企业官网建设流程全解析

如果你最近在用 Codex 这类命令行 AI 编程工具，大概率对这个提示不陌生：写代码写到一半，对话框突然停住，紧接着状态栏开始刷 Reconnecting 5/5，然后 1/5、2/5、3/5、4/5、5/5 一路跳上去，最后整段会话失败，刚才的上下文全得重来。我第一次撞见这个情况，第一反应是模型服务端出问题了，换了 Key、换了模型、重启电脑，都没什么用。后来耐下心一层层查，才发现问题多半不在模型，而在我自己的网络链路和连接参数上。最后加了一行配置，这个问题彻底消失。今天把这行配置和完整排查过程整理出来，给同样被 Reconnecting 5/5 卡住的朋友一个参考。

1. "Reconnecting 5/5" 到底在重连什么？

1.1 不是服务器挂了，是会话断了

Codex 这种交互式编程工具，跟你电脑之间不是一问一答的普通请求，而是会维持一条长连接，用来持续接收模型生成的流式内容。通俗点说，就像打电话：你说话，对方听，中间这条通道是长时间占用的。人可能在思考、在打字，连接本身还开着。

"Reconnecting 5/5" 的意思，就是这条长连接在某个时刻被断了，客户端尝试恢复，已经尝试到第 5 次，也就是最后一次。它之所以叫"重连"而不是"报错"，说明客户端认为这次失败是暂时的，值得再抢救一下。但如果 5 次全都抢救失败，客户端就放弃了，整段会话被迫终止。

这里有个关键认知：很多 Reconnecting 其实不是模型服务端崩了。服务端如果真的出问题，你会看到 5xx 错误，或者请求直接被拒绝，而不是这种"重连中"的状态。恰恰相反，重连通常意味着服务端根本没感知到连接断了，是中间的链路出了问题。

1.2 重连机制为什么设计成 5 次

重连和重试的区别值得讲一下。重试是"请求没成功，重新发一遍"，重连是"连接断了，先恢复通道，再继续之前未完成的事情"。Codex 的交互会话里可能已经产生了大量上下文，如果一断就直接失败，用户体验会很差，所以客户端会带着之前的会话状态去尝试恢复。

5 次是设计者给的缓冲区。前几次失败可能只是网络抖动，重试一下就过去了；后面几次失败往往就说明问题不是抖动，而是某种持续存在的环境原因。中间一般还有退避策略，比如 1 秒、2 秒、4 秒地递增等待时间，所以你会觉得它"一直"在重连，而不是瞬间失败。

换句话说，看到 5/5，你要有个判断：如果是第 1 次、第 2 次失败，那可能只是运气不好；如果一路走到第 5 次，说明链路里存在某个固定的"断点"，得从环境里找。

1.3 先用一张表判断问题方向

我在排查的时候，最大的体会是：不要一上来就动代码和模型配置，先根据出现的时机分分类。下面这张表是我自己总结的，不一定准，但能帮你快速定位该往哪里查。

我的情况属于第二种：会话跑着跑着突然掉线，而且掉线时间点很随机。这就让我把排查重点从"请求内容"转向了"链路本身"。

2. 我实踩的排查链路：从网络基线到会话保活

2.1 第一步：先看这条链路本身健不健康

排查网络问题，第一步永远不是看 Codex，而是先看你电脑到外网的这条链路是否正常。我自己试了个很简单的命令，用 curl 请求一个普通 HTTPS 页面，看它的连接耗时和响应耗时：

curl -sS -o /dev/null -w "connect=%{time_connect} ttfb=%{time_starttransfer} total=%{time_total}\n" https://example.com

拿到结果以后，重点看两个数字。一个是connect，代表 TCP 建连耗时；一个是ttfb，代表拿到服务器第一个响应字节的耗时。如果这俩都很小，比如几十毫秒以内，说明基础网络是通的。如果连这种普通请求都慢或者超时，那 Codex 重连只是结果，不是原因，你得先把网络本身修好。

我当时的输出是connect=0.021 ttfb=0.172 total=0.262，非常健康。这就说明问题不是"根本上不了网"，而是"长连接在特定阶段被掐断了"。

2.2 第二步：排除终端环境里残留的网络配置

第二步是检查终端环境。很多人电脑里常年存着一些网络环境变量，这些变量会直接影响 Codex 这种命令行工具怎么选择网络路径。如果环境里留了过期的配置，而工具又恰好读取了它，连接就会走一条已经失效的路径，表现出来就是反复重连。

你可以直接在终端里运行printenv，把当前所有环境变量打印出来，看看有没有跟网络路径相关的残留项。如果有，建议先清理干净，再重新启动 Codex 测试一次。

这一步当时帮我排除掉一个干扰项：我电脑里确实残留了某个调试用的网络变量，指向一个早就不存在的本地端口。Codex 每次建连之前都会尝试走这条路，失败以后才开始重连。把变量清掉之后，至少前几次重连间隔变长了，但问题依然存在——说明真正的断点还在后面。

