1. 为什么我最终选了 IDEA Claude Code(WSL) GLM4.6 这套后端组合先说结论这套组合的核心检索词就是IDEA 通过 WSL 接入 Claude Code 并配置 GLM4.6它能做什么简单讲就是让你在熟悉的 IDEA 里写 Java 后端代码同时把 Claude Code 这个终端里的 AI 编程助手跑在 WSL 里再把模型后端换成性价比更高的 GLM4.6整套链路成本可控、切换灵活。适合谁适合像我这样日常用 IDEA 做 Java 后端、又想低成本体验 vibe coding 的开发者。我平时是全栈前端用 VS Code 配 Claude Code 那套已经很顺手了终端里直接对话、改代码、跑命令体验确实舒服。但回到 Java 后端主力还是 IDEA总不能为了用 AI 就换编辑器。问题在于纯 WSL 终端里打中文输入法经常选不了字而 IDEA 自带的终端又默认跑在 Windows 侧两者割裂。我试过把 Claude Code 直接装在 Windows 上结果路径、换行、权限各种别扭最后还是回到 WSL。所以这套方案要解决的就是三件事第一让 IDEA 的终端直接进 WSL 并跳到当前项目目录第二在 WSL 里装好 Claude Code第三把 Claude Code 的模型请求指向 GLM4.6 这类国内可直连的模型避免额外成本。下面我按实际落地顺序拆开讲每一步都给可复制的命令和配置你照着做基本能跑通。需要提前说明的是本文所有模型接入都走合规的 API 地址不涉及任何网络加速工具。GLM4.6 通过智谱开放平台的兼容接口调用Claude Code 侧只需要改 Base URL 和 Key 即可。2. 前置准备WSL 环境、IDEA 终端与 TaoToken 接入位这一节把地基打好。很多人卡在第一步不是技术难而是环境没理顺。我按「WSL 装什么 → IDEA 怎么配 → Key 从哪来」的顺序讲。2.1 WSL 侧需要的基础组件我用的镜像是 Ubuntu 22.04你装 24.04 也行差别不大。进 WSL 后先确认几样东西# 确认系统版本 lsb_release -a # 确认 curl 和 git 都在 which curl git # 确认 python3 和 pip python3 --version pip3 --version如果 pip 没装sudo apt update sudo apt install -y python3-pip补上。Claude Code 官方安装脚本依赖 curlPython 主要是后面如果你想用 LiteLLM 做多模型映射时会用到。这里先不展开 LiteLLM因为对大多数人来说直接把 Claude Code 指向 GLM4.6 的兼容端点就够了少一层中转少一个故障点。2.2 IDEA 终端配置让终端直接进 WSL 并跳到项目目录这是整套组合里最容易被忽略、但体验提升最大的一步。打开 IDEA进入设置 → 工具 → 终端改两个地方启动目录填$PROJECT_DIR$这样每次开终端都会自动 cd 到当前项目根目录不用手动切。Shell 路径填wsl.exe -d Ubuntu-22.04其中Ubuntu-22.04换成你自己的 WSL 发行版名字。查名字的方法是在 Windows 的 PowerShell 里跑wsl -l -v看 NAME 那一列。配好之后点 IDEA 右下角的 Terminal你会发现自己直接落在 WSL 环境里而且已经在项目目录下。这时候敲claude就能启动敲pwd能看到路径是/mnt/c/...或/home/...开头的 Linux 路径说明确实在 WSL 里。注意如果你同时用 Codex建议把「Shell integration」的勾选去掉否则 Codex 的 TUI 显示会错位。Claude Code 一般不受影响但如果你发现终端输出有重影也可以试着关掉。2.3 Key 与接入地址从哪来模型侧我用的是 GLM4.6通过智谱开放平台的兼容接口调用。你需要准备一个 API Key以及对应的 Base URL。Claude Code 走的是 Anthropic 协议所以要么用支持 Anthropic 协议的端点要么用 LiteLLM 做一层协议转换。如果你希望统一管理多个模型的 Key、并且想要一个稳定的接入入口可以用 TaoToken 的控制台来生成和管理 Key。地址是https://taotoken.net/api控制台在https://taotoken.net/consoleAPI Keys 管理页在https://taotoken.net/api-keys。这几个页面配合使用Key 生成后直接填到 Claude Code 的环境变量里即可。这里强调一下Claude Code 的模型接入本质就是三个东西——Base URL、API Key、Model ID。无论你接 GLM4.6 还是别的模型都是改这三个值。后面配置章节我会给完整的可复制片段。3. 可复制配置Claude Code 安装与 GLM4.6 接入片段这一节是全文的核心所有配置都能直接复制。我按「装 Claude Code → 配环境变量 → 写 settings 文件」的顺序来。3.1 安装 Claude Code在 WSL 终端里执行官方安装脚本curl -fsSL https://claude.ai/install.sh | bash安装过程会问你登录方式选 API 模式不是账号登录。