企业官网建设流程全解析

这几天一直在终端里折腾 AI 编程工作流，顺手把 Claude Code 和 GLM 5 组合起来跑了一轮真实项目。先说结论：这套组合比我想象中要实用得多，尤其适合那些已经习惯在命令行里做事、又想让大模型直接参与代码改动的开发者。Claude Code 提供了一套完整的终端交互框架，而 GLM 5 负责实际的推理和代码生成，两个配合起来等于同时拥有了一个能跑命令、能查文件、能提交代码的终端助手，以及一个看得懂截图、说得了中文、写得出代码的模型大脑。

这篇文章就把完整的安装配置过程，以及我自己实测下来最有价值的 10 个上手技巧整理出来，顺便把容易翻车的几个坑点提前说清楚。不管你是第一次接触这套工具，还是已经跑通但想进一步提效，这篇文章都可以直接照着操作。

1. 为什么是 Claude Code 加 GLM 5：这套组合的真实分工

很多人听到"Claude Code"第一反应是"那不就是某个官方模型的专属命令行工具吗"。实际上不是。Claude Code 是一个运行在终端里的 AI 编程助手框架，它负责的是交互流程：读取你的项目文件、执行终端命令、管理上下文、调用外部工具、处理多轮对话。真正干活的那个"大脑"，其实是通过 API 接入的大语言模型。这也就意味着，你完全可以通过配置把默认的模型替换成 GLM 5，然后继续享受 Claude Code 那一套完整的命令行工作流。

1.1 为什么值得这样组合

单独用 GLM 5 的网页版或对话接口，很多场景下效果其实也不错，但它的能力往往停留在"回答问题"和"生成代码片段"上。而 Claude Code 提供了传统的"动手"能力：它可以在你的项目目录里创建文件、批量替换代码、执行命令、查看运行日志，甚至帮你检查 git 状态。两个叠加，才是真正的 AI 结对编程体验。

举一个很典型的场景：你接到一个需求，要把某个接口从 REST 风格迁移到 GraphQL。直接让网页版模型做，它会给你一份迁移方案和几个示例代码。但 Claude Code 加 GLM 5 的组合可以让模型先读一遍当前项目里的路由文件、模型定义和测试用例，搞清楚现状之后，直接在项目里完成文件修改，然后你只需要 review diff、跑一遍测试确认结果。

这个工作流的价值在于：模型不再是"给你建议的人"，而是"可以直接执行的人"。终端里的输出流、文件读写、命令执行、前后端代码的联动修改，都由框架帮模型打通了。换到 GLM 5 之后，这些能力一样不少，唯一变的是背后的推理模型。

1.2 这套组合适合谁

如果你的工作流符合下面任意一条，这套组合很值得试试：

• 你已经在用终端编辑器或命令行工作流，觉得 IDE 里的 AI 插件对话窗口太局促。
• 你主要处理中文技术文档、中文需求描述，希望模型在中文语境下的理解足够稳。
• 你的任务里经常要处理截图、设计稿、报错弹窗截图等视觉信息，需要多模态能力。
• 你不想被单一模型生态绑架，希望保留随时切换模型的权利。

反过来，如果你平时很少碰命令行，或者你的项目部署在严格隔离的内网环境里，那可能还是先把手头的 IDE 插件用顺手，再考虑切换到纯终端方案。这套组合的优势是自由度和自动化程度，代价是有一定的命令行使用门槛。

2. 安装配置：从空终端到能跑通对话

好消息是，安装配置的步骤不多，但里面有几个细节如果没处理好，很容易卡住。我尽量按完整顺序讲清楚，并且把容易出问题的位置单独标出来。

2.1 环境检查与运行时准备

在开始之前，先确认你的机器上有可用的运行时环境。Claude Code 作为 CLI 工具，依赖一个 JavaScript 运行时环境来运行，所以请先打开终端执行：

node --version npm --version

如果没有输出或者版本过低，建议先安装 LTS 版本的运行时环境。这里有一个字段需要特别留意：很多系统自带的版本不是最新版，而有些命令行工具对版本有基础要求，如果安装后启动报错，第一件事就是检查运行时版本是否满足要求。

