1. 从一次系统卡顿说起Codex 后台写盘风暴是怎么被发现的Codex 是 OpenAI 推出的本地编码代理工具能在终端里读写项目文件、跑命令、开流式会话适合高频跑自动化任务和长时间 coding 的开发者。但我在连续用了几天之后发现一个很不对劲的现象切会话变慢、命令响应拖沓连平时很稳的系统盘都出现了持续写入。打开活动监视器一看磁盘写入曲线几乎是一条平线没有波峰波谷就是一直在写。一开始我以为是项目太大、会话历史太多清理了一轮缓存也没用。后来把范围缩小到 Codex 的本地状态目录才定位到真正的元凶~/.codex/logs_2.sqlite。这个 SQLite 日志库在 TRACE 日志级别下会持续高频写入而且不是简单追加它带着 WAL 模式一起刷盘。你盯着主库文件大小可能觉得没怎么涨但 WAL 文件在后台一直写SSD 的 TBW 就在悄悄消耗。我实际采样了一次短短 15 秒内MAX(id)增加了 2,978 条记录TRACE 级别占了绝大多数日志量处理前 WAL 文件已经涨到 46,601,352 字节。这不是偶发写一下是持续高频写盘。如果你也是高频跑 Codex、开流式输出、跑自动化任务这个问题值得第一时间检查。下面我把完整的排查思路、可复制的配置骨架、以及用 TaoToken 统一通道接入的步骤整理出来你可以直接跟着做。2. 前置准备用 TaoToken 统一 Key 和 API 通道在动手改配置之前先把模型接入通道理顺。我这次用 TaoToken 作为统一入口原因是它把模型对话、Coding Plan、API Keys 管理放在同一个控制台里排查问题时不用在多个平台之间切换。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点是 https://taotoken.net/api 。你需要先拿到一个可用的 Key。进入控制台后在 API Keys 页面创建一个新 Key复制出来备用。如果你主要跑长期编码任务或 Agent 流程可以看一下 Coding Plan 的额度说明如果只是验证模型连通性用模型对话页面就能快速测试。接入文档在 doc 页面有完整的参数说明ClaudeCodeAnthropic 相关的配置也有单独示例。拿到 Key 之后把它写进环境变量避免硬编码到配置文件里export TAOTOKEN_API_KEYsk-你的实际Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api这两行可以放进~/.zshrc或~/.bashrc后面 Codex 的 config.toml 会引用这两个变量。这样做的好处是后面排查写盘问题时你可以随时切换 Key 或端点不用改 Codex 本身的配置。3. 可复制配置config.toml 与 settings.json 骨架Codex 的配置分两层~/.codex/config.toml管模型接入和运行参数~/.codex/settings.json管日志级别和本地行为。下面是我实测可用的骨架你可以直接复制后按需改。先看config.toml# ~/.codex/config.toml model claude-sonnet-4-20250514 provider taotoken [providers.taotoken] base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY wire_api chat [history] persistence sqlite max_entries 5000 [logging] level WARN trace_enabled false这里有几个关键点。logging.level从默认的 TRACE 改成 WARN直接砍掉绝大部分内部细节日志。trace_enabled false是第二道闸防止某些子模块绕过全局级别继续写 TRACE。history.max_entries限制会话历史条数避免历史表无限膨胀。再看settings.json{ log_level: warn, trace: { enabled: false, sqlite: { wal_autocheckpoint: 1000, journal_mode: WAL } }, telemetry: { enabled: false } }wal_autocheckpoint设成 1000 页意思是 WAL 累积到约 4MB 就触发 checkpoint把数据合并回主库并截断 WAL。