影片筆記：Claude Code 竟然能接 DeepSeek？我用 Codex 跑通了 ｜ CC Switch

一句話總結

主講人分享如何以「AI 原生」方法，利用 Codex 的 Computer Use 能力自動執行安裝與配置，將 Cloud Code 桌面端 GUI 接入第三方低成本模型（如 DeepSeek V4、阿里雲 Coding Plan），透過 CC-Switch 實現本地路由，解決 Codex 網路不穩與費用高昂的問題，並建立「左右護法」架構以提升效率與平衡成本。

核心重點

1. 痛點與解決方案：

• Codex 痛點：網路不穩定導致任務失敗（reconnect），且費用高昂（Pro Lite 套餐約 100-200 刀）。
• 解決方案：引入 Cloud Code 桌面端 GUI，接入低成本第三方模型（DeepSeek V4、阿里雲 Coding Plan）。
• 架構策略：建立「左右護法」架構，結合 Codex、Cloud Code、第三方模型及 GPT，以平衡專案效率與成本。

1. AI 原生方法論：

• 核心概念：非傳統手動下載與配置，而是將過程抽象化為 Markdown 文檔。
• 執行邏輯：將文檔交給 Codex，利用其 Computer Use 能力自動執行安裝與配置。
• AI 互操作性：強調 AI 間的互相可理解性，讓 AI 輸出成為另一個 AI 的輸入，減少人工直接輸入。

1. 技術架構與優勢：

• Cloud Code 優勢：擁有強大的 Harness 工作流框架與規劃過的 Agent Loop，能自主規劃任務、使用工具、讀取結果並繼續執行。
• 用戶群體差異：
• Codex：偏向開發者終端、CLI 模式，精確但對普通工作者門檻較高。
• Cloud Code：GUI 桌面端，適合普通知識工作者與職場人士，具備 Cowork 功能，適合辦公任務與本地文件處理。

1. 實戰操作與成本效益：

• 工具鏈：Codex（遠程執行）+ CC-Switch（本地路由）+ Cloud Code Desktop（最終 GUI）。
• 案例驗證：成功接入 DeepSeek V4 與阿里雲 Coding Plan。DeepSeek V4 具備即時搜尋能力（對比 Code Wedding 數據截止至 2025 年 5 月）。
• 成本對比：使用 DeepSeek API 半天，費用僅約 10 元人民幣，遠低於 Codex 的高昂套餐費用。

1. 迭代與思維倡議：

• 文檔迭代：將實際操作中的卡點與未覆蓋內容抽取出來，更新 Markdown 文檔，形成更完整的手冊。
• 思維倡議：保持 AI 原生思維，將工作模組盡可能 AI 原生化，長期培養與 AI 對話的能力。

詳細大綱

一、 背景與痛點

• 現有工具限制：
• 主力使用 Codex 執行落地任務，但網路不穩時常出現 reconnect 導致任務失敗。
• 費用高昂：套餐已升至 Pro Lite (100 刀)，可能升至 200 刀。
• 解決方案構想：
• 引入 Cloud Code 接入低成本第三方模型（如 DeepSeek V4 Pro/Flash）。
• 建立「左右護法」架構：Codex + Cloud Code + 第三方模型 + GPT。
• 目標：提升專案效率，尋找平衡點。

二、 為什麼要接入 Cloud Code？

• 架構優勢：
• Cloud Code 擁有強大的 Harness 工作流框架。
• 具備規劃過的 Agent Loop，能自主規劃任務、使用工具、讀取結果並繼續執行。
• 檔案系統與終端能力強大。
• 用戶群體差異：
• Codex：偏向開發者終端、CLI 模式，精確但對普通工作者門檻較高。
• Cloud Code：GUI 桌面端，適合普通知識工作者與職場人士。
• Cowork 功能：區別於純寫代碼，適合普通辦公任務、本地文件處理及交付成果。

