CodeBuddy 安装、登录与模型配置流程:从安装到跑通第一个对话实用指南

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“CodeBuddy 安装、登录与模型配置流程:从安装到跑通第一个对话”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

1. 引言

落到代码里，CodeBuddy 是腾讯云推出的一款 AI 智能编程助手，兼容对话式编程、代码补全、代码解释、单元测试生成等能力。对于刚接触 CodeBuddy 的开发者来说，最关键的往往不是装好插件，而是把模型设置对理解这一步时，——模型选型、API 密钥、接口地址任何一个环节出错，都可能导致对话不响应或报错。

在这个场景下，本文将从零开始，带你完整走一遍 CodeBuddy 的安装、登录与模型设置流程，同时给出主流模型（DeepSeek、通义千问、智谱 GLM 等）的具体设置参数，确保你能顺利跑通第一个对话。

2. 准备工作

在开始设置之前，请先确认你具备以下条件：

• 一个可用的腾讯云账号（用来登录 CodeBuddy）；
• 一个或多个大模型 API 密钥（下文会介绍如何拿到）；
• 实际处理时，已安装 VS Code、JetBrains IDE 或准备采用云端 Web 版；
• 网络能够访问对应模型服务商的 API 端点。

提示：如果你还没有 API 密钥，能够先跳过本节，直接看第 4 节的“模型服务商与密钥拿到”，拿到密钥后再回来设置。

3. 安装与登录 CodeBuddy

3.1 方式一：VS Code 插件安装

1. 打开 VS Code，点击左侧「扩展」图标。
2. 在搜索框中输入 CodeBuddy。
3. 选择腾讯云官方发布的 CodeBuddy 插件，点击「安装」。
4. 在这个场景下，安装完成后，左侧活动栏会出现 CodeBuddy 图标，点击即可打开面板。

3.2 方式二：JetBrains 系列插件安装

1. 从实现思路看，打开 IDE（如 IntelliJ IDEA、PyCharm、WebStorm）。
2. 进入 Settings / Preferences → Plugins。
3. 搜索 CodeBuddy 同时安装。
4. 重启 IDE 后，右侧会出现 CodeBuddy 工具窗口。

3.3 方式三：Web 版采用

在这个场景下，若不便于安装插件，能够直接访问 CodeBuddy 网页版，采用腾讯云账号登录后即可体验对话式编程。

3.4 登录账号

• 打开 CodeBuddy 面板后，点击「登录」。
• 选择「腾讯云账号登录」。
• 扫码或输入账号密码完成登录。
• 登录成功后，面板会显示你的账号信息和模型设置入口。

4. 模型服务商与密钥拿到

从实现思路看，CodeBuddy 兼容接入多种大模型。下面列举几种常用模型及其密钥拿到方式。

4.1 DeepSeek

• 官网：（链接已移除）
• 密钥拿到步骤：
  1. 注册并登录 DeepSeek 开放平台。
  2. 进入「API Keys」页面。
  3. 点击「新建 API Key」，复制保存（仅显示一次）。
• 接口地址：（链接已移除）

4.2 通义千问（阿里云 DashScope）

• 官网：（链接已移除）
• 密钥拿到步骤：
  1. 开通阿里云百炼服务。
  2. 进入「API-KEY 管理」页面。
  3. 新建新的 API Key 并保存。
• 接口地址：（链接已移除）

4.3 智谱 GLM

• 官网：（链接已移除）
• 密钥拿到步骤：
  1. 注册并登录智谱开放平台。
  2. 进入「API 密钥」页面。
  3. 新建 API Key。
• 接口地址：（链接已移除）