还要确认终端本身是正常的。Windows 上建议使用系统自带的终端应用或类 Unix 终端，不要用老版本的命令提示符；macOS 和 Linux 上一般没有额外要求。

2.2 安装 Claude Code 与 GLM 5 的调用凭证

Claude Code 的安装方式是用包管理器全局安装。打开终端执行：

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

安装完成后，执行claude --version确认能正常输出版本号。如果提示找不到命令，大概率是全局安装路径没有进入 PATH，需要手动把 npm 的全局 bin 目录加进终端配置文件。

接下来是 GLM 5 的部分。这里要解释一下：GLM 5 本身不是需要"安装"的本地软件，而是一个通过 API 调用的云端模型。你要做的其实是两件事：第一，确认你当前使用的账号已经开通了 API 调用权限并拿到了密钥；第二，拿到官方提供的 Anthropic 兼容端点地址。

为什么强调 Anthropic 兼容？因为 Claude Code 默认是通过一套特定的 API 协议和服务端通信的。让第三方模型接进来，最省事的方式就是让对方提供兼容的网关地址。GLM 5 当前就提供了这样一个公开的兼容端点，可以直接对接。

2.3 配置端点、凭证与模型名

这一步是整个安装过程的关键。我推荐把配置写入终端环境变量，这样 Claude Code 启动时就能自动识别。不同操作系统的写入方式稍有不同，但思路一致。

在类 Unix 系统的终端配置文件中加入这几行：

export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic" export ANTHROPIC_AUTH_TOKEN="你的密钥" export ANTHROPIC_MODEL="glm-5"

在 Windows PowerShell 中，则通过设置用户环境变量的方式操作。注意，ANTHROPIC_AUTH_TOKEN一定要用你自己的真实密钥，不要把示例占位符直接拷贝进去，否则配置看起来没问题，但请求永远通过不了认证。

另外，模型名不要猜。虽然大多数情况下模型名就是glm-5，但不同阶段的网关可能对模型标识有不同的写法。如果后续请求时返回模型不存在，优先去查看当前网关文档里指定的模型标识，而不是自己猜一个名字。

如果你不想把变量写进全局配置，也可以把同样的配置项写进项目目录下~/.claude/settings.json的env字段里。这个文件支持按项目覆盖环境变量，方便多项目使用不同模型。具体内容形如：

{ "env": { "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "ANTHROPIC_AUTH_TOKEN": "你的密钥", "ANTHROPIC_MODEL": "glm-5" } }

2.4 验证链路：跑一次最小对话

配置完成后不要急着丢大任务，先跑一个最小验证。在终端输入claude进入交互界面，然后试着让它执行一个最简单的操作，比如：

你好，请告诉我你当前使用的模型是什么，并解释一下这个项目根目录下有哪些文件。

如果它能正常打招呼，并且通过读取文件的方式回答了你的问题，说明整条链路已经打通。这个过程我建议多观察两点：一是看它输出回复的速度，二是注意它的回复末尾是否带有关键调用信息，哪一步慢了或者报错了，后面排查起来会更有方向。

这里有一个特别值得注意的细节：第一次启动时，Claude Code 会询问你是否允许它在当前目录内读写文件和执行命令。如果你选择拒绝，那后面所有文件操作都会受限。个人建议在理解风险的前提下，对信任的项目目录允许读写，但每执行一个关键命令前，仍然手动确认是否放行。

3. 十个马上能用的上手技巧，按真实使用频率排序

配置跑通之后，真正拉开效率差距的是使用技巧。下面这 10 个技巧，每一个都是我在实际项目里验证过、并且愿意继续用下去的，按照从基础到进阶的顺序排列。

3.1 技巧 1：用 /init 建立项目快照

很多人在一个新项目里打开 Claude Code 就直接问问题，比如"这个项目的测试怎么跑"。你会发现模型给出的答案经常是猜的，因为它根本不知道项目的技术栈、脚本命令和目录结构。

解决办法是进入项目后先输入/init。这个命令会让 Claude Code 自动扫描项目 README、配置文件、目录结构和关键代码文件，生成一份项目档案作为本次会话的上下文。之后你再问"测试怎么跑""部署命令是什么"，它都会先参考这份档案而不是瞎猜。

