新闻详情

新闻详情

首页 / 资讯中心 / 详情

WorkBuddy/CodeBuddy 自定义接入第三方 Claude-opus-5-5 /GPT-6-SOL API 教程:本地 AI Agent 实现自定义海外/国产模型配置

发布时间:2026/11/17 14:15:48来源:尧图网络
WorkBuddy/CodeBuddy 自定义接入第三方 Claude-opus-5-5 /GPT-6-SOL API 教程:本地 AI Agent 实现自定义海外/国产模型配置
本文记录 WorkBuddy 与 CodeBuddy 接入第三方 claude-opus-5-5 / GPT-6-SOL API 的完整配置过程包含 models.json 字段说明、海外与国产模型混配方案、常见报错排查适合有一定动手能力的开发者参考。一、背景WorkBuddy 是腾讯云推出的桌面级 AI Agent 工具支持自然语言驱动本地文件操作、多 Agent 并行执行等功能CodeBuddy 则是面向开发者的 AI 编程助手聚焦代码理解、生成、调试与项目级协作。两者都内置了混元、DeepSeek、GLM 等模型但官方暂未直接提供 Claude 系列与 GPT 系列模型的接入入口。好在两者都支持通过配置文件自定义模型接口地址只要对端服务兼容 OpenAI Chat Completions 格式理论上任何海外或国产模型都可以接入。本文以 Claude-opus-5-5 与 GPT-6-SOL 为例记录配置过程和踩坑经历。二、环境说明操作系统Windows 11macOS 步骤基本一致WorkBuddy / CodeBuddy 版本最新桌面版接口格式OpenAI 兼容的 Chat Completions/v1/chat/completions接入模型Claude-opus-5-5海外、GPT-6-SOL海外、DeepSeek / GLM国产三、配置文件位置WorkBuddy 与 CodeBuddy 的本地模型配置文件路径如下WindowsC:\Users\用户名\.workbuddy\models.json C:\Users\用户名\.codebuddy\models.jsonmacOS / Linux~/.workbuddy/models.json ~/.codebuddy/models.json如果目录下没有models.json新建一个即可。两个工具的配置结构完全一致可以互相复用。⚠️ 注意文件必须保存为UTF-8 无 BOM编码否则工具读取时会报 JSON 解析错误。Windows 用户建议用 VS Code 编辑右下角可以确认编码格式。四、配置文件结构说明models.json的基本结构如下{ models: [ { id: 模型ID, name: 显示名称, vendor: 厂商名, url: 完整的 chat completions 接口地址, apiKey: 你的 API Key, maxInputTokens: 200000, maxOutputTokens: 8192, supportsToolCall: true, supportsImages: true } ], availableModels: [模型ID列表] }关键字段说明字段类型说明idstring模型唯一标识需与接口实际支持的 model 参数一致urlstring完整请求地址填到/v1/chat/completions这一级apiKeystring对应服务商的 API KeymaxInputTokensint最大输入 token 数按模型实际上限填写maxOutputTokensint最大输出 token 数supportsToolCallbool是否支持函数调用 / Tool UsesupportsImagesbool是否支持图片输入多模态availableModelsarray控制模型下拉列表中显示哪些项五、完整配置示例Claude 与 GPT 系列混配下面是同时接入 Claude-opus-5-5、GPT-6-SOL 以及国产 DeepSeek 模型的完整配置示例{ models: [ { id: claude-opus-5-5, name: Claude Opus 5.5, vendor: Custom, url: https://api.new.bi/v1/chat/completions, apiKey: sk-你的密钥, maxInputTokens: 200000, maxOutputTokens: 8192, supportsToolCall: true, supportsImages: true }, { id: gpt-6-sol, name: GPT-6-SOL, vendor: Custom, url: https://api.new.bi/v1/chat/completions, apiKey: sk-你的密钥, maxInputTokens: 200000, maxOutputTokens: 8192, supportsToolCall: true, supportsImages: true }, { id: deepseek-chat, name: DeepSeek Chat, vendor: DeepSeek, url: https://api.deepseek.com/v1/chat/completions, apiKey: sk-你的密钥, maxInputTokens: 64000, maxOutputTokens: 8192, supportsToolCall: true, supportsImages: false } ], availableModels: [ claude-opus-5-5, gpt-6-sol, deepseek-chat ] }关于url字段如果你有其他可用的兼容接口替换 base URL 即可字段格式不变。