先说背景：我主力 AI 编程工具是 Claude Code，用了快两个月，写过一篇 深度评测。Claude Code 在 Java 项目上的表现我很满意，但有个问题一直困扰我——API 访问不稳定。我的 Claude API 走的是第三方代理，偶尔抽风，关键时刻掉链子。
上个月 OpenAI 把 Codex CLI 开源了（Rust 重写，Apache-2.0 协议），GitHub 上很快冲到 83,000+ star。最吸引我的一点：它支持通过 openai_base_url 配置任意兼容 OpenAI 协议的 API 端点，这意味着国内用户可以直接用国内模型厂商的 API，不用折腾代理。
（来源：SegmentFault 文章《Codex CLI 国内使用完整教程》，七牛云行业应用，2026-05-19）
于是我在自己的开发机上装了一套，用国内 API 跑了两个星期。下面是我的真实感受，不吹不黑，重点说和 Claude Code 的差异。
这是 2026 AI 编程工具与大模型终极指南 的 Cluster 文章。如果你还没用过终端 AI 编程工具，可以先看 Claude Code 深度评测 了解这类工具的基本逻辑。
Claude Code 是 npm 全局安装，一行搞定。Codex CLI 也是 npm 安装，但有个隐性坑：
# 官方推荐方式
npm install -g @openai/codex
# 验证
codex --version
（实测）坑不在安装本身，在网络。@openai/codex 这个包在 npm 官方 registry 上，国内直接装可能超时。我第一遍装了 3 分钟没反应，换了淘宝镜像才秒下：
npm install -g @openai/codex --registry=https://registry.npmmirror.com
装完 codex --version 输出 0.131.0，搞定。
和 Claude Code 的差别：Claude Code 装完就能用（前提是你有 Anthropic API Key），Codex CLI 装完必须配 config.toml，否则启动报错。多了一步配置，但这一步恰好是它最大的价值——可以指向国内 API。
在 ~/.codex/config.toml 里配三样东西：
# 国内 API 端点（我用的是七牛云 AI，国内手机号注册就能用）
openai_base_url = "https://api.qnaigc.com/v1"
# 模型（选你买的）
model = "deepseek-v4-pro"
# 沙盒模式
sandbox_mode = "workspace-write"
然后设环境变量：
export OPENAI_API_KEY="你的API Key"
（实测）踩坑细节：openai_base_url 末尾的 /v1 不要多写斜杠。我一开始写成了 https://api.qnaigc.com/v1/（末尾多了 /），结果 codex 启动报连接超时，排查了 20 分钟才发现是这个斜杠的问题。官方文档和社区教程都没提这一点，血泪教训。
配完后跑 codex doctor 做诊断（v0.131.0 新增功能，赞）：
$ codex doctor
✅ 运行时环境
✅ API Key 已配置
✅ 网络连通性：api.qnaigc.com 可达
✅ config.toml 格式合法
✅ 沙盒配置有效
五绿通过，开搞。
我拿一个真实的 Spring Boot 项目试水，在项目根目录启动 codex：
> 检查这个项目里有没有明显的 Bug 或安全问题，列出 Top 5
（实测）Codex 扫描了大约 30 秒，输出了 5 个问题，其中 3 个是有效的：
UserService.java 里密码明文日志打印（真实问题）OrderController.java 缺少参数校验（真实问题）JwtUtil.java 密钥硬编码（真实问题）@Transactional 使用不当（误判，那个场景是只读查询，加不加无所谓）5 中 3，准确率 60%，比 Claude Code 的同类任务（我测过约 80%）低一档。但考虑到它背后的模型是国内 API 的 DeepSeek-V4，不是 OpenAI 原版，这个结果可以接受。
关键发现：Codex CLI 的代码审查能力取决于你接入的模型。如果你配的是 Claude Sonnet 或者 GPT-5 级别的模型，结果会好很多。国内 API 的 DeepSeek-V4 在代码审查上不如 Claude，但在代码生成上差距不大。
这是重点。两个工具我都用了，下面直接比：
| 场景 | Codex CLI（DeepSeek V4） | Claude Code（Claude Sonnet） |
|---|---|---|
| Java CRUD 代码 | ⭐⭐⭐⭐ 不错 | ⭐⭐⭐⭐⭐ 更好 |
| 复杂业务逻辑 | ⭐⭐⭐ 一般 | ⭐⭐⭐⭐⭐ 明显强 |
| 单元测试生成 | ⭐⭐⭐⭐ 不错 | ⭐⭐⭐⭐ 差不多 |
| Shell 脚本 / 配置 | ⭐⭐⭐⭐⭐ 很好 | ⭐⭐⭐⭐ 不错 |
| 前端代码 | ⭐⭐⭐ 一般 | ⭐⭐⭐⭐ 不错 |
（实测）结论：代码生成上 Claude Code 整体更强，但 Codex CLI 在 Shell 脚本和配置文件生成上反而有优势——可能是因为 DeepSeek 对 Linux 命令行场景训练得更好。
