1. 一次任务从回车到返回Claude Code 到底在背后做了什么你已经在 Claude Code 里配好了 GLM敲下一句“帮我重构这个 Service”然后看着终端里光标转圈、文件被读、代码被改。整个过程看起来像“模型在写代码”但真实情况是Claude Code 把 GLM 当成一个只会说下一步该干嘛的决策器真正干活的是它自己的 Agent Runtime。这篇就把这条链路拆开请求怎么组装、经过统一 Key/API 通道怎么转发、响应怎么回填到状态机、循环什么时候收敛。面向的是已经配好 GLM、想看清每一跳的开发者。我会给出可复制的配置片段、逐步验证动作以及怎么对照日志确认每一跳都走通了。先给一个脑内结构后面所有细节都挂在这上面你输入任务 ↓ Claude Code UICLI / IDE 插件 ↓ Agent Runtime调度器 状态机 工具执行器 ↓ Model AdapterOpenAI-compatible 适配层 ↓ HTTP(S) 请求 → 统一 Key/API 通道 → GLM 接口 ↓ 响应回填 → 状态更新 → 下一轮循环关键认知只有一句Claude Code 不知道自己在用 GLM。它只认“一个兼容 OpenAI 风格、支持 function calling 的对话接口”。你配的base_url、api_key、model三件套最终都被适配层翻译成标准 HTTP 请求。理解这一点后面所有“为什么报错”“为什么模型不调工具”都能对上号。单次任务里模型调用通常不是 1 次而是 5 到 30 次。每一次调用 GLM 只回答一个问题“下一步做什么”——是读文件、是改代码、还是给出最终答复。任务完成与否不由 GLM 说了算而由 Claude Code 根据文件系统、diff、工具返回结果来判断。这就是为什么换模型后成功率差异主要落在tool-calling 稳定性上而不是“模型聪不聪明”。下面按真实执行顺序从配置阶段讲到循环收敛再讲怎么用统一通道验证每一跳。2. 配置阶段Base URL、Key、Model ID 三件套怎么落到请求上配置只发生一次但它决定了后面每一次请求长什么样。Claude Code 配置 GLM 时你实际在做三件事告诉它模型是谁、去哪请求、怎么鉴权。第一件模型标识。Claude Code 内部没有glm这个分支它统一走 OpenAI-compatible adapter。所以你写的model字段会被原样塞进请求体的model参数{ provider: openai-compatible, model: glm-4.7 }第二件请求地址。你填的base_url会被拼成具体的 endpoint通常是POST /chat/completions新协议下也可能是POST /responses{ base_url: https://taotoken.net/api }第三件鉴权。api_key最终变成请求头里的Authorization: Bearer xxxxx。把这三件套写进 Claude Code 的 settings 文件路径和字段名要对齐。以常见的~/.claude/settings.json为例可复制片段如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的统一Key, ANTHROPIC_MODEL: glm-4.7 } }如果你用的是 Codex 风格的auth.json三件套同样要写全缺一个都会在请求阶段暴露{ base_url: https://taotoken.net/api, api_key: sk-你的统一Key, model: glm-4.7 }这里有个容易踩的坑base_url末尾不要自己再拼/chat/completions。适配层会负责拼接你多写一段就会变成/api/chat/completions/chat/completions直接 404。统一 Key 在https://taotoken.net/api-keys获取拿到后先别急着跑任务用一条最小请求验证通道。配置完成后Claude Code 内部只是把 Model Adapter 准备好了还没有任何任务执行。真正的交互从你按下回车那一刻开始。3. 可复制配置把统一 Key 通道接进 Claude Code 并验证连通这一节给你能直接抄的配置和验证命令。目标是把统一 Key/API 通道接进 Claude Code并且用一条 curl 确认通道本身是通的再去跑任务。先确认你的 settings 文件位置。CLI 版通常在~/.claude/settings.jsonIDE 插件版在项目根目录的.claude/settings.json。写入下面这段注意把 Key 换成你自己的{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的统一Key, ANTHROPIC_MODEL: glm-4.7 } }如果你用的是 Cline MCP 或 CC Switch 这类工具配置项名称可能不同但三件套逻辑一致Base URL 填https://taotoken.net/apiKey 填统一 KeyModel ID 填glm-4.7。CC Switch 里对应的是 provider 的baseUrl、apiKey、model三个字段别只填两个。配置写完后先用 curl 打一条最小请求确认通道和模型都活着curl -s https://taotoken.net/api/chat/completions \ -H Authorization: Bearer sk-你的统一Key \ -H Content-Type: application/json \ -d { model: glm-4.7, messages: [ {role: user, content: 只回复两个字通了} ], temperature: 0.2 }正常返回里会有choices[0].message.content内容就是“通了”。如果这一步就失败先别去 Claude Code 里排查问题在通道或 Key 上。常见返回返回现象含义处理401 UnauthorizedKey 无效或没带上检查Authorization头确认 Key 没空格404 Not Found路径拼错确认 base_url 是https://taotoken.net/api不要重复拼 endpoint400 model not found模型名写错换成通道支持的 GLM 模型 ID超时无响应网络或通道问题换网络环境重试确认不是本地代理拦截curl 通了之后再回到 Claude Code 跑一个只读任务比如“列出当前目录结构并解释每个文件夹的作用”。这个任务不需要改文件能最快看出请求是否正常发出、响应是否正常回填。