默认值可能偏大导致 WAL 长时间不回收。telemetry.enabled false关掉非必要的遥测写入减少额外 I/O。改完这两个文件后重启 Codex 让配置生效。如果你不确定当前配置是否被正确加载可以在 Codex 启动时加--verbose看它打印的配置路径和日志级别。4. 验证请求观测写入量并确认修复效果配置改完只是第一步关键是用系统工具验证写入量真的降下来了。我分三个动作来做采样数据库增长、观测 WAL 文件、用系统级工具看磁盘写入速率。第一个动作采样 SQLite 记录增长。在 Codex 运行期间每隔几秒查一次MAX(id)和行数sqlite3 ~/.codex/logs_2.sqlite \ SELECT MAX(id) AS max_id, COUNT(*) AS row_count FROM logs;修复前我测到 15 秒内MAX(id)涨了 2,978。修复后同样 18 秒的窗口MAX(id)固定在 20,494,551row_count固定在 97,318没有再增长。这说明 TRACE 写入已经被拦住了。第二个动作看 WAL 文件大小ls -l ~/.codex/logs_2.sqlite-wal修复前 WAL 是 46,601,352 字节修复后持续保持 0 字节。WAL 不再增长意味着 checkpoint 正常工作写放大被控制住了。第三个动作用系统工具看真实磁盘写入。macOS 下可以用iostatiostat -d disk0 2Linux 下用iotop或/proc/diskstatscat /proc/diskstats | grep nvme0n1重点看kB_written或wr_ios这一列。修复前 Codex 空闲时磁盘写入也有持续底噪修复后底噪明显下降。如果你看到写入速率在 Codex 空闲时仍然很高说明还有别的写入源没堵住需要回到第 5 节继续排查。5. 本篇常见错排查TRACE 残留、WAL 不回收、误判文件大小排查过程中我踩了几个坑这里列出来帮你省时间。第一个坑是只看主库文件大小。logs_2.sqlite本身可能没怎么涨但-wal文件在疯涨。SQLite 的 WAL 模式下写入先落到 WAL主库文件不会立即变大。所以你用du -sh看目录很容易低估真实写盘量。正确做法是同时看主库和 WAL 两个文件。第二个坑是改了logging.level但 TRACE 还在写。原因是某些子模块有自己的日志开关不继承全局级别。这时候要检查settings.json里的trace.enabled是否也关掉了。两个地方都改才能彻底拦住。第三个坑是 WAL 不回收。如果你看到 WAL 文件一直很大不缩回去检查wal_autocheckpoint是否生效。可以手动触发一次 checkpointsqlite3 ~/.codex/logs_2.sqlite PRAGMA wal_checkpoint(TRUNCATE);执行后 WAL 应该被截断到 0 字节。如果还是不行可能是 Codex 进程持有连接没释放需要先停掉 Codex 再执行。第四个坑是误判写入源。我一开始怀疑是别的会话或插件导致的后来用采样法排除在 Codex 完全空闲时采样如果MAX(id)还在涨那就是 Codex 自身在写如果不涨再开一个会话观察逐步缩小范围。如果你在接入 TaoToken 时遇到 401 或 403先检查TAOTOKEN_API_KEY环境变量是否在当前 shell 生效可以用echo $TAOTOKEN_API_KEY确认。如果 Key 没问题但请求失败去 API Keys 页面确认 Key 状态和额度接入文档里有完整的错误码对照表。6. 长期编码场景用 Coding Plan 和统一通道收尾把写盘问题压下去之后我重新跑了一轮长时间编码任务连续开了几个流式会话同时用iostat盯着磁盘。这次写入曲线恢复了正常的波峰波谷不再是一条平线。Codex 的响应速度也回来了切会话不再拖沓。如果你也是高频跑 Codex、跑 Agent 自动化建议把日志级别和 WAL 参数作为标准配置固化下来。模型接入这边用 TaoToken 的统一 Key 和 API 通道配合 Coding Plan 的额度可以在一个控制台里管理多个模型的调用排查问题时不用来回切换平台。需要验证模型连通性时模型对话页面可以直接测需要管理 Key 时API Keys 页面和接入文档能覆盖大部分场景。最后留一个实用技巧把第 4 节的采样命令写成一个 shell 脚本每次 Codex 升级后跑一次确认写入行为没有回归。SSD 的 TBW 是消耗品提前拦住比事后换盘划算得多。