两者都支持跨文件修改，但实现方式不同：
@ 提及文件（实测）我让两者做同一个任务——"把所有 Date 换成 LocalDateTime"。Claude Code 自动定位了 30+ 个文件，Codex CLI 只改了 12 个，漏了不少。大范围重构 Claude Code 更稳。
Claude Code 的长上下文理解（200K token）是碾压级的。Codex CLI 的上下文取决于你接的模型，DeepSeek V4 是 128K，也够用但不如 Claude 精细。
（实测）问"这个项目里订单状态流转逻辑是什么"，Claude Code 能完整画出状态机，Codex CLI 的答案偏模糊，少了一些边界条件。
这是 Codex CLI 最大的优势。
| Codex CLI（国内 API） | Claude Code（海外 API） | |
|---|---|---|
| 响应速度 | 1-3 秒 | 3-8 秒（含代理延迟） |
| 稳定性 | 两周没断过 | 偶尔抽风 |
| 峰时段体验 | 正常 | 偶尔超时 |
（实测）国内 API 走的是直连，延迟低且稳定。Claude Code 走代理，高峰期有时要等 10 秒以上。Codex CLI 配国内 API 的响应体验，就像用国内网站 vs 海外网站——快且稳。
Codex CLI 的 model_providers 配置支持多个后端：
[model_providers.qiniu]
base_url = "https://api.qnaigc.com/v1"
env_key = "OPENAI_API_KEY"
name = "七牛云 AI"
[model_providers.deepseek]
base_url = "https://api.deepseek.com/v1"
env_key = "DEEPSEEK_API_KEY"
name = "DeepSeek 官方"
model_provider = "qiniu"
model = "deepseek-v4-pro"
（实测）这个多后端切换能力是杀手级的。比如代码审查我可以切到推理更强的模型，日常补全用便宜的模型，不用改任何代码，只改一个配置项。Claude Code 做不到这一点。
我拿 Codex CLI 做了一个真实任务：给一个 Spring Boot 项目的 REST API 补充参数校验。
> 给 src/main/java/com/example/controller/ 下所有 Controller 的请求参数加 @Valid 和对应的校验注解，
> 包括 @NotNull、@NotBlank、@Min、@Max，校验失败统一返回 400 + 错误信息
（实测）Codex 正确识别了 4 个 Controller，给每个接口的 DTO 加了校验注解，还在全局异常处理器里加了 MethodArgumentNotValidException 的处理。整个过程大约 2 分钟，手动做可能要半小时。
但有个小问题：它给一个已有的 DTO 加了 @NotNull，但这个字段在某个场景下确实可以为 null。好在 Codex CLI 默认会在执行前暂停确认（approval_policy = "on-request"），我及时拦住了。这个确认机制和 Claude Code 的 Agent 确认类似，都是安全兜底。
Codex CLI 有三种沙盒模式：
| 模式 | 权限 | 场景 |
|---|---|---|
read-only | 只读 | 代码审查 |
workspace-write | 只改当前项目 | 日常开发 |
danger-full-access | 全局读写 | 系统脚本 |
（实测）建议日常永远用 workspace-write。我有一次切到 danger-full-access 跑一个清理脚本，Codex 差点删了 /tmp 下的其他文件，还好确认机制拦住了。这个教训和 Claude Code 一样——永远不要让 AI 工具拥有超出项目目录的权限。
观点：这不是二选一，是分场景用。
| 你的场景 | 推荐 |
|---|---|
| 国内网络，不想折腾代理 | Codex CLI + 国内 API |
| Java 复杂业务逻辑 | Claude Code（推理更强） |
| 跨文件大范围重构 | Claude Code（自动发现相关文件更准） |
| 日常小任务、补全、配置生成 | Codex CLI（速度快、稳定） |
| 预算敏感 | Codex CLI（国内 API 通常更便宜） |
| 团队协作、需要统一工具 | 看团队用什么 API |
我的实际用法：
如果你只有精力装一个，国内用户我推荐 Codex CLI——不是因为功能更强，而是因为网络稳定压倒一切。一个时不时抽风的工具，功能再强也白搭。
终端 AI 编程工具只是整个 AI 编程生态的一环。想了解全套工具链的定位，可以看 2026 AI 编程工具与大模型终极指南。编辑器内的 AI 工具对比见 Cursor vs GitHub Copilot 2026 对比。
本文参考了 SegmentFault 文章《Codex CLI 国内使用完整教程：从安装到第一个任务（2026 最新版）》（作者：七牛云行业应用），结合博主个人使用经验进行了二次创作，补充了 Java 项目实测、Claude Code 对比维度、沙盒模式踩坑等原文未涉及的内容。