我个人的心得是：对于一个大型 monorepo，全量 init 会消耗不少上下文资源。你可以先用/init生成基础档案，如果发现模型对某个子目录理解得不够，再针对性地指定文件补充，不要把整个仓库一股脑塞给它。

3.2 技巧 2：用 @ 语法精确控制上下文引用范围

Claude Code 支持在对话中用@符号引用指定文件，这是我最常用的省流手段。当你只关心某个模块时，不需要让它扫描整个项目，只需要在提问时带上文件路径：

@src/utils/api.ts 这个文件里的请求封装有什么问题？帮我重构一下。

模型收到指令后，会优先读取这个文件，把精力集中在指定的代码范围内。这样做的直接好处是：响应速度更快，上下文消耗更小，回答也更聚焦。

有一个小坑值得提醒：如果你用通配符形式引用大量文件，比如@src/**/*.ts，一定要想清楚自己是不是真的需要那么多文件。我曾经在改一个工具函数时把整个工具目录全部引入，结果模型在无关代码上"脑补"出了很多并不存在的问题，浪费时间也消耗资源。精准引用永远优于地图炮式引入。

3.3 技巧 3：让 CLAUDE.md 成为项目的长期记忆

ChatGPT 式的对话再好，每次新会话都相当于换了一个"新同事"。如果你希望模型每次进来都能自动想起项目的约定，最实用的方式是在项目根目录放一个CLAUDE.md文件。

这个文件会在每次 Claude Code 会话启动时被自动读取，相当于给模型一份"团队新人手册"。我一般会在里面写这么几类信息：

• 项目的技术栈、核心依赖、常用执行命令。
• 代码风格约定，比如"接口路径统一以 /v1 开头""组件命名一律使用 PascalCase"。
• 明确禁止改动的内容，比如"不要修改自动生成的 schema 文件""不要动 migrations 目录"。
• 部署流程和常见坑点。

有了这份文件之后，你会发现模型在很多基础问题上的表现明显更专业。这个技巧对一个持续维护的项目价值尤其大，因为它相当于把团队经验和代码知识沉淀到了模型每次对话的起点上。唯一要注意的是：文件内容要持续维护。过期约定写进去，模型会严格执行，反而添乱。

3.4 技巧 4：用 /plan 模式强制"先方案后代码"

我见过很多人用 AI 编程工具最容易犯的错误，是让模型直接动手改代码，结果改出来的方案跟项目架构格格不入。这里我的建议是：重要改动之前，先用 Plan 模式。

在 Plan 模式下，模型只输出实施方案，不直接修改文件。比如你想重构一个模块，可以这样要求：

请先不要修改代码，分析当前模块的依赖关系，给出重构方案，包括文件变动、接口变更和测试策略。等我确认后再实现。

确认方案后，再让它进入执行模式。这套流程的价值在于，模型的思维默认是"赶紧把事情做完"，但很多时候你需要的是"先想清楚再动"。特别是涉及删除文件、修改公共接口、迁移数据结构的任务，方案先行可以帮你避免很多不可逆的变更。用过几次之后，你会明显感觉到"先方案后执行"的产出质量比直接动手高出一大截。

3.5 技巧 5：自定义 slash commands 固化高频动作

Claude Code 支持自定义斜杠命令。你可以把一段固定的高价值提示词保存为一个命令，之后每次触发都不用重新打字。

命令文件放在~/.claude/commands/目录下，文件名的前缀就是触发命令的名字。比如我在这个目录下放了两个很常用的文件：

一个是review.md，内容是"请以资深工程师视角审查当前 git 变更，找出逻辑错误、边界条件和安全隐患，按严重程度列出"。之后我只需要输入/review，它就会执行这段提示词。另一个是solve.md，内容是"当你遇到报错时，先解释报错根因，再分析可能的原因，最后给出修复方案，修复前请先征求我的确认"。

这个方法特别适合团队场景。统一的命令模板意味着无论谁来使用，模型遵循的流程都是一致的。建议每个团队维护一套自己的命令集合，把代码审查、日志分析、接口文档生成这些重复性工作全部模板化。

