最近,AI 编程工具越来越多,但真正决定项目能否顺利落地的,不只是模型本身,还包括模型服务的稳定性、上下文能力,以及开发工具对模型的调用和迭代能力.为了验证这条链路,我进行了一次完整实操:通过蓝耘元生代调用GLM-5.1,并将模型接入扣子编程,从零开发一款可在浏览器运行的 3D 像素方块网页应用.这次实践并不是让 AI 简单生成一个静态页面,而是提出了包括 Three.js 场景、第一人称视角、随机方块世界、COZE 文字墙、方块放置与破坏、物理碰撞、区块加载和移动端适配在内的完整需求.项目生成后,我又根据实际预览结果,对出生点、地面材质、射线检测和移动端交互等问题进行了多轮修正.本文将以第一人称记录整个过程:从比较模型服务数据、在蓝耘元生代创建API Key,到在扣子中完成GLM-5.1的自定义接入,再到提交需求、迭代代码并验证最终效果.如果只让大模型写一个按钮或补一段函数,往往很难看出模型、算力服务和 AI 编程工具之间到底是怎样配合的.于是这次我给自己定了一个更具体的目标:从零生成一个可在浏览器里运行的 3D 像素方块世界,它不仅要能展示,还要有第一人称视角、随机地形、方块交互、物理碰撞、移动端适配,以及一面由方块拼成的"COZE"文字墙.我的实际链路是:先查看 GLM-5.1 的服务商数据,再通过蓝耘元生代创建 API Key,最后把模型接入扣子编程,由扣子完成项目生成和后续迭代.本文不是概念介绍,而是我这次实操后的完整复盘.希望这次经历能为准备尝试 MaaS 服务和 AI 编程的开发者提供一份可复现的参考.
目录
- 一、为什么我没有直接开写,而是先看模型服务数据
- 二、在蓝耘元生代创建API Key
- 三、把蓝耘元生代的GLM-5.1接入扣子
- 四、我没有只说"做个小游戏",而是一次写清九项需求
- 五、第一次生成不是终点,真正的工作在第二轮修正
- 六、最终效果:它已经不是一张静态效果图
- 完整实操视频
- 七、这次组合真正帮我解决了什么
- 1.蓝耘元生代把模型调用变成了可管理的基础能力
- 2.长上下文对项目级迭代确实有意义
- 3.扣子把自然语言需求转成了可运行、可继续修改的工程过程
- 八、如果你也要复现,建议先避开这五个坑
- 九、总结:AI编程的价值,不是一次生成,而是让迭代跑起来
一、为什么我没有直接开写,而是先看模型服务数据
AI 编程并不只是"模型名字选对了就行".同一个模型由不同服务商接入时，价格、上下文长度、吞吐、延迟和可用性都可能不同.一个网页项目要连续生成和修改多份代码,上下文太短会丢需求,响应不稳定又会打断迭代,所以我先在模型服务商数据页查看了GLM-5.1的接入情况.
图中显示,在7月17日06:00更新的一次数据中,蓝耘元生代这一接入项的上下文长度、最大输入和最大输出均显示为198k,输入价格为8元/M tokens,输出价格为 28 元/M tokens;当次吞吐为 66.13 tokens/s,延迟为6.55s,可靠性显示为100%.
这里需要特别说明:我没有只盯着某一个"最快"数字.单次数据容易受到请求长度、并发和时间点影响,因此我又打开了近 7 日趋势.
在7月10日00:00至7月17日 00:00 的吞吐统计中,蓝耘元生代显示的最低值为 26.97 tokens/s、最高值为 38.04 tokens/s、平均值为 32.51 tokens/s.
同一时间范围内,延迟页面显示蓝耘元生代最低1.74s、最高3.01s、P90为1.74s.这个数值和前一张单次数据中的6.55s不是同一统计口径,因此不能直接放在一起比较高低;对我更有意义的是,页面同时提供了即时快照和趋势视图,让我在选择接入方时不必只凭印象.
综合这次页面可见的信息,我最终选择蓝耘元生代接入GLM-5.1,主要基于三点：上下文容量可以覆盖一个中等规模的前端原型;吞吐和延迟有连续数据可参考;本次页面快照中的可靠性为 100%.需要强调的是,这里的100%只是图中对应统计结果,并不等同于我对生产环境 SLA 的承诺.
二、在蓝耘元生代创建API Key
选定服务后,我进入蓝耘元生代MaaS平台.左侧菜单包含模型微调、模型仓库、模型部署、智能路由、批量推理、数据集、知识库和用量统计等模块;这次只需要调用现成模型,所以直接进入底部的"API KEY 管理".
点击"创建API KEY"后,平台生成了一条处于"使用中"状态的密钥记录.我给备注填写了 GLM-5.1,便于以后区分用途.