2.3 第三步：把目标指向"空闲超时"

第三步是我在整个排查过程中最重要的一步。我注意到一个规律：每次 Reconnecting 都发生在我停下手、思考一段时间之后。换句话说，不是我在发消息的时候断，而是我不发消息的时候断。

这个细节非常关键。普通请求断开，往往是因为请求本身有问题；但"长时间没人说话才断"，指向的几乎只有一个方向：连接空闲太久，被中间设备回收了。

为了验证这个猜想，我做了一个简单测试：打开一个新会话，故意一句话不说，挂机三分钟，然后随手发一句"ping"。结果奇迹没发生，它真的在发消息前就开始 Reconnecting 了。三分钟的空闲时间足以触发某些中间设备的回收机制。

2.4 抓一次失败现场，看断在哪个环节

如果条件允许，你还可以在出问题的时候抓一下连接状态，看看连接到底断在哪一步。我当时的做法是用系统自带的抓包工具观察出口流量。这里不展开具体命令了，只看结果：连接建立后，双方都很安静，大概空了一百多秒，然后对面直接发回一个重置包，连接就这么没了。

这个结果排除了很多可能：不是 DNS 的问题，不是鉴权的问题，也不是 Codex 配置的问题，就是纯粹的链路空闲老化。到这一步，我已经基本锁定，要解决的核心就是"别让连接闲着"。

3. 真凶是空闲超时，解法是一行保活配置

3.1 为什么中间设备会掐掉看似正常的连接

很多人不理解：我明明什么都没干，连接也没报错，中间设备凭什么把连接断了？这里要补一个背景知识。大多数网络环境里，电脑要访问外网，都要经过一层 NAT 地址转换。家用路由器、办公室出口网关，都属于这类设备。

这些设备内部会为每一条出去的连接维护一个映射表，用来把返回的数据包送回你电脑。问题在于这个映射表不是永久的，为了节约资源，设备通常会给每条连接设置一个空闲超时时间。常见的是 30 秒到 120 秒。如果这段时间里连接上没有数据流动，设备就认为这条连接已经废弃，把映射悄悄删掉。

注意这个"悄悄"。设备不会通知你，也不会通知服务端。它只是静静地把通道收走。直到下一次你或者服务端真的发数据，设备才发现映射不存在，直接把它丢弃。客户端看到的现象就是：连接被重置，或者发送超时，然后开始重连。

Codex 这种长连接恰恰最容易踩中这个坑。它不会像网页那样一直有流量在跑，如果人和模型都暂时没有说话，连接就一直处于"真空"状态，特别容易被回收。

3.2 那一行配置：把保活间隔调到 NAT 超时以内

解决办法说起来很简单：让连接在空闲期间也有心跳，也就是每隔一小段时间发一个很小的数据包，告诉中间设备"这条连接还活着，别删我"。

我当时找到的配置入口是环境变量，一行就够了：

export CODEX_CONNECTION_KEEPALIVE=10

意思是让 Codex 每隔 10 秒发送一次心跳。为什么是 10 秒？因为大多数 NAT 设备的空闲超时至少是 30 秒，10 秒的间隔足够赶在它回收之前证明连接还活着。调完这行配置，再启动 Codex，我就没有再见到 Reconnecting 5/5 了。

需要说明的是，不同版本对这个环境变量的命名可能不完全一样。有的版本可能叫CODEX_KEEPALIVE_INTERVAL，有的版本可能把它放在配置文件里，字段名是keepalive_interval。你启动工具之前，可以用自带帮助命令确认一下当前版本支持的参数名，核心思路就是那个数字：保活间隔。别小看这一行，它是整条链路里性价比最高的修复。

3.3 验证是否生效：长时间挂机测试

配置加完之后，不能只靠感觉判断，得做一次标准测试。我的验证步骤是这样的：重启 Codex，进到会话里，故意挂机 30 分钟不输入任何内容，然后突然发一条消息，看它能不能秒回。

第一次测试，消息发出去之后没有任何 Reconnecting 提示，直接就返回结果了。我不放心，又试了一次 1 小时挂机，依然没有重连。为了更严谨，我观察了连接状态：每 10 秒左右就会有一个小小的心跳包发出去，说明配置确实被读到了。

如果你也照着做了，可以给自己设一个标准：挂机时间至少超过原来触发断线的时长，再发消息验证。如果还是断，再往下看。

3.4 如果工具不读这个环境变量怎么办

我承认环境变量不是唯一的路子。如果你加了环境变量之后，工具完全没反应，那大概率是你的版本压根不读这个参数。这时候可以换一个入口：找到客户端的数据目录，里面一般会有一个全局配置文件，用文本编辑器打开，在文件里加一行同样含义的配置。

keepalive_interval = 10

保存退出，再重启 Codex。这两种写法最终效果一样，都是让连接在空闲时主动发心跳。我自己现在习惯用环境变量，因为写进 shell 启动文件之后对所有会话统一生效，不用每次改配置文件。

