Claude部署（copilot反向代理）

优质文章学习记录

— 4 min read

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

基于Whisper-large-v3的多语言翻译系统开发

基于Whisper-large-v3的多语言翻译系统开发 想象一下这样的场景：一场国际线上会议正在进行，参会者来自世界各地，说着不同的语言。一位德国同事用德语发言，一位日本伙伴用日语提问，而你作为会议组织者，需要实时理解所有人的发言，并确保沟通顺畅。传统做法是雇佣多名翻译，成本高昂且响应延迟。现在，有了基于Whisper-large-v3构建的多语言翻译系统，这一切都可以自动化完成，而且成本只是传统方案的零头。 本文将带你一步步构建这样一个系统，从语音识别到文本翻译，形成一个完整的流水线。无论你是想为跨国团队开发内部工具，还是想为内容平台添加多语言字幕功能，这套方案都能为你提供一个坚实的起点。 1. 为什么选择Whisper-large-v3？ 在开始动手之前，我们先聊聊为什么Whisper-large-v3是构建多语言翻译系统的理想选择。 Whisper-large-v3是OpenAI开源的语音识别模型，它最大的特点就是“多语言”和“高精度”。这个模型在超过100万小时的音频数据上训练过，支持99种语言的识别，包括英语、中文、法语、德语、日语、韩语等主流语言，甚至还能识别

用Z-Image-Turbo做AI绘画：16GB显存轻松跑，中英文提示全支持

用Z-Image-Turbo做AI绘画：16GB显存轻松跑，中英文提示全支持 你是否试过在本地部署一个文生图模型，结果被漫长的下载、复杂的环境配置、显存不足的报错反复劝退？是否期待一款真正“开箱即用”的AI绘画工具——不用等权重下载、不需手动编译、不靠A100/H100也能跑出高清图？Z-Image-Turbo就是那个答案。它不是又一个参数堆砌的庞然大物，而是通义实验室用蒸馏技术“瘦身”后的高效能选手：8步出图、照片级质感、中英文提示词原生支持、16GB显存稳稳运行。更重要的是，它已为你打包成即启即用的ZEEKLOG镜像——连Gradio界面、API服务、进程守护都配齐了，你唯一要做的，就是打开浏览器。 本文不讲论文推导，不列训练细节，只聚焦一件事：如何用最短路径，把Z-Image-Turbo变成你手边真正好用的AI画笔。从零启动到生成第一张带中文标题的海报，全程无需联网、不碰conda环境、不改一行代码。如果你有一块RTX 4090或A6000，甚至是一台搭载RTX 3090的旧工作站，这篇文章就是为你写的。 1. 为什么Z-Image-Turbo值得你立刻试试 在AI绘画
【Stable Diffusion模型】技术深度解析

【Stable Diffusion模型】技术深度解析

文章目录 * 目录 * 一、前置认知：Stable Diffusion核心基础信息 * 1.1 Stable Diffusion核心基础属性 * 1.2 Stable Diffusion发展历程关键节点 * 二、Stable Diffusion整体架构 * 2.1 Stable Diffusion整体核心架构 * 2.2 Stable Diffusion核心运行流程 * 流程1：文生图（Text-to-Image，SD最核心场景） * 流程2：图生图（Image-to-Image，二次创作场景） * 三、Stable Diffusion核心模块与关键公式详解 * 3.1 核心理论：扩散模型的「正向扩散+逆向降噪」双过程 * 3.1.1 正向扩散过程（训练阶段，像素级，SD预训练用）

AI绘画隐私保护方案：麦橘超然本地部署实践

AI绘画隐私保护方案：麦橘超然本地部署实践 1. 为什么本地AI绘画正在成为创作者刚需 你有没有过这样的经历：输入一段精心构思的提示词，点击生成，几秒后画面出现——但心里却隐隐不安？那些关于人物肖像、产品原型、未发布设计稿的图像，正悄然上传至某个远程服务器，存入不可见的数据库。在AI绘画工具遍地开花的今天，数据不出本地已不再是技术极客的执念，而是职业插画师、独立设计师、品牌视觉负责人的真实工作底线。 麦橘超然（MajicFLUX）离线图像生成控制台，正是为这一需求而生。它不是又一个云端API的网页包装，而是一套真正“关上门就能用”的本地解决方案：模型预置、服务自启、全程离线、零网络外传。更关键的是，它不靠牺牲画质换隐私——通过float8量化与CPU卸载双引擎，在RTX 3060（12GB显存）甚至GTX 1660 Super（6GB显存）上，仍能稳定输出1024×1024分辨率、电影级质感的AI图像。 这不是理论推演，而是我们连续三周在真实创作场景中验证过的落地路径。下文将完全跳过概念铺垫，直击三个核心问题： * 它如何从根源上切断数据外泄可能？