最近折腾 Codex subagent，最大的感受是： 不要再把所有任务都丢给最贵的模型。 更合理的方式是把 Codex 当成一个多模型团队： GPT-5.5：负责判断、调度、分发任务 DeepSeek：负责读文件、找上下文、收集信息 Claude：负责写作、润色、审查 LiteLLM：负责把不同模型接到同一套路由里 这里真正有价值的不是配置文件本身，而是工作流的变化： 贵模型应该留给判断，不应该被上下文读取和材料整理消耗掉。 同时踩到一个坑是 tool schema。 Codex 通过 Responses API 发出的工具结构里会有 namespace tool，但 DeepSeek 更习惯 function tool。所以如果你还装了 codegraph、fff 这类 MCP，可能会遇到工具调用不兼容的问题。 我的解决方式是在 Codex 和 LiteLLM 中间加一层本地 tool shim： Codex -> tool shim -> LiteLLM -> DeepSeek 请求时翻译工具结构，返回时再翻译回 Codex 需要的格式。 #Codex #AI编程 #Agent #DeepSeek #Claude #LiteLLM #MCP #程序员工具 #效率工具 #AI工作流