Codex CLI — Configuration with OmniRoute (中文 (繁體))

TOML 是唯一有效的格式。 現代版 Codex 僅會讀取 ~/.codex/config.toml （已使用 codex-cli 0.147.0 驗證：codex --help 說明 -c/--config 覆寫的是「從 ~/.codex/config.toml 載入」的設定）。舊版 ~/.codex/config.yaml 屬於舊式 npm CLI，會被無提示地忽略。 儀表板產生器（/api/cli-tools/apply，工具 codex）會以保守合併方式寫入 TOML—— 現有鍵值與其他提供者區塊都會保留，API 金鑰仍存放於 OMNIROUTE_API_KEY （絕不寫入檔案），而殘留的舊版 config.yaml 會以遷移提示回報，但不會遭到修改。

可直接貼上的 config.toml

將 <YOUR_HOST> 與 <YOUR_KEY> 替換成你的值：

~/.codex/config.toml

model                          = "cx/gpt-5.5"
model_provider                 = "omniroute"
model_reasoning_effort         = "xhigh"
model_context_window           = 400000
model_auto_compact_token_limit = 350000
tool_output_token_limit        = 32768    # 每次工具呼叫的歷史記錄儲存上限

[model_providers.omniroute]
name                 = "OmniRoute"
base_url             = "http://<YOUR_HOST>:20128/v1"
env_key              = "OMNIROUTE_API_KEY"
requires_openai_auth = false
wire_api             = "responses"

# ~/.bashrc 或 ~/.zshrc——實際金鑰值，絕不可寫入 config.toml
export OMNIROUTE_API_KEY="<YOUR_KEY>"

macOS：內建於 ChatGPT 應用程式中的 Codex

如果你是透過 ChatGPT 桌面應用程式安裝 Codex，codex 二進位檔可能 只存在於應用程式套件內，尚未加入 shell 的 PATH。請將 資源目錄加入你的 shell 啟動檔案：

export PATH="/Applications/ChatGPT.app/Contents/Resources:$PATH"

開啟新的 shell，然後驗證：

command -v codex
codex --version

本機未驗證的 OmniRoute：使用佔位金鑰即可

在第一個請求離開 CLI 之前，Codex 會驗證 env_key 所指定的環境變數 是否存在。如果你的本機 OmniRoute 執行個體不需要驗證， 使用任何非空白佔位值即可：

export OMNIROUTE_API_KEY="${OMNIROUTE_API_KEY:-local}"

如果你的 OmniRoute 伺服器受到保護或位於遠端，請改用真實金鑰。

常見主機選項

存取方式	URL
區域網路	http://192.168.0.1:20128/v1
Tailscale	http://100.x.x.x:20128/v1
迴路位址	http://localhost:20128/v1

---

wire_api = "responses"——為何適用於所有模型

Codex CLI 已於 2026 年 2 月棄用 wire_api = "chat"（Chat Completions），現在要求使用 wire_api = "responses"（OpenAI Responses API）。自 v0.138 起，設定 wire_api = "chat" 會導致啟動時立即當機。

包括 GLM 和 Kimi 在內的許多提供者，目前仍只提供 Chat Completions 端點。DeepSeek V4 現在除了 Anthropic 相容端點之外，也提供原生 Responses API；OmniRoute 預設使用 Responses，並允許每個 DeepSeek 連線選擇 Anthropic 相容模式。

OmniRoute 會以透明方式解決此問題：

Codex CLI
  → wire_api = "responses"
  → POST /v1/responses (OmniRoute)
    → OmniRoute 選擇提供者的原生協定，並在需要時進行轉譯
    → POST /responses (DeepSeek V4) 或 /chat/completions (Mistral / GLM / Kimi / 其他)

