例如deepseek配置示例：

Windows 用户，在 Powershell 中执行：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<你的 DeepSeek API Key>"
$env:ANTHROPIC_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_EFFORT_LEVEL="max"

配置完成后，执行（其中 /path/to/my-project 替换为你的项目路径）：

cd /path/to/my-project
claude

参考deepseek官方的api调用介绍：接入 Claude Code | DeepSeek API Docs

我们便可知道如何进行下载claude，以及进行配置deepseek了。

api key是需要我们在deepseek官网注册账户然后里面创建一个key就行了，就是一串识别码，注意保管别泄露给别人，不然别人也能直接使用了。

消费token有两种模式：

1. 按使用量实时计费方式，这个需要自己在账户里充值即可，例如50块钱啥的
2. 订阅机制，也就是包月套餐（消耗量大的老鸟可以考虑这个），跟手机流量套餐一个道理，超出部分自动按方式1进行使用量计费。glm，chatgpt等都有这个方式，但是deepseek没有这个方式（因为够便宜了不需要了）

glm，这个比deepseek贵几倍，但是好像是国内大模型中编程能力仅次于国外顶尖编程大模型的了，所以也想试试，我们去官方https://open.bigmodel.cn/ 注册一个账号，然后充值，创建一个key，然后就能用了。我没有采用订阅方式，因为好像还售罄了，订阅不了，而且我不经常大量使用，所以不用订阅方式了。

这里说几个配置知识：

• 由于大模型很多，各自特点不一样，岂不是我们每个都得注册账号充值啥的才能用，有个大模型聚合平台，例如硅基流动啥的，就是上面能选择用什么大模型，在这个硅基流动上注册充值即可，后台自己按照选择的模型进行扣费啥的，所以一个接口就行，更方便使用。
• claude工作原理，C:\Users\电脑用户名xx\.claude 这里会生成全局的一些配置信息（例如用的什么模型以及api请求路径等，这个在"C:\Users\31084\.claude\settings.json"里面）和处理过的项目的缓存信息。然后工作项目的目录里会生成一个.claude目录，存储该项目的局部配置信息。claude启动后，自动加载全局配置，然后进入该项目的话就自动加载该项目内的.claude目录内的局部配置信息。以及项目目录内还有个claude.md文件存储的是项目的上下文描述信息，也是处理该项目时claude自动来加载的。
• 所以一个claude终端使用deepseek作为后台大模型，那么按照上面配置就能用了。但是如果启动的另一个claude终端想使用glm大模型呢，例如一个写代码一个做审核，这样多个模型会有不用能力让写出的代码更好嘛。另一个claude终端，那么起全局配置存储目录就不能是默认的C:\Users\电脑用户名xx\.claude了，而是在这里同级我们手动创建一个 C:\Users\电脑用户名xx\.claude-glm这样更好，才不会互相影响，主要将里面创建一个settings.json文件，里面写入大概如下：参考：Claude Code - 智谱AI开放文档

  # 编辑或新增 `settings.json` 文件
  # macOS & Linux 为 `~/.claude/settings.json`
  # Windows 为`用户目录/.claude/settings.json`
  # 新增或修改里面的 env 字段
  # 注意替换里面的 `YOUR_API_KEY` 为您上一步获取到的 API Key
  # 新增 `hasCompletedOnboarding` 参数
  # 下面记得设置 "CLAUDE_CODE_EFFORT_LEVEL": "max" 发挥能力更强，或者claude终端里 /effort 也能调整该值
  {
    "env": {
      "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY",
      "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
      "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.7",
      "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.2[1m]",
      "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.2[1m]",
      "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
      "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1",
      "API_TIMEOUT_MS": "3000000",
      "CLAUDE_CODE_EFFORT_LEVEL": "max"
    },
    "skipDangerousModePermissionPrompt": true,
    "theme": "dark",
    "autoCompactEnabled": false
  }
  

  
  
  然后启动claude的命令行就是指定一行$env:CLAUDE_CONFIG_DIR =  C:\Users\电脑用户名xx\.claude-glm，就能让这个终端和前面那个claude用deepseek（默认）终端互不影响了。两者都cd到同一个项目目录里，都能处理该项目了，自动加载该项目内的.claude目录内的局部配置信息，这个可以共用，因为就是一些权限允许记录和编译配置啥的，这个共用没关系，以及claude.md文件也共用。
• 注意，模型的上下文窗口长度，这个值，ollama本地部署的是有接口直接获取的，但是云端这些模型是没有接口的，claude调用这种模型，它也没办法知道实际上下文窗口长度，所以可能没法充分发挥大模型的上下文窗口能力，因此我们上面给它配置模型名，就加个后缀[1m]就能传递给他该模型上下文窗口是1M，所以claude压缩上下文时候才能有更充分的阈值，更好发挥模型上下历史长度能力。
• 此外，如果上面没有直接创建做出一个settings.json文件，那么 每次启动glm的claude，都得输入配置命令行（跟最开始的deepseek展示的配置内容一样），就比较麻烦，所以做成一个powershell脚本，下面是我的更自动化的路径的一个脚本如下，可以 参考glm官方的api调用介绍：Claude Code - 智谱AI开放文档

