Menggunakan Codex dengan Agent Redactor

Prasyarat: Pasang Agent Redactor dan biarkan ia berjalan. Anda juga memerlukan Codex yang dipasang dan tersedia pada PATH.

  1. Konfigurasikan Agent Redactor (lakukan ini dahulu)

    Sebelum menyediakan Codex, jalankan proksi penyuntingan tempatan supaya Codex boleh berhubung melaluinya. Di bar sisi Profiles, pilih atau cipta profil. Tetapkan Local URL kepada http://localhost:8080/ (atau port pilihan anda), Forward To kepada endpoint pembekal sebenar anda (cth. https://openrouter.ai/api/v1), dan tampal API Key sebenar anda. Kunci disulitkan secara tempatan dan tidak pernah meninggalkan mesin anda. Klik Save All Settings dan sahkan bahawa port dipaparkan sebagai tersedia.

  2. Pilih peraturan penyuntingan anda

    Tentukan apa yang disunting sebelum sesuatu meninggalkan mesin anda. Anda boleh mendayakan AI Powered Detection Model dan menanda kategori PII yang perlu ditangkap, menambah Regex Patterns dan Keywords untuk padanan berdeterministik, atau menggunakan sebarang kombinasi ketiga-tiganya. Pilihan adalah milik anda. Regex dan Keywords juga sesuai untuk rahsia khusus projek yang mungkin terlepas oleh model AI.

  3. Tujukan Codex ke Agent Redactor

    Codex membaca pembekalnya daripada fail konfigurasi TOML. Buka C:\Users\<you>\.codex\config.toml pada Windows (~/.codex/config.toml di sistem lain) dan ciptakannya jika belum wujud. Tambahkan yang berikut, sambil mengekalkan tetapan sedia ada:

    model_provider = "agentredactor"
model_reasoning_effort = "high"
model = "nvidia/nemotron-3-ultra-550b-a55b:free"

[model_providers.agentredactor]
name = "agentredactor"
base_url = "http://localhost:8080/"

[model_providers.agentredactor.auth]
command = "sh"
args = ["-c", "echo $AGENTREDACTOR_API_KEY"]
    • base_url: Mesti sepadan tepat dengan Local URL dalam Agent Redactor.
    • model: Gantikan nvidia/nemotron-3-ultra-550b-a55b:free dengan nama model yang tepat daripada pembekal anda.
    • model_reasoning_effort: Pilihan. Tetapkannya mengikut keutamaan anda atau buang baris sepenuhnya.
    • [model_providers.agentredactor.auth]: Memberitahu Codex untuk mendapatkan token API-nya dengan menjalankan perintah shell yang mencetak pembolehubah persekitaran AGENTREDACTOR_API_KEY. Nilai pemegang tempat sudah memadai, kerana Agent Redactor sudah menyimpan kunci API sebenar anda dengan selamat dan menyuntikkannya ke hulu.

  4. Tetapkan kunci API pemegang tempat

    Codex menjangkakan token wujud walaupun proksi tidak memerlukan yang sebenar. Tetapkan pembolehubah persekitaran:

    PowerShell (Windows):

    setx AGENTREDACTOR_API_KEY "placeholder"

    bash (Linux):

    echo 'export AGENTREDACTOR_API_KEY="placeholder"' >> ~/.bashrc

    Kedua-duanya menyimpan pembolehubah secara kekal, tetapi hanya terminal baharu yang mengambilnya (setx mencetak SUCCESS: Specified value was saved.). Tutup dan buka semula terminal anda sebelum meneruskan.

  5. Mulakan Codex dan bekerja dengan selamat

    Lancarkan Codex daripada terminal baharu:

    codex

    Pengepala perlu menunjukkan model pilihan anda dan usaha penaakulan. Semua permintaan keluar kini ditapis secara tempatan melalui Agent Redactor sebelum menyentuh internet. Dalam contoh di bawah, model hanya menerima pemegang tempat tersunting di mana nama berada.

    Codex berjalan melalui proksi. Model menerima pemegang tempat tersunting dan bukannya nama sebenar.

Periksa panel Session Redactions dalam Agent Redactor untuk melihat dengan tepat apa yang telah disambar.

alt="Agent Redactor menunjukkan panel Statistics dengan Requests: 3, PII: 5, Keywords: 3 dan Session Redactions menyenarai kata kunci yang disambar termasuk Bob"
Panel Statistics menunjukkan "Requests: 3, PII: 5, Keywords: 3" dan Session Redactions menyenarai nilai yang disambar dengan cap masa dan jenis. loading="lazy"> Petua: Gunakan Regex Patterns dan Keywords dalam profil anda untuk menangkap rahsia khusus projek yang mungkin terlepas oleh model AI, contohnya nama hos dalaman, ID proprietari atau nama kod projek.
Tip: Use Regex Patterns and Keywords in your profile to catch project-specific secrets the AI model might miss for example internal hostnames, proprietary IDs, or project codenames.