使用 OmniRoute 時，你完全不需要額外的轉譯代理。所有模型都使用 wire_api = "responses"——其餘部分由 OmniRoute 處理。

wire_api 是預設值——此欄位預設為 "responses"，可完全從 config.toml 省略。只有在需要明確記錄設定意圖時，才應明確設定此欄位。

---

上下文視窗與壓縮

Token 設定欄位

欄位	說明
model_context_window	目前模型的 Token 總預算。請設為該模型標示的上限。
model_auto_compact_token_limit	觸發自動歷史記錄壓縮的閾值。上限：model_context_window 的 90% — 超過 90% 的值會被無提示地忽略。
tool_output_token_limit	歷史記錄中每次工具呼叫輸出可儲存的 Token 上限。避免單一大型工具回應占滿視窗。這不是最大輸出量 — 而是歷史記錄的儲存上限。
compact_prompt	壓縮時使用的系統提示詞內嵌覆寫設定（v0.138+）。

關於 model_max_output_tokens 的注意事項：此欄位不屬於 Codex CLI 設定結構描述的一部分（Codex Rust 程式碼庫中不存在）。若設定此欄位，系統會無提示地忽略。請勿依賴此欄位 — 請使用 tool_output_token_limit 控制歷史記錄中儲存的工具輸出量。

各模型的上下文視窗

模型	OmniRoute ID	上下文視窗	auto_compact	tool_output_limit
GPT-5.5	cx/gpt-5.5	可靠 400k（最大 1M）	350,000	32,768
Kimi K2.7（思考型）	kmc/kimi-k2.7	131,072	112,000	32,768
Kimi K2.6	kmc/kimi-k2.6	131,072	112,000	32,768
GLM-5.2 / 5.2-max（思考型）	glm/glm-5.2	131,072	112,000	32,768
MiMo V2.5 Pro（思考型）	opencode-go/mimo-v2.5-pro	131,072	112,000	32,768
Qwen 3.7 Plus（思考型）	opencode-go/qwen3.7-plus	32,768	28,000	16,384
DeepSeek V4 Pro（OllamaCloud）	ollamacloud/deepseek-v4-pro	131,072	112,000	32,768
DeepSeek V4 Pro	ds/deepseek-v4-pro	1,000,000	900,000	65,536
MiMo V2.5	opencode-go/mimo-v2.5	131,072	112,000	32,768
Gemma 4 31B（OllamaCloud）	ollamacloud/gemma4:31b	32,768	28,000	16,384
Nemotron 3 Super（OllamaCloud）	ollamacloud/nemotron-3-super	32,768	28,000	16,384
GPT-OSS 20B（OllamaCloud）	ollamacloud/gpt-oss:20b	32,768	28,000	16,384
DeepSeek V4 Flash（OllamaCloud）	ollamacloud/deepseek-v4-flash	65,536	56,000	16,384
Gemini 3 Flash Preview（OllamaCloud）	ollamacloud/gemini-3-flash-preview	1,000,000	850,000	32,768
GLM-5 Turbo	glm/glm-5-turbo	131,072	112,000	16,384
GLM-4.7 Flash	glm/glm-4.7-flash	131,072	112,000	16,384
Mistral Large Latest	mistral/mistral-large-latest	262,144	220,000	16,384

壓縮公式： effective_window = model_context_window - min(tool_output_token_limit, 20000)。超過 20k 的值不會改變壓縮觸發條件。

經驗法則： 將 model_auto_compact_token_limit 設為 model_context_window 的 85–88%。切勿超過 90% — 否則會被無提示地忽略。

---

模型前綴：cx/

OmniRoute 中的所有 Codex 模型皆使用 cx/ 前綴：

Codex CLI 名稱	OmniRoute 模型
cx/gpt-5.5	GPT-5.5 標準版
cx/gpt-5.4	GPT-5.4 標準版
cx/gpt-5.4-mini	GPT-5.4 mini
cx/gpt-5.1-codex-mini	GPT-5.1 Codex mini

其他提供者使用各自的前綴（kmc/、glm/、ds/、ollamacloud/、opencode-go/、mistral/）— 前綴與 OmniRoute 提供者別名一致。

---

推理強度

控制模型在回應前進行多少「思考」。

值	適用情境
none	不進行推理 — 直接回應
low	瑣碎任務（重新命名、格式化）
medium	未指定時的伺服器預設值
high	中階任務（重構、偵錯）
xhigh	架構設計、深入分析、複雜問題

