Claude 快速接入 MiniMax AI大模型

文章目录

1 前言

最近AI是一个大时代的进步,下班的地铁路上,都能听到路人聊天在谈论AI Agent,之前是查询AI,然后人工再去执行,现在随着AI Agent成熟,可以自己搜寻解决方案,并且自己执行,这里笔者也把 如何在 Claude 快速接入 MiniMax AI大模型,做一个总结吧!

2 Claude环境准备

2.1 安装 Claude

Windows CMD:

curl-fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd 

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex 或者 winget install Anthropic.ClaudeCode 

macOS, Linux, WSL:

curl-fsSL https://claude.ai/install.sh |bash

检查是否按照完成:
claude --version

在这里插入图片描述

参考资料:https://code.claude.com/docs/en/setup

2.2 常用命令

命令功能说明示例
claude启动交互模式claude
claude "task"执行一次性任务claude "fix the build error"
claude -p "query"执行单次查询后退出claude -p "explain this function"
claude -c继续当前目录下最近的对话claude -c
claude -r恢复之前的对话claude -r
claude commit创建 Git 提交claude commit
claude --version查看当前版本claude --version
/clear清除对话历史/clear
/help显示可用命令/help
exitCtrl+C退出 Claude Codeexit

3 安装cc-switch

3.1 CC Switch 是什么?

cc-switch 是一个开源的跨平台桌面工具,专门用来统一管理 AI 编程工具的 API 配置。

CC Switch = AI 编程工具的“遥控器”

你不需要记住 API Key 在哪、配置文件在哪个目录,也不用每次换模型都去手动改 JSON 文件。打开 CC Switch 点一下,所有配置自动生效。

3.2 核心功能

功能说明
供应商管理一键添加/切换 API 供应商(支持 MiniMax、智谱、DeepSeek 等 50+ 内置预设)
模型切换不同场景用不同模型,点一下就能换
MCP 管理统一管理 MCP 服务器配置,一次配置所有 CLI 工具共用
Skills 管理从 GitHub 一键安装 Claude Skills
系统托盘常驻右下角,右键菜单秒切,不用打开主窗口
多工具支持同时管理 Claude Code、Codex CLI、Gemini CLI、OpenClaw 等 5 种 AI 工具

3.3 工作原理

CC Switch 的本质是替你去修改配置文件,只是把它做成了可视化界面。

它把配置保存在 ~/.cc-switch/ 目录下,当你点击“切换”时,它会:

  1. 读取你保存的配置(API Key、Base URL、模型等)
  2. 自动写入到各工具的配置文件中(如 Claude Code 的 ~/.claude/settings.json
  3. 下次启动工具时自动生效

为什么 IDEA 插件也能用?

因为 IDEA 里的 CC GUI 插件会读取同一份配置文件~/.claude/settings.json)。所以你在 CC Switch 里配置好 MiniMax,插件那边自动就能用,根本不需要重复配置

3.4 CC Switch vs 其他工具

对比项CC SwitchClaude Code Router
定位配置管理器流量路由器
作用存储/切换 API Key 和模型在多个 API 之间做负载均衡
使用场景换账号、换供应商高并发、多 Key 轮询

简单说:Router = 代理/分流,Switch = 配置管理。如果你只是个人开发、偶尔切换模型,CC Switch 完全够用。

3.5 快速上手CC Switch

3.5.1 安装 CC Switch

平台安装方式
Windows前往 cc-switch GitHub Releases 页面下载最新版本的安装包
macOSbrew tap farion1231/ccswitch && brew install --cask cc-switch && brew upgrade --cask cc-switch
Linux下载 .deb.AppImage 文件

安装好之后,是这样的:

在这里插入图片描述

3.5.2 添加 MiniMax 配置

打开 CC Switch,点击右上角 「+」 添加供应商,搜索或选择 MiniMax(v3.8.0 已加入官方预设),填入你的 API Key(通过这个链接的接口秘钥获取:https://platform.minimaxi.com/user-center/payment/token-plan

在这里插入图片描述

3.5.3 选择要使用的模型

将模型名称全部改为 MiniMax-M2.7

在这里插入图片描述

3.5.4 启用模型

回到首页,点击 “启用”,点击 「Enable」 激活

在这里插入图片描述


在这里插入图片描述

3.5.5 跳过Claude验证login

编辑或新增 .claude.json 文件,MacOS & Linux 为 ~/.claude.json,Windows 为用户目录 /.claude.json
新增 hasCompletedOnboarding 参数

{"hasCompletedOnboarding":true}

3.6 验证生效

打开终端,运行 claude,随便问一个问题能回答就说明配置成功了。之后在 IDEA 里用 CC GUI 插件,或者用Claude Code插件,也会自动走这个配置。

在这里插入图片描述
在这里插入图片描述

3.7 常见问题

为什么 IDEA 插件读不到配置?