三、 AI 原生方法論核心

• 定義：
• 非傳統手動下載、一步步配置。
• 將過程抽象為文檔，由 AI (Codex) 自動執行。
• 強調 AI 間的互相可理解性：讓 AI 輸出成為另一個 AI 的輸入，減少人工直接輸入。
• 執行流程：

1. 準備交接文檔（Markdown 格式）。
2. 將文檔交給 Codex。
3. Codex 利用 Computer Use 能力，自動執行安裝與配置。
4. 透過 CC-Switch 工具進行本地路由，接入第三方模型。
5. 若遇 Bug，直接反饋並啟動 Computer Use 修正。

四、 實戰操作步驟

• 前置條件：全新 Mac mini。
• 工具鏈：
• Codex：負責遠程執行安裝與配置。
• CC-Switch：用於本地路由接入第三方模型。
• Cloud Code Desktop：最終使用的 GUI 介面。
• 具體案例：
• 接入 DeepSeek V4 與 阿里雲 Coding Plan。
• 提供 API Key 給 Codex，由其自動完成接入。
• 驗證：DeepSeek V4 具備即時搜尋能力（對比 Code Wedding 數據截止至 2025 年 5 月）。
• 成本效益：
• 使用 DeepSeek API 半天，費用僅約 10 元人民幣。

五、 迭代與總結

• 文檔迭代：
• 將實際操作中的卡點與未覆蓋內容抽取出來，更新 Markdown 文檔。
• 形成更完整的手冊，減少後續使用者的卡點。
• 思維倡議：
• 保持 AI 原生思維，將工作模組盡可能 AI 原生化。
• 長期培養與 AI 對話的能力，讓 AI 思維更強。
• 資源獲取：
• 相關文檔可於同名公眾號查找。

工具 / 模型 / 名詞整理

• 平台/產品：
• Cloud Code (桌面端 GUI / Desktop)
• Codex
• GPT
• CC-Switch (用於本地路由的工具)
• Computer Use (Codex 的功能/能力)
• CLI (Command Line Interface)
• GUI (Graphical User Interface)
• Mac mini
• 模型/服務：
• DeepSeek V4
• DeepSeek V4 Pro
• DeepSeek Flash
• 阿里雲 Coding Plan (Aliyun Coding Plan)
• Code Wedding (主講人提及的代碼寫作工具，註：聽似 Code Wedge 或特定內部工具，依逐字稿保留)
• 技術概念/術語：
• Harness (工作流框架)
• Agent Loop
• Agent Skier (聽似 Agent Skill 或特定術語，依逐字稿保留)
• MCP
• API Key
• Markdown (MD) 文檔
• Reconnect (重連界面)
• Pro Lite (套餐等級)

操作流程整理

1. 準備階段：

• 準備全新 Mac mini 環境。
• 撰寫交接文檔，將安裝與配置過程抽象化為 Markdown 格式。
• 準備第三方模型（如 DeepSeek V4、阿里雲 Coding Plan）的 API Key。

1. 執行階段 (AI 原生自動化)：

• 將 Markdown 文檔交給 Codex。
• Codex 利用 Computer Use 能力，自動執行安裝與配置步驟。
• 透過 CC-Switch 工具進行本地路由配置。

1. 驗證與修正：

• 在 Cloud Code Desktop 介面中驗證接入效果。
• 測試第三方模型功能（如 DeepSeek V4 的即時搜尋能力）。
• 若遇 Bug，直接反饋並啟動 Computer Use 進行修正。

1. 迭代優化：

• 將實際操作中的卡點與未覆蓋內容抽取出來。
• 更新 Markdown 文檔，形成更完整的手冊。
• 持續優化流程，減少後續使用者的卡點。

值得注意的限制或風險

1. 網路穩定性：使用 Codex 時，網路不穩定常導致 reconnect 進而引發任務失敗。
2. 成本考量：Codex 的 Pro Lite 套餐費用高昂（100-200 刀），需透過接入低成本第三方模型來平衡成本。
3. 技術依賴：此方法高度依賴 AI 間的互相可理解性與自動化能力，若 AI 輸出或輸入出現偏差，可能影響配置成功率。
4. 工具兼容性：需確保 CC-Switch 等本地路由工具與 Cloud Code Desktop 及第三方模型之間的兼容性。
5. 數據截止與即時性：部分模型（如 Code Wedding）數據截止至 2025 年 5 月，需確認第三方模型（如 DeepSeek V4）是否具備所需的即時搜尋能力以彌補數據缺口。

