Outils

Codex CLI (Mac/Linux)

Installez et configurez le Codex CLI sur Mac / Linux pour vous connecter à l'API LMU AI, y compris comment activer le long contexte de 1M tokens dans config.toml.

Après avoir installé le Codex CLI, créez deux fichiers de configuration à la main (config.toml + auth.json) pour vous connecter à l'API LMU AI — aucun outil de configuration tiers n'est nécessaire.


Étape 1 — Installer Node.js

Vous avez besoin de Node.js 20+ — téléchargement : https://nodejs.org/en/download

Parcourez l'installateur, puis vérifiez dans le terminal :

node --version
# A version number (e.g. v23.7.0) means it installed correctly

Étape 2 — Installer le Codex CLI

npm i -g @openai/codex

Si vous rencontrez des problèmes réseau, basculez d'abord vers un miroir en Chine :

npm config set registry https://registry.npmmirror.com
npm i -g @openai/codex

Vérifiez l'installation :

codex --version
# A version number means it installed correctly

Étape 3 — Créer les fichiers de configuration

Le répertoire de configuration est ~/.codex/ (créez-le s'il est absent ; écrasez tout ancien fichier). Créez/écrasez ces deux fichiers à l'intérieur :

config.toml

model = "gpt-5.4"
model_reasoning_effort = "xhigh"
disable_response_storage = true
sandbox_mode = "danger-full-access"
windows_wsl_setup_acknowledged = true
approval_policy = "never"
file_opener = "vscode"
model_provider = "codex"
web_search = "cached"
suppress_unstable_features_warning = true

[history]
persistence = "save-all"

[tui]
notifications = true

[shell_environment_policy]
inherit = "all"
ignore_default_excludes = false

[sandbox_workspace_write]
network_access = true

[features]
plan_tool = true
apply_patch_freeform = true
view_image_tool = true
unified_exec = false
streamable_shell = false
rmcp_client = true
elevated_windows_sandbox = true

[profiles.auto-max]
approval_policy = "never"
sandbox_mode = "workspace-write"

[profiles.review]
approval_policy = "on-request"
sandbox_mode = "workspace-write"

[notice]
hide_gpt5_1_migration_prompt = true

[model_providers.codex]
name = "codex"
base_url = "https://api.lmuai.com"
wire_api = "responses"
requires_openai_auth = true

auth.json

{
  "OPENAI_API_KEY": "your sk- key generated in the console"
}

Étape 4 — Lancer le Codex CLI

Après avoir enregistré les fichiers de configuration, rouvrez le terminal et exécutez ce qui suit pour lancer et vous connecter automatiquement :

codex --dangerously-bypass-approvals-and-sandbox

Ou la forme abrégée :

codex --yolo

Cette commande de lancement contourne les approbations de sécurité, vous n'approuvez donc pas chaque étape exécutée automatiquement.

Au lancement réussi, l'interface affiche le modèle actuel comme gpt-5.4 xhigh (le modèle défini par le champ model dans config.toml).

À propos du changement de modèle

Si vous basculez accidentellement vers un modèle différent dans une session, redéfinissez le champ model dans ~/.codex/config.toml sur gpt-5.4 et redémarrez le terminal pour le restaurer.


Activer le contexte 1M dans Codex (facultatif)

gpt-5.4 prend en charge une fenêtre de long contexte de 1M tokens (272K par défaut), utile pour la revue de gros dépôts, l'analyse de longs journaux et les refactorisations multi-fichiers. Codex n'active pas la fenêtre 1M par défaut ; vous devez la déclarer explicitement dans config.toml.

Comment configurer : ajouter deux lignes à config.toml

Éditez ~/.codex/config.toml et ajoutez ce qui suit au niveau supérieur (avant toute [section], par exemple juste après model = "gpt-5.4") :

model_context_window = 1000000
model_auto_compact_token_limit = 900000

Enregistrez, rouvrez le terminal et relancez Codex pour l'appliquer.

Référence des champs

ChampRôle
model_context_windowDéclare la fenêtre de contexte utilisable du modèle en tokens ; 1000000 correspond à 1M. Non défini, il utilise la valeur par défaut du modèle (272K)
model_auto_compact_token_limitLe seuil de tokens qui déclenche la compaction automatique de l'historique ; réglez-le à environ 90 % de la fenêtre (900000 pour 1M). Les valeurs au-delà de 90 % de la fenêtre sont plafonnées par Codex, donc un nombre plus grand est inutile

Vérifier que cela a pris effet

Après avoir relancé Codex, tapez /status et vérifiez si context window affiche environ 1M (certaines versions affichent environ 950K — une marge de sécurité de 5 % réservée par Codex). Vous pouvez aussi utiliser /statusline pour ajouter l'utilisation du contexte à la barre d'état pour un suivi en direct.

Si vous utilisez CC Switch

Si vous gérez la configuration Codex avec CC Switch, ajoutez les deux mêmes lignes dans son éditeur de configuration Codex et appliquez — l'effet est identique :

Réglage de model_context_window = 1000000 et model_auto_compact_token_limit = 900000 pour la configuration Codex dans CC Switch afin d'activer le long contexte de 1M tokens

Notes d'utilisation

  • Doit être au niveau supérieur : ces deux champs ne prennent pas effet à l'intérieur d'une section [profiles.xxx] (une limitation connue de Codex) ; placez-les également dans le ~/.codex/config.toml au niveau utilisateur, car un .codex/config.toml au niveau projet peut être ignoré
  • Prise en charge des modèles : gpt-5.4 et gpt-5.5 prennent en charge 1M via le canal API ; des modèles comme gpt-5.3-codex sont plafonnés à 272K, et aucune valeur de configuration ne peut dépasser la limite propre au modèle
  • Coût plus élevé : un contexte plus long consomme plus de tokens par requête ; la portion au-delà de 272K est facturée au tarif long contexte plus élevé, donc ne le laissez pas activé sauf pour des tâches très longues
  • Différences de version : certaines versions récentes de Codex lisent d'abord la taille de la fenêtre depuis le catalogue de modèles ; si /status affiche toujours l'ancienne valeur, mettez à jour vers la dernière version (npm i -g @openai/codex@latest) et réessayez

Dernière mise à jour :

Sur cette page