原因:IDEA 自身在启动时缓存了当时的环境变量,Terminal 作为子进程只能继承这份"过时的缓存"。所以在配置完cc-switch或者Claude MiniMax模型的配置后,需要退出Claude窗口,重新启动Claude,退出Idea,重新加载AI相关配置(比如MCP)

4 在 Claude Code 中使用 MiniMax-M2.7 模型进行 AI 编程

在上一步,配置完cc-swich之后,这里就比较简单了,直接在终端,使用 claude启动就行,然后就可以愉快的玩耍了。
Open your terminal in any project directory and start Claude Code:

cd /path/to/your/project claude 
在这里插入图片描述

参考资料:https://platform.minimaxi.com/docs/token-plan/claude-code

5 配置MCP

因为你不配置MCP,它只会读取训练好的模型数据,如果网上的最新信息,他不一定及时获取到。

5.1 安装uvx

macOS / Linux

curl-LsSf https://astral.sh/uv/install.sh |sh

Windows

powershell -ExecutionPolicy ByPass -c"irm https://astral.sh/uv/install.ps1 | iex"

其他安装方式可参考 uv 仓库:https://github.com/astral-sh/uv

5.3 验证安装

macOS / Linux

which uvx 

Windows

(Get-Command uvx).source 

比如mac系统:

在这里插入图片描述

5.4 MCP 配置文件位置

在 Claude Code 中使用MCP,在终端运行以下命令,将api_key替换为您的 API Key:

claude mcp add-s user MiniMax --envMINIMAX_API_KEY=api_key --envMINIMAX_API_HOST=https://api.minimaxi.com -- uvx minimax-coding-plan-mcp -y

注意,查看配置是否正确,正确的MCP 配置在 ~/.claude.json 里,格式类似:

{"mcpServers":{"your-server-name":{"command":"node","args":["/path/to/mcp-server.js"],"env":{"API_KEY":"your-key"}}}}

5.5 必须完全重启 Claude 才能生效

MCP 服务器是在 Claude 启动时加载的,热重载不支持。即使你修改了配置文件,也必须完全退出 Claude 进程(不是只是关闭窗口),注意,修改配置后需要重启Idea(如果你有用这个)

5.5.1 如果你是在 IDEA Terminal 里运行的 Claude Code

#找到正在运行的 Claude 进程

ps aux |grep claude 

#强制结束进程(用上面查到的 PID)

kill-9[PID]

5.5.2 如果你是在系统终端(Terminal/iTerm2)里运行的

按 Ctrl+C 终止当前 Claude 会话
如果配置有更新,最好清一下缓存(可选)

rm-rf ~/.claude/sessions/* 

重新启动 Claude

claude 

或者更简单,直接按 Ctrl+C 终止当前运行的 Claude
然后重新运行 claude 命令

5.6 验证MCP

进入 Claude Code 后输入 /mcp,能看到 web_search 和 understand_image,说明配置成功

在这里插入图片描述

使用MCP:

在这里插入图片描述

6 Idea使用AI大模型

安装插件:

在这里插入图片描述

如果是Claude Code 这个插件,就比较简单了,cc-switch配置后,Idea重启后,配置可以拿到,不用做任何配置,直接用就可以

如果使用的CC GUI这个插件,需要做一下配置,输入模型名称和对应的Api Key(如果没有对应的 MiniMax AI Provider):

