进阶玩转 Codex：如何为每个子智能体（Subagent）配置专属模型？

在 Codex 的多 Agent 协作模式下，默认情况下所有子智能体都会继承主智能体（Manager）的模型设置（通常是 gpt-5.5）。但实际工程中，我们往往需要更精细化的成本和性能控制：

安全审查 Agent：需要逻辑严密，建议用 gpt-5.5-high-reasoning。
文档编写 Agent：只需文笔通顺，用 gpt-4o-mini 即可省下不少 Token。
代码探索 Agent：需要快速扫描，gpt-4o 是性价比之选。

今天就教你如何通过自定义 Agent 配置文件，实现“一兵一模”的混合编排。

1. 核心原理：Agent 定义文件

Codex 在启动 Subagent 时，会扫描配置目录下的 agents 文件夹。只要在该文件夹下创建一个后缀为 .toml 的文件，你就能定义一个拥有独立模型、独立指令和独立工具权限的“特种兵”。

2. 操作步骤：三步实现专属配置

第一步：创建配置文件夹

如果你的目录下还没有 agents 文件夹，请先创建它：

全局路径：C:\Users\YourName\.codex\agents\
项目路径：在项目根目录下的 .codex\agents\（仅对当前项目生效）

第二步：编写 Agent 配置文件

在该文件夹下新建一个文件，例如 fast_coder.toml，并写入以下内容：

name = "FastCoder"
description = "一个追求速度的代码实现专家"

# 这里就是关键：指定该 Agent 使用的具体模型
model = "gpt-4o-mini"
model_reasoning_effort = "low"

# 定义该 Agent 的专属“人设”
developer_instructions = """
你是一个追求极致效率的程序员。
在编写代码时，优先考虑简洁性和执行速度。
忽略所有的文档注释要求，只输出核心代码块。
"""

第三步：在对话中召唤

配置完成后，重启 Codex（或刷新配置）。现在你可以在 Prompt 中直接点名调用它：

“请帮我重构 Login 模块。派生 (Spawn) 一个 @fast_coder 负责生成核心逻辑，同时派生一个主 Agent 负责全局审核。”

3. 混合编排的实战配置示例

你可以同时定义多个“特种兵”文件：

文件名	指定模型	适用场景
`architect.toml`	`o3-preview`	架构规划、复杂算法设计
`tester.toml`	`gpt-4o`	编写单元测试、覆盖率分析
`security_scan.toml`	`gpt-5.5` (high)	静态漏洞分析、API 审计

4. 常见问题 (FAQ)

Q: 我在文件里改了模型，为什么召唤出来的还是默认模型？

检查名称：确保召唤时的 @名称 与 .toml 文件中的 name 字段一致。
权限覆盖：如果你在项目根目录定义了同名 Agent，它会优先于全局定义的 Agent。

Q: 子智能体可以用我本地部署的模型吗（如 Ollama）？

可以！在 model 字段中指定你 Ollama 的模型名称，并确保你在 config.toml 中配置了本地提供商。

总结

通过为不同的任务分配不同能力的模型，你不仅能显著降低 Token 消耗，还能让整个 AI 团队的响应速度提升一个量级。这才是真正把 Codex 当成“生产力引擎”来使用的姿势。

赶快去创建你的第一个“特种兵”Agent 吧！

P.S. 关于兼容性说明：
本指南中提到的自定义配置同时适用于 Codex 桌面应用 (App) 与 Codex 命令行 (CLI)。由于两者共享相同的底层配置路径（.codex/agents/），一旦你在文件夹中创建了定义文件，在 App 中使用 @ 召唤或在 CLI 中使用 spawn 命令，都能完美识别并调用对应的专属模型。

核实人： Raymond Studio 调研组
发布日期： 2026年6月11日