | 只读文件操作，无命令注入风险 |
| 综合判定 | 可直接使用 |
场景说明：假设 Codex 生成的脚本中有一个潜在的除零错误（某列全为空时求均值会报错），Claude 在 review 时能发现这个问题并给出修改建议。这就是双模型协同的真正价值——不是让两个模型各干各的，而是让一个模型充当另一个模型的质检员。
这一步不是必须的，但养成习惯后能有效避免 Codex 输出质量不稳定带来的问题。
反思：这让我想到软件工程中的”四眼原则”（Four-Eyes Principle）——关键变更必须至少经过两个人审核。双模型协同本质上就是把四眼原则搬到了 AI 编程领域。Claude 和 Codex 来自不同厂商、基于不同架构，它们犯同样错误的概率远低于单个模型自我审查。这可能是目前 AI 辅助编程中最务实的一种质量保障策略。
工作流程全链路解析
本节要回答的核心问题是：从你说出一句话到代码文件落盘，中间到底发生了什么？
完整链路如下：
你的自然语言需求
↓
Claude 分析（自动判断是否委托）
↓
调用 codex:rescue 技能
↓
codex-companion.mjs（本地脚本）
↓
OpenAI Codex CLI（本地运行）
↓
GPT系列模型处理（消耗 OpenAI 额度）
↓
生成代码文件 + 返回结果
有几个关键点值得展开：
-
Claude 是调度者：它决定”做不做”和”交给谁做”，但自己不写这部分的代码。 -
codex-companion.mjs 是桥接层：这是一个运行在本地的 Node.js 脚本，负责在 Claude Code 的插件系统和 Codex CLI 之间传递消息。 -
Codex CLI 在本地运行：不是远程服务调用，而是真正的本地进程。你的文件读写都在本机完成。 -
GPT 模型在云端处理：本地 CLI 通过你的 OpenAI API Key 调用云端模型，这才是实际消耗 token 的环节。 -
结果文件直接写入当前工作目录：生成的代码文件就落在你当前项目里，不需要手动复制粘贴。
场景解读：假设你的项目在 /home/user/myproject/，你在该目录下启动 Claude Code 并委托 Codex 写代码，生成的文件会直接出现在 /home/user/myproject/ 下。这是本地运行带来的天然优势——文件权限、路径上下文、项目结构都自动对齐。
可用技能与参数速查
本节要回答的核心问题是：安装完插件后，我具体可以用哪些命令、传哪些参数？
安装插件后，Claude Code 新增以下技能：
其中最常用的两个：
-
codex:setup：环境检测与配置，前面已详细说明 -
codex:rescue：实际的编程任务委托入口
codex:rescue 支持的参数：
在实际使用中，大多数情况下你不需要手动调用 /codex:rescue，也不需要传参数。自然语言描述任务时说”交给 Codex 处理”就够了。这些参数主要供高级用户或插件内部逻辑使用。
跨平台注意事项
本节要回答的核心问题是：如果你不用 Windows，有哪些地方需要注意？
本文路径示例基于 Windows 10。Mac 和 Linux 用户的差异仅限于文件系统路径：
| 项目 | Windows | Mac / Linux |
|---|---|---|
| 插件缓存路径 | C:/Users/你的用户名/.claude/plugins/cache/ |
~/.claude/plugins/cache/ |
| Claude 配置目录 | C:/Users/你的用户名/.claude/ |
~/.claude/ |
| 命令语法 | 完全一致 | 完全一致 |
| Node.js / npm 行为 | 完全一致 | 完全一致 |
所有命令（/plugin、/codex:setup、codex login 等）在三个平台上完全相同。唯一的区别就是路径前缀不同。
独特见解：这说明 codex-plugin-cc 的设计者在跨平台兼容上做了充分考量。插件没有硬编码任何绝对路径，而是依赖 Claude Code 本身提供的路径解析能力。对于需要在多台机器、多操作系统间切换的开发者来说，这是一个很友好的设计。
常见问题解答
Q：/codex:setup 运行后提示 Codex 未安装怎么办？