逐字稿辨識疑點

• Cloud：逐字稿中多次出現「我的這個 Cloud 的桌面端的 GUI 界面」，疑為 Cloud Code 的口誤或簡稱，需查證是否指代特定產品。
• Cowork：文中提到「它中間有一個能力就是 Cowork」，疑為 Cloud Code 的某個功能模組名稱或口誤，需查證。
• Code Wedding：文中提到「一開始我讓他安裝的是 Code Wedding... 阿玲的 Code Wedding」，疑為特定工具名稱或聽寫錯誤（如 Code Wedge, Code Wizard 等），需查證。
• Deep6：文中提到「但是我接入 Deep6 之後」，疑為 DeepSeek 的聽寫錯誤，需查證。
• Agent Skier：文中提到「管理各個 agent 的 Skier MCP」，疑為 Agent Skill 或 Agent Server 的聽寫錯誤，需查證。
• CC switch：文中多次提到「CC switch」，疑為 Cloud Code Switch 的簡稱或特定開源工具名稱，需查證。
• 低成本的模型：文中提到「像 Deepseek 的 V4」，DeepSeek 目前主流版本為 V3 或 R1，V4 是否為最新發布版本需查證。
• 100 刀 Pro Lite：OpenAI 或其他平台的套餐名稱是否為「Pro Lite」需查證，常見為 Plus 或 Pro。
• 阿里雲的 coding plan：阿里雲是否有名為「Coding Plan」的產品或服務需查證，疑為「通義千問」或相關代碼產品。
• 特朗普 2026 年的訪華：文中作為測試即時搜尋能力的例子，需確認該事件是否為真實預測或假設性問題。

可延伸追問

1. CC-Switch 的具體技術原理：CC-Switch 作為本地路由工具，其架構與工作原理為何？如何確保與 Cloud Code Desktop 的無縫集成？
2. Codex Computer Use 的邊界：Codex 的 Computer Use 能力在執行複雜安裝配置時的準確率與失敗率如何？有哪些常見失敗場景？
3. 第三方模型接入的穩定性：接入 DeepSeek V4 或阿里雲 Coding Plan 後，在 Cloud Code 中的響應速度、代碼生成質量與原生模型相比有何差異？
4. AI 原生文檔的維護成本：將配置過程抽象為 Markdown 文檔並由 AI 執行，長期來看，維護這些文檔以適應模型或工具更新的成本如何？
5. 「左右護法」架構的具體分工：在 Codex、Cloud Code、第三方模型與 GPT 組成的架構中，各角色具體負責哪些任務？如何避免衝突或重複勞動？
6. 成本效益的長期評估：雖然使用 DeepSeek API 半天僅需 10 元人民幣，但考慮到開發與維護成本，整體專案的 ROI 如何評估？
7. Code Wedding 與 DeepSeek V4 的對比：Code Wedding 數據截止至 2025 年 5 月，DeepSeek V4 的即時搜尋能力具體如何運作？兩者結合使用的實際效果如何？
8. Agent Loop 與 Harness 的優勢：Cloud Code 的 Agent Loop 與 Harness 工作流框架相比其他 AI 編程工具，具體優勢何在？
9. Cowork 功能的應用場景：Cloud Code 的 Cowork 功能具體如何應用於普通辦公任務與本地文件處理？有哪些實際案例？
10. AI 原生思維的培養方法：主講人提到「長期培養與 AI 對話的能力」，具體有哪些方法或實踐建議？