安全提醒：API Key 等同于你的账户凭证，请勿泄露或提交到公开仓库。建议采用环境变量或 IDE 的安全存储保存。

5. 模型设置详解（核心步骤）

结合项目来看，登录 CodeBuddy 后，点击面板中的「设置」或「模型设置」入口，进入模型管理页面。

5.1 添加自定义模型

1. 在模型设置页面，点击「添加模型」。
2. 选择「自定义模型」或「接入第三方模型」。
3. 填写以下关键信息：

注意：API 地址一定要填写完整、正确的端点路径，不同服务商路径不同。部分服务商采用 OpenAI 兼容格式，可直接选择对应模板。

落到代码里，以上是在 CodeBuddy 中添加自定义模型时需填写的参数。下面用 Python 的 requests 库完整演示一次 DeepSeek API 调用过程，帮助你验证 API 地址、模型 ID 和密钥是否正确：

import os
import requests
# DeepSeek API 地址（OpenAI 兼容格式）
API_URL = "https://api.deepseek.com/v1/chat/completions"
# 从环境变量读取 API Key，避免将密钥硬编码在代码中
API_KEY = os.getenv("DEEPSEEK_API_KEY", "sk-xxxxxxxxxxxxxxxx")
def call_deepseek(user_prompt: str) -> str:
    """调用 DeepSeek API 并返回模型回复内容。"""
    # 1. 构造请求头
    headers = {
        "Authorization": f"Bearer {API_KEY}",  # Bearer Token 鉴权，替换 API_KEY
        "Content-Type": "application/json",    # 请求体使用 JSON 格式
    }
    # 2. 组装请求体
    payload = {
        "model": "deepseek-chat",   # 模型 ID：deepseek-chat 对应 DeepSeek-V3 对话模型
        "messages": [
            {
                "role": "system",   # 系统提示词：设定助手角色或行为
                "content": "你是一个专业的编程助手。",
            },
            {
                "role": "user",     # 用户消息：本次要提问的具体内容
                "content": user_prompt,
            },
        ],
        "temperature": 0.7,        # 采样温度：控制回答随机性，代码生成建议设为 0.1~0.3
        "max_tokens": 1024,         # 限制单次回复最大 token 数，防止输出过长
        "stream": False,            # 关闭流式输出，普通请求直接返回完整结果
    }
    try:
        # 3. 发送 POST 请求
        response = requests.post(
            API_URL,
            headers=headers,
            json=payload,       # 使用 json 参数自动完成 JSON 序列化
            timeout=30,         # 超时时间（秒），避免请求长时间阻塞
        )
        # 4. 检查 HTTP 状态码，非 2xx 时抛出异常
        response.raise_for_status()
        # 5. 解析 JSON 响应
        data = response.json()
        # 模型回复位于 choices[0].message.content 字段中
        content = data["choices"][0]["message"]["content"]
        return content
    except requests.exceptions.Timeout:
        # 请求超时：可重试或检查网络连接
        raise RuntimeError("请求 DeepSeek API 超时，请检查网络后重试。")
    except requests.exceptions.ConnectionError:
        # 连接错误：网络不可达或代理配置异常
        raise RuntimeError("无法连接 DeepSeek API，请检查网络或代理设置。")
    except requests.exceptions.HTTPError as exc:
        # HTTP 错误：如 401 鉴权失败、404 地址错误、429 限流等
        status_code = exc.response.status_code if exc.response is not None else "N/A"
        detail = exc.response.text if exc.response is not None else str(exc)
        raise RuntimeError(f"DeepSeek API 返回错误：{status_code}，详情：{detail}") from exc
    except (KeyError, IndexError, ValueError):
        # 响应结构不符合预期，说明接口返回格式异常或地址不是 OpenAI 兼容格式
        raise RuntimeError("DeepSeek API 响应格式异常，请检查请求是否使用 OpenAI 兼容地址。")
if __name__ == "__main__":
    # 发送一条简单问题并打印模型回复
    answer = call_deepseek("请用一句话介绍你自己。")
    print(answer)

理解这一步时，若你采用的是 Node.js 环境，能够用原生 fetch API 调用 DeepSeek。下面示例展示如何构造请求头、请求体，同时处理超时、HTTP 错误和响应解析异常：