  # start_claude_glm.ps1
  # 在当前IDE源码目录RedPandaIDE里，shift+鼠标右键 启动powershell，然后执行本脚本即可。
  
  # 先清除可能冲突的旧变量
  Remove-Item Env:ANTHROPIC_API_KEY -ErrorAction SilentlyContinue
  
  # 使用官方推荐的 AUTH_TOKEN 方式
  $env:ANTHROPIC_BASE_URL = "https://open.bigmodel.cn/api/anthropic"
  $env:ANTHROPIC_AUTH_TOKEN = "你的api key那串码"
  
  # 指定模型（智谱的模型名称）
  # Claude Code 目前无法自动识别 glm-5.2 的 1M 上下文，但你可以通过在模型名称后添加 [1m] 后缀来“告诉”它
  $env:ANTHROPIC_MODEL = "glm-5.2[1m]"
  $env:ANTHROPIC_DEFAULT_OPUS_MODEL = "glm-5.2[1m]"
  $env:ANTHROPIC_DEFAULT_SONNET_MODEL = "glm-5.2[1m]"
  $env:ANTHROPIC_DEFAULT_HAIKU_MODEL = "glm-5.2[1m]"  # 如果智谱有轻量版，用 glm-5.2-flash
  $env:CLAUDE_CODE_SUBAGENT_MODEL = "glm-5.2[1m]"     # 同上
  $env:CLAUDE_CODE_EFFORT_LEVEL="max"
  
  # 4. 动态生成配置目录（自动适应当前用户）
  $configDir = "$env:USERPROFILE\.claude-glm"
  if (-not (Test-Path $configDir)) {
      New-Item -ItemType Directory -Path $configDir | Out-Null
      Write-Host "已创建配置目录: $configDir" -ForegroundColor Green
  }
  $env:CLAUDE_CONFIG_DIR = $configDir
  
  # 5. 可选：跳过非必要网络请求，加快启动
  $env:CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC = 1
  
  # 6. 切换到项目根目录（RedPandaIDE 的上级目录）
  cd ..
  
  # 7. 启动 Claude Code。
  claude

  或者上面自己在全局配置目录里自己手动创建了settings.json文件，那么这个启动脚本就精简如下了（推荐这种方式，因为就不用持久化api设置到全局配置的setting.json文件里去了，因为那边已经自己手动创建写入好了）：

# start_claude_glm.ps1
# 在当前IDE源码目录RedPandaIDE里，shift+鼠标右键 启动powershell，然后执行本脚本即可。

# 动态生成配置目录（自动适应当前用户）
$configDir = "$env:USERPROFILE\.claude-glm"
if (-not (Test-Path $configDir)) {
    New-Item -ItemType Directory -Path $configDir | Out-Null
    Write-Host "已创建配置目录: $configDir" -ForegroundColor Green
}
$env:CLAUDE_CONFIG_DIR = $configDir

# 切换到项目根目录（RedPandaIDE 的上级目录）
cd ..
 
# 启动 Claude Code。
claude

知识点：

• claude里输入  /effort 能调整claude使用大模型的强度
• /config 能查看当前模型配置使用情况
• claude --continue 能原生的完整恢复终端的上下文

claude --continue（或简写 claude -c）就是原生的完整恢复机制，而且正是为"终端重启"这个场景设计的。具体事实：

它能恢复什么

- 聊天记录不是存在终端进程里的，而是每条消息实时落盘成会话文件（~/.claude/projects/<项目路径>/ 下的 JSONL），终端关掉、电脑重启都不丢
- 在同一个目录里运行 claude --continue → 自动接上最近一次会话，多轮对话、工具调用记录、我的记忆上下文全都在
- 有多个历史会话想挑着恢复：claude --resume（出选择列表）或 claude --resume <会话ID>

---

最后介绍一下，如果自己做了个大模型请求工具软件，那么如何填写请求地址啥的。

在windows的cmd终端里，输入如下进行测试：

curl.exe -s -w "`nHTTP_CODE:%{http_code}" -H "Content-Type: application/json" -H "Authorization: Bearer 这里填写你的api-key" -d "{\"model\":\"deepseek-v4-flash\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false,\"temperature\":0.3}" "https://api.deepseek.com/v1/chat/completions"

  - URL 里的 /v1/ — API 协议版本。DeepSeek 沿用 OpenAI 的 API 规范，路由前缀就是 /v1/，跟模型版本号无关。哪怕以后出  deepseek-v5，URL 大概率还是 /v1/chat/completions。
  - body 里的 "model": "deepseek-v4-flash" — 这才是模型版本。

  /chat/completions 是 OpenAI 兼容的聊天接口，另外常见的有：

用 /v1/chat/completions 完全正确。

 /v1/models — 查有哪些模型可用，一般用于：
  - 程序启动时自动获取模型列表，填充下拉框
  - 做模型可用性检测

  curl.exe https://api.deepseek.com/v1/models -H "Authorization: Bearer YOUR_KEY"

  ---
  /v1/embeddings — 把文本转成向量（一串浮点数），一般用于：
  - 语义搜索/知识库（RAG）：把项目文档转成向量存起来，用户提问时用向量相似度检索最相关的文档片段，拼到 prompt 里发给 LLM
  - 代码相似度：找代码库里语义相近的函数/文件
  - 分类/聚类：把聊天历史按话题自动分组

  举个例子，在你的 IDE 场景里可以这样用：
  1. 项目里每个 .c/.h 文件切段 → 调 embeddings 转向量 → 存本地向量库
  2. 用户提问 "SPI 初始化在哪" → 先向量搜索找到相关代码段
  3. 把搜到的代码段拼进 system prompt → 发给 DeepSeek