早上用 Claude Code 写后端接口，下午切 Codex 搞前端，晚上想试试 Gemini CLI 的效果……

这是越来越多 AI 开发者的日常。AI 编程工具百花齐放是好事，但没人告知你：工具越多，配置越乱。

我们已经不再只用一个 AI 工具了

两年前，大家还在讨论”到底用 Copilot 还是 Tabnine”。

目前问一圈开发者，同时装了三四个 AI CLI 工具的，一点不稀奇。Claude Code 写复杂逻辑、Codex 做快速原型、Gemini CLI 处理长文档、OpenCode 跑本地模型……每个工具都有自己的适合场景，开发者已经从”选一个用到底”变成了”按需切换”。

这是进步。但也带来了一个被严重低估的代价：切换成本。

不是认知上的那种，是字面意义上的、要改配置文件的那种。

AI 工具战的隐藏代价：配置地狱

每个 AI CLI 工具都有自己的配置文件、密钥管理方式、模型命名规范。

Claude Code 的配置在 ~/.claude/settings.json，格式改错了直接崩。Codex 有自己的端点配置方式。Gemini CLI 又是另一套逻辑。想换个模型供应商？先找到对应配置文件，查文档确认字段名，填 API Key，改模型名……一通操作少则五分钟，多则半小时，还可能把原来能用的配置一起搞坏。

没有回滚，没有版本管理，没有可视化界面。

这不是用户的问题。这是工具生态碎片化造成的系统性问题。每家厂商只管自己那一亩三分地，用户就成了”胶水”——自己把这些工具的配置黏合在一起。

CCSwitch 干了一件很”基础设施”的事

CCSwitch 不造新模型，不做新 CLI，就做一件事：配置管理层。

把 Claude Code、Codex、Gemini CLI 等工具的配置统一收进来，用一个桌面 GUI 管理。换供应商、换模型、更新 API Key，在界面里点几下就完成，不用手动碰任何配置文件。

类比一下：有点像 Kubernetes 之于微服务——容器技术本身不新鲜，但 Kubernetes 把编排这件事做成了基础设施，让整个生态的使用门槛大幅下降。CCSwitch 做的是类似的事情，只不过对象是 AI CLI 的配置管理。

而这次的重大更新，是把 Codex 也纳入了任意模型接入的支持范围。

之前，CCSwitch 已经支持给 Claude Code 切换任意供应商和模型，国产大模型、第三方中转全都能用。Codex 这边，只能用 OpenAI 原生模型。目前通过新增的模型映射功能，Codex 也能映射到任何兼容格式的后端了——DeepSeek、通义千问、智谱 GLM，全部支持。

这次更新意味着什么

表面上，这只是一个功能更新：Codex 的模型映射从无到有。

但背后的意义值得多看一眼。

其一，Codex 用户的自由度和 Claude Code 用户拉平了。之前用 Claude Code 的可以自由选模型，用 Codex 的却被锁在 OpenAI 体系里。目前这道墙被拆掉了。

其二，对国内开发者来说，接入 DeepSeek、通义、智谱等国产模型的门槛大幅降低。不用搞复杂的中转配置，在 CCSwitch 里直接填就完事了。

其三，这次更新是通过合并社区 PR 实现的——不是官方路线图里的计划功能，是用户反馈、开发者贡献、维护者快速响应形成的正向循环。这才是开源项目应该有的样子。

Open: Pasted image 20260530181402.png

工具层的价值，一直被低估

AI 编程圈里，所有人的注意力都在模型上——谁推理更强，谁代码更准，谁上下文更长。

但日常开发中真正磨人的，往往不是模型能力，而是配置管理、工具切换这些”脏活”。模型再强，每次切换要折腾半小时，体验就是打折扣的。

工具层的质量，决定了开发者能把多少精力真正花在代码上。

CCSwitch 做的事不酷、不性感，却是最接近开发者日常效率瓶颈的那一层。

你目前同时用几个 AI CLI 工具？

GitHub：`https://github.com/farion1231/cc-switch

觉得这篇有用的话，点个赞、在看、转发支持一下；想不错过后续更新，记得星标⭐。下次见。

搜索公众号:”知悟之旅”关注我看更多