// 使用原生 fetch，需要 Node.js 18 及以上版本
const API_URL = "https://api.deepseek.com/v1/chat/completions";
// 从环境变量读取 API Key，避免将密钥硬编码在代码中
const API_KEY = process.env.DEEPSEEK_API_KEY || "sk-xxxxxxxxxxxxxxxx";
async function callDeepSeek(userPrompt) {
    // 1. 构造请求头
    const headers = {
        "Authorization": `Bearer ${API_KEY}`, // Bearer Token 鉴权
        "Content-Type": "application/json",   // 请求体使用 JSON 格式
    };
    // 2. 组装请求体
    const payload = {
        model: "deepseek-chat", // 模型 ID：deepseek-chat 对应 DeepSeek-V3 对话模型
        messages: [
            {
                role: "system", // 系统提示词：设定助手角色或行为
                content: "你是一个专业的编程助手。",
            },
            {
                role: "user", // 用户消息：本次要提问的具体内容
                content: userPrompt,
            },
        ],
        temperature: 0.7, // 采样温度：控制回答随机性，代码生成建议设为 0.1~0.3
        max_tokens: 1024, // 限制单次回复最大 token 数，防止输出过长
        stream: false,    // 关闭流式输出，普通请求直接返回完整结果
    };
    // 3. 创建超时控制器，30 秒后自动中断请求
    const controller = new AbortController();
    const timeout = setTimeout(() => controller.abort(), 30000);
    try {
        // 4. 发送 POST 请求
        const response = await fetch(API_URL, {
            method: "POST",
            headers,
            body: JSON.stringify(payload), // 将请求体序列化为 JSON 字符串
            signal: controller.signal,     // 绑定超时信号
        });
        // 5. 检查 HTTP 状态码，非 2xx 时抛出包含状态码和响应文本的错误
        if (!response.ok) {
            const errorText = await response.text();
            throw new Error(`DeepSeek API 返回错误：${response.status}，详情：${errorText}`);
        }
        // 6. 解析 JSON 响应
        const data = await response.json();
        // 模型回复位于 choices[0].message.content 字段中
        return data.choices[0].message.content;
    } catch (error) {
        // 区分超时错误、网络错误和 HTTP 错误
        if (error.name === "AbortError") {
            throw new Error("请求 DeepSeek API 超时，请检查网络后重试。");
        }
        if (error instanceof TypeError) {
            throw new Error("无法连接 DeepSeek API，请检查网络或代理设置。");
        }
        throw error;
    } finally {
        // 无论成功失败，清除超时定时器，避免资源泄漏
        clearTimeout(timeout);
    }
}
// 调用示例：发送一条简单问题并打印模型回复
callDeepSeek("请用一句话介绍你自己。")
    .then((answer) => {
        console.log(answer);
    })
    .catch((error) => {
        console.error(error.message);
    });

5.2 采用预设模型（建议新手）

CodeBuddy 内置了一些常用模型预设，能够直接选择采用：

1. 在模型列表中找到「预设模型」或「内置模型」。
2. 选择你已有密钥的服务商（如 DeepSeek、智谱等）。
3. 结合项目来看，填入对应的 API Key 即可，API 地址和模型 ID 会自动带出。
4. 点击「测试连接」，验证设置是否成功。

5.3 设置代码补全模型

若你需代码补全功能，还需单独设置补全模型：

1. 在模型设置中找到「补全模型」标签页。
2. 选择与对话模型相同或不同的模型作为补全模型。
3. 填入对应的 API Key。
4. 保存后即可在编辑器中触发智能补全。

6. 模型设置示例

为便于更快选型，下面把三种常用模型的设置参数横向对比：

6.1 DeepSeek 设置示例

模型名称：DeepSeek-V3
模型 ID：deepseek-chat
API 地址：https://api.deepseek.com/v1/chat/completions
API Key：sk-xxxxxxxxxxxxxxxx
请求格式：OpenAI 兼容格式

