VSCode Copilot 终极魔改：以智谱 GLM-5.1 为例，一文搞定任意大模型接入

优质文章学习记录

— 7 min read
VSCode Copilot 终极魔改：以智谱 GLM-5.1 为例，一文搞定任意大模型接入

VSCode Copilot 终极魔改：以智谱 GLM-5.1 为例，一文搞定任意大模型接入

前言：为何你的 Copilot 需要一次“魔改”？

本文旨在帮助所有希望突破 VSCode Copilot 模型限制、追求更高代码效率和性价比的开发者。如果你也曾面临以下困境，那么这篇文章就是为你量身打造的：

  • Copilot 官方模型不够用：想尝试最新、最强的国产模型（如智谱 GLM、文心一言、Kimi）却无从下手。
  • API 订阅成本高：官方或其他国外模型的订阅费和按量计费（通常以美元结算）让个人开发者望而却步。
  • 替代品体验有瑕疵：其他辅助插件在某些场景下不如原生的 Copilot 轻便、流畅。

本文将提供一个终极解决方案：通过一个 VSCode 插件，无缝接入任何支持 OpenAI 兼容接口的大模型。我将以当前备受瞩目的国产模型智谱 GLM-5.1 为例，手把手带你完成从申请 API Key 到在 Copilot 中成功调用的全过程。

一、核心插件：OAI Compatible Provider for Copilot

要实现我们的目标，只需要一个关键插件：OAI Compatible Provider for Copilot。

这个插件的核心作用，就是充当一个“翻译官”，让 Copilot 能够与所有使用标准 OpenAI API 格式的模型进行对话。安装它，是我们进行一切“魔改”的基础。

  1. 在 VSCode 扩展商店中搜索 OAI Compatible Provider for Copilot，也可以直接搜缩写oai。

点击安装，如图。

在这里插入图片描述

二、把智谱 GLM-5.1 注入 Copilot

接下来，我们以接入智谱 GLM-5.1 为例，详细演示配置过程。此方法同样适用于 Kimi、DeepSeek、文心一言等其他所有提供 OpenAI 兼容接口的国产模型。

2.1：获取智谱 GLM-5.1 的 API Key

首先，我们需要从智谱 AI 官方获取访问模型的“钥匙”。

  1. 前往智谱AI官网获取GLM-5.1：智谱AI开放平台
  2. 注意，国内限售时，可以考虑去智谱国际版官网，国际的GLM-5.1不限售：Z.ai 智谱国际版官网
  3. 注册/登录并创建 API Key：登录后，按照下图指示，依次点击 右上角头像 -> API Keys -> + 创建新的 API Key。

复制 Key：创建成功后，系统会生成一串 API Key 字符。立即点击复制按钮，等着下一步使用。

在这里插入图片描述

命名并保存：为你的 Key 输入一个好记的名称（例如 vscode-copilot-key，图示中我起名是ClaudeCode），点击确认。

在这里插入图片描述

2.2：在 VSCode 中配置插件

拿到了 API Key，我们回到 VSCode 进行配置。

  1. 找到插件配置：在搜索框中输入 oai, 然后打开它的设置界面。
  2. 在设置界面填写OpenAI兼容的API接口地址，注意包月计划的地址不要写错：
    • 购买了智谱GLM Coding Plan包月计划的填写(如图)，一定要填正确，否则会按tokens消耗量扣费： https://open.bigmodel.cn/api/coding/paas/v4
    • 没买智谱包月计划的，走传统的按tokens消耗扣费的，填写这个地址： https://open.bigmodel.cn/api/paas/v4
    • DeepSeek的地址是： https://api.deepseek.com/v1

Kimi的地址是： https://api.moonshot.cn/v1

在这里插入图片描述

2.3：在 Copilot 中启用并使用新模型

最后一步，让 Copilot 认识我们的新伙伴。

  1. 打开 Copilot Chat：点击 VSCode 顶边栏的 Copilot 图标。

在Copilot Ctrl + I 中切模型为GLM-5.1：如图，不说了，命令行唤起同样适用。

在这里插入图片描述

在Copilot Chat切换模型为GLM-5.1：模型列表中选择GLM-5.1，然后向他问好一下，如果能收到答复，就证明大功告成。

在这里插入图片描述

模型列表勾选你想用的即可：如果你的Base URL 和 API Key都配置正确，这里就会弹出模型列表，勾选后点击OK, 配置工作就基本完成了。

在这里插入图片描述

重新进入OAI Compatible选择模型：填入API Key后界面会消失，不要怕，重新 打开 Copilot Chat -> 打开 Manage Models -> 选择OAI Compatible(不要选小齿轮哦，小齿轮是配置API Key的)。

在这里插入图片描述

填入上一步申请好的API Key：在弹出的设置窗口，输入你的API Key，然后回车确认。

在这里插入图片描述

选择 OAI Compatible 齿轮：在弹出的模型供应商中，可以看到 [OAI Compatible] 。点击它右侧的小齿轮，后续如果你要修改为其他模型的话也是点击这个小齿轮。

在这里插入图片描述

打开 Manage Models：把模型列表打开，然后点击列表最下面的 Manage Models 按钮。

在这里插入图片描述

至此，大功告成！如需要更加自定义和灵活的配置，就自行阅读OAI插件的使用说明吧，我这里就不细说了。这个插件也是开源的，可以直接去仓库学习用法：https://github.com/JohnnyZ93/oai-compatible-copilot

