Outils

Codex CLI (Windows)

Installez et configurez le Codex CLI sous Windows pour vous connecter à l'API LMU AI, avec la méthode pour activer le contexte long de 1M tokens dans config.toml.

Après avoir installé le Codex CLI, créez à la main un seul fichier de configuration, config.toml (la clé est placée dans un en-tête de requête à l'intérieur), pour vous connecter à l'API LMU AI — aucun outil de configuration tiers n'est nécessaire.


Étape 1 — Installer Windows Terminal

Sous Windows, nous recommandons d'utiliser Windows Terminal plutôt que CMD pour le Codex CLI — il prend en charge plusieurs fenêtres et s'avère plus pratique.

Téléchargez Microsoft.WindowsTerminal_1.23.20211.0_x64.zip, décompressez-le, puis double-cliquez sur WindowsTerminal.exe pour le lancer — c'est une bonne idée de créer un raccourci sur le bureau.

Étape 2 — Installer Node.js

Si c'est déjà installé, vous pouvez passer cette étape ; vérifiez avec : node -v

Il vous faut Node.js 20+ — téléchargement : https://nodejs.org/en/download

Pendant l'installation, veillez à cocher « Automatically install the necessary tools ».

Après l'installation, vérifiez dans le terminal :

node -v
# A version number (e.g. v24.4.1) means it installed correctly

Cas particulier

Si node.js n'est pas installé, ou si vous l'avez installé auparavant mais que l'environnement est mal configuré, téléchargez-le et réinstallez-le une fois, puis réouvrez le terminal.

Si vous rencontrez une erreur d'exécution de script bloquée, lancez la commande suivante :

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

Étape 3 — Installer le Codex CLI

npm i -g @openai/codex

Si vous rencontrez des problèmes réseau, basculez d'abord sur un miroir chinois, puis installez :

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 4 — Créer les fichiers de configuration

Le répertoire de configuration est C:\users\your-username\.codex\ (créez-le s'il est absent ; écrasez tout ancien fichier). Créez/écrasez config.toml 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"

[model_providers.codex.http_headers]
Authorization = "Bearer your sk- key generated in the console"

La clé va dans un en-tête de requête

  • Remplacez « votre clé sk- générée dans la console » sur la dernière ligne par votre clé sk-, en gardant un espace entre Bearer et la clé, par exemple Authorization = "Bearer sk-xxxx"
  • Placez la section [model_providers.codex.http_headers] tout à la fin du fichier, sans aucun autre paramètre après elle
  • Les versions récentes de Codex n'ont plus besoin de auth.json. Si vous en avez créé un avec l'ancien guide, le laisser en place est sans conséquence, ou vous pouvez le supprimer (gardez-le si vous utilisez la compétence de génération d'images de l'application Codex)
  • Si votre ancienne configuration contient requires_openai_auth = true dans la section [model_providers.codex], supprimez simplement cette ligne

Étape 5 — Lancer le Codex CLI

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

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

Ou la forme courte :

codex --yolo

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

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


Activer le contexte de 1M dans Codex (facultatif)

gpt-5.4 prend en charge une fenêtre de contexte longue de 1M tokens (seulement 272K par défaut), utile pour relire de très gros dépôts, analyser de longs journaux, refactoriser sur plusieurs fichiers et des tâches similaires. Codex n'active pas la fenêtre de 1M par défaut ; vous devez la déclarer explicitement dans config.toml.

Comment configurer : ajoutez deux lignes à config.toml

Modifiez C:\users\your-username\.codex\config.toml et ajoutez ce qui suit au niveau racine (avant toute [section], par exemple juste après model = "gpt-5.4") :

model_context_window = 1000000
model_auto_compact_token_limit = 900000

Enregistrez, réouvrez le terminal et relancez Codex pour appliquer.

Référence des champs

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

Vérifier la prise d'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 et la suivre 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 :

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

Remarques d'utilisation

  • Doit être au niveau racine : ces deux champs ne prennent pas effet à l'intérieur d'une section [profiles.xxx] (limitation connue de Codex) ; placez-les également dans le C:\users\your-username\.codex\config.toml au niveau utilisateur, car un .codex\config.toml au niveau projet peut être ignoré
  • Prise en charge par les 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 : plus le contexte est long, plus chaque requête consomme de tokens ; la portion au-delà de 272K est facturée au palier contexte long plus élevé, ne le laissez donc pas activé en dehors des tâches très longues
  • Différences de versions : certaines versions récentes de Codex lisent d'abord la taille de la fenêtre dans 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 :

京ICP备2020034311号-7

Sur cette page