核心是给 Codex 挂一个本地 OpenAI 兼容端点。你先起一个本地服务（llama.cpp 的 llama-server、LM Studio、vLLM 都带 /v1 接口），记下端口，然后在 config.toml 里写：

model_providers = {
qwen_local = {
base_url = "http://127.0.0.1:8080/v1"
wire_api = "chat"
}
}
model = "qwen3.8-27b"
model_provider = "qwen_local"

3 个容易踩的坑：

1. wire_api = "chat" 必须指定——Codex 默认走 Responses API，而本地模型基本都是 chat 补全兼容，不指定成 chat 会连不上或反复报错。
2. base_url 的端口和 model 名要跟你本地服务实际一致（llama-server 用 -m 指模型；vLLM 用 --served-model-name 定名）。
3. 本地服务通常不校验 key，但 Codex 客户端仍要一个 key 变量才肯发请求——起服务时加 --api-key sk-xxx，再 export OPENAI_API_KEY=sk-xxx（或在 config 里用 env_key 指定）即可。

CC Switch / Codex++ 的价值只在"多个远端 + 本地之间快速切"；你只挂一个本地目标，手工写上面这几行就是最直接的方式。Qwen3.8 本身支持工具调用，这点没问题，跑起来后 Codex 的 tool call 能正常走 chat 模式。

另外提醒：Codex 是它自己的一套配置/记忆，跟 Hermes 的 skills 生态不通用；想复用知识得单独喂文档。