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

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

Flutter 三方库 eth_sig_util 的鸿蒙化适配指南 - 掌握以太坊加密签名核心技术、助力鸿蒙端 Web3 钱包与去中心化身份验证应用开发

Flutter 三方库 eth_sig_util 的鸿蒙化适配指南 - 掌握以太坊加密签名核心技术、助力鸿蒙端 Web3 钱包与去中心化身份验证应用开发

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 eth_sig_util 的鸿蒙化适配指南 - 掌握以太坊加密签名核心技术、助力鸿蒙端 Web3 钱包与去中心化身份验证应用开发 前言 在 OpenHarmony 鸿蒙应用的 Web3 浪潮中,安全性是应用生死存亡的关键。无论是构建非托管钱包、登录去中心化应用(dApp),还是执行 EIP-712 结构化数据的确认,都离不开严谨的以太坊签名与加密协议。eth_sig_util 作为一个专门针对以太坊签名习惯优化的 Dart 工具库,支持 personal_sign、signTypedData 以及公钥恢复等核心算法。本文将指导你如何在鸿蒙端集成 eth_sig_util,构建一套符合全球标准的加密验证体系。 一、原原理分析 / 概念介绍 1.

NavRL实战:如何用PPO算法在NVIDIA Isaac Sim中训练无人机避障模型(附GitHub代码)

NavRL实战:如何用PPO算法在NVIDIA Isaac Sim中训练无人机避障模型(附GitHub代码) 无人机在复杂动态环境中的自主导航一直是工业界和学术界的研究热点。传统基于规则的方法在面对未知障碍物时往往表现不佳,而强化学习技术为解决这一问题提供了新思路。本文将手把手教你如何利用开源NavRL框架,在NVIDIA Isaac Sim环境中复现基于PPO算法的无人机避障模型训练过程。 1. 环境配置与基础准备 在开始训练前,我们需要搭建完整的开发环境。NavRL框架主要依赖NVIDIA Isaac Sim作为仿真平台,这是一个专为机器人学习设计的高性能模拟器。 硬件要求: * GPU:NVIDIA RTX 3060及以上(建议显存≥8GB) * 内存:32GB及以上 * 存储:至少50GB可用空间(用于存放仿真环境) 软件依赖安装: # 创建conda环境 conda create -n navrl python=3.8 conda activate navrl # 安装基础依赖 pip install torch==1.12.

基于Verilog的组合逻辑电路FPGA完整示例

从零开始:用Verilog在FPGA上实现一个真正的组合逻辑电路 你有没有过这样的经历?明明代码写得“很对”,仿真也跑通了,结果烧进FPGA后LED就是不亮——最后发现是因为某个 case 语句漏了个分支,综合器悄悄给你塞了个锁存器? 这正是无数初学者在FPGA开发中踩过的坑。而这一切的根源,往往就出在 组合逻辑电路设计 这个看似简单的起点上。 今天,我们就来彻底讲清楚一件事:如何用Verilog,在FPGA上正确、高效地实现一个纯粹的组合逻辑电路。不只是“能跑”,而是要 理解每一步背后的硬件行为 。 为什么组合逻辑是FPGA的“基本功”? 别看它名字普通,组合逻辑其实是整个数字系统设计的地基。 想象一下,你在做一个图像处理系统,每一帧有百万像素,每个像素都要做一次阈值判断。如果交给CPU逐个处理,早就卡死了;但如果你用组合逻辑把它做成并行电路——百万个比较器同时工作,一拍完成,这才是FPGA的真正威力。 它的核心特征非常明确: 输出只取决于当前输入,没有记忆,没有时钟驱动。 这意味着什么? - 它响应极快(仅受门延迟限制); - 它天然支持大规模并行; -

无人机双环PID悬停控制全解析

无人机双环PID悬停控制全解析

目录 1. 无人机悬停控制系统架构 2. 位置 PID 控制器设计 PID 结构体(扩展到位置控制) 3. 位置控制与姿态控制结合 位置数据结构 位置环 PID 初始化 4. 位置控制循环 5. 完整控制流程(位置 + 姿态 + 电机) 6. 传感器数据融合(GPS / 光流) GPS 数据读取示例 光流数据读取示例 7. 调试与优化建议 我们在之前的 姿态控制 PID 基础上,增加 位置控制 PID 层,这样无人机就可以根据 GPS 或 光流模块 提供的位置信息,实现精准悬停。 我会给你一个 完整的位置 + 姿态双环 PID