OneHop Codex 配置

解决模型配置管理的繁琐痛点

在管理基于 OneHop 的 Codex 模型配置时，开发者常面临两个难题：一是需要手动修改 ~/.codex/config.toml 文件，过程繁琐且易出错；二是切换不同模型时，难以快速确认当前生效的模型状态。OneHop Codex Config 旨在通过自然语言交互，将这些底层文件操作封装起来，让你直接在聊天窗口中完成配置管理，无需记忆复杂的命令行参数或手动编辑 TOML 文件。

核心能力与工作流

要使用该技能，你只需在聊天中提供 OneHop 的 base_url 和 api-key。随后，你可以通过自然语言触发以下四个核心操作：

• list：技能会探测远程 /models 接口，过滤出支持 openai_responses 和文本输出的兼容模型，并列出本地 ~/.codex/onehop/ 目录下已保存的配置。
• sync：将远程兼容模型同步到本地，为每个模型生成独立的配置文件，同时自动备份当前的默认配置。
• switch <模型名>：直接根据模型名切换配置。技能会找到对应的配置文件，备份当前默认配置后，将其复制覆盖到 ~/.codex/config.toml。
• status：读取当前生效的配置，展示模型名称、Provider 和 Base URL，并发起一次真实的请求以验证模型的连通性和可用性。

在默认策略上，技能优先推荐 minimax/minimax-m3，若不可用则回退至 openai/gpt-5.4，并将 model_reasoning_effort 设置为 high。

适用边界与注意事项

该技能专注于配置的生成、切换与状态验证。在使用时需注意：技能严格依赖 /models 接口的真实返回结果，不会凭空捏造模型支持列表。此外，技能内部附带的 Python 脚本仅为实现细节，用户无需也无法直接调用它。生成的配置文件会带有时间戳标识，确保配置变更的可追溯性。