# 覆寫單次呼叫的設定
codex -c model_reasoning_effort=low "將變數 x 重新命名為 count"
codex -c model_reasoning_effort=xhigh "設計驗證模組"

另外也請設定推理摘要，讓 Desktop 能呈現思考文字（而不只是加密的資料區塊）：

~/.codex/config.toml

model_reasoning_effort = "xhigh"   # 支援時也可使用 ultra
model_reasoning_summary = "detailed"  # auto | concise | detailed | none

OmniRoute 思考預算（伺服器設定）

在 OmniRoute 主機上，Settings → AI → Thinking Budget 必須設為 passthrough，Codex 的強度／摘要設定才能傳到上游。auto 模式會移除所有用戶端的 reasoning / reasoning_effort 欄位，即使 Codex 已正確設定，也會導致思考面板內容為空。

完整指南：THINKING_BUDGET.md。

壓縮與提示快取彼此獨立，並且在 passthrough 模式下仍會正常運作。

---

設定檔 — 依模型／工作流程命名的設定

設定檔可讓你使用單一旗標切換模型與上下文視窗。每個設定檔都是一個扁平的 ~/.codex/<name>.config.toml，會疊加在基礎 config.toml 之上。

**命名規則（Codex CLI v0.137+）：**檔案必須命名為 ~/.codex/<name>.config.toml — 不可加上 profile- 前綴。 CLI 會將 -p kimi-k27 解析為 ~/.codex/kimi-k27.config.toml。如果找不到該檔案，便會直接套用預設設定而不顯示提示。

codex --profile kimi-k27 "分析此程式碼庫的 10k 行程式碼"
codex -p glm52 "架構審查"
codex --profile deepseek-flash "重新命名變數"   # 快速、便宜

強度設定檔（相同模型，不同強度）

codex -p low      # cx/gpt-5.5，強度=low
codex -p medium   # cx/gpt-5.5，強度=medium
codex -p high     # cx/gpt-5.5，強度=high
codex -p xhigh    # cx/gpt-5.5，強度=xhigh（預設）
codex -p chat     # cx/gpt-5.5，未設定強度（伺服器預設值）

思考模型（高強度思考）— xhigh + 詳細摘要

設定檔	模型	上下文	適用情境
kimi-k27	kmc/kimi-k2.7	128k	最佳思考品質（Kimi）
glm52	glm/glm-5.2	128k	GLM 思考
glm52max	glm/glm-5.2-max	128k	GLM 最大思考能力
mimo-pro	opencode-go/mimo-v2.5-pro	128k	MiMo 思考
qwen37plus	opencode-go/qwen3.7-plus	32k	Qwen 思考

優質模型 — high 強度

設定檔	模型	上下文	適用情境
kimi-k26	kmc/kimi-k2.6	128k	通用用途（Kimi）
deepseek-pro	ollamacloud/deepseek-v4-pro	128k	透過 OllamaCloud 使用 DeepSeek Pro
deepseek	ds/deepseek-v4-pro	1M	直接使用 DeepSeek Pro，超大上下文
mimo	opencode-go/mimo-v2.5	128k	MiMo 通用用途

簡易模型 — 不使用推理強度

設定檔	模型	上下文	適用情境
gemma4	ollamacloud/gemma4:31b	32k	經濟實惠且能力良好
nemotron	ollamacloud/nemotron-3-super	32k	NVIDIA Nemotron
gptoss	ollamacloud/gpt-oss:20b	32k	開放原始碼 GPT

快速模型 — low 強度

設定檔	模型	上下文	適用情境
deepseek-flash	ollamacloud/deepseek-v4-flash	64k	快速任務
gemini-flash	ollamacloud/gemini-3-flash-preview	1M	極快、超大上下文
glm5turbo	glm/glm-5-turbo	128k	GLM Turbo
glm47flash	glm/glm-4.7-flash	128k	GLM Flash
mistral	mistral/mistral-large-latest	256k	Mistral Large