6.2 通义千问设置示例

模型名称：Qwen-Plus
模型 ID：qwen-plus
API 地址：https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
API Key：sk-xxxxxxxxxxxxxxxx
请求格式：OpenAI 兼容格式

6.3 智谱 GLM 设置示例

模型名称：GLM-4-Plus
模型 ID：glm-4-plus
API 地址：https://open.bigmodel.cn/api/paas/v4/chat/completions
API Key：xxxxxxxxxxxxxxxx
请求格式：OpenAI 兼容格式

6.4 主流模型对比

落到代码里，除了接口地址和模型 ID，选型时还需关注适用场景、上下文长度、代码能力和价格策略。下面将 DeepSeek、通义千问、智谱 GLM 三款主流模型的特点进行横向对比：

选择建议：

• 从实现思路看，若你常用来代码生成、调试或高频对话，优先考虑 DeepSeek，整体性价比较高。
• 落到代码里，若你的业务深度采用阿里云生态，或对中文企业级场景要求较高，优先考虑通义千问。
• 若你需智能体、工具调用或复杂逻辑链，优先考虑智谱 GLM。
• 实际处理时，实际接入 CodeBuddy 时，三者都兼容 OpenAI 兼容格式，切换成本较低，能够同时设置多个模型，按任务灵活切换。

6.5 实战：从零设置并跑通第一个对话

从实现思路看，下面以 DeepSeek 为例，完整走一遍「拿到 API Key → 在 CodeBuddy 中添加自定义模型 → 填写设置参数 → 测试连接 → 发送第一条对话」的流程。每一步都给出操作步骤、界面截图占位说明和预期结果。

第 1 步：拿到 DeepSeek API Key

1. 结合项目来看，打开 DeepSeek 开放平台：（链接已移除）。
2. 注册并登录账号。
3. 在左侧菜单进入「API Keys」页面。
4. 点击「新建 API Key」，填写名称后确认生成。
5. 复制生成的 sk- 开头的密钥同时妥善保存。

截图占位：图 6.5-1 DeepSeek 开放平台「API Keys」页面，建议展示「新建 API Key」按钮和已生成的密钥。

预期结果： 页面生成一个以 sk- 开头的 API Key，同时且平台会提示「密钥仅在新建时完整显示一次」，请立即复制保存。

第 2 步：进入 CodeBuddy 模型设置

1. 打开 CodeBuddy 面板。
2. 点击面板中的「设置」或「模型设置」入口，进入模型管理页面。

截图占位：图 6.5-2 CodeBuddy 模型设置页面，建议展示「添加模型」按钮以及当前已设置的模型列表。

预期结果： 实际处理时，成功进入模型管理页面，能够看到「添加模型」「预设模型」「补全模型」等设置入口。

第 3 步：在 CodeBuddy 中添加自定义模型

1. 在模型设置页面点击「添加模型」。
2. 选择「自定义模型」或「接入第三方模型」。
3. 等待模型设置表单展开。

截图占位：图 6.5-3 添加模型弹窗，建议展示「自定义模型」与「预设模型」等选项。

预期结果： 理解这一步时，弹出模型设置表单，能够看到模型名称、模型 ID、API 地址、API Key、请求格式等设置项。

第 4 步：填写 DeepSeek 设置参数

按下面的参数填写自定义模型设置：

截图占位：图 6.5-4 自定义模型设置表单，建议展示已填写的模型名称、模型 ID、API 地址、API Key 和请求格式。

预期结果： 结合项目来看，表单无红色必填项提示；API 地址完整以 /chat/completions 结尾；API Key 前后没有多余空格或换行。

第 5 步：保存设置并测试连接

1. 点击「保存」，将模型设置保存到 CodeBuddy。
2. 点击「测试连接」或「发送测试请求」，验证设置是否正确。

截图占位：图 6.5-5 测试连接结果提示，建议展示「连接成功」的提示或得到的模型响应。

预期结果： 从实现思路看，显示「连接成功」，或得到 DeepSeek 的简短响应。如果测试失败，请按第 8 节的常用问题逐一排查。

第 6 步：发送第一条对话

1. 回到 CodeBuddy 对话面板。
2. 理解这一步时，确认顶部模型下拉框选择的是刚设置的 DeepSeek-V3。
3. 在输入框发送一句轻松问题，比如：

