1. 为什么要在 Claude Code 里接 GLM-5.1本地 Ollama 与统一 Key 的取舍GLM-5.1 是智谱 Z.AI 推出的旗舰级开源大模型采用 MIT 协议主打 agentic engineering 场景在 SWE-Bench Pro 这类真实仓库修复评测里拿到 58.4 分上下文窗口 198K tokens最突出的特点是长时迭代不衰减——官方验证过在 600 次迭代、6000 次工具调用后仍能持续改进。Claude Code 是 Anthropic 的终端编程助手本身支持通过环境变量把后端指向任意兼容 Anthropic Messages API 的服务。把这两者接起来你就能在熟悉的终端里用 GLM-5.1 写代码、改仓库、跑测试。问题在于接入路径不止一条。第一条是 Ollama 本地部署ollama pull拉模型权重ollama serve起服务Claude Code 把 Base URL 指向http://localhost:11434。这条路数据不出本机适合处理内部代码但代价是显存——GLM-5.1 完整权重对消费级显卡压力很大量化版也要 24GB VRAM 起步普通笔记本基本跑不动。第二条是走云端 API 通道把请求发到远端推理服务本地只要网络稳定即可但你需要管理 Key、Base URL、模型 ID 三件套多模型切换时容易乱。我试过把两种方式混着用日常小改动走本地量化模型遇到需要长上下文、多轮迭代的大任务切到云端 GLM-5.1。真正麻烦的不是模型本身而是 Key 和端点管理——Claude Code、Cline、Codex 各自读不同的配置文件每换一个工具就要重新填一遍 Base URL 和 Key模型 ID 写错还会报reading choices之类的解析错误。TaoToken 在这里的角色是统一 Key/API 通道一个 Key 管多个模型Base URL 固定模型 ID 按需切换省掉在多个配置文件之间来回改的功夫。这篇指南按“本地 Ollama 起步 → 参数调优 → Claude Code 侧配置 → TaoToken 统一通道 → 连通性验证 → 报错排查”的顺序走每一步都给可复制的命令和配置片段。适合谁已经在用 Claude Code、想换更便宜的编码模型、又不想被单一供应商锁死的开发者也适合想先本地跑通再决定要不要上云的人。下面从环境准备开始。2. Ollama 本地拉取 GLM-5.1 与模型参数调优实战先说本地这条线。Ollama 的安装很直接macOS / Linux 一行脚本Windows 用 winget 或去官网下安装包。装完先验证版本再确认服务在跑。# macOS / Linux 一键安装 curl -fsSL https://ollama.com/install.sh | sh # Windows PowerShell winget install Ollama.Ollama # 验证安装 ollama --version # 启动服务通常安装后自动常驻手动起一次确认 ollama serve服务默认监听11434端口。接着拉模型。GLM-5.1 在 Ollama 库里有不同标签云端标签glm-5.1:cloud走远端 GPU本地标签则是实际权重下载。先看本地能不能扛# 拉取云端标签本地不占显存请求转发到远端 ollama pull glm-5.1:cloud # 查看本地已有模型和体积 ollama list # 直接跑一次对话确认模型可用 ollama run glm-5.1:cloud 用一句话说明什么是 RESTful API如果你要纯本地推理得下完整权重这一步对磁盘和显存都有要求。拉完后用ollama ps看加载状态。模型参数调优主要围绕三个方向上下文长度、显存占用、推理速度。Ollama 通过 Modelfile 或启动参数控制常用的是num_ctx上下文窗口、num_gpu卸载到 GPU 的层数、temperature采样温度。# 创建一个自定义 Modelfile调大上下文并固定温度 cat Modelfile.glm51 EOF FROM glm-5.1:cloud PARAMETER num_ctx 32768 PARAMETER temperature 0.2 PARAMETER top_p 0.9 EOF # 基于 Modelfile 构建一个本地命名模型 ollama create glm51-coding -f Modelfile.glm51 # 用调优后的模型跑一次 ollama run glm51-coding 写一个 Python 函数判断字符串是否为回文num_ctx不是越大越好。198K 是模型上限但实际设太大本地显存会被 KV Cache 吃掉反而拖慢首 token 延迟。编码任务里单文件修改 16K–32K 通常够用跨仓库分析再往上加。temperature设 0.2 左右能让代码输出更稳定减少胡编 API 的情况。num_gpu在混合显卡环境里手动指定比如PARAMETER num_gpu 20表示前 20 层放 GPU其余走 CPU适合显存不够时做折中。调完参数后用 API 方式验证一次确认服务对外可用# 直接调 Ollama 的 chat 接口 curl http://localhost:11434/api/chat -d { model: glm51-coding, messages: [{role: user, content: Hello}], stream: false }返回 JSON 里能看到message.content就说明本地链路通了。这一步很关键因为 Claude Code 最终也是通过 HTTP 打这个端点本地 curl 通不了后面配 Claude Code 一定失败。