快速決策表

任務	建議的設定檔
重新命名、格式化、樣板程式碼	--profile deepseek-flash 或 -p low
解釋、簡易審查	-p chat 或 -p gemini-flash
除錯、中度重構	-p medium 或 -p kimi-k26
新功能、複雜測試	-p high 或 -p mimo
架構、深入分析	-p kimi-k27 或 -p glm52 或 -p xhigh
程式碼庫分析（需要 1M 上下文）	--profile deepseek 或 --profile gemini-flash
最高思考品質	-p glm52max 或 -p mimo-pro
注重成本	-p gemma4 或 -p gptoss

---

使用 omniroute setup-codex 自動產生設定檔

如果您在 VPS 上執行 OmniRoute，可以從即時模型目錄自動產生設定檔：

# 從 VPS 執行（使用連接埠 20128 上的本機 OmniRoute）
omniroute setup-codex

# 從任何機器執行——指向您的 VPS
omniroute setup-codex --remote http://100.x.x.x:20128 --api-key sk-xxx

# 預覽但不寫入檔案
omniroute setup-codex --remote http://100.x.x.x:20128 --dry-run

# 僅產生 GLM 和 Kimi 設定檔
omniroute setup-codex --only glm,kimi

# 寫入自訂目錄
omniroute setup-codex --codex-home /path/to/.codex

此命令會擷取 /v1/models，對已知模型使用經過調校的設定檔，對其他相容的文字模型則改用目錄中繼資料，並為每個模型寫入 ~/.codex/<name>.config.toml。此操作具備冪等性，因此可安全地重複執行。

成功探索/匯入提供者模型並變更即時目錄後，OmniRoute 也可以自動同步這些相同的設定檔。這是選用功能，預設為停用：可從 CLI Code 儀表板切換（「CLI 設定檔自動同步」→ Codex），或設定 OMNIROUTE_AUTO_SYNC_CODEX_PROFILES=true（它也會遵循 CLI_ALLOW_CONFIG_WRITES，此設定預設為啟用）。啟用後，它只會寫入個別的 ~/.codex/*.config.toml 設定檔；絕不會變更作用中/預設的 ~/.codex/config.toml、Codex-lb 設定、驗證資訊或提供者選擇。

---

使用 omniroute launch-codex 啟動 Codex

在啟動 Codex 前，先對您的 OmniRoute 執行個體進行健康狀態檢查：

# 使用本機 OmniRoute 啟動（預設連接埠為 20128）
omniroute launch-codex

# 使用指定的設定檔啟動
omniroute launch-codex --profile kimi-k27

# 使用遠端 VPS 啟動
omniroute launch-codex --remote http://100.x.x.x:20128/v1 --api-key sk-xxx

# 將額外引數傳遞給 codex
omniroute launch-codex --profile glm52 -- --yolo "fix this bug"

Codex 也是兩個由資訊清單驅動之通用進入點的目標 （bin/cli/cli-manifest.mjs）：

# 互動式模型選擇器 → 寫入 ~/.codex/<name>.config.toml（TOML、env_key）
omniroute configure codex

# 透過 -c 旗標注入 omniroute 提供者並啟動 codex（不寫入設定）
omniroute run codex

---

Codex CLI 新功能（v0.138–v0.141）

版本	功能
v0.138	桌面應用程式交接（/app）、v2 個人存取權杖、以 --profile 作為唯一的設定檔選擇器（舊版檔案內的 [profiles] 表格會導致啟動時當機）
v0.139	web_search = "live"——從程式碼模式使用原生網路搜尋；MCP 工具結構描述中的 oneOf/allOf；codex doctor 環境診斷
v0.140	工作階段內的 /usage 權杖檢視；從 Claude Code 工作階段執行 /import；codex delete <SESSION_ID> 子命令；透過提供者設定中的 aws 物件進行 Amazon Bedrock 驗證
v0.141	適用於遠端執行器的端對端加密 Noise 中繼；SQLite WAL 修正；P-521 TLS 支援