请用一句话介绍你自己。

截图占位：图 6.5-6 CodeBuddy 对话界面，建议展示模型选择下拉框以及第一条对话的问答结果。

预期结果： 实际处理时，CodeBuddy 正常得到 DeepSeek 的回答，比如「我是 DeepSeek 助手，由深度求索公司创造的 AI 助手。」至此，你已经完成了从零设置同时跑通第一个对话的完整流程。

7. 验证设置是否成功

设置完成后，务必进行验证，避免后续采用时反复报错：

• 在模型设置页面点击「测试连接」或「发送测试请求」。
• 查看是否得到正常的模型响应。
• 回到对话面板，发送一句轻松问题，比如：

• 请用一句话介绍你自己。

• 观察是否正常得到结果。

若测试失败，请按第 8 节的常用问题逐一排查。

8. 常用问题排查

落到代码里，CodeBuddy 提示「测试连接失败」时，能够先根据下面的流程图更快定位问题。流程图按 401、404、连接超时、响应乱码四类常用错误给出排查路径，对应本节 8.1～8.4 的详细说明：

8.1 提示「401 Unauthorized」或鉴权失败

• 原因：API Key 填写错误、已过期或被删除。
• 解决：回到服务商后台重新生成 API Key，确认没有多余空格，再更新到设置中。

典型报错示例：

{
  "error": {
    "message": "Invalid API key provided. You can find your API key at https://platform.deepseek.com/api_keys.",
    "type": "invalid_request_error",
    "code": "invalid_api_key"
  }
}

同时 HTTP 状态码为 401 Unauthorized。

如何定位： 看到状态码 401，再结合响应体中的 invalid_api_key、Invalid API key 等关键词，基本能够确定是密钥问题。重点检查 API Key 是否复制完整、是否带有多余空格或换行、是否已过期或被删除，以及当前填写的密钥是否来自正确的服务商。

8.2 提示「404 Not Found」

• 原因：API 地址路径填写错误。
• 解决：检查端点是否是完整的 /chat/completions 结尾，同时与服务商文档核对。

典型报错示例：

{
  "error": {
    "message": "The requested resource was not found. Please check your API endpoint and path.",
    "type": "not_found_error",
    "code": "404"
  }
}

同时 HTTP 状态码为 404 Not Found。

如何定位： 404 表示「资源路径不存在」，结合响应体中的 not_found、resource was not found 等关键词，重点核对 URL 路径。常用错误是把 /chat/completions 写成 /chat/completion（少了 s）、漏掉 /v1 版本路径，或把服务商的兼容模式路径与原生路径混用。

8.3 提示「连接超时」或「网络错误」

• 原因：网络无法访问服务商端点，或存在代理拦截。
• 解决：检查网络连接，确认是否需设置代理；可尝试更换服务商测试。

典型报错示例：

落到代码里，此类问题通常不会得到 JSON 响应体，而是客户端抛出连接超时或网络错误：

requests.exceptions.ConnectTimeout: HTTPSConnectionPool(host='api.deepseek.com', port=443): Max retries exceeded with url: /v1/chat/completions (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object>, 'Connection to api.deepseek.com timed out.'))

