Claude部署(copilot反向代理)

一、教育邮箱认证

1、进行教育邮箱认证可免费使用claude pro 2年,有机会的话可以进行认证,无法教育认证的话只能花钱充claude的会员了,如何进行教育认证可观看该Up的视频

超简单一次通过Github学生认证,逐步详细视频教程_哔哩哔哩_bilibili

2、教育认证通过后在GitHub个人主页下的Copilot/Features中开启Copilot Pro

二、服务器上配置Copilot反向代理

1、配置nodejs环境

在官网https://nodejs.org/en/download/package-manager,下载nodejs安装包(Linux)

下载完成后将压缩包传到服务器上进行解压,目录如下

创建软连接,使得在任意目录下都可以试用直接使用node命令和npm命令

ln -s /root/node-v24.13.1-linux-x64/bin/node /usr/local/bin/node ln -s /root/node-v24.13.1-linux-x64/bin/npm /usr/local/bin/npm 

命令执行成功后,切到“usr/local/bin”目录,可以看到该目录下有两个文件

编辑环境配置文件,首先cd 到根目录

然后编辑etc下的profile文件

vim /etc/profile

在该文件的最后一行加入两行export的代码,修改完成后执行source /etc/profile 刷新环境配置

检查node及npm版本,出现版本号则nodejs环境配置完成

2、科学上网

3、配置copilot环境

npm install -g copilot-api copilot-api start

如果出现这种情况

复制copilot-api的绝对路径,再start

/root/node-v24.13.1-linux-x64/bin/copilot-api start

成功start后的终端会出现以下模型

三、本地部署claude

1、安装最新 NodeJS 环境,下载安装包(Windows版本)一路下一步安装即可:https://nodejs.org/zh-cn/download

2、安装claude code

在cmd终端中输入npm install -g @anthropic-ai/claude-code

3、使用claude code,开启两个cmd终端,其中一个用来远程链接服务器,注意服务器上要开启VPN代理,copilot-api start也要运行

ssh 用户名@IP地址

另一个cmd终端,用来使用claude code,在终端中输入claude即可启动

如果出现 claude code 无法连接到 Anthropic 服务,修改claude.json文件

Unable to connect to Anthropic services Failed to connect to api.anthropic.com: ERR BAD REQUEST lease check your internet connection and network settings. Note: Claude Code might not be available in your country, Check supported countries atnttps://anthropic.com/supported-countriesS E:ltoollclaude code> 

加一行字段,"hasCompletedOnboarding": true

如果出现需要登陆的情况,在终端中输入以下命令,关闭终端后开启,重新输入claude。如果依然还需要登陆,删掉.claude.json文件后再来一次

setx ANTHROPIC_API_KEY "sk-anything" setx ANTHROPIC_BASE_URL "http://127.0.0.1:4141"

参考资料

超简单!手把手教你玩转ClaudeCode,无魔法不会员!-腾讯云开发者社区-腾讯云

Claude Code+Claude-4.5代理配置全流程:从零开始搭建AI编程环境!_claude code 代理-ZEEKLOG博客

Linux环境安装配置nodejs详细教程_linux安装nodejs-ZEEKLOG博客

解决:claude code 无法连接到 Anthropic 服务_unable to connect to anthropic services failed to -ZEEKLOG博客

Read more

从「AI改变世界」到「AI帮我改Bug」:一个小厂架构师的Agent落地实战

从「AI改变世界」到「AI帮我改Bug」:一个小厂架构师的Agent落地实战

凌晨两点的顿悟:AI不是魔法,是工具 上周三凌晨两点,我坐在书房里揉着发涨的太阳穴——创业团队的产品刚上2.0版本,客户反馈的Bug堆了满满一屏幕。女儿的乐高积木还散在客厅地板上,老父亲的呼噜声从隔壁房间传来,而我面前的电脑屏幕上,一个红色的错误提示正在闪烁。 「要是有个AI能帮我自动定位Bug就好了。」我对着空气吐槽,顺手又灌了一口冰咖啡。 三个月前,我也是这么想的。那时候AI Agent的概念正火,我在各种技术大会上听了无数次「Agent将颠覆软件开发」的演讲。回到公司后,我拍着胸脯跟团队说:「咱们也搞个AI Agent,让它帮我们写代码、测Bug、甚至做需求分析!」 现在想来,当时的自己简直像个刚毕业的愣头青——热情有余,务实不足。 从「大而全」到「小而美」:我的Agent落地三步走 落地流程可视化 遇到问题 遇到问题 遇到问题 接入错误日志系统 懂代码库结构 全能Agent幻想 系统启动慢 代码质量差 功能臆想 反思与调整 找到最小可用场景