海外模型与国产模型可以混配在同一个models.json中互不影响。关于模型 ID模型 ID 必须与接口服务端实际支持的model参数完全一致包括大小写和连字符。上面列出的 ID 是我写这篇文章时验证可用的版本建议以你使用的服务商控制台为准。六、新版 WorkBuddy / CodeBuddy 的界面配置方式部分较新版本的 WorkBuddy 与 CodeBuddy 已经提供了图形化的模型配置入口不再依赖手动编辑models.json。可以在应用内找以下入口设置 → 模型管理设置 → 自定义模型侧边栏 → Claw部分版本如果有图形化界面按字段含义填入对应内容即可Base URL / 基础地址https://api.new.bi/v1完整请求地址https://api.new.bi/v1/chat/completionsAPI Key你的密钥模型 ID如claude-opus-5-5或gpt-6-sol七、配置生效前必须完全重启修改完models.json或保存图形化配置后必须完全退出 WorkBuddy / CodeBuddy 再重新启动配置才会生效。Windows 用户注意关闭主窗口不等于退出程序两者通常会最小化到系统托盘继续运行。需要在托盘图标上右键选择退出再重新打开。八、接口连通性验证配置前可以先用 curl 验证接口是否可以正常访问排除网络问题。Windows PowerShellcurl https://api.new.bi/v1/chat/completions -H Content-Type: application/json -H Authorization: Bearer sk-你的密钥 -d {model:claude-opus-5-5,messages:[{role:user,content:你好}],stream:false}macOS / Linuxcurl https://api.new.bi/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的密钥 \ -d {model:gpt-6-sol,messages:[{role:user,content:你好}],stream:false}返回的 JSON 中包含choices[0].message.content字段说明接口正常。如果这一步就报错先排查网络和密钥不要急着去工具里调试。九、常见报错及排查9.1 模型列表中看不到新添加的模型原因工具没有完全重启或者availableModels数组里没有包含该模型 ID。排查步骤确认availableModels数组里有对应的模型 ID系统托盘右键完全退出 WorkBuddy / CodeBuddy重新打开9.2401 Authentication Failed原因apiKey填写有误或密钥已失效。排查先用上面的 curl 命令单独测试密钥是否有效。注意apiKey字段只填密钥本身不要加Bearer前缀工具会自动拼接。9.3404 Model Not Found原因id字段与服务端实际支持的模型 ID 不一致。排查对照服务商文档或控制台确认模型 ID。例如 Claude 的完整 ID 是claude-opus-5-5GPT 的完整 ID 是gpt-6-sol少写任何部分都会 404。9.4读取本地模型配置失败原因models.jsonJSON 格式有误或编码不是 UTF-8 无 BOM。排查把 JSON 内容粘贴到 jsonlint.com 检查格式用 VS Code 打开文件右下角确认编码是UTF-8不是UTF-8 with BOM检查有没有多余的逗号JSON 最后一个元素后面不能有逗号9.5 Tool Call 不生效原因模型本身不支持 Tool Use或者supportsToolCall字段设置为false。排查确认模型支持 Tool Call并将supportsToolCall设为true。Claude Opus 和 GPT-6-SOL 系列均支持部分国产模型需以服务商文档为准。十、配置完成后的效果配置生效后在 WorkBuddy / CodeBuddy 对话界面的模型选择器中可以看到新添加的 Claude 与 GPT 模型切换后即可正常对话。两者的 Skills 功能同样支持使用自定义模型可以指定 Claude 或 GPT 处理特定类型的任务例如使用 Claude Opus 5.5对 src/ 目录下的最近变更进行代码审查 重点检查安全漏洞和性能瓶颈输出 Markdown 格式的审查报告。十一、小结步骤操作要点找到配置文件~/.workbuddy/models.json或~/.codebuddy/models.json不存在则新建填写字段url填完整路径到/v1/chat/completionsid与服务端一致保存编码UTF-8 无 BOMJSON 格式合法重启应用系统托盘完全退出再重新启动验证连通先用 curl 测试接口再到工具里切换模型
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