装完后确认一下claude --version能打印版本号就说明装好了。如果提示 command not found检查~/.local/bin或~/.claude/bin是否在 PATH 里通常重开一个终端就好。3.2 用环境变量指向 GLM4.6Claude Code 读取ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN这两个环境变量。把它们写进~/.bashrc或~/.zshrc# 追加到 ~/.bashrc export ANTHROPIC_BASE_URLhttps://open.bigmodel.cn/api/coding/paas/v4 export ANTHROPIC_AUTH_TOKEN你的GLM_API_KEY export ANTHROPIC_MODELglm-4.6改完执行source ~/.bashrc生效。这里ANTHROPIC_MODEL指定默认模型为 glm-4.6Claude Code 启动后就会用它。如果你用的是 TaoToken 的统一入口把 Base URL 换成https://taotoken.net/apiToken 换成在https://taotoken.net/api-keys生成的 Key 即可其余不变。3.3 settings.json 配置片段除了环境变量Claude Code 还支持项目级或用户级的settings.json。用户级路径是~/.claude/settings.json项目级是项目根目录下的.claude/settings.json。内容如下{ env: { ANTHROPIC_BASE_URL: https://open.bigmodel.cn/api/coding/paas/v4, ANTHROPIC_AUTH_TOKEN: 你的GLM_API_KEY, ANTHROPIC_MODEL: glm-4.6, ANTHROPIC_SMALL_FAST_MODEL: glm-4.6 }, permissions: { allow: [ Bash(git status), Bash(git diff:*), Read, Edit ] } }ANTHROPIC_SMALL_FAST_MODEL是给一些轻量任务用的指向同一个模型即可省得它去请求一个不存在的模型名报错。permissions.allow是白名单避免每次执行 git 命令都弹确认你可以按自己习惯增减。3.4 如果你要多模型切换LiteLLM 方案有些人希望在一个 Claude Code 里用/model命令随意切 GLM4.6、Qwen 等模型。这时候可以加一层 LiteLLM 做映射。安装pip3 install litellm写一个配置文件/opt/litellm.yamlmodel_list: - model_name: glm-4.6 litellm_params: model: openai/glm-4.6 api_base: https://open.bigmodel.cn/api/coding/paas/v4 api_key: 你的GLM_API_KEY - model_name: qwen3-coder-plus litellm_params: model: openai/qwen3-coder-plus-2025-09-23 api_base: https://dashscope.aliyuncs.com/compatible-mode/v1 api_key: 你的DashScope_KEY litellm_settings: drop_params: true transform_request_to: anthropic启动litellm --config /opt/litellm.yaml --port 3456 --host 0.0.0.0然后把 Claude Code 的ANTHROPIC_BASE_URL指向http://localhost:3456Token 随便填一个非空值。这样/model glm-4.6和/model qwen3-coder-plus就能切换了。注意LiteLLM 这层是可选的。如果你只用 GLM4.6直接按 3.2 配就行少一层中转少一个排查点。我实测下来直连的稳定性更好。4. 验证请求一次端到端对话确认链路可用配置写完不代表能用必须做一次端到端验证。这一步我会给出具体动作和预期结果你对照着看就知道链路通没通。4.1 启动并检查模型在 IDEA 的终端里确认已经在项目目录敲claude进入交互界面后先看它有没有报错。如果 Base URL 或 Key 不对启动时就会提示认证失败。正常的话你会看到欢迎信息和输入框。接着输入斜杠命令查看当前模型/model如果显示glm-4.6说明模型配置生效了。如果显示的是默认的 claude 模型名说明环境变量没被读到回去检查~/.bashrc是否 source 过、settings.json 路径对不对。4.2 发一条真实请求在对话框里输入一句让它读代码的指令比如读一下当前目录的 pom.xml告诉我这个项目用了哪些主要依赖预期结果是它会调用 Read 工具读取文件然后返回依赖列表。这一步能同时验证三件事模型能响应、工具调用正常、文件路径在 WSL 下可访问。如果它卡住不动多半是网络到模型端点不通或者 Key 额度用尽。