必须先进codex模式再选模型：chat/work模式不支持代码生成；简单任务用gpt-5.4-mini或o3-mini，复杂重构用gpt-5.4，涉密数据走本地llama3.2:3b；档位按风险分级，切完需敲/capabilities验证能力。
☞☞☞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☜☜☜
你在Codex里写代码时，面对gpt-5.4、o3、codex-mini、llama3.2:3b一堆模型不知道该点哪个，改完又怕跑错环境、扣错额度、触发400报错，甚至影响当前会话上下文——这不是配置问题，是没抓住任务本质。
先按任务类型锁定模式
Codex有Chat、Work、Codex三种运行模式，写代码必须进Codex模式。其他两个模式不加载代码能力插件，也不识别终端指令、PR diff、测试日志等上下文，强行在Chat里让AI“写个登录接口”，它只会返回文字描述，不会生成可运行代码。
点击左上角「Mode」→ 选择「Codex」→ 确认右下角状态栏显示「Codex」字样再继续。如果界面没变，说明没生效，需重启应用。
再看任务量级选模型
不是所有代码任务都需要最强模型。模型越强，推理越慢、额度消耗越高、响应延迟越明显。用错模型，轻则卡住光标三秒，重则把本地调试日志误判成生产事故。
方法一：简单补全/查错/脚本生成 → 用轻量模型
比如补全一个for循环、解释报错信息、生成curl命令、整理目录结构、写单测桩代码。这类任务响应速度比深度推理更重要，推荐gpt-5.4-mini或o3-mini。它们能在800ms内返回结果，且不占用高配额度。
方法二：多文件重构/跨服务逻辑/复杂算法 → 用旗舰模型
比如把Java Spring Boot项目迁成Go Gin、给遗留系统加OAuth2.0鉴权链、重写状态机引擎、分析10万行日志定位性能瓶颈。这类任务需要理解调用栈、依赖关系和隐式约束，必须用gpt-5.4或gpt-5.3-codex，否则生成的代码大概率漏边界条件、错类型推导、缺错误传播路径。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
方法三：处理公司源码/客户数据/未脱敏日志 → 用本地模型
只要代码含内部API密钥、数据库字段名、用户行为埋点路径，一律走Ollama。配置好[model_providers.ollama]后，在Codex中选llama3.2:3b或qwen2.5-coder:7b。数据不出本地网段，也不会触发云端审计日志。
最后调推理档位防翻车
第一步：确认当前模型支持的档位
不是所有模型都能开Ultra。gpt-5.4支持Max/Ultra，o3-mini最高只到Medium，llama3.2:3b默认只有Low/Medium。点右下角模型名→看弹窗底部小字，写着「Max available」才是真能开。
第二步：按任务风险选档位
- 普通补全、查文档、写注释 → Medium（默认）
- 生成CRUD接口、改CI脚本、修线上Bug → High
- 重构核心支付模块、生成加密密钥轮转逻辑、修改K8s Operator控制器 → Max
Ultra档位仅限单次关键交付，比如生成整套微服务骨架并自测通过。它会显著拉长响应时间，且不会自动并行执行多个子任务——想同时生成DTO、Mapper、Service、Test四层代码，得拆成四个独立请求，别指望Ultra一次全包。
第三步：切完立刻验证
在Codex输入框敲/capabilities回车，看返回是否包含「multi-file edit」「test generation」「dependency analysis」。如果只有「code completion」「error explanation」，说明模型或档位没生效，得回去检查config.toml里model_provider和model是否匹配。