3.6 技巧 6：多模态直读：把截图直接丢给 GLM 5

GLM 5 的多模态能力是这套组合里很划算的加分项。实际使用中，你可以直接把截图、设计稿、流程图拖进终端对话，让模型阅读图片内容。

我最常用的一个场景是处理报错：程序运行时报了一个带弹窗的错误界面，直接截图丢给模型，它能够读出错弹窗里的错误信息，并给出排查方向。另一个高频场景是设计稿还原：把 UI 设计图拖进对话，要求模型对照当前组件代码，指出样式差异。GLM 5 对中文界面和常见的网页布局理解都很稳，在"看图说话"这件事上表现稳定。

操作上，你可以在输入框里直接写提示词并附上图片路径：

@screenshot.png 请帮我看看这个报错是什么意思，并给出排查步骤。

提醒一句：涉及敏感信息、包含用户隐私的截图，往任何外部模型发送之前都要慎重。这条原则无论用什么工具都适用。

3.7 技巧 7：接 MCP 扩展，给模型装上更多"工具"

Claude Code 支持通过 MCP 协议接入外部工具服务。你可以把它理解成给模型增加"外挂能力"：除了读写文件和执行命令，它还可以通过 MCP 服务访问特定的外部系统。

常用的接入方式是在终端执行：

claude mcp add 工具名称 -- 启动命令

接入之后，模型会在需要时自动调用这些工具。举个例子，你可以接入文件浏览器工具让它在多个目录之间自由读取，或者接入数据库工具让它在对话中直接查询表结构。对经常需要跨系统取数、查日志的人来说，这个功能非常实用。

但这里也有一个非常现实的忠告：不要贪多。我见过有人一口气接了几十个 MCP 服务，结果模型的指令选择空间过大，经常在简单任务里反复横跳，反而拖慢速度。建议从一两个真正高频的工具开始，用顺了再逐步增加。

3.8 技巧 8：控制输出风格，减少终端刷屏

默认情况下，模型回复会比较完整，但在终端环境里，大段大段的输出其实并不利于快速阅读。你可以在配置里调整输出风格，让回复更紧凑。

我的建议是日常开发时使用简洁输出模式，回复尽量以要点列表呈现，重要代码才给完整片段。比如在需求描述后面加上"请用简洁的要点形式回答，避免大段解释"，或者直接通过配置调整全局输出风格。

与之配套的一个习惯是：要求模型在修改文件时列出变更清单，而不是只说"我已经修改完成"。这样你在终端里就能快速确认它到底动了哪些文件，避免遗漏关键改动。终端场景的信息密度很重要，输出风格这件事值得每个人花点时间调到自己最舒服的状态。

3.9 技巧 9：善用 /clear 与 /compact 控制上下文

用过一段时间后你会发现，多轮对话越长，模型的表现越容易飘。这通常不是模型本身出了问题，而是对话上下文太长，早期的信息优先级被稀释了。这时候，你有两个工具可以用。

/clear表示清空上下文，适合已经完成一个独立任务、准备开始下一个任务的时候。/compact则会自动对当前对话做一次摘要压缩，把旧信息归纳为一段简洁总结，然后继续基于摘要进行后续对话，适合任务还没结束但上下文已经很长的情况。

站在成本角度，这两个命令不只是改善体验，它们直接关系着 API 调用费用。上下文越长，每次请求携带的输入内容就越多，费用自然上升。我在完成一个子任务后习惯立刻/clear，这能让每一轮对话都集中在当前目标上，既不拖沓，也省钱。如果你连续对话超过几十轮发现模型开始复读，别犹豫，先压缩再继续。

3.10 技巧 10：用多会话并行拆任务

很多人不知道 Claude Code 支持同时开多个会话。你可以在多个终端标签页里分别启动不同的会话，每个会话专注于一个独立任务。这样模型就不会在"改登录逻辑"和"写测试用例"之间反复切换，导致上下文里塞满无关信息。

实际操作中，你可以用claude --resume恢复历史会话，或者从会话列表里选择继续。我常用的做法是：一个终端负责主功能开发，另一个终端负责代码审查和测试补齐，必要时再开一个处理文档生成。每个会话都专注，产出效率会高很多。不过并行会话也会带来一个现实问题——文件冲突。如果多个会话同时修改同一个文件，很容易出现覆盖。我的建议是让每个会话在独立的分支上工作，这样并行才真正安全。