在这里插入图片描述

Read more

企业级部署建议:Qwen3Guard-Gen-WEB权限控制设置

企业级部署建议:Qwen3Guard-Gen-WEB权限控制设置 在将Qwen3Guard-Gen-WEB这类高敏感度安全审核模型投入生产环境前,一个常被低估却至关重要的环节是——权限控制体系的构建。它不是锦上添花的附加配置,而是决定模型能否合规、可控、可持续运行的生命线。Qwen3Guard-Gen-WEB作为阿里开源的生成式安全审核模型,其核心能力在于对文本内容进行三级风险判定(安全/有争议/不安全)并输出可解释依据。但若缺乏严谨的访问控制,这一能力反而可能成为风险源:未授权人员误用导致误判扩散、恶意调用耗尽资源、敏感审核日志外泄引发合规危机……本文不讲模型原理,也不演示基础推理,而是聚焦于企业真实落地中最易踩坑、最需前置规划的环节——如何为Qwen3Guard-Gen-WEB构建一套稳健、可审计、符合等保与GDPR精神的权限控制机制。 1. 为什么Web界面更需要权限控制?——从便利性到风险敞口 Qwen3Guard-Gen-WEB的“一键启动+网页操作”设计极大降低了使用门槛,但恰恰是这种便利性,放大了权限失控的后果。我们来对比两种典型场景: * 无权限控制状态:1

hacdias/webdav WebDAV服务器完整配置指南与快速入门

hacdias/webdav WebDAV服务器完整配置指南与快速入门 【免费下载链接】webdavSimple Go WebDAV server. 项目地址: https://gitcode.com/gh_mirrors/we/webdav hacdias/webdav是一个轻量级独立的WebDAV服务器解决方案,采用Go语言编写,专为需要简单高效文件共享服务的用户设计。本文将为您提供从零开始的一键部署教程、安全配置实践以及常见问题解决方案,帮助您快速搭建专业的WebDAV文件共享平台。 项目核心特性解析 hacdias/webdav服务器具备多项实用功能:支持多用户权限管理,可为不同用户分配独立的目录访问权限;内置TLS加密传输,保障数据传输安全性;提供灵活的规则配置系统,支持基于路径和正则表达式的精细权限控制;兼容所有标准WebDAV客户端,实现跨平台文件同步。 Docker容器化部署实战 基础环境准备 首先确保系统已安装Docker环境,然后创建配置文件和数据目录: mkdir -p webdav/{config,data} 配置文件编写 创建webd

用 ASCII 草图 + AI 快速生成前端代码

引言 从想法到代码,中间往往要经历画原型、出设计稿等环节。 用 ASCII 草图,可以跳过大量原型绘制、结构拆解和手动搭骨架的中间步骤。 这种表达方式其实一直存在,但真正让它进入工程流程的,是 AI 的能力提升。大语言模型对结构化文本具有很强的解析能力,能够识别文本中的层级、对齐关系与空间划分,并将这些结构信息稳定地映射为组件树和页面布局。 因此,ASCII 不再只是沟通草稿,而成为一种可执行的结构描述。 什么是 “ASCII 草图” 提到 ASCII,很多人的第一反应可能是那个年代久远的“字符画”。没错,ASCII 草图就是用字符来构建页面布局。 在 AI 时代,这种看似简陋的草图,其实蕴含着巨大的能量。大语言模型(LLM)对结构化文本的理解能力极强。相比于模糊的自然语言描述(“我要一个左边宽右边窄的布局”),ASCII 草图提供了一种所见即所得的结构化 Prompt。 简单来说,ASCII 草图充当了视觉蓝图的角色,AI 根据这个结构生成代码。

GLM-4.6V-Flash-WEB踩坑记录:这些常见问题你一定要知道

GLM-4.6V-Flash-WEB踩坑记录:这些常见问题你一定要知道 部署完GLM-4.6V-Flash-WEB镜像,点开网页界面,输入第一张图、敲下回车——结果卡住不动?模型加载失败?API返回500?上传图片后提示“格式不支持”,但明明是JPG?又或者,明明T4显存还有空余,推理却报CUDA out of memory? 别急,这不是你操作错了,也不是模型不行。这是绝大多数人在首次接触GLM-4.6V-Flash-WEB时都会撞上的真实门槛。它确实轻快、开源、开箱即用,但“开箱即用”不等于“零配置即用”。它的设计哲学是工程友好,而非无脑傻瓜——这意味着它把灵活性留给了你,也把几个关键细节交由你亲手确认。 这篇记录不是官方文档的复述,也不是理想状态下的教程,而是从真实终端日志、反复重启的容器、被注释掉的调试代码里抠出来的经验总结。我们不讲原理,不堆参数,只说:哪些地方容易出错、为什么错、怎么三分钟内定位并解决。如果你刚拉起镜像、正对着黑屏或报错发愣,这篇文章就是为你写的。