CCSwitch+CPA在Codex上配置GPT模型缺失多项功能

背景

用户在使用 Codex CLI 时，通过 CC Switch 对接 CPA（自定义 API）账号池，形成如下链路：Codex → CC Switch → CPA 自定义 Responses 地址 → Codex 模型。CPA 中的模型由用户在 CC Switch 中手动添加，但添加时能填写的字段非常有限（仅模型 ID 和上下文大小）。用户发现 CC Switch 自动生成的模型目录文件（%USERPROFILE%\.codex\cc-switch-model-catalog.json）与 Codex CLI 自带的官方模型目录存在显著差异，导致许多关键功能（如思考过程、图片支持、Fast 模式等）无法正常使用。此问题在 LINUX DO · AI 社区中尚未见到公开讨论，用户怀疑自己的配置方法有误，或 CC Switch 未针对此类自定义模型覆盖场景进行完善。

核心内容

用户通过对比官方目录（通过 codex debug models --bundled 命令获取）与 CC Switch 生成的目录，发现以下不一致之处：

• base_instructions：CC Switch 仅写入一段通用 Prompt，而官方模型中的指令内容更长、更具体。
• model_messages：官方目录包含完整的指令模板和 personality 配置，CC Switch 生成的目录中完全缺失。
• supported_reasoning_levels：CC Switch 将所有模型统一设置为 none / high，但官方不同模型支持的推理等级各不相同。
• input_modalities：支持图片的官方模型标记为 text,image，CC Switch 通常只设 text。
• supports_image_detail_original：官方部分模型设为 true，CC Switch 默认为 false。
• supports_parallel_tool_calls、support_verbosity、default_verbosity 等工具调用与输出详细程度相关字段也存在差异。
• truncation_policy、service_tiers、additional_speed_tiers 等策略与服务层级字段不完全一致。

为解决这一问题，用户编写了一个 PowerShell 脚本，其核心思路为：

1. 读取 codex debug models --bundled 输出的官方模型目录。
2. 从官方目录中动态筛选出所有 gpt-* 模型。
3. 对于 CC Switch 目录中的每个自定义模型，使用其 slug（如 <provider-prefix>/gpt-5.6-luna）去匹配官方模型的 slug（如 gpt-5.6-luna），匹配方式为子串包含且不区分大小写，并优先匹配更具体的官方模型（按 slug 长度倒序）。
4. 匹配成功后，用官方模型的完整配置覆盖当前自定义模型的条目，但保留自定义模型原有的 slug，以避免影响 CPA 路由。
5. 修改前自动备份原文件，并提供 -ValidateOnly（仅验证不写入）和 -WhatIf（预演不执行）参数。

脚本中关键函数包括：读取 JSON 文件、获取官方目录、深度复制 JSON 对象、查找匹配的官方模型、合并目录、原子写入（备份、写临时文件、验证后移动）。

关键要点

• CC Switch 为手动添加的模型生成的配置极其简略，多数高级特性（思考过程、图片输入、Fast 模式、详细输出控制、并行工具调用等）均因配置缺失而不可用。
• 官方模型目录包含大量 CC Switch 未覆盖的字段，这些字段决定了模型的具体行为能力和支持模式。
• 用户的解决思路是利用官方模型的完整配置作为模板，通过 slug 子串匹配（优先长匹配）为每个自定义模型注入官方对应模型的全部配置。
• 匹配时必须保留自定义 slug，否则 CPA 自定义响应地址将无法路由到正确的模型。
• 脚本支持安全机制：自动备份原文件、写入前校验 JSON 有效性、提供只验证和预演模式。
• 用户还注意到官方目录中除 gpt-* 外还有其他模型（如 codex-auto-review），但脚本仅匹配 gpt-* 条目，避免误匹配。

意义与影响

该问题揭示了 CC Switch 在自定义模型配置上的不足：它仅向用户暴露了模型 ID 和上下文大小两个字段，而忽略了许多影响模型实际功能的关键元信息。这导致用户在通过 CC Switch 使用 CPA 对接 GPT 模型时，无法享受到 Codex CLI 官方模型所支持的高级特性，限制了工具链的灵活性和可用性。

用户自行编写的合并脚本提供了一种临时但有效的解决方法，将官方模型的完整配置注入到 CC Switch 生成的目录中，恢复了对推理等级、图片输入、工具调用等功能的支持。这种方法对同样使用 Codex + CC Switch + CPA 的用户具有参考价值，也体现了社区用户主动解决兼容性问题的能力。

从更广泛的视角看，此问题提示了第三方中间件（如 CC Switch）在对接官方工具时，需要更全面地获取并传递底层模型的能力元数据，否则容易造成功能降级。官方目录 JSON 的结构本身就包含了丰富的模型行为描述信息，中间件开发者或用户可以参照这些字段完善配置生成逻辑，以实现更无缝的集成体验。