这一步操作不复杂,但安全问题比操作本身更重要：
- API Key 只应在创建后复制到需要调用模型的工具中,不要写进公开文章、Git 仓库或前端代码.
- 建议按项目分别创建和备注密钥,出现异常调用时可以单独停用,而不是影响所有项目.
- 发布截图前要再次检查 Key、模型 ID、API 地址和账户信息.本文图片中的敏感字段均已遮挡.
三、把蓝耘元生代的GLM-5.1接入扣子
拿到API Key 后,我打开扣子编程.在对话输入框右下角可以切换模型,除了直接使用已有模型,还可以添加自定义模型.
我选择"自定义接入",然后按蓝耘元生代提供的调用信息填写配置：
- 模型展示名称：
GLM-5.1 - 模型 ID：填写平台对应的实际模型 ID
- 模型协议：
Chat API - API URL：填写接口地址,并确认路径以
/chat/completions结尾 - API Key：粘贴刚刚创建的密钥
- 图片理解：本次配置中保持开启
- 最大输入长度：
131072 - 最大回复长度：
131072
这里的131072 是我在扣子这次接入中填写的配置值,不是对服务商页面198k上下文展示值的重新定义.接入第三方模型时,工具端限制、接口端限制和模型本身限制可能是三层不同的数值,稳妥做法是按实际文档和工具允许范围配置,并通过真实请求验证.
保存后,输入框下方的模型选择器里出现了GLM-5.1.到这里,调用链已经连通：扣子负责理解任务、组织生成和迭代过程,蓝耘元生代负责提供 GLM-5.1 的 API 调用能力.
四、我没有只说"做个小游戏",而是一次写清九项需求
模型接通后,我提交的不是一句模糊的"帮我做个3D游戏",而是一份可以逐项验收的需求清单.
我的首轮要求包括：
- 搭建项目基本框架,引入Three.js及相关依赖,创建画布和基础场景.
- 实现第一人称视角的 3D 立方体角色.
- 随机生成方块世界,至少包含三种方块.
- 在世界中心的沙质平地上拼出"COZE"方块文字墙,并让它正对出生点.
- 网页端使用鼠标控制视角,移动端支持手指操作.
- 左键放置方块、右键破坏方块.
- 加入重力模拟和基础碰撞检测.
- 使用区块加载与渲染距离限制进行性能优化.
- 做响应式设计,适配不同屏幕,并补充必要注释.
这份提示词真正有用的地方,不是字数多,而是把目标拆成了"环境、交互、物理、性能、适配、视觉标识"六类可检查结果.AI 编程最怕验收标准模糊:如果只写"效果炫酷",模型无法判断什么叫完成;写成"COZE 文字墙位于世界中心沙地并正对出生点",就有了清晰的位置、材质和朝向约束.
五、第一次生成不是终点,真正的工作在第二轮修正
扣子完成首轮项目后,我继续根据预览补充细节.迭代记录显示,它随后加入了 COZE 文字立墙、空地装饰方块、移动端触控和响应式设计,并针对实际运行问题做了多项修复.
这轮迭代里,我认为最有价值的不是"又加了几个装饰",而是它开始处理原型中常见但容易遗漏的边界问题：
- 把文字区域地面从草地修正为沙地,使需求中的场景语义真正落地.
- 修正玩家出生点 Y 坐标,避免角色出生在地面下方.
- 调整射线检测,让花朵、蘑菇等非固体方块也能被识别和破坏.
- 允许放置方块时替换水、花朵等非固体对象,避免交互被装饰物卡住.
- 加入移动端虚拟摇杆、触屏旋转、跳跃、放置和破坏按钮.
- 增加 DPR 限制、按屏幕尺寸适配和增量加载等性能处理.
它还生成了红、黄、白三色花朵以及两种蘑菇等方块类型,并在记录中形成版本99dfe1a.版本记录让"改了什么"变得可追溯,比只得到一份没有过程说明的最终代码更容易继续维护.
六、最终效果:它已经不是一张静态效果图
项目打开后首先出现"像素方块世界"开始页.页面列出了完整操作方式:WASD 移动、鼠标旋转视角、空格跳跃、左右键放置和破坏方块、数字键或滚轮切换方块、ESC 暂停，并支持视野缩放和重置.
在约23.90秒的实操录屏中,我从开始页进入场景,镜头首先越过由方块搭出的"COZE"文字墙,随后进入第一人称视角,切换底部快捷栏中的方块并移动观察场景,最后触发暂停界面.
完整实操视频
蓝耘元生代与扣子-AI编程实操视频
场景里能够看到分层山体、树木、草地、沙地区域、方块机器人和快捷栏.录屏HUD当次显示约120 FPS、FOV 75°、已加载49个区块和8个机器人.这些数字只能说明我这次本机浏览器预览时的画面状态,并不是跨设备性能测试,但至少证明区块、角色和实时视角已经同时运行,而不是一张预渲染图片.