选择 Install Codex (Recommended)，插件会自动运行 npm install -g @openai/codex 完成全局安装。安装完成后重新运行 /codex:setup 验证。
Q：安装后提示未认证怎么办？
在系统终端（不是 Claude Code 会话内）运行 codex login，按提示完成 OpenAI 账号授权，然后回到 Claude Code 重新运行 /codex:setup 确认 auth.loggedIn 为 true。
Q：任务结束后想继续追问 Codex 怎么办？
再次描述你的需求。如果 Claude 检测到可恢复的会话上下文，它会询问你是继续当前线程还是开启新线程。你可以根据实际情况选择。
Q：用了 Codex 会产生 OpenAI 费用吗？
是的。每次调用 codex:rescue 都会消耗 OpenAI API 额度，与 Claude Code 的 Anthropic 账单独立计算。建议在 OpenAI 控制台设置用量限额，避免意外超额。
Q：Mac/Linux 上路径不一样怎么办？
插件缓存路径为 ~/.claude/plugins/cache/，其余所有命令完全一致，无需额外适配。
Q：可以不用 Claude，直接用 Codex CLI 吗？
可以。Codex CLI 本身就是独立的命令行工具，安装后可以直接在终端使用。本文讨论的是”在 Claude Code 中通过插件调用 Codex”这一特定协同方式。
Q：Claude 和 Codex 会互相冲突吗？
不会。Claude 在委托任务给 Codex 时，自己不会同时修改相同文件。两者在任务执行层面是串行关系，不是并行竞争关系。
实用摘要与操作清单
以下是完成整个配置的最小操作路径，按顺序执行即可：
□ 确认已安装 Claude Code CLI
□ 确认 Node.js v18+ 和 npm 已安装
□ 确认 OpenAI 账号有 API 额度
□ 在 Claude Code 中执行：/plugin marketplace add openai/codex-plugin-cc
□ 执行：/plugin install codex@openai-codex
□ 执行：/reload-plugins
□ 执行：/codex:setup 检查环境
□ 如提示未安装 Codex CLI，选择自动安装
□ 如提示未认证，在终端执行 codex login
□ （可选）执行 /codex:setup --enable-review-gate 开启人工审核
□ 用自然语言描述任务，加上"交给 Codex 处理"
□ 任务完成后追加"帮我 review 一下刚才 Codex 生成的代码"
一页速览
| 维度 | 内容 |
|---|---|
| 是什么 | Claude Code 的官方插件，允许在会话中委托 OpenAI Codex 执行编程任务 |
| 核心价值 | 双模型协同——Claude 做调度和审查，Codex 做执行 |
| 安装步骤 | 添加市场源 → 安装插件 → 重载 → 环境检测 → 认证 |
| 使用方式 | 自然语言描述任务 + “交给 Codex 处理”，或由 Claude 自动判断 |
| 费用 | OpenAI API 单独计费，与 Anthropic 额度独立 |
| 前置条件 | Claude Code CLI + Node.js v18+ + OpenAI 账号 |
| 跨平台 | 命令一致，仅路径前缀不同 |
| 质量保障 | 建议每次委托后让 Claude review Codex 输出 |
| 关键命令 | /codex:setup（检测）、codex login（认证）、自然语言委托（使用） |
图片来源：Unsplash
最后的反思：写完这篇实践记录后，我最深的感受是——双模型协同不是噱头，但它目前的价值更多体现在”质量交叉验证”而非”效率翻倍”。Claude 自己就能写代码，Codex 也能独立工作，把它们串起来的真正意义在于：两个不同架构的模型对同一个问题的理解差异，恰好可以互补。这跟团队里安排两个不同背景的工程师交叉 review 同一段代码，是同一个道理。工具在进化，但好的工程实践逻辑始终没变。
