需配置多模型提供者与场景化profile：openai用于高精度代码生成，ollama用于本地敏感数据处理；定义code-generation和local-processing等profile绑定模型与策略；执行claude初稿、codex评审、ollama本地加固三阶段协同；支持cli按model、profile或混合参数快速切换。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
配置多模型提供者与本地化支持
在项目根目录创建或编辑 config.toml 文件，声明至少两个模型提供者：OpenAI 用于高精度代码生成，Ollama 用于敏感数据本地处理。
[model_providers.openai]
name = "OpenAI"
base_url = "https://api.openai.com/v1"
env_key = "OPENAI_API_KEY"
[model_providers.ollama]
name = "Ollama"
base_url = "http://localhost:11434/v1"
wire_api = "chat"
注意：Ollama 的 base_url 必须指向本地运行实例，若未启动 ollama serve，后续所有本地模型调用将立即失败。
定义场景化模型配置文件
按开发任务类型划分 profile，避免全局硬编码模型名。每个 profile 明确绑定模型、提供者及策略约束。
[profiles.code-generation]
model = "gpt-5-codex"
model_provider = "openai"
approval_policy = "untrusted"
[profiles.local-processing]
model = "llama3.2:3b"
model_provider = "ollama"
sandbox_mode = "sandboxed"
这里不推荐把 [profiles.enterprise-dev] 和 [profiles.internal-review] 合并——前者需强校验，后者依赖可信上下文，混用会导致权限越界或沙箱失效。
执行三阶段协同代码生成
第一步：由 Claude 生成结构化初稿
输入自然语言需求（如“写一个带JWT验证的用户登录端点”），指定 profile=code-generation，输出含路由、中间件、错误分支的骨架代码。
第二步：交由 Codex 进行语法与库兼容性评审
将初稿连同原始需求一并提交给 Codex，提示其：“检查所有第三方包导入是否匹配当前 Node.js 版本，标注所有潜在 Promise 链断裂点”。Codex 会返回带行号标记的修订建议。
第三步：触发 Ollama 模型执行本地安全加固
使用 profile=local-processing 执行 final-pass：
codex --profile local-processing "对以下 Express 路由添加速率限制、密码哈希强度校验和日志脱敏逻辑" → 自动注入 rateLimit() 中间件、bcrypt.compare() 替换明文比对、屏蔽 req.body.password 字段输出
这一步必须在本地完成——任何含密码逻辑或用户数据的加固操作都不可上传至云端模型。
CLI 命令行快速切换模型
方法一：单次覆盖默认模型
codex --model o4-mini "优化这个正则表达式以防止回溯灾难"
方法二：按预设 profile 切换上下文
codex --profile local-processing "分析这份服务器访问日志中的异常IP模式"
方法三：混合指令+模型控制（高级用法）
codex --model gpt-5-codex --provider openai --timeout 45s "生成 TypeScript 接口定义，并为每个字段添加 JSDoc 注释"
超时值设为 45 秒是经过实测的平衡点：低于 30 秒易中断长上下文生成，高于 60 秒会阻塞后续调试流。
