1. 为什么用 Claude Code 接 GLM-5.2 做五子棋
五子棋这个题目看起来简单，但要让 AI 真正做出一个能对弈、会判断胜负、落子还有点策略的程序，其实是个典型的长程任务：先规划模块，再写棋盘渲染，接着实现胜负判定，最后补上 AI 落子逻辑，中间还得自己跑一遍验证。这种活儿最怕模型上下文一长就忘事，前一步定好的规则写到后面就变了。
Claude Code 是个 Agent 形态的编程工具，一个任务会连续发几十次请求，对底层模型的上下文长度和工具调用能力要求都不低。GLM-5.2 的 1024k 上下文加上 Agentic 工程能力，正好适合这种"规划→编码→自检→优化"的闭环。而要让 Claude Code 稳定连上 GLM-5.2，中间需要一个 Anthropic 协议兼容的通道，TaoToken 就是干这个的：一个统一 Key，Anthropic 兼容端点，Claude Code 填几个环境变量就能直连，不用自己搭翻译层。
这篇就按实际落地的顺序走一遍：先把 TaoToken 的 Key 和通道配好，再给 Claude Code 一份可复制的 settings.json，然后让 GLM-5.2 生成五子棋的核心代码骨架，最后跑一次对局验证。适合已经装好 Node.js 和 Git、想用 Claude Code 接国产模型做点实际项目的人。
2. TaoToken 前置：拿 Key 和确认通道
在动手写五子棋之前，先把通道打通。TaoToken 的定位是统一 API 网关，一个 Key 可以调多家模型，对 Claude Code 来说最关键的是它提供 Anthropic 兼容端点，也就是/v1/messages加x-api-key这套协议，Claude Code 原生就认这个，不需要额外装 claude-code-router 之类的中间件。
第一步是拿 Key。打开 TaoToken 控制台，登录后进 API Keys 页面创建一个新 Key，复制出来先存好，后面配置要用。控制台地址是 https://taotoken.net/console ，API Keys 页面在 https://taotoken.net/api-keys 。
第二步确认模型名。TaoToken 的模型列表里 GLM 系列是可直接调用的，Claude Code 配置时把模型名填成对应的 GLM-5.2 标识即可。如果你不确定当前可用的模型名，可以在模型对话页面先发一条测试消息确认通道正常，地址是 https://taotoken.net/models 。
注意：Key 只在创建时完整显示一次，关掉页面就看不到了，建议创建后立刻存到本地密码管理器或者临时文件里，配完再删。
拿到 Key 之后，Claude Code 这边需要设置三个环境变量：ANTHROPIC_BASE_URL指向 TaoToken 的 Anthropic 兼容端点，ANTHROPIC_API_KEY填刚创建的 Key，ANTHROPIC_MODEL填 GLM-5.2 的模型标识。这三个值可以直接写进 settings.json，也可以用环境变量注入，下面两种方式都给出来。
3. 可复制配置：settings.json 与五子棋代码骨架
3.1 settings.json 配置片段
Claude Code 的配置文件在用户目录下的.claude/settings.json，Windows 是C:\Users\你的用户名\.claude\settings.json，macOS 和 Linux 是~/.claude/settings.json。如果文件不存在就新建一个，内容如下：
{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的TaoToken密钥", "ANTHROPIC_MODEL": "glm-5.2" } }把sk-你的TaoToken密钥换成第 2 步拿到的真实 Key。ANTHROPIC_BASE_URL填 TaoToken 的 API 地址，注意这里不带任何查询参数，就是干净的https://taotoken.net/api。ANTHROPIC_MODEL填 GLM-5.2 对应的模型标识，如果 TaoToken 控制台里显示的模型名带前缀，以控制台为准。
如果你不想把 Key 写死在文件里，也可以用环境变量方式，在终端里执行：
export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="sk-你的TaoToken密钥" export ANTHROPIC_MODEL="glm-5.2"Windows PowerShell 用$env:ANTHROPIC_BASE_URL="https://taotoken.net/api"这种写法。环境变量的优先级高于 settings.json，适合临时切换。
配好之后验证一下 Claude Code 能不能连上：
claude --version claude -p "回复一句：通道正常"如果第二条命令能返回一句正常的中文回复，说明 Key 和通道都通了。如果报 401 就是 Key 不对，报 404 大概率是 BASE_URL 写错了，检查有没有多写斜杠或者路径。
3.2 让 GLM-5.2 生成五子棋代码
通道通了之后，在空目录里启动 Claude Code，给它一句话提示词。这句话里要埋验收标准，不然生成的 AI 落子会很随意：
mkdir gomoku && cd gomoku claude进入交互后输入：
创建一个智能五子棋游戏，让玩家与能够进行策略性落子并准确判断胜负的算法对战。 要求：棋盘用 Canvas 渲染，胜负判定覆盖横竖撇捺四个方向，AI 落子要有评估函数不能随机下，最后能双击 html 直接玩。这句话里"策略性落子""准确判断胜负""四个方向""双击 html 直接玩"就是硬约束。GLM-5.2 会先列步骤再写代码，下面是我实测下来它生成的核心逻辑骨架，你可以对照检查它有没有漏东西。
棋盘和胜负判定的核心部分大致是这样：
const SIZE = 15; const board = Array.from({ length: SIZE }, () => Array(SIZE).fill(0)); // 0 空 1 黑 2 白 function checkWin(x, y, player) { const dirs = [[1, 0], [0, 1], [1, 1], [1, -1]]; for (const [dx, dy] of dirs) { let count = 1; for (const sign of [1, -1]) { let nx = x + dx * sign, ny = y + dy * sign; while (nx >= 0 && nx < SIZE && ny >= 0 && ny < SIZE && board[nx][ny] === player) { count++; nx += dx * sign; ny += dy * sign; } } if (count >= 5) return true; } return false; }AI 落子用简单的评分函数，对每个空位算进攻分和防守分，取最高分的位置：