新增的 config.toml 欄位（v0.137 之後）

# 原生網路搜尋（v0.139）
web_search = "live"   # "disabled" | "cached" | "live"

# 獨立的開發人員系統提示詞（v0.138）
developer_instructions = "Always prefer functional style."

# 自訂壓縮提示詞
compact_prompt = "Summarise the above as bullet points."

# 將 /review 路由至成本較低的模型
review_model = "glm/glm-5-turbo"

# OpenAI 服務層級
service_tier = "fast"   # "fast" | "flex"

新增的 [model_providers.<id>] 欄位

[model_providers.omniroute]
base_url             = "http://100.x.x.x:20128/v1"
env_key              = "OMNIROUTE_API_KEY"
requires_openai_auth = false

# 每個請求所使用的靜態額外標頭
[model_providers.omniroute.http_headers]
"X-Custom-Header" = "value"

# 從環境變數讀取的標頭
[model_providers.omniroute.env_http_headers]
"X-Trace-Id" = "TRACE_ID"

# 額外的 URL 查詢參數（適用於 Azure api-version）
[model_providers.omniroute.query_params]
"api-version" = "2024-12-01-preview"

Amazon Bedrock 驗證（v0.140）

[model_providers.bedrock]
base_url = "https://bedrock-runtime.us-east-1.amazonaws.com"

[model_providers.bedrock.aws]
profile = "default"   # ~/.aws/credentials 設定檔
region  = "us-east-1"

---

多伺服器

[model_providers.omniroute-main]
base_url = "http://192.168.0.1:20128/v1"
env_key  = "OMNIROUTE_API_KEY"

[model_providers.omniroute-tailscale]
base_url = "http://100.x.x.x:20128/v1"
env_key  = "OMNIROUTE_API_KEY"

---

Claude Code — 對應設定

Codex CLI (config.toml)	Claude Code（環境變數）	效果
tool_output_token_limit = 32768	（未直接公開）	各工具的歷史記錄上限
model_context_window = 400000	（由模型決定）	上下文視窗
—	CLAUDE_CODE_MAX_OUTPUT_TOKENS=65536	每次回應的最大 token 數

# ~/.bashrc — Claude Code token 上限
export CLAUDE_CODE_MAX_OUTPUT_TOKENS=65536

---

快速參考 — CLI 旗標

旗標	短旗標	效果
--model <id>	-m	覆寫此次呼叫的 model
--profile <name>	-p	載入 ~/.codex/<name>.config.toml
--config key=value	-c	覆寫任意 config.toml 欄位（可重複使用）
--enable <feature>	—	強制啟用功能旗標
--disable <feature>	—	強制停用功能旗標
--search	—	為此次呼叫啟用即時網頁搜尋

v0.140 新增：

codex delete <SESSION_ID>          # 刪除工作階段
codex delete <SESSION_ID> --force  # 跳過確認
codex debug models --bundled       # 以 JSON 列出內建模型目錄

在互動式工作階段中：

指令	效果
/model	開啟模型選擇器
/usage	顯示此工作階段的 token 使用量（v0.140）
/app	移交至桌面應用程式（v0.138）
/import	匯入 Claude Code 工作階段（v0.140）
/help	列出所有斜線指令

---

長時間執行的任務

OmniRoute 的兩項預設值可能會在不知不覺中破壞持續數小時的 Codex CLI 工作階段。兩者都不是 Codex CLI 設定，而是位於 OmniRoute 端。從會固定帳號並停用閒置中止機制的上游代理移轉設定時，使用者經常會同時遇到這兩個問題，並因此認為 OmniRoute「無法維持長時間工作階段」。

症狀	可能原因	調整項目
工作階段持續切換帳號／各輪之間的提示快取連續性中斷	工作階段親和性 TTL 為 0（已停用）	sessionAffinityTtlMs
推理過程中連線中斷，且未向用戶端顯示任何提示	串流閒置監視器在上游 10 分鐘未傳送資料區塊後觸發	STREAM_IDLE_TIMEOUT_MS