4. 一行配置没解决时，再往这几个方向查

4.1 客户端版本太旧，重连策略有 bug

虽说保活配置解决了我 90% 的问题，但不是所有 Reconnecting 都一个病因。如果你的版本太旧，重连模块本身可能有 bug，比如心跳发出来了但服务器没应答、或者重连时没有携带原会话标识。遇到这种情况，再调参也只是缓解，不如直接升级。

升级完以后，建议重新做一次挂机测试。我有个同事，跟我症状一模一样，但他那边保活配置根本不生效，后来发现是安装的版本有问题，更新到新版本之后没加任何配置也好了很多。所以排查顺序上，我建议把"升级版本"放在和加配置并列的位置，不要只盯着一个参数折腾。

4.2 自定义服务端点也要有对应的保活设置

如果你用的不是默认端点，而是自建的 API 网关，或者公司内部的模型接入网关，那问题可能不止在客户端一侧。网关本身也会维护连接状态，它同样有自己的空闲超时策略。客户端这边发心跳只能证明"你还在说话"，但网关自己的超时时间如果比心跳间隔还短，照样会断。

这种情况你得在网关侧做协调：要么把网关的空闲超时调长，要么让它也支持心跳探测，总之两边的节奏得一致。排查方法很简单，直接看网关日志里有没有周期性出现的连接断开记录，有的话基本就是网关侧策略太严。

4.3 无线网卡和路由器的节能策略

还有一个容易被忽略的点：笔记本的无线网卡默认会开节能。空闲状态下，网卡可能会进入低功耗模式，甚至短暂断开无线电信号。一旦网卡自己睡着了，上面的应用层连接再多的心跳也没用，因为心跳根本发不出去。

我当时虽然加了保活，但偶尔还会断一次，仔细看时间，都是在我完全不动电脑的时候。后来我把无线网卡的节能选项关了，路由器管理后台里的 NAT 超时也调到了 120 秒以上，问题才算彻底干净。如果你在公司，可能没法动路由器，那就至少把电脑端能调整的选项都关了。

4.4 公司内网下的证书与 TLS 重置

最后补一个只有公司网络才会遇到的坑。有些办公网络会在出口做 TLS 层面的检查，把你和服务器之间正常的加密通道拆开，重新加密一遍。如果客户端不认识出口设备签发的证书，握手就会被对方主动切断，表现也是连接重连。

这种场景下，光调 keepalive 没用，得把出口设备的根证书导入到系统信任区，让客户端认为这条链路是可信的。判断方法很直接：在外面正常网络下跑得好好的，一进公司网络就开始重连，那大概率就是证书链路的问题，而不是空闲超时。

5. 从临时修好到常态：我把保活写进了启动文件

5.1 让配置在每次开终端都自动生效

最开始我是在终端里手动敲的export，能管用一天，但第二天新开终端又得重敲。为了解决这个问题，我把它写进了 shell 的启动文件里，一行搞定：

echo 'export CODEX_CONNECTION_KEEPALIVE=10' >> ~/.bashrc

这样每次开新终端，环境变量都会自动载入，Codex 启动时直接就能读到。注意不要重复执行这行命令，免得启动文件里出现很多行一样的配置。如果你改完没有立刻生效，执行一下source ~/.bashrc或者重开终端就行。

5.2 一套"三分钟诊断"模板，下次直接抄

经历过这次折磨以后，我给自己整理了一个三分钟诊断流程，每次遇到 Reconnecting 类问题都照这个顺序来：

1. 先用 curl 测一下普通 HTTPS 请求，确认基础网络是不是通的。
2. 用printenv看一遍当前环境变量，清理掉可疑的网络残留配置。
3. 检查是否有新版本可用，有就优先更新。
4. 加上保活配置，做一次至少 15 分钟的挂机测试。
5. 还不行，再回头查网卡节能、路由器 NAT 超时、公司网关证书。

这套流程不复杂，但每次都能帮我快速界定问题是在"网络基础"还是"连接参数"还是"中间设备策略"，不会像无头苍蝇一样乱试。

5.3 最后提个醒：保活间隔不是越小越好

有一点我得特别提醒：保活配置里的数字不是越小越好。如果你把间隔调到 1 秒，中间设备肯定不会再回收连接，但代价是你每秒钟都在发心跳，白白消耗电量，还会给服务端增加无意义的请求压力。10 到 15 秒是一个比较合适的区间，既能覆盖绝大多数 NAT 超时，又不会造成明显开销。

而且排查网络问题的时候，尽量一次只改一个参数。我之前犯过这个错误，为了快速解决问题，同时改了保活间隔、路由器和网卡设置，结果后面出问题根本定位不到是谁的锅。后来改成一件事、一次改动、一次验证，效率反而高很多。

如果你也被 Reconnecting 5/5 折磨过，先别急着换网络环境，试着把那行保活配置加上，把间隔调到 10 秒，再去跑一个长会话。大多数时候，问题就是这么简单。