踩过的坑Ollama 服务没起、端口被占、模型名写错glm-5.1和glm51-coding是两回事都会让 curl 返回连接拒绝或 404。确认本地通了再往下走。3. Claude Code 侧 Base URL 与 Key 配置settings.json 完整片段Claude Code 读环境变量和~/.claude/settings.json。核心是三件套Base URL、KeyAuth Token、Model ID。本地 Ollama 模式下Base URL 指向http://localhost:11434Key 随便填一个非空值Ollama 不校验模型 ID 填你ollama list里看到的那个名字。先设环境变量。macOS / Linux 写进~/.zshrc或~/.bashrcexport ANTHROPIC_BASE_URLhttp://localhost:11434 export ANTHROPIC_AUTH_TOKENollamaWindows PowerShell 当前会话$env:ANTHROPIC_BASE_URLhttp://localhost:11434 $env:ANTHROPIC_AUTH_TOKENollama然后编辑~/.claude/settings.json把不同难度任务映射到不同模型。这个文件如果不存在就新建路径和原文一致{ env: { ANTHROPIC_BASE_URL: http://localhost:11434, ANTHROPIC_AUTH_TOKEN: ollama, ANTHROPIC_DEFAULT_HAIKU_MODEL: glm-4.5-air, ANTHROPIC_DEFAULT_SONNET_MODEL: glm51-coding, ANTHROPIC_DEFAULT_OPUS_MODEL: glm51-coding } }三个模型槽位的含义HAIKU 处理轻量任务补全、格式化SONNET 处理常规编码OPUS 处理复杂重构。本地只有一个模型时三个都填同一个也行但建议至少给 HAIKU 留个更小的模型省显存。如果你走 TaoToken 统一通道配置换成下面这样。Base URL 用https://taotoken.net/apiKey 换成你在控制台生成的令牌模型 ID 填 TaoToken 侧支持的 GLM-5.1 标识{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的TaoToken密钥, ANTHROPIC_DEFAULT_HAIKU_MODEL: glm-4.5-air, ANTHROPIC_DEFAULT_SONNET_MODEL: glm-5.1, ANTHROPIC_DEFAULT_OPUS_MODEL: glm-5.1 } }Key 在 TaoToken 控制台的 API Keys 页面生成模型 ID 以接入文档里的列表为准。这里要强调Base URL、Key、Model ID 三件套必须同时正确缺一个就会在启动时报错。Cline、Codex 这类工具也是同样的三件套逻辑只是配置文件位置不同——Cline 在 VS Code 设置里填Codex 读~/.codex/auth.json。统一用 TaoToken 的好处是这三件套在多个工具间保持一致换工具不用重新申请 Key。配置写完重启终端让环境变量生效或者手动source ~/.zshrc。然后启动 Claude Codeclaude --version claude进入交互界面后输入/status应该能看到当前模型和 Provider。如果显示的还是默认 Anthropic 模型说明环境变量没生效检查settings.json的 JSON 格式有没有多余逗号。4. 连通性验证与一次完整编码任务实测配置对不对跑一次真实任务就知道。先做最小验证在 Claude Code 里输入/status确认 Model 显示为glm51-coding或glm-5.1Provider 显示为对应端点。然后发一条简单指令帮我写一个 Python 脚本读取当前目录下所有 .log 文件统计每个文件的行数并输出表格GLM-5.1 应该会返回一段可运行代码。如果它开始胡言乱语或者报reading choices错误说明响应格式不兼容跳到第 5 节排查。接着做一次完整任务验证长上下文和多轮迭代。建个空目录让 Claude Code 从零搭一个 FastAPI 项目mkdir todo-api cd todo-api claude在交互界面里输入创建一个基于 FastAPI 的 Todo List REST API要求 1. 使用 SQLite 存储 2. 包含增删改查四个端点 3. 有 Pydantic 输入校验 4. 提供 Dockerfile 5. 写一个 pytest 测试文件GLM-5.1 会逐步创建main.py、models.py、requirements.txt、Dockerfile、test_main.py。它不会一次全写完而是分多轮先建结构再填实现再补测试。这正是它长时优化的体现——你可以继续追问“给查询加个分页”“把数据库连接改成依赖注入”它会基于已有代码增量修改而不是推倒重来。代码生成后本地跑一遍验证pip install -r requirements.txt uvicorn main:app --reload另开终端测端点curl -X POST http://localhost:8000/todos \ -H Content-Type: application/json \ -d {title:学习 GLM-5.1,description:完成接入} curl http://localhost:8000/todos返回 200 和 JSON 数据说明整条链路——Claude Code → Base URL → 模型 → 代码生成 → 本地运行——全部打通。