承渊政道个人主页❄️个人专栏:《C语言基础语法知识》 《数据结构与算法》 《C知识内容》 《Linux系统知识》 《算法刷题指南》 《测评文章活动推广》 《大模型语言路线学习》 《MySQL数据库学习》 《Python知识内容》✨逆境不吐心中苦,顺境不忘来时路!✨ 博主简介: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 APIAPI 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真正的勇者不是流泪的人,而是含泪奔跑的人!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.