跑的时候打开 verbose 日志观察每一跳。4. 验证请求从回车到响应回填逐跳对照日志任务真正开始时Claude Code 不会把你那句话直接发给 GLM而是先做结构化封装。内部状态大概长这样AgentState { goal: 重构 PHP Service, history: [], workspace_snapshot: {...}, rules: [...], tools: [...] }这一步完全没有调用大模型。接下来才构造第一次 Prompt它由六部分组成顺序很重要System PromptAgent 灵魂定义它是 coding agent、能调哪些工具、输出格式、Developer PromptClaude Code 内置的拆任务规则、Workspace Context目录结构、已读文件、Git 状态、Tool Schema函数调用定义、Conversation History首次为空、User Message你输入的那句话。拼完之后才发出真正的 HTTP 请求。抽象形态如下POST /chat/completions Host: taotoken.net Authorization: Bearer sk-你的统一Key Content-Type: application/json { model: glm-4.7, messages: [ {role: system, content: 你是一个 coding agent...}, {role: user, content: 帮我重构这个 PHP Service} ], temperature: 0.2, tools: [...], tool_choice: auto }GLM 返回的通常不是“答案”而是三种意图之一。第一种是纯文本思考加计划content里写着“我需要先读取 Service 文件”。第二种是工具调用最常见{ tool_calls: [ { name: read_file, arguments: {path: app/Service/UserService.php} } ] }第三种是多工具加隐式 Chain-of-ThoughtGLM 内部多步推理但 Claude Code 只吃结果不吃思考过程。收到tool_call后Claude Code 立刻执行工具把结果写回状态追加一条tool_resultmessage{ role: tool, name: read_file, content: class UserService {...} }然后进入循环while (!taskDone) { response callModel(state) if (response.tool_call) { runTool() updateState() } else { applyChangesOrAskUser() } }对照日志时你要盯的是每一轮请求的messages数组是不是在变长、tool_calls是不是被正确解析、tool_result是不是被回填。如果某一轮之后messages不再增长说明循环卡住了通常是工具执行失败或响应结构不符合预期。5. 常见报错排查401、local proxy failed、reading choices、OAuth跑 GLM 接入时报错基本集中在几个固定位置。下面按真实报错对照排查。401 UnauthorizedKey 没带上或带错。检查 settings 里ANTHROPIC_AUTH_TOKEN是否等于统一 Key注意别把Bearer前缀重复写进去。有些工具要求 Key 字段不带前缀有些要求带按工具文档来。用第 3 节的 curl 先验证 Key 本身有效。local proxy failed / connection refused本地代理或端口冲突。Claude Code 某些版本会起本地转发端口如果端口被占用或本地网络策略拦截就会报这个。先关掉其他占用端口的进程确认base_url指向的是https://taotoken.net/api而不是localhost。如果你本地配了系统代理确认它没有拦截这个域名。reading choices 报错 / cannot read property choices响应结构不符合 OpenAI 风格。GLM 正常返回里一定有choices数组如果适配层拿不到通常是通道返回了错误结构或者模型名不被支持导致返回了错误体。先用 curl 看原始返回确认有choices[0].message。如果 curl 正常但 Claude Code 报这个检查是不是 settings 里ANTHROPIC_MODEL写成了通道不支持的模型 ID。OAuth 相关报错 / authentication failedClaude Code 默认走 Anthropic 官方 OAuth 流程你换成第三方通道后它可能还在尝试 OAuth。解决办法是在 settings 里显式设置ANTHROPIC_AUTH_TOKEN和ANTHROPIC_BASE_URL覆盖默认鉴权路径。如果工具支持apiKey字段优先用它而不是 OAuth。模型不调工具 / 一直返回文本这是 tool-calling 稳定性问题不是通道问题。GLM 对tools和tool_choice的支持程度因版本而异。确认你用的模型 ID 支持 function callingtool_choice设成auto。如果还是不行把temperature调低到 0.1 到 0.2减少模型“自由发挥”。排查顺序建议固定先 curl 验证通道和 Key再看 Claude Code 日志里的请求体最后看响应体。90% 的问题在前两步就能定位。6. 把通道固定下来统一 Key 与后续验证入口链路拆完你会发现 Claude Code 接 GLM 的核心就三件事配置三件套写全、通道用统一 Key 打通、循环里盯住 tool-calling 是否稳定。配置阶段只发生一次但决定了后面每一次请求的形态循环阶段每次任务都在重复“请求组装 → 转发 → 响应回填 → 状态更新”这套动作。想让这套链路稳定建议把统一 Key 固定在一个地方管理别在多个工具里各填一份改起来容易漏。统一 Key 在https://taotoken.net/api-keys获取接入文档在https://taotoken.net/doc里面有各工具的配置示例和字段说明。验证模型是否正常响应可以直接用模型对话页面发一条最小请求看返回结构是否符合预期。如果你后面要跑长期编码任务或 Agent 循环建议用 Coding Plan把额度、模型、通道统一管起来避免任务跑到一半因为 Key 或额度问题中断。链路本身不复杂复杂的是每一跳的细节把日志打开、把 curl 跑通剩下的就是对照着看。