GLM-4.5 接入 Claude Code 全流程：开源顶流模型配置指南

AI 文章1周前更新小编

16 0 0

昨天有小伙伴问：“怎么把智谱的模型接到Claude Code里？我都设置好环境变量了，还是提示没有apikey。” 看到问题后，我马上就去研究了，现在把教程整理出来分享给大家。

GLM-4.5 模型亮点速览

周一晚上，智谱正式发布了新一代旗舰模型GLM-4.5，而且还是开源的。这次发布了两个版本，都采用MoE（混合专家）架构，支持混合推理模式：

GLM-4.5（旗舰版）：总参数量335B，激活参数32B；
GLM-4.5-Air（轻量版）：总参数量106B，激活参数12B。

以前的大模型，有的数学能力强，有的推理能力突出，各有侧重。但GLM-4.5不一样，它堪称“三项全能”——原生融合了推理、代码编写和Agent能力，在开源模型里都是顶尖水平。

在12项基准测试（包括MMLU-Pro、AIME 24、MATH-500、SciCode等）中，GLM-4.5的表现很亮眼。上线没几天，就冲到了Hugging Face热榜全球第一，在开发者圈子里讨论度特别高。

我自己也第一时间上手试了试，跑了几个任务，效果比预想中稳定。尤其是它的中文理解能力，确实很出色。

接下来，我就手把手教大家把GLM-4.5接入Claude Code。整个过程不用翻墙，操作也简单，用Claude Code的界面搭配智谱的模型，体验特别好。

实测案例：GLM-4.5 能力展示

案例1：3D网页开发

提示词：用Three.js做一个3D个人简历页面，把教育经历、项目经验、技能等内容做成在空间中漂浮的面板，围绕核心头像旋转。用户点击某部分内容时，该内容要通过动画放大并居中显示，同时展示详细信息。 GLM-4.5 接入 Claude Code 全流程：开源顶流模型配置指南

生成的3D个人简历页面，用鼠标可以旋转视角，点击图标能查看详情，用一句话就生成了动态3D页面，很适合做个人简历或作品集。

案例2：前端网页开发

提示词：开发一个类似Bing的搜索网站。

生成的前端页面结构合理，配色和布局都挺美观，基本实现了Bing搜索的核心界面功能。

案例3：新闻聚合与热点图谱

提示词：用HTML+JavaScript开发一个网页应用，功能要求：用户输入关键词（比如“人工智能”）后，页面能抓取相关新闻并生成热点概念图谱。具体包括：支持从RSS或API获取最新新闻（可模拟数据）；对新闻内容进行聚合、摘要和关键词提取；根据词频和共现关系构建概念图谱；页面包含关键词输入框、新闻摘要区、热点图谱区。

最终生成的页面包含了所有要求的区域，结构清晰，信息展示也很规整。

案例4：BUG修复

提示词：

// React 中某个组件报错：TypeError: Cannot read property 'map' of undefined
export default function TaskList({ tasks }) {
  return (
    <ul>
      {tasks.map(task => (
        <li key={task.id}>{task.title}</li>
      ))}
    </ul>
  );
}
请找出错误原因并修复

这个错误其实很常见，就是tasks参数可能是undefined，但代码直接调用了tasks.map()方法。

具体来说，tasks参数出现undefined的情况可能有：

父组件没有传递tasks属性；
异步数据还没加载完成；
API请求返回的数据为空。

下面是几种修复方案：

方案1：添加默认参数（比较推荐）

// 给tasks设置默认值为空数组，避免undefined的情况
export default function TaskList({ tasks=[]}) {
  return (
    <ul>
      {tasks.map(task => (
        <li key={task.id}>{task.title}</li>
      ))}
    </ul>
  );
}

方案2：添加条件检查

// 先判断tasks是否存在，不存在就显示提示信息
export default function TaskList({ tasks }) {
  if (!tasks) {
    return <div>暂无任务数据</div>;
  }
  return (
    <ul>
      {tasks.map(task => (
        <li key={task.id}>{task.title}</li>
      ))}
    </ul>
  );
}

方案3：使用可选链操作符

// 用?.操作符，只有当tasks存在时才会调用map方法
export default function TaskList({ tasks}) {
  return (
    <ul>
      {tasks?.map(task => (
        <li key={task.id}>{task.title}</li>
      ))}
    </ul>
  );
}

