# 影片筆記：太棒了！无需三方软件，官网给出了chatgpt接入deepseek的方法| chatgpt接入deepseek v4

## 一句話總結

本影片詳細演示了如何將 Deepseek V4 Flash 模型接入 ChatGPT 的 Codex 工具中。講者強烈建議採用手動 DIY 配置而非官方腳本，並實測發現將「推理強度」調至「最高」可避免模型陷入死循環，成功生成具備編輯功能的網頁 PPT，且成本極低。

## 核心重點

1.  **配置方式選擇**：官方提供「腳本一鍵配置」，但講者不推薦，因為其修改內容不透明，出錯時難以排查和恢復。強烈建議採用「自行 DIY 配置」，通過修改 `.codex` 目錄下的配置文件來確保可控性。
2.  **實戰關鍵設定**：Deepseek V4 Flash 在 Codex 中的表現高度依賴「推理強度（Inference Level）」設定。
    *   **低/高強度**：模型容易陷入「鬼打牆」（死循環），生成無關文件（如 PDF、圖片），耗時長且無法解決問題。
    *   **最高強度**：雖生成時間較長（約 11 分鐘），但能成功生成具備在線編輯功能的網頁 PPT，且文字配色可通過對話調整。
3.  **成本優勢**：即使調至最高推理強度，消耗金額僅約「八毛钱」（幾毛錢），熟練使用後成本應更低，這是該模型的最大優勢。
4.  **恢復原狀**：通過重命名配置文件並還原備份的 `config` 文件，可輕鬆將 ChatGPT 恢復至原生 GPT 模型及對話記錄。

## 詳細大綱

### 1. 前言與背景
*   Deepseek 官網發布 V4 Flash 正式版公告。
*   官方文件提供了將 Deepseek 接口接入 Codex 的方法。
*   講者立場：不推薦使用第三方工具接入接口，傾向於官方或自行配置。

### 2. 接入方式比較
*   **方式一：腳本一鍵配置（官方推薦）**
    *   優點：方便，一鍵完成。
    *   缺點：具體修改內容不透明，出錯時難以排查和恢復。
    *   結論：講者不推薦此方式。
*   **方式二：自行 DIY 配置（講者推薦）**
    *   步驟詳解：
        1.  進入系統用戶目錄下的 `.codex` 文件夾。
        2.  創建 `models.json` 文件，複製官方提供的 JSON 結構內容並保存。
        3.  備份原有的 `config` 配置文件（建議命名為「默認配置」）。
        4.  修改 `config` 文件內容，將 Deepseek 的 API Key 填入。
        5.  啟動 ChatGPT，完成設置。

### 3. 實戰體驗與問題排查
*   **初始狀態確認**：
    *   界面左下角顯示由 Deepseek 登錄。
    *   對話中模型自稱基於 GPT5（講者推測是 Agent 工具默認配置所致）。
    *   後台用量統計顯示有 V4 Flash 的使用記錄。
*   **第一次嘗試（推理強度：高）**：
    *   任務：使用 HTML 前端技術製作 PPT 類型自我介紹。
    *   結果：耗時約 3 分鐘生成初步結果，代碼存在。
    *   修改過程：要求修改背景顏色後，模型陷入「鬼打牆」（死循環），生成無關文件（PDF、圖片），耗時 16 分鐘未解決問題。
*   **第二次嘗試（推理強度：最高）**：
    *   操作：新建項目文件夾，將推理強度調至「最高」。
    *   結果：耗時約 11 分鐘成功生成網頁 PPT。
    *   功能亮點：內建在線編輯功能（按 E 進入編輯模式），修改後刷新可見效果。
    *   缺點：文字配色清晰度稍差，但可通過對話調整。
*   **成本評估**：
    *   即使調至最高強度，消耗金額僅幾毛錢。
    *   熟練使用後成本應更低，這是 Deepseek 模型的最大優勢。

### 4. 恢復原狀步驟
*   回到 `.codex` 目錄。
*   將 Deepseek 相關的配置文件重命名（加後綴）。
*   將備份的 `config` 文件還原命名。
*   重新啟動 ChatGPT，恢復至原生 GPT 模型及對話記錄。