如何定位： 核心关键词是 ConnectTimeout、ReadTimeout 或 ConnectionError，说明请求未到达服务端或未在指定时间内完成响应。先确认域名能否解析、443 端口是否可访问；再检查本地是否需设置代理、防火墙是否拦截。能够用 curl -I （链接已移除） 更快验证连通性。

8.4 模型响应内容乱码或格式异常

• 原因：请求格式选择错误（如 OpenAI 格式与原生格式混用）。
• 解决：统一采用「OpenAI 兼容格式」，同时确保模型 ID 与格式匹配。

典型报错示例：

结合项目来看，比如，把原生格式请求发送到 OpenAI 兼容端点，或请求体字段不符合要求时，响应可能是：

{
  "error": {
    "message": "The input message format is invalid. Expected roles: system/user/assistant.",
    "type": "invalid_request_error",
    "code": "invalid_format"
  }
}

如何定位： 查看响应体中的 invalid_format、invalid message format、Expected roles 等关键词，重点检查 messages 数组是否采用了 system、user、assistant 角色，而不是 prompt 等字段。同一个模型在 CodeBuddy 中应统一选择「OpenAI 兼容格式」，同时确保模型 ID 与该格式对应的服务商文档一致。

8.5 补全功能不生效

• 原因：未单独设置补全模型，或补全模型无响应。
• 解决：在补全模型设置中重新选择模型并填入有效的 API

8.6 设置失败后的恢复方案

理解这一步时，当模型设置反复报错、修改后仍然无法恢复，或你想在一个干净的环境里重新设置时，能够按下面的方案备份、重置和更快恢复，避免影响正常开发工作。

1. 备份当前设置

从实现思路看，在动手修改或重置前，建议先保存一份当前设置快照，便于后续回退或对照排查：

1. 打开 CodeBuddy 模型设置页面，找到已设置的模型列表。
2. 在这个场景下，逐个记录或截图保存以下信息：模型名称、模型 ID、API 地址、请求格式。
3. 理解这一步时，将不完整显示的 API Key 单独保存到本地密码管理器中，不要把完整密钥截图发到公开渠道。
4. 结合项目来看，若 CodeBuddy 提供「导出设置」或设置文件存储目录，可将设置文件复制一份同时添加日期后缀，比如 codebuddy-config-backup-20260909。

提示：备份的重点是「模型 ID」「API 地址」和「请求格式」这些可重建的参数。API Key 虽然敏感，但如果确实丢失，通常能够回到服务商后台重新生成。

2. 重置 CodeBuddy 模型设置到默认状态

设置被改乱、不确定哪个参数有问题时，能够先重置再重新设置：

1. 在这个场景下，打开 CodeBuddy 模型设置页面，删除或停用所有异常的自定义模型。
2. 如有「重置模型设置」「恢复默认设置」入口，点击后按提示确认重置。
3. 实际处理时，重置后先采用 CodeBuddy 内置的预设模型或官方建议设置，验证基础功能是否正常。
4. 实际处理时，确认基础状态正常后，再逐步添加自定义模型，每次只改一个关键参数，便于定位问题。

注意：重置会移除当前的自定义模型设置，重置前务必完成第 1 步的备份操作。API Key 不会因本地重置而失效，但如果之前复制错误，建议直接到服务商后台重新生成。

3. 切换备用模型更快恢复工作

从实现思路看，若主模型暂时不可用，能够先切换到备用模型继续工作，不必等待问题完全解决：

1. 在对话面板顶部打开模型下拉框。
2. 落到代码里，选择一个已设置且测试正常的备用模型，比如从 DeepSeek 切换到通义千问或智谱 GLM。
3. 结合项目来看，若还没有备用模型，能够临时添加一个预设模型，只需填入对应服务商的 API Key。
4. 切换后先发送一条轻松消息测试，确认响应正常再继续原任务。