方案4：完整的错误处理（个人觉得最推荐）

// 不仅处理undefined，还检查数据类型和内容结构
export default function TaskList({ tasks=[]}) {
  // 检查tasks是否为数组
  if (!Array.isArray(tasks)) {
    console.warn('TaskList: tasks is not an array', tasks);
    return <div>数据格式错误</div>;
  }
  // 数组为空时显示提示
  if (tasks.length ===0) {
    return <div>暂无任务</div>;
  }
  return (
    <ul>
      {tasks.map(task => {
        // 检查每个task对象的结构是否正确
        if (!task || !task.id || !task.title) {
          console.warn('TaskList: invalid task object', task);
          return null;
        }
        return <li key={task.id}>{task.title}</li>;
      })}
    </ul>
  );
}

最佳实践建议：用{ tasks=[] }设置默认参数，是最简洁的解决方式，能防止整个应用因为这个错误崩溃。

GLM-4.5 接入 Claude Code 步骤详解

其实现在在智谱清言（https://chatglm.cn）或Z.ai（https://chat.z.ai/）上，已经能直接体验GLM-4.5了。不过这次我用的是智谱API接入Claude Code，用API测试更方便，也更贴近实际开发场景。

第一步：获取API Key

打开网址https://bigmodel.cn/usercenter/proj-mgmt/apikeys ，登录后创建一个新的API Key。
注意：新版的API Key格式是{id} {secret}，也就是同时包含用户标识id和签名密钥secret。
复制生成的API Key，后面配置的时候要用。

这里提醒一下，API Key要妥善保管，别随便分享给别人，也别暴露在浏览器或客户端代码里。平台如果发现密钥泄露，可能会自动更换。

第二步：安装依赖

首先要安装Node.js，直接去官网https://nodejs.org 下载安装就行，步骤很简单，一路默认下一步即可。

安装完成后，打开cmd终端，输入下面两个命令，检查是否安装成功：

node -v
npm -v

如果能看到版本号，就说明安装成功了。比如我这里显示的是：

C:\Users\WIN>node -v
v22.17.1
C:\Users\WIN>npm -v
10.9.2

第三步：安装Claude Code

在终端里输入下面的命令，安装Claude Code：

npm install -g @anthropic-ai/claude-code

安装完成后，需要配置环境变量。

如果是Windows用户，在cmd终端输入：

set ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
set ANTHROPIC_AUTH_TOKEN=前面获取的智谱API Key

如果是Mac/Linux用户，命令是：

export ANTHROPIC_BASE_URL="https://open.bigmodel.cn/api/anthropic"
export ANTHROPIC_AUTH_TOKEN="前面获取的智谱API Key"

这里划个重点：https://open.bigmodel.cn/api/anthropic是智谱提供的专用接口，兼容Anthropic API协议。配置好这个接口地址后，默认用的就是GLM-4.5。

第四步：启动并验证

接着在终端输入：

Claude

这时候会出现一个提示，问是否信任当前文件夹的文件，Claude Code可能会读取或执行该文件夹里的文件。直接按回车确认就行。

之后会看到类似下面的界面，就说明配置成功了：

Welcome to Claude Code!
/help for help, /status for your current setup
cwd: C:\Users\WIN
Overrides (via env):
API Base URL: https://open.bigmodel.cn/api/anthropic
Tip: Hit Enter to queue up additional messages while Claude is working. Try "edit <filepath> to..."
? for shortcuts

到这里，就可以直接在输入框里写提示词使用了。

一些额外分享

以前，推理、代码、Agent这三个方向的模型各有擅长，现在开始融合了。GLM-4.5就是这样，不是某一项特别突出，而是整体水平都很均衡，国产模型终于有了通用性的底气。

把GLM-4.5接入Claude Code，实际用下来比我想的简单。调用起来很流畅，成本也能接受，整体感觉就是——够用、好用，适合实际开发干活。

而且它开源了，API定价也很友好。输入只要0.8元/百万tokens，输出2元/百万tokens，高速版每秒最高能处理100 tokens。

模型	上下文分段(tokens)	输入价格(元/M)	输出价格(元/M)
GLM-4.5	输入0-32且输出0-0.2	2（最低）	8（最低）
	输入0-32且输出0.2+	3（最低）	14（最低）
	输入32-128	4（最低）	16（最低）
GLM-4.5-Air	输入0-32且输出0-0.2	0.8（最低）	2（最低）
	输入0-32且输出0.2+	0.8（最低）	6（最低）
	输入32-128	1.2（最低）	8（最低）
Kimi K2	–	4	16
DeepSeek-R1	–	4	16
Claude 4 Sonnet	–	21.5（3美元）	107.4（15美元）
Qwen-3-Coder	输入0-32	4	16
	输入32-128	6	24
	输入128-256	10	40
	输入256-1M	20	200