我也注意到一个值得保留在复盘里的细节:迭代记录中曾描述要把COZE 文字墙调整为品牌粉色,但这次录屏预览里的文字墙仍表现为绿色纹理.也就是说,代码生成记录、配置值和最终视觉并不一定天然一致,视觉需求仍需人工逐项核对.对我来说,这不影响本次"从模型接入到可运行原型"的成功,但提醒我不能把模型的完成说明直接当作验收报告.
七、这次组合真正帮我解决了什么
完成这次实操后,我对蓝耘元生代与扣子的分工有了更直观的认识.
1.蓝耘元生代把模型调用变成了可管理的基础能力
我可以在同一个 MaaS 控制台创建、备注、停用和查看 API Key,并把模型服务通过标准聊天接口交给外部工具使用.对个人开发者而言,这比把密钥散落在不同脚本里更容易管理;对团队而言，独立密钥也便于按项目隔离风险.
2.长上下文对项目级迭代确实有意义
这个任务不只是生成一个HTML文件,而是要持续记住九项初始需求、场景设定、交互方式以及后续Bug.服务商页面展示的198k上下文,加上扣子端本次填写的 131072 输入与回复限制,为连续迭代留下了空间.它的价值不在于"必须用满",而在于修改后续功能时不容易因为上下文过短丢掉前面的约束.
3.扣子把自然语言需求转成了可运行、可继续修改的工程过程
从首轮提示词到版本记录,我不需要手动从零搭建Three.js场景,但仍然要扮演产品经理、测试人员和验收者:先把需求写清楚,再看预览,最后指出材质、出生点、射线检测和移动端交互等问题.它最明显的帮助,是缩短了"有想法—看到原型—发现问题—继续修改"这条反馈链.
八、如果你也要复现,建议先避开这五个坑
- 不要公开 API Key。教程截图最好只保留状态、备注和时间信息,完整密钥永远不要出现在文章或代码仓库中.
- 核对接口路径。自定义接入时要区分基础域名和完整 Chat API 地址,尤其检查
/chat/completions是否重复或遗漏. - 不要混用不同统计口径。单次延迟、近 7 日 P90 和平均吞吐回答的是不同问题,不能只取一个最好看的数值作结论.
- 把提示词写成验收清单。"做一个 3D 世界"很难检查,"加入重力、碰撞、区块加载、移动端触控"才方便逐项复核.
- 相信预览，不要只相信完成说明。模型说"已修复"之后仍要实际启动项目,检查颜色、出生点、按键、碰撞和移动端布局是否一致.
九、总结:AI编程的价值,不是一次生成,而是让迭代跑起来
这次实践让我完成了一条完整链路:我先用公开可见的数据比较GLM-5.1的接入情况,在蓝耘元生代创建 API Key,再把模型以自定义 Chat API 的方式接入扣子,最后用一份九点需求清单生成 3D 像素世界,并围绕实际预览继续修正.
蓝耘元生代在其中提供了模型与调用基础,扣子则把模型能力组织成了一个可以持续对话、生成、预览和迭代的开发过程.最终成果仍有视觉细节需要人工校验,但项目已经能够进入浏览器运行,并展示方块世界、COZE 文字墙、机器人、快捷栏、第一人称视角和暂停状态.
对我而言,这次最大的正向感受不是"AI 一次就写对了全部代码",而是过去需要先搭环境、查 API、写基础场景才能开始验证的想法,现在可以更快进入真实预览和问题修正阶段.当蓝耘元生代负责稳定地把模型能力送到工具端,扣子负责把自然语言变成可执行的工程步骤时,AI 编程才真正从聊天演示走向了可落地的原型开发.
相关参考资料链接
1.蓝耘元生代 MaaS 平台：https://maas.lanyun.net/
2. 蓝耘科技官网产品介绍：https://www.lanyun.net/
3. AI Ping延迟测试：https://aiping.cn/
4. 扣子平台：https://www.coze.cn/overview
敬请期待下一篇文章内容
每日心灵鸡汤: 在不完美的秩序中,找到自己的位置!
对当下世界的理解,往往从一个简单但不断被验证的前提出发:秩序并不是一个稳定、统一的存在.我们需要先尽可能完整地观察秩序是如何被建立、如何运作,以及在现实中如何被不同力量不断拉扯、变形甚至异化的;在这个基础上,会形成一个更直接的判断:现实秩序并不稳定,也并非始终指向公平与一致,在许多领域中,它会被激励结构、利益关系与执行偏差不断侵蚀,甚至在某些情况下出现明显的失真与失衡.但这种批判并不是停留在情绪性的否定,而是一种清醒的认知方式,在承认问题存在的同时,保持自身的判断独立性,并最终回到个人层面,通过持续成长与行动,在这种不完美且高度复杂的秩序结构中找到自己的位置.
终极指南：在Windows 11上免费运行安卓应用的完整教程)