相關討論：#7126（長時間任務中斷）、#5718（親和性預設停用的原因）。追蹤議題：#7287。

1. 工作階段親和性 — 將單一對話固定至單一帳號

預設值： sessionAffinityTtlMs = 0（已停用）。

設定位置

• 儀表板 → 設定 → 路由 → 工作階段親和性 → 親和性 TTL（秒）（ComboDefaultsTab）
• 或透過 PATCH 設定中的 sessionAffinityTtlMs，單位為毫秒（Zod 範圍為 0–86_400_000，即最長 24 小時）

在 #7274 中由僅適用於 Codex 的 codexSessionAffinityTtlMs 重新命名而來。舊版鍵仍可作為唯讀別名使用；新設定應使用 sessionAffinityTtlMs。只要 TTL 大於 0，親和性現在就會套用至任何提供者，而不僅限於 Codex — 請參閱 docs/architecture/RESILIENCE_GUIDE.md → 工作階段親和性。

維持為 0 時會發生什麼問題

多輪 Codex 對話中的每一輪都會由目前啟用的組合策略獨立路由，因此每一輪都可能落到不同的帳號。這會破壞上游工作階段／提示快取的連續性。只有當 TTL 大於 0 時，OmniRoute 才會查閱 Codex 工作階段標頭（x-codex-session-id / x-session-id / x-omniroute-session）以及 prompt_cache_key / session_id 等本文欄位（src/sse/services/auth.ts 中的 extractSessionAffinityKey）。

針對持續數小時的單一任務之建議

將 TTL 設為高於任務預期的實際經過時間（UI 上限為 86400 秒 = 24 小時）：

預期任務時間	親和性 TTL（UI，秒）	sessionAffinityTtlMs
數小時	14400（4 小時）	14400000
整夜／約 12 小時	43200（12 小時）	43200000
一整天	86400（24 小時，上限）	86400000

選擇加入是刻意的設計：停用親和性有利於在多個帳號之間進行負載平衡；啟用親和性則有利於維持單一長時間代理工作階段的連續性。本指南不會變更預設值 — 執行長時間 Codex 任務的操作人員必須自行選擇啟用。

2. 串流閒置逾時 — 不要終止安靜的推理輪次

預設值： STREAM_IDLE_TIMEOUT_MS = 600000（10 分鐘）。未設定時會繼承 REQUEST_TIMEOUT_MS；共用基準值也是 600000。請參閱 docs/guides/SETUP_GUIDE.md → 逾時。

使用預設值時會發生什麼問題

Codex 的推理／工具回合若超過 10 分鐘保持靜默，且沒有真正的上游資料區塊，就會被 SSE 閒置監控程式（open-sse/utils/stream.ts）強制關閉。用戶端通常只會看到連線直接中斷——這與「在沒有任何通知的情況下自動停止」的現象一致。

關鍵細節：OmniRoute 合成的 SSE 心跳不會重設閒置計時。只有真正的上游回應本文區塊才會更新 lastChunkTime。從監控程式的角度來看，仍在「思考」但保持安靜的模型，與停滯的上游沒有任何差別。

相關的 Undici 回應本文閒置設定：FETCH_BODY_TIMEOUT_MS（預設值也是相同的 10 分鐘基準；設為 0 可停用）。對於串流，FETCH_TIMEOUT_MS 只涵蓋連線建立／首批標頭；串流啟用後，停滯狀況由 STREAM_IDLE_TIMEOUT_MS 與 FETCH_BODY_TIMEOUT_MS 控制。

針對持續數小時的單一任務之建議

在 OmniRoute 處理程序的環境中（.env / compose / systemd）：

# 停用串流閒置與回應本文閒置逾時，以支援長時間推理回合
STREAM_IDLE_TIMEOUT_MS=0
FETCH_BODY_TIMEOUT_MS=0

或者，將其提高至超過您預期的最長靜默間隔（值以毫秒為單位）：

# 範例：允許上游資料區塊之間最多靜默 2 小時
STREAM_IDLE_TIMEOUT_MS=7200000
FETCH_BODY_TIMEOUT_MS=7200000

變更這些環境變數後，請重新啟動 OmniRoute。

具體做法——持續數小時的 Codex 任務

1. 固定帳戶： Dashboard → Settings → Routing → Session affinity → Affinity TTL = 43200（12 小時）或 86400（上限 24 小時）。
2. 提高／停用閒置逾時，請在 OmniRoute 的環境中設定：