这一步的意义在于它验证的不只是模型能回话而是模型产出的代码真的能跑。如果代码跑不起来问题可能在模型能力也可能在配置把请求路由到了错误的模型。再补一个多模型切换的验证。如果你用 TaoToken可以在同一个 Key 下切模型只改settings.json里的 Model ID重启 Claude Code 即可。比如从glm-5.1切到别的编码模型Base URL 和 Key 不动。这就是统一通道的价值切换成本从“重新申请 Key 改端点”降到“改一个字符串”。5. 常见报错排查401、local proxy failed、reading choices、OAuth接入过程里最容易撞上的几类错误逐个拆。401 Unauthorized。Key 没填、填错、或者带了多余空格。本地 Ollama 模式下 Key 随便填但必须非空ANTHROPIC_AUTH_TOKEN会直接 401。TaoToken 模式下检查 Key 是否以sk-开头、是否在控制台被禁用。排查命令echo $ANTHROPIC_AUTH_TOKEN curl -H Authorization: Bearer $ANTHROPIC_AUTH_TOKEN https://taotoken.net/api/models第二条如果返回 401就是 Key 本身的问题跟 Claude Code 无关。local proxy failed / connection refused。Claude Code 连不上 Base URL。本地模式先确认ollama serve在跑、端口 11434 没被占lsof -i :11434 curl http://localhost:11434/api/tags云端模式检查网络能否到达taotoken.net以及 Base URL 有没有多写或少写/api。注意 Base URL 结尾不要带斜杠https://taotoken.net/api/和https://taotoken.net/api在某些客户端里行为不同。reading choices / 响应解析失败。这通常发生在服务端返回的 JSON 结构不符合 Anthropic Messages API 格式时。Claude Code 期望choices或content字段如果端点返回的是 OpenAI 格式而客户端按 Anthropic 解析就会报这个。解决方式是确认 Base URL 指向的是兼容 Anthropic 协议的端点。TaoToken 的接入文档里会标明每个端点的协议类型按文档填。OAuth / 登录循环。Claude Code 首次启动可能尝试走 Anthropic 官方 OAuth 登录。如果你已经用环境变量指定了第三方端点它不该再弹登录。如果弹了检查是不是ANTHROPIC_BASE_URL没生效导致它回退到默认官方端点。清掉~/.claude/下的缓存凭证再试或者显式在settings.json里写死 Base URL。模型 ID 不存在。报错类似model not found。本地模式用ollama list核对名字注意glm-5.1:cloud和glm51-coding是两个不同条目。TaoToken 模式去控制台或接入文档核对可用模型列表别凭记忆写。排查顺序建议固定先 curl 端点确认服务活着再 echo 环境变量确认三件套最后看 Claude Code 的/status。三层都对了还报错再去看客户端日志。大部分问题出在第二层——环境变量在某个 shell 里没 source或者settings.json的 JSON 有语法错误导致整个文件被忽略。6. 把 GLM-5.1 接进日常编码流统一 Key 与长期使用建议跑通之后真正影响体验的是日常怎么用。几个实操建议。第一把模型按任务分层。轻量补全、格式化、写注释用 HAIKU 槽位的小模型省资源常规功能开发用 SONNET 槽位的 GLM-5.1跨仓库重构、复杂 bug 定位用 OPUS 槽位。settings.json里三个槽位分开填Claude Code 会根据任务自动选。这样既享受 GLM-5.1 的长时优化能力又不会每个小任务都烧大模型。第二长任务别指望一次成型。GLM-5.1 的优势是迭代不是一次输出完美代码。给它一个模糊需求让它先出草稿你再追问“这里加个索引”“这个函数拆一下”它会基于上下文持续改进。实测下来一个中等复杂度的模块分 5–8 轮对话比一次性描述清楚效果更好因为每轮它都能读到上一轮的实际代码。第三多工具共用一套 Key。如果你同时用 Claude Code、Cline、Codex把三者的 Base URL 和 Key 都指向 TaoToken模型 ID 按各自支持的列表填。这样换工具不用重新配凭证也方便统一看用量。Codex 的配置在~/.codex/auth.jsonCline 在 VS Code 设置里Claude Code 在~/.claude/settings.json三处填同样的 Base URL 和 Key。第四本地和云端按场景切。涉及内部代码、敏感逻辑走本地 Ollama需要 198K 长上下文、大规模仓库分析走云端 GLM-5.1。切换只改ANTHROPIC_BASE_URL和 Model IDClaude Code 本身不用动。可以准备两份settings.json用的时候替换或者用环境变量覆盖。需要生成 Key、查看可用模型列表去 TaoToken 控制台的 API Keys 页面接入细节和端点协议看接入文档想先试模型效果可以直接在模型对话里发几条编码指令对比。长期跑编码和 Agent 任务的话Coding Plan 在用量和成本上更划算。把配置片段存好下次换机器直接复制省得重新踩一遍 401 和 reading choices 的坑。