function evaluatePoint(x, y, player) { const dirs = [[1, 0], [0, 1], [1, 1], [1, -1]]; let score = 0; for (const [dx, dy] of dirs) { let count = 1; for (const sign of [1, -1]) { let nx = x + dx * sign, ny = y + dy * sign; while (nx >= 0 && nx < SIZE && ny >= 0 && ny < SIZE && board[nx][ny] === player) { count++; nx += dx * sign; ny += dy * sign; } } if (count >= 5) score += 100000; else if (count === 4) score += 1000; else if (count === 3) score += 100; else if (count === 2) score += 10; } return score; } function aiMove() { let best = { x: -1, y: -1, score: -1 }; for (let i = 0; i < SIZE; i++) { for (let j = 0; j < SIZE; j++) { if (board[i][j] !== 0) continue; const attack = evaluatePoint(i, j, 2); const defend = evaluatePoint(i, j, 1); const total = attack * 1.1 + defend; if (total > best.score) best = { x: i, y: j, score: total }; } } return best; }这段逻辑的关键点是attack * 1.1 + defend，进攻权重略高于防守，这样 AI 不会一味堵你，也会主动连自己的子。如果 GLM-5.2 生成的版本里 AI 只会防守或者随机下，就是评估函数没写对，可以让它重写这一块。
4. 验证请求与成功结果
代码生成完之后，先做语法检查，再实际跑一局。语法检查在项目目录里执行：
node --check game.js没有输出就是通过。如果有报错，把报错信息贴回 Claude Code，让它自己修，不用你手动改。
然后打开生成的index.html，双击就能在浏览器里玩。实际对局验证按这个流程走：
第一步，你执黑先下天元位置，看 AI 是否在附近落子而不是下到角落。如果 AI 第一手就下到边角，说明评估函数里对已有棋子的邻域权重没处理好。
第二步，你连下三子形成活三，看 AI 是否在两端堵你。如果它没堵，说明防守分计算有问题。
第三步，你故意做一个冲四，看 AI 是否优先堵而不是自己去连。这一步能验证进攻和防守的权重比例是否合理。
第四步，你连成五子，看胜负判定是否弹出胜利提示。如果没弹，检查checkWin的四个方向是不是都覆盖了，尤其是[1, -1]这个撇方向容易漏。
实测下来，GLM-5.2 生成的版本一般能在前三步就表现正常，偶尔会在撇方向判定上出问题，让它补一下就行。整个对局跑通，说明从 TaoToken 配置到 Claude Code 调用 GLM-5.2 再到代码落地的链路是完整的。
5. 本篇常见错排查
配置和运行过程中容易踩的坑集中在这几个地方。
401 未授权：Key 填错或者 Key 被删了。回 TaoToken 控制台确认 Key 还在，重新复制一次。注意 Key 前面有没有多余空格。
404 找不到路径：ANTHROPIC_BASE_URL写错了。正确值是https://taotoken.net/api，不要写成https://taotoken.net/api/v1或者带斜杠结尾。Claude Code 会自己在后面拼/v1/messages。
模型名不识别：ANTHROPIC_MODEL填的标识和 TaoToken 控制台里的不一致。去模型列表页面确认 GLM-5.2 的准确标识，复制过来。
Claude Code 启动报 Node 版本低：Claude Code 要求 Node.js 18 以上，用node -v确认，低了就去官网下 LTS 版本覆盖安装。
AI 落子随机：不是通道问题，是生成的评估函数没写好。让 Claude Code 重写aiMove函数，明确要求"对每个空位计算进攻分和防守分，取加权最高分"。
胜负判定漏方向：最常见的是撇方向[1, -1]没覆盖。让 Claude Code 检查checkWin的dirs数组是不是四个方向都在。
页面打开空白：Canvas 尺寸或者初始化逻辑有问题。按 F12 看控制台报错，把报错贴回 Claude Code。
提示：如果排查过程中需要确认是通道问题还是代码问题，可以先用模型对话页面发一条消息测试，地址是 https://taotoken.net/models 。通道正常就说明问题在代码侧。
6. 继续往下走
五子棋跑通之后，这套配置可以直接复用到其他长程任务上。Claude Code 的 settings.json 配一次就行，后面换项目不用重配。如果你想在多个模型之间对比效果，改ANTHROPIC_MODEL一个字段就能切换，TaoToken 的统一 Key 不用重新申请。
对于需要长期跑编码任务或者搭 Agent 的场景，可以看一下 Coding Plan，地址是 https://taotoken.net/coding-plan ，按量计费加上缓存命中，长任务下成本比单次调用可控。接入文档在 https://taotoken.net/doc ，里面有 Anthropic 兼容端点的详细说明和更多配置示例。
如果只是想先验证模型能力，不急着配 Claude Code，可以直接在模型对话页面试，地址是 https://taotoken.net/models ，发一句五子棋的提示词看它生成的代码质量，再决定要不要接到本地工具链里。