建议：平时至少设置两个不同服务商的模型，同时分别完成「测试连接」。这样当某个服务商限流、密钥失效或网络异常时，能够更快切换，降低设置故障对工作的影响。

4. 设置恢复后的验证步骤

恢复设置后不要直接进入高强度采用，先按下面几步验证：

1. 从实现思路看，打开模型设置页面，确认模型名称、模型 ID、API 地址和请求格式与备份记录一致。
2. 点击「测试连接」或「发送测试请求」，确认得到成功。
3. 实际处理时，回到对话面板，发送轻松问题，比如「请用一句话介绍你自己」，确认能正常收到回复。
4. 测试一下代码补全是否生效（如果码补全模型也做了改动）。
5. 确认备用模型也能够正常切换和采用。

设置恢复检查清单

完成恢复后，能够逐项勾选下列清单，确保关键环节没有遗漏：

8.7 常用问题 FAQ

下面汇总 5 个高频问题，便于更快查阅。

Q1：模型设置后对话无响应怎么办？

理解这一步时，先点击「测试连接」，确认 API 地址、模型 ID 和 API Key 是否正确。若测试成功但仍无回复，可切换到备用模型，或检查 max_tokens、stream 等参数是否设置异常。

Q2：API Key 泄露如何紧急处理？

从实现思路看，立即登录服务商后台，删除或吊销已泄露的 API Key，同时重新生成新密钥。随后在 CodeBuddy 中更新为新密钥，同时检查公开仓库、截图或日志中是否仍残留旧密钥。

Q3：如何切换不同模型？

理解这一步时，在对话面板顶部的模型下拉框中选择已设置的其他模型即可。若目标模型尚未添加，可先到模型设置页完成「添加模型」同时测试连接，再得到对话页切换。

Q4：CodeBuddy 是否兼容本地模型？

从实现思路看，若本地模型提供 OpenAI 兼容接口，通常能够借助「自定义模型」方式接入。接入时将本地服务地址填入 API 地址栏，同时确认模型 ID 和请求格式与本地服务一致。

Q5：设置多个模型时如何设置默认模型？

从实现思路看，一般在模型列表中将常用模型设为默认或置顶，保存后新建会话会优先采用该模型。如果当前版本没有默认入口，可在对话前手动选择，CodeBuddy 通常会记住最近采用的模型。

Key。

9. 高级设置建议

9.1 采用环境变量保存密钥

在这个场景下，为提高安全性，建议不要把 API Key 硬编码在设置文件中，而是借助环境变量注入：

export DEEPSEEK_API_KEY="sk-xxxxxxxxxxxxxxxx"
export GLM_API_KEY="xxxxxxxxxxxxxxxx"

随后在 CodeBuddy 的密钥栏引用对应环境变量（若插件兼容）。

9.2 多模型并行切换

CodeBuddy 兼容同时设置多个模型。你能够：

• 平时采用性价比高的模型处理常规任务；
• 遇到复杂逻辑时切换到更强的模型；
• 在对话界面顶部借助下拉框更快切换模型。

9.3 设置模型参数

部分场景下能够调整生成参数：

• temperature：控制生成文本的随机性，代码生成建议设低（如 0.2）；
• max_tokens：限制单次回复最大 token 数，防止超长输出；
• top_p：核采样参数，一般保持默认 0.9 左右即可。

10. 总结

本文从零开始梳理了 CodeBuddy 的完整设置流程：

1. 安装插件并登录腾讯云账号；
2. 在服务商后台拿到 API Key；
3. 在模型设置中添加自定义模型或采用预设；
4. 填入模型 ID、API 地址和密钥；
5. 测试连接并完成验证；
6. 根据常用问题排查设置错误。

结合项目来看，只要按上述步骤逐项核对，就能顺利设置好 CodeBuddy 的模型。设置完成后，能够立即开始体验智能问答、代码补全、代码解释等能力。如果后续更换模型或密钥，只需回到模型设置页面更新对应项即可。

从实现思路看，总的来说，CodeBuddy适合结合实际项目边做边理解。先抓住核心思路，再逐步补上细节和边界处理，最后效果会更稳定，也更容易复用。