4. 跑顺之后的避坑笔记

光会用还不够，CLI 工具的坑往往藏在你看不见的配置细节里。下面这些情况我基本都遇到过，写出来希望能帮你绕过去。

4.1 身份验证与模型不存在：错误 401 与 404 的排查链路

当你配置完成但请求一直报错时，先不要急着怀疑工具本身，按下面的链路依次排查：

第一步，确认环境变量真的生效了。终端里执行：

env | grep -i anthropic

如果输出为空，说明配置写在错误的配置文件里，或者配置完没有重新加载。第二步，检查基础地址是否正确。很多服务商的兼容端点末尾带有固定路径，少了一层路径就会直接返回 404。第三步，检查密钥前后有没有意外的空格或换行。复制密钥时经常会把换行符一起带上，这个错误非常隐蔽。

另外一个常见的情况是：你之前配置过其他服务商的变量，新的配置被旧的覆盖了。当~/.claude/settings.json和终端环境变量同时存在时，注意优先级关系。建议把所有配置收拢到一处管理，别让两个配置源互相打架。

下面这张表适合贴在笔记里：| 现象 | 大概率原因 | 排查方式 | | --- | --- | --- | | 401 未认证 | 密钥无效或为空 | 检查令牌是否完整、是否过期 | | 403 拒绝访问 | 账号权限不足 | 确认已开通调用权限 | | 404 地址不存在 | 端点路径错误 | 核对地址是否包含完整兼容路径 | | 400 模型不存在 | 模型标识错误 | 查网关最新文档中的模型名 | | 429 请求过频 | 限流 | 降低请求频率或升级额度 |

4.2 上下文膨胀与费用失控预防

很多人用着用着发现，明明没干多少活，账单数字却不小。这通常不是模型报价变贵了，而是上下文管理出了问题。

每一次请求都会把当前的完整上下文再发送一遍，所以对话轮数越多、引用的文件越多，单轮成本就越高。控制成本最有效的办法是：任务拆小、及时清空、精准引用。每完成一个独立任务就/clear，每次只引用必要的文件，不要把所有资料一股脑塞进对话。

另外，对于包含大量思考过程的复杂请求，注意观察响应中的用量信息，这有助于判断单次请求是否明显超出预期。养成定期查看用量数据的习惯，别等月底账单出来才后悔。

4.3 多模态调用的边界：GLM 5 不是万能钥匙

GLM 5 在中文理解、代码生成和多模态识别上的表现都相当能打，但它也不是没有边界。我实测比较吃力的情况大概有三类：第一类是需要实时联网检索的资讯类问题，这类问题应该在对话外自己先查好再给它；第二类是超大尺寸图片的精细识别，截图过大时视觉细节容易丢失；第三类是非常精细的工具链编排，多个 MCP 工具层层嵌套时，偶尔会出现忘记中间步骤的情况。

我的处理方式是：不重要的细节问题容忍其估算，重要的结构性改动一定自己 review diff。把它定位成"非常聪明的结对程序员"，而不是"全知全能的神"，心态会健康很多。

4.4 权限与安全设置建议

最后说一个容易被忽略的点：Claude Code 拥有真实的文件读写和命令执行能力，它的权限本质上是"你在终端里拥有的权限"。启动时它会请求允许在当前目录执行操作，我的建议是：只对真正信任的项目点头，不要全局放开所有目录的自动执行权限。

同时，绝对不要把 API 密钥写进项目代码仓库里。密钥应该只存在于环境变量、配置文件或密钥管理服务中。只要密钥进了 git 历史，无论后来怎么删除，都已经构成泄露。

每次让模型批量修改文件之前，先看一眼它准备执行的关键命令，并在修改后通过版本控制查看变更内容。这套组合拳不是不信任模型，而是给"自动执行"上一层保险。

我个人跑下来的体会是，Claude Code 加 GLM 5 最舒服的使用场景，是那种思路清楚但又很琐碎的开发任务：把设计稿转成组件、批量修 lint 错误、按规范生成接口代码、辅助排查报错。每完成一个子任务就清空上下文，下一个任务重新开始，整个流程非常清爽。如果你也准备这么用，建议先把 CLAUDE.md 和一套自己的命令模板搭起来，这两件事的长期回报最高。