如果它返回一堆乱码或协议错误多半是 Base URL 写成了 OpenAI 协议端点而不是 Anthropic 兼容端点。4.3 验证代码修改能力再试一条会触发写操作的指令在 src/main/java 下新建一个 HelloController.java写一个返回 ok 的 GET 接口它会先展示要创建的文件内容等你确认。你按回车同意后去 IDEA 里刷新一下目录能看到新文件。这一步验证的是 Edit/Write 工具在 WSL 路径下是否正常工作。到这里IDEA Claude Code(WSL) GLM4.6 的完整链路就算跑通了。整个过程的核心就是三个值Base URL、Key、Model ID任何一环错了都会在验证阶段暴露。5. 本篇常见报错排查401、local proxy failed、reading choices这一节我把实际踩过的坑列出来对照报错找原因比盲目试快得多。5.1 401 认证失败报错长这样API Error: 401 {error:{message:invalid api key,type:authentication_error}}原因基本是 Key 不对或没被读到。排查顺序先echo $ANTHROPIC_AUTH_TOKEN看有没有值再看 settings.json 里的 Token 有没有写错最后确认 Key 本身没过期、没超额。如果你用的是 TaoToken 的 Key去https://taotoken.net/api-keys确认这个 Key 还在有效状态。5.2 local proxy failed / connection refused报错API Error: Connection error. local proxy failed to connect这个通常出现在你用了 LiteLLM 中转但服务没起来的情况。检查litellm进程在不在ps aux | grep litellm。如果没起手动跑一遍看报什么错。另一个可能是端口被占换--port 3457试试。如果你没用 LiteLLM 却报这个检查ANTHROPIC_BASE_URL是不是写成了http://localhost:xxxx这种本地地址而你其实想连的是公网端点。5.3 reading choices 相关报错报错Error reading choices: unexpected response format这是协议不匹配的典型症状。Claude Code 发的是 Anthropic 格式请求但你的端点返回的是 OpenAI 格式响应解析就失败了。解决办法是确认 Base URL 指向的是 Anthropic 兼容端点。GLM4.6 的 coding 端点https://open.bigmodel.cn/api/coding/paas/v4是兼容的如果你误填了普通的 chat completions 端点就会出这个错。5.4 OAuth 相关报错报错OAuth error: please login first说明 Claude Code 还在账号登录模式没切到 API 模式。重新跑一次安装脚本在询问时明确选 API或者手动删掉~/.claude下的凭据缓存再启动。5.5 模型名不存在报错model not found: glm-4.6检查ANTHROPIC_MODEL拼写以及你的账号是否有该模型的权限。有些模型需要单独开通。如果你走 LiteLLM检查 yaml 里model_name和/model命令输入的是否一致。排查的核心思路就一句话先确认三个值Base URL、Key、Model ID都对再看协议是否匹配最后看网络是否可达。90% 的问题出在前两步。6. 长期编码与 Agent 场景把这条链路用起来链路通了之后怎么把它变成日常生产力才是这套组合真正的价值。我分享几个实际用法。第一把 Claude Code 当成项目里的常驻助手。因为 IDEA 终端已经自动跳到项目目录你每次开终端敲claude就能直接对话不用重新 cd。让它读代码、写单测、改 bug上下文都在当前项目里。第二善用/model切换。日常简单改动用便宜的模型复杂重构再切到 GLM4.6 这种能力更强的。如果你配了 LiteLLM切换就是一行命令的事。第三把常用权限写进 settings.json 白名单减少确认弹窗。比如 git status、git diff、读文件这些只读操作直接放行交互会顺很多。第四如果你要做更长期的编码任务或 Agent 编排可以考虑用 Coding Plan 这类方案来管理额度地址在https://taotoken.net/coding-plan。它适合那种需要持续跑、按量计费的场景比单次调用更划算。第五验证模型能力时可以先用模型对话页面快速试一条 prompt确认模型响应符合预期再放进 Claude Code 里跑。模型对话入口在https://taotoken.net/chat接入文档在https://taotoken.net/doc遇到配置细节可以对照文档查。最后说个我自己的习惯每次换模型或改配置后一定先跑一遍第 4 节那三条验证指令确认链路没断再开始正式编码。这个习惯帮我省了很多「写到一半发现模型没响应」的时间。整套组合搭好之后IDEA 写代码、终端里 AI 辅助、GLM4.6 提供模型能力成本可控体验也顺算是目前我用下来比较经济又能打的后端 vibe coding 方案。