AI工具安装使用教程

这篇文章只保留 Claude Code，Codex 以及 Antigravity 真正能直接落地的安装、配置、代理、登录和排障步骤，适合在 Windows 环境下边看边做。

一、安装前置准备

1.1 基础环境

1.1.1 终端环境设置

首先我们要知道 Windows 电脑总共有三种终端：

  • CMD 终端：老式终端，功能有限。按住Win + R键后，输入cmd然后回车打开
  • PowerShell 终端：新式终端，微软强烈推荐。按住Win + X键后，选择终端
  • 终端管理员：拥有管理员权限的 PowerShell 终端。按住Win + X键后，选择终端管理员

Windows PowerShell 终端因为避免大多数新手用户随手运行’.ps1’‘.sh’'.bat’等命令，而导致系统批量执行命令，进行删文件、改配置、偷数据等高风险操作，造成不可逆损坏，因此默认严格禁止脚本命令。

我们需在PowerShell中运行以下命令解除限制：

1
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

注：若执行后电脑还不能执行脚本命令，则需重启。

1.1.2 运行环境安装

  1. Node.js下载：https://npmmirror.com/mirrors/node/v24.13.0/node-v24.13.0-x64.msi

下载后双击安装，一直点"下一步"即可（已安装可跳过）

  1. Git下载：https://registry.npmmirror.com/-/binary/git-for-windows/v2.52.0.windows.1/Git-2.52.0-64-bit.exe

下载后双击安装，一直点"下一步"即可（已安装可跳过）

  1. pnpm环境：配置国内镜像源并安装 pnpm

在 PowerShell 中执行如下命令：

1
npm config set registry https://registry.npmmirror.com/; npm install -g pnpm; pnpm setup; pnpm config set registry https://registry.npmmirror.com/
  1. 验证安装：按 Win + X，选择Windows PowerShell，执行：
1
2
git -v  
node -v

如果正常显示版本号，说明安装成功。
如果提示「无法识别命令」，关闭终端重新打开后再试，如果仍不行则重启电脑。

1.2 网络代理

以下所安装 AI 工具均是国外产品，我们在安装或使用过程中难免会出现各种问题，需经常使用网络代理进行魔法上网操作，因此没有访问外网能力的请跟我一起操作：

  1. 购买订阅：

好用的梯子我只推荐一个，我一直在使用的：

一分机场：https://xn–4gqx1hgtfdmt.com/#/dashboard

image-20260305113358433

该订阅有五六十个节点，非 Timeout 节点也一直保持在20左右，使用0.1倍率相当于10000G流量了，一个订阅即可满足手机、平板、笔记本、台式等至高15台设备的毕生需求！

  1. 订阅使用：

在主页仪表板选择一键订阅，然后复制订阅地址，并粘贴导入进本地Clash订阅一栏的订阅文件地址中（如对此无任何了解，具体步骤可查看官方文档的使用教程）：

注：如果因为网络原因代理工具一直下载不下来，可以使用我的百度网盘分享：

1
2
3
通过网盘分享的文件：网络代理工具
链接: https://pan.baidu.com/s/1idBWScbM3I89SY1jZGpeOg?pwd=yn1s 提取码: yn1s 
--来自百度网盘超级会员v6的分享

image-20260305114945940

1.3 模型配置

这一步是配置工具使用的模型，除官方登录外，强烈推荐此方式。
cc-switch工具：可以管理多个 AI 模型供应商、MCP 和 Skills，非常推荐！！！

步骤一：下载安装cc-switch工具

项目地址：https://github.com/farion1231/cc-switch/releases

image-20260306135444023

选择对应的系统进行安装。

步骤二：打开cc-switch客户端软件，点击右上角 “ + ” 号，添加一个新的供应商：

image-20260305222349014
其中官网链接为选填，然后输入API key，请求地址（base_url），模型名这三个必填信息，其中请求地址（具体的配置请阅读下文）