STREAM_IDLE_TIMEOUT_MS=0
FETCH_BODY_TIMEOUT_MS=0

3. 保留一般的 Codex config.toml 設定（wire_api = "responses"、正確的 base_url、OMNIROUTE_API_KEY）——Codex 端不存在可控制這兩種行為的親和性／閒置設定。
4. 重新啟動 OmniRoute，然後開始長時間執行的 Codex 任務。

預設值決策（#7287）

設定	發布預設值	是否在本指南中變更？
sessionAffinityTtlMs	0（停用）	否——維持選擇性啟用（負載平衡與連續性之間的取捨；請參閱 Discussion #5718）
STREAM_IDLE_TIMEOUT_MS	600000（10 分鐘）	否——一般流量仍維持 10 分鐘；長時間執行 Codex 的維運人員可提高或停用此設定

全域變更其中任何一項預設值，都會改變執行個體中每個用戶端的行為，而不僅是 Codex。請記錄這些設定；在維運人員作出明確決策之前，維持預設值不變。

診斷閒置中斷

當閒置監控程式觸發時，OmniRoute 會記錄格式如下的日誌：

[STREAM] Idle timeout: no data from codex for 600000ms (model: cx/gpt-5.5)

搜尋 Idle timeout: no data from（或代碼 stream_idle_timeout／錯誤名稱 StreamIdleTimeoutError）。提供者區段會顯示 OmniRoute 為該請求使用的值（codex、其他提供者 ID，或在未知時顯示 provider）——它不一定永遠是字面值 codex。

---

疑難排解

Error: wire_api = "chat" is no longer supported 從設定中移除 wire_api = "chat"。設定 wire_api = "responses"，或省略此欄位（自 v0.138 起預設為 "responses"）。

Error: model not found 確認模型存在於 OmniRoute 中，且具有正確的前綴。使用 omniroute models list，或開啟 /dashboard/providers/<provider>。

Authentication error 確認已匯出 OMNIROUTE_API_KEY：echo $OMNIROUTE_API_KEY。

ERROR: Missing environment variable: OMNIROUTE_API_KEY Codex 會在發出第一個請求之前，驗證該環境變數是否存在。對於受保護的伺服器，請匯出真實的金鑰；若您的本機 OmniRoute 執行個體不需要驗證，則可使用非空白的預留值，例如 OMNIROUTE_API_KEY=local。如果您已將其新增至 ~/.bashrc 或 ~/.zshrc，請重新啟動 shell。

Connection refused 確認 OmniRoute 正在執行，且 base_url 的主機／連接埠對您的網路而言是正確的（本機、Tailscale 或 VPS）。

工作階段在接近上下文限制時當機 明確設定 model_context_window 和 model_auto_compact_token_limit。請參閱上方的上下文視窗表格。

壓縮觸發得太晚 將 model_auto_compact_token_limit 降至視窗大小的 80–85%。切勿設定為高於 90%。

設定檔未載入（-p <name> 被悄然忽略） 確認檔案存在於 ~/.codex/<name>.config.toml（沒有 profile- 前綴）。執行 ls ~/.codex/*.config.toml。

長時間執行的 Codex 任務在執行途中中斷／不同回合之間切換帳戶 請參閱長時間執行的任務。啟用工作階段親和性（TTL 應長於任務執行時間），並提高或停用 STREAM_IDLE_TIMEOUT_MS／FETCH_BODY_TIMEOUT_MS。使用 grep 在 OmniRoute 日誌中搜尋 Idle timeout: no data from。

---

OmniRoute 原始碼 (a58000c7685f)