## 工具 / 模型 / 名詞整理

*   **Deepseek**：被接入的 AI 模型供應商。
*   **V4 Flash**：Deepseek 的正式版模型，本影片主要測試對象。
*   **V4 Pro**：預計 8 月初接入 Codex 的模型。
*   **Codex**：ChatGPT 中的代碼執行與生成工具，本影片的操作目標。
*   **ChatGPT**：運行 Codex 的平台。
*   **GPT5**：模型在對話中自稱的模型名稱（講者推測為默認配置所致）。
*   **DeepSig**：講者口述提及的後台名稱，疑為 Deepseek 後台。
*   **HTML**：用於製作網頁 PPT 的前端技術。
*   **JSON**：配置文件格式。
*   **PDF**：模型在死循環中錯誤生成的文件類型。
*   **推理強度（Inference Level）**：影響模型生成質量和耗時的關鍵設定，分為「高」與「最高」。
*   **models.json / model.json**：存放模型配置的 JSON 文件。
*   **config**：ChatGPT 的配置文件。

## 操作流程整理

### 步驟一：準備與備份
1.  進入系統用戶目錄下的 `.codex` 文件夾。
2.  找到原有的 `config` 配置文件。
3.  將 `config` 文件備份，建議命名為「默認配置」以便恢復。

### 步驟二：配置 Deepseek
1.  在 `.codex` 目錄下創建 `models.json` 文件。
2.  複製官方提供的 JSON 結構內容並保存至 `models.json`。
3.  修改 `config` 文件內容。
4.  將購買的 API Key 填入 `config` 文件中。

### 步驟三：啟動與驗證
1.  啟動 ChatGPT。
2.  確認界面左下角顯示由 Deepseek 登錄。
3.  檢查後台用量統計，確認有 V4 Flash 的使用記錄。

### 步驟四：實戰測試（建議操作）
1.  新建項目文件夾。
2.  將推理強度調至「最高」。
3.  下達指令（例如：使用 HTML 前端技術製作 PPT 類型自我介紹）。
4.  等待約 11 分鐘生成結果。
5.  若需編輯，按 E 進入編輯模式，修改後刷新可見效果。

### 步驟五：恢復原狀
1.  回到 `.codex` 目錄。
2.  將 Deepseek 相關的配置文件重命名（加後綴）。
3.  將備份的 `config` 文件還原命名。
4.  重新啟動 ChatGPT，恢復至原生 GPT 模型及對話記錄。

## 值得注意的限制或風險

1.  **推理強度設定影響巨大**：若未將推理強度調至「最高」，模型極易陷入死循環（鬼打牆），生成無關文件（如 PDF、圖片），導致耗時長且無法解決問題。
2.  **生成質量瑕疵**：即使在最高強度下，生成的網頁 PPT 文字配色清晰度可能稍差，需通過對話進一步調整。
3.  **配置不透明風險**：使用官方腳本一鍵配置時，具體修改內容不透明，出錯時難以排查和恢復，因此不推薦使用。
4.  **模型自稱混淆**：模型在對話中自稱基於 GPT5，這可能是 Agent 工具的默認配置所致，需注意區分。

## 逐字稿辨識疑點

*   **DeepSig**：逐字稿中提及「通過這個 DeepSig 的後台來進行驗證」，疑為聽寫錯誤或口誤，實際應指 Deepseek 後台，但依規則標記為疑點。
*   **API-Kick**：逐字稿中提及「把你購買的那個 API-Kick 粘貼過來」，疑為口誤，實際應指 API Key，但依規則標記為疑點。
*   **GVT**：逐字稿中提及「這裡他還是說自己是 GVT 的模型」，疑為口誤，實際應指 GPT，但依規則標記為疑點。
*   **PVT**：逐字稿中提及「這個 PVT 或者說這個網頁」，疑為口誤，實際應指 PPT，但依規則標記為疑點。
*   **歸大牆**：逐字稿中提及「不停的在歸大牆」，疑為口誤，實際應指「鬼打牆」，但依規則標記為疑點。
*   **八毛钱**：逐字稿中提及「這個八毛钱並不是說我剛才問了兩個簡單的問題他就花了八毛钱」，疑為口誤或聽寫錯誤，實際語境似在解釋費用，但依規則標記為疑點。
*   **推理強度**：逐字稿中多次提及「推理強度」，並區分「高」與「最高」檔位，保留原樣。
*   **models.json / model.json**：逐字稿中交替使用 `models.json` 與 `model.json`，保留原樣。
*   **config**：逐字稿中提及配置文件為 `config`，保留原樣。

## 可延伸追問

1.  官方提供的 JSON 結構具體內容是什麼？如何確保複製的內容正確無誤？
2.  除了 V4 Flash，V4 Pro 預計在 8 月初接入 Codex，其配置方式是否與 V4 Flash 相同？
3.  在「最高」推理強度下，生成網頁 PPT 的具體 HTML 代碼結構有何特點？如何進行後續的代碼優化？
4.  若遇到模型持續陷入死循環，除了調整推理強度外，是否有其他手動干預或重置的方法？
5.  Deepseek 的 API Key 購買渠道與費用結構具體為何？如何監控實際消耗金額？