三、总结与拓展

通过本文的详细步骤，我们成功地将强大的智谱 GLM-5.1 模型集成到了 VSCode Copilot 中，实现了：

  • 突破生态限制：让 Copilot 不再局限于官方模型，拥抱更广阔的模型生态，尤其是优秀的国产大模型。
  • 极致性价比：通过直连官方 API 并按量付费，我们可以更经济、更灵活地使用 AI 辅助编程，告别昂贵的固定订阅。
  • 原生体验：所有操作都在 VSCode 和 Copilot 的原生框架内完成，无需适应新的工具和工作流。

这种方法具有极强的可拓展性。今天我们以 GLM-5.1 为例，明天你就可以用同样的方式接入 Kimi 的长文本能力，或是 DeepSeek 的代码专项能力。你只需要找到对应厂商的 Base URL 和申请 API Key，就能无限拓展你的 Copilot 工具箱。

希望这篇教程能为你打开一扇新的大门。如果你在配置过程中遇到任何问题，或是有更好的模型推荐，欢迎在评论区与我交流！

Read more

小米 “养龙虾”：手机 Agent 落地，智能家居十年困局被撬开

小米 “养龙虾”：手机 Agent 落地，智能家居十年困局被撬开

3月6日，小米正式推出国内首个手机端类 OpenClaw Agent 应用 ——Xiaomi miclaw，开启小范围邀请封测。这款被行业与网友戏称为小米 “开养龙虾” 的新品，绝非大模型浪潮下又一款语音助手的常规升级，而是基于自研 MiMo 大模型、具备系统级权限、全场景上下文理解能力的端侧智能体。 作为深耕智能家居领域的行业媒体，《智哪儿》始终认为：智能家居行业过去十年的迭代，始终没能跳出 “被动执行” 的底层困局。而 miclaw 的落地，不止是小米在端侧 AI 赛道的关键落子，更是为整个智能家居行业的底层逻辑重构，提供了可落地的参考范本。需要清醒认知的是，目前该产品仍处于小范围封测阶段，复杂场景执行成功率、端侧功耗表现、第三方生态适配进度等核心体验，仍有待大规模用户实测验证。本文将结合具象场景、量化数据与多维度视角，客观拆解 miclaw 的突破价值、现实挑战，以及它对智能家居行业的长期影响。 01 复盘行业困局：智能家居十年 始终困在 “被动执行”

全面的System Verilog教程：从基础到高级验证

本文还有配套的精品资源，点击获取 简介：System Verilog是用于系统级验证、芯片设计与验证以及FPGA实现的强大硬件描述语言。它扩展了Verilog的基础特性，支持高级语言结构，如类、接口、任务和函数，优化了验证流程。教程内容涵盖System Verilog的基础概念、结构化编程元素、并发与同步机制、现代验证方法学、UVM验证方法论以及标准库的应用。旨在教授学生掌握System Verilog语法和高级特性，实现高效、可维护的验证代码。 1. System Verilog概述及应用领域 1.1 System Verilog的起源与发展 System Verilog是作为硬件设计和验证领域的重要语言，由Verilog发展而来，随后被进一步扩展以满足现代电子设计自动化的需要。其发展始于20世纪90年代，目的是在原有Verilog HDL的基础上，提供更为强大的设计验证功能。 1.1.1 Verilog与VHDL的区别 虽然Verilog和VHDL都是硬件描述语言（HDL），但它们在语法和使用方法上存在差异。Verilog更接近于C语言，而VHDL的语法结构则更接近

ESP32 小智 AI 机器人入门教程从原理到实现（自己云端部署）

此博客为一篇针对初学者的详细教程，涵盖小智 AI 机器人的原理、硬件准备、软件环境搭建、代码实现、云端部署以及优化扩展。文章结合了现有的网络资源，取长补短，确保内容易于理解和操作。 简介： 本教程将指导初学者使用 ESP32 微控制器开发一个简单的语音对话机器人“小智”。我们将介绍所需的基础原理、硬件准备、软件环境搭建，以及如何编写代码实现语音唤醒和与云端大模型的对接。通过本教程，即使没有深厚的 AI 或嵌入式经验，也可以一步步制作出一个能听懂唤醒词并与人对话的简易 AI 机器人。本教程提供详细的操作步骤、代码示例和图示，帮助您轻松上手。 1. 基础原理 ESP32 架构及其在 AI 领域的应用： ESP32 是一款集成 Wi-Fi 和蓝牙的双核微控制器，具有较高的主频和丰富的外设接口，适合物联网和嵌入式 AI 应用。特别是新版的 ESP32-S3 芯片，不仅运行频率高达 240MHz，还内置了向量加速指令（
无人机低空智能巡飞巡检平台：全域感知与智能决策的低空作业中枢

无人机低空智能巡飞巡检平台：全域感知与智能决策的低空作业中枢

无人机低空智能巡飞巡检平台是融合无人机技术、AI 算法、5G/6G 通信、GIS 地理信息系统与物联网的一体化解决方案，通过 "空天地一体化" 协同作业，实现对 500 米以下低空空域目标的无人化、自动化、智能化巡检管理，彻底革新传统人工巡检模式，为能源、交通、市政、安防等多领域提供高效、安全、精准的巡检服务。 一、核心架构：端 - 边 - 云协同的三层体系 平台采用 "终端执行 - 边缘计算 - 云端管控" 的全栈架构，构建低空智能服务闭环： 终端层：工业级无人机（多旋翼 / 固定翼 / 复合翼）+ 智能机场（换电 / 充电式）