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例

AI的提示词专栏:Prompt 辅助的实体识别(NER)案例 本文围绕 Prompt 辅助的实体识别(NER)展开,先介绍 NER 的核心定义,即从非结构化文本提取特定意义实体并归类,阐述其在多行业的价值,对比传统 NER 与 Prompt 辅助 NER 的差异。接着提出 Prompt 辅助 NER 需遵循目标明确、约束清晰、示例引导的设计原则。随后通过金融、医疗、法律领域的实战案例,展示 Prompt 设计、预期输出及技巧点。还分析常见问题与解决方案,分享结合领域词典、多轮对话、Logit Bias 参数等进阶技巧,最后给出新手入门、行业应用等实践建议,为相关 NLP 任务提供实体数据支撑。 人工智能专栏介绍     人工智能学习合集专栏是 AI

如何借助AI完成测试用例的生成?实测高效落地指南

作为一名测试从业者,想必你也有过这样的困扰:重复编写常规功能的测试用例,耗时又耗力;面对复杂业务逻辑,容易遗漏边缘场景;需求频繁迭代时,用例更新跟不上节奏,常常陷入“加班写用例、熬夜改用例”的内耗里。 而现在,生成式AI的爆发的已经彻底改变了测试用例生成的传统模式——它能快速批量生成用例、覆盖更多人工易忽略的场景,还能适配需求迭代快速更新,将测试人员从重复劳动中解放出来,转向更核心的质量策略设计。但很多人尝试后却反馈:“把需求丢给AI,生成的用例驴唇不对马嘴”“看似全面,实际很多无法执行”。 其实,AI生成测试用例的核心不是“输入→输出”的简单操作,而是“人机协同”的高效配合:AI负责规模化生产,人负责搭建框架、把控质量。今天就结合我的实测经验,手把手教你如何借助AI高效生成测试用例,避开常见坑,真正实现提效不内耗。 一、先搞懂:AI生成测试用例的底层逻辑(避免踩错第一步) 很多人用不好AI的核心原因,是误以为AI能“读懂所有需求”,其实它的本质是“基于已有规则和数据,模仿人类测试思维生成用例”。其底层主要依赖三大技术,

一个人就是一支影视团队:实测国内最强影视级 AI 视频创作平台 TapNow——告别抽卡,导演级精准控制

一个人就是一支影视团队:实测国内最强影视级 AI 视频创作平台 TapNow——告别抽卡,导演级精准控制

实测国内最强影视级 AI 视频平台 TapNow:告别“盲盒抽卡”,实现导演级精准调度         在过去的一年里,文生视频赛道经历了爆发式增长。但对于真正需要将 AI 投入到生产环境中的创作者、产品经理和开发者来说,目前的 AI 视频工具普遍存在一个致命痛点——不可控。        跑偏的物理规律、诡异的肢体形变、如同“开盲盒”般的提示词玄学,让很多原本充满创意的构想,最终沦为废弃的半成品。如果你也受够了这种低效的“抽卡式”创作,那么今天介绍的这款号称国内最强影视级 AI 视频创作平台——TapNow,或许能彻底重塑你的工作流。 核心痛点突破:从“AI 幻觉”到真正的物理一致性 技术社区的受众深知,评价一个 AI 视频大模型底座的强弱,不仅看它能生成多惊艳的单帧,更要看它在长镜头下的时空一致性。 TapNow 在底层架构上进行了深度优化,重点解决了以下三个核心问题: 1. 极高保真度的物理交互: 无论是光影在水面的流动、烟雾的自然消散,