二、Claude Code

Claude code官网：https://code.claude.com/docs/zh-CN/overview ，有问题可以上官网查看

2.1 Claude code类型

  1. Claude Code CLI

采用命令行文字对话的交互方式，简洁专注无干扰。灵活性高，易于脚本集成。

缺点：看不到文件树，操作需用斜杠命令，入门难度高。

  1. Claude code编辑器

与其他AI编辑器一样，采用图形界面+对话的交互方式，可视化更直观。灵活性适中，受界面限制。

缺点：中国用户用不上。。。

  1. VS code & IDE 插件

已经在用 VS Code 或 JetBrains，不想换编辑器，只想加个AI助手。

工具选择：在 IDE 里打开终端，运行 CLI 工具 —— 这是很多开发者的首选配置

传统开发方式，AI 时代的开发不友好，功能受限于当前 IDE

2.2 Claude Code下载安装

最高效且最推荐的方式是Claude code CLI + 自定义模型。

安装方法：终端输入如下命令：

1
npm install -g @anthropic-ai/claude-code

安装好了的页面截图如下：

我们可以看到已经提示安装成功，且已显示安装版本以及安装路径，后面提示需要去配置Path环境变量，以便于我们在电脑任意目录的任意项目文件中使用Claude code。

2.3 环境变量配置

  1. 打开高级系统设置，点击环境变量，将Claude code路径添加至Path环境变量中（Windows）：

image-20260305094549047

  1. 或者运行以下命令，将对应的目录添加到PATH中：

Windows系统：注意替换以下路径为自己电脑上提示的对应的路径：

1
setx PATH "$env:PATH;C:\Users\Administrator\.local\bin"  #终端管理员

Mac系统：

1
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc

安装并配置完成后，关掉powershell重新打开并运行claude，即可看到成功安装的画面。

2.4 网络环境配置

  1. 当我们重启Claude code后，发现报错以下界面：

image-20260305110549188

报错提示为：程序无法连接到 Anthropic 的服务器，原因是：Anthropic 的服务（包括 Claude）并未在全球所有国家 / 地区提供支持。

我们访问 Anthropic 官方支持地区页面，发现我们伟大的中华人民共和国并不在支持列表中…

  1. 这个时候就得配置一下网络代理了：

Windows系统：

打开powershell，设置网络代理环境变量（TUN模式，这一步可忽略）：

1
$env:https_proxy="http://127.0.0.1:7897"; $env:http_proxy="http://127.0.0.1:7897";

Mac系统：

打开Terminal，设置网络代理环境变量（如果用的是TUN模式，这一步可忽略）：

1
export https_proxy=http://127.0.0.1:7897 http_proxy=http://127.0.0.1:7897

配置完成后即可再次输入claude命令启动Claude code CLI：

注：如果打开后需要登录，那么就在用户目录下面.claude的settings.json文件里边新增：

1
"hasCompletedOnboarding":true

image-20260305144248524

2.5 系统模型配置

Claude Code 默认使用 Claude 官方模型，但我们可以配置国内模型（如 GLM），价格更便宜且访问速度更快，中文也更加友好。

教程提供两种方式：

2.5.2 GLM模型用户

步骤1：获取API Key

访问 智谱开放平台：https://open.bigmodel.cn ， 点击右上角的「注册/登录」按钮，按照提示完成账号注册流程。登录后，在个人中心页面，点击 API Keys，创建一个新的 API Key。

image-20260305173544484

步骤 2：一键安装小助手-自动配置

在终端/PowerShell 中执行：

1
npx @z_ai/coding-helper

输入获取到的 API Key，工具会自动完成所有配置，然后终端输入claude即可启动。

更多配置详情可参考 GLM 官方文档：https://docs.bigmodel.cn/cn/coding-plan/tool/claude

2.5.2 通过CC-switch配置

步骤一：获取模型API Key：

不管是什么平台，什么网站，什么渠道

登录后进入个人中心-API密钥，点击创建密钥，后进入cc-switch继续配置

步骤四：登录claude

配置完成好cc-switch后点击使用，然后进入终端输入：claude，启动Claude code CLI。信任文件夹选择Yes。看到页面上显示的是自己定义的模型即配置完成！

image-20260305224604697

后续切换模型操作均在cc-switch中进行，系统页面选择供应商 → 点击"启用"或者系统托盘直接点击供应商名称（立即生效）。

2.6 基础配置更改

2.6.1 插件管理

步骤一：打开 Claude，输入 /plugin 打开插件商店

image-20260306142657741

步骤二：通过键盘上下按键切换来安装插件，按空格选中，按 i 安装。部分插件安装时会弹出的浏览器页面进行登陆，按照提示操作即可。

推荐安装以下官方插件，可以根据插件描述选择自己需要的插件：

插件名称 功能说明
code-review 代码审查
code-simplifier 代码简化
commit-commands 提交命令
context7 库文档查询
feature-dev 功能开发向导
frontend-design 前端界面设计
github GitHub 操作
playwright 浏览器自动化
pr-review-toolkit PR 审查工具包
pyright-lsp Python 语言服务器
supabase Supabase 数据库
TypeScript-lsp TypeScript 语言服务器

