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

轮腿机器人代码调试补充

轮腿机器人代码调试补充

* @Author: 星夜雨夜 * @brief: 轮腿基础代码编写调试补充，移植自达妙开源代码 * @attention：笔者默认读者已经熟练掌握机甲大师RoboMaster c型开发板例程代码的底盘代码和INS_task.c陀螺仪代码、熟练掌握各电机can协议和遥控器dbus协议。默认读者已能看懂轮腿圣经和玺佬的五连杆运动学解算与VMC。建议读者仔细研读轮腿圣经3~5遍，边看MATLAB文件和达妙开源代码，掌握轮腿调试和编写大致思路。一定要注意各状态变量的单位和正负号是否正确，轮腿调试过程中，最难之处在于极性是否正确。本车所有电机均为逆时针旋转为正方向。 ！！！强烈建议读者在开发轮腿之前，先运用LQR算法完成一阶倒立摆的平衡小车（即板凳模型）的实现 ！！！如果时间紧，其实完全可以不搞仿真，直接实机开调。仿真不疯，实物不一定不疯；但实物疯，仿真必疯。 调试成果展示视频链接（抖音）：轮腿机器人 一阶倒立摆平衡小车参考资料： 1.本科毕设 轮腿式双足机器人 开源文件演示_哔哩哔哩_bilibili(资料在视频评论区) 2.达妙平衡小车开源：[达妙科技开源系列-平衡小车] 第一弹_哔哩

AI绘画不求人：Z-Image Turbo本地部署全攻略，开箱即用

AI绘画不求人：Z-Image Turbo本地部署全攻略，开箱即用 你是不是也经历过这样的时刻：看到一张惊艳的AI插画，立刻打开浏览器搜教程，结果被“CUDA版本冲突”“PyTorch编译失败”“显存不足OOM”这些报错拦在门外？明明只是想画一幅水墨小景，却卡在环境配置第三步，连WebUI的界面都没见着。 别再折腾了。今天这篇不是教你“如何硬刚报错”，而是直接给你一条干净、稳定、真正能跑起来的本地部署路径——专为 Z-Image Turbo 量身定制的 Gradio + Diffusers 极速画板镜像，从下载到出图，全程无需改一行代码、不装一个依赖、不碰一次终端命令。它不是“理论上可行”的方案，而是我亲手在RTX 4060、RTX 3090、甚至16GB显存的MacBook Pro（M3 Max + Metal后端）上反复验证过的“开箱即用”方案。 更关键的是，它解决了国产AI绘画模型落地最头疼的三大痛点：黑图、

OpenClaw安装和接入飞书机器人完整教程

OpenClaw安装和接入飞书机器人分三大部分组织回答： 1）先讲环境准备和OpenClaw基础安装（分阿里云和本地Windows两种场景）； 2）再讲飞书机器人配置（包括应用创建、通道添加、事件订阅）； 3）最后讲验证和配置AI模型。 为了更直观，在部署方式对比、配置项说明等地方用表格呈现。 这是一份完整的OpenClaw安装及接入飞书机器人的教程。将涵盖从环境准备、OpenClaw部署（含阿里云服务器和本地Windows两种方式）、AI模型（以阿里云百炼为例）配置，到最终在飞书开放平台创建并接入机器人的全流程。 第一部分：准备工作与核心认知 在开始动手前，我们需要先了解 OpenClaw 是什么，并准备好必要的账号和工具。 1.1 什么是 OpenClaw？ OpenClaw（昵称“小龙虾”，曾用名 ClawdBot / Moltbot）是一个开源的个人AI智能体框架。它本身不具备推理能力，需要对接大语言模型（如阿里云百炼、七牛云、OpenAI等）的API。它的核心价值在于： * 真正的执行能力：能通过“技能”

智能家居生态系统中AI应用的变革，由AI应用架构师引领

从“指令执行”到“主动理解”：AI如何重构智能家居？架构师的底层逻辑与实践 关键词 智能家居生态、AI应用架构、主动感知、多设备协同、用户意图理解、边缘-云协同、个性化推荐 摘要 十年前，我们对“智能家居”的想象是“用手机开灯泡”；今天，我们期待的是“加班晚归时，家门自动打开，暖气已暖，米饭刚熟，音乐刚好”。这背后的质变，是AI对传统智能家居生态的底层重构——从“被动响应指令”到“主动理解需求”。 本文将以AI应用架构师的视角，拆解这场变革的核心逻辑： * 如何让设备从“听指令”进化到“猜需求”？ * 如何破解多设备“各自为战”的信息孤岛？ * 如何在“智能”与“隐私”之间找到平衡？ 通过真实场景案例、可落地的架构设计、代码示例与生活化比喻，