2.6.2 MCP 管理

点击 CCS 右上角"MCP"按钮进入 MCP 管理界面，可以点击 导入已有 按钮导入，可以看到通过插件安装的MCP：

2.6.3 Skills 管理

点击 CCS 右上角"Skills"按钮进入技能管理界面：

  • 发现技能：自动扫描预配置的 GitHub 仓库（Anthropic 官方、ComposioHQ、社区等）

  • 自定义仓库：支持添加自定义仓库（支持子目录扫描）

  • 安装技能：点击"安装"一键安装到 ~/.claude/skills/

  • 卸载技能：点击"卸载"安全移除并清理状态

  • 管理仓库：添加/删除自定义 GitHub 仓库

全球最大的skills插件市场：skills.sh

GitHub搜索skills：目前用的最多的是 Anthropic 的 skills

其他更详细的有关于 skills 的配置介绍请移步至：

Claude Code (CC) 从零到精通完全指南

2.7 常用交互

2.7.1 常用斜杠命令

在 Claude Code 中，以 / 开头的命令称为斜杠命令，用于快速执行特定操作：

命令 功能 使用场景
/clear 清空对话上下文 开始新任务时
/model 切换 AI 模型 需要更强能力时切换到 Opus
/status 查看使用额度和计费 检查剩余额度
/config 打开配置界面 修改设置
/resume 恢复最近的会话 重启后继续之前的工作
/rewind 恢复到上一个检查点 代码改错需要回退
/agents 管理 Agent 创建/查看自定义 Agent
/init 生成 CLAUDE.md 模板 新项目快速配置
/compact 压缩对话上下文 上下文太多时精简
/export 导出对话记录 分享或保存对话
/statusline 自定义状态栏显示 隐藏/显示状态信息
/vim 启用 Vim 键绑定 熟悉 Vim 的用户

2.7.2 常用快捷键

快捷键 功能 上下文
Ctrl+C 取消当前输入或生成 标准中断
Ctrl+D 退出会话 EOF 信号
Ctrl+L 清除终端屏幕 保留对话历史
Ctrl+R 反向搜索命令历史 搜索以前的命令
Esc+Esc 回退代码/对话 恢复到之前状态
Tab 切换扩展思考 开启/关闭思考模式
Shift+Tab 切换权限模式 循环切换权限模式
\ + Enter 多行输入

三、Codex

Codex 官方文档：

有问题建议优先看官方文档，因为 Codex 更新比较快，很多旧教程已经过时了。

3.1 Codex类型

  1. Codex CLI

采用命令行文字对话的交互方式，简洁专注无干扰。灵活性高，易于脚本集成。

缺点：看不到文件树，操作需用斜杠命令，入门难度高，而且体验没有Claude Code那么友好

  1. Codex 客户端

与其他AI编辑器一样，采用图形界面+对话的交互方式，可视化更直观。灵活性适中，受界面限制。

优点：界面更完整，登录、配置、会话恢复都更直观，更适合大多数新手用户。

  1. VS code & IDE 插件

已经在用 VS Code 或 JetBrains，不想换编辑器，只想加个AI助手。

工具选择：在 IDE 里打开终端，运行 CLI 工具 —— 这是很多开发者的首选配置

传统开发方式，AI 时代的开发不友好，功能受限于当前 IDE

3.2 Codex下载安装

Codex 官方推荐的 CLI 安装方式如下，前提依旧是你的电脑已经装好 Node.js 和 Git：

1
2
# 全局安装 Codex CLI
npm i -g @openai/codex

安装完成后，在终端中输入：

1
2
# 启动 Codex
codex


或者是使用 Codex 客户端，我最推荐这种。打开 ChatGPT 官网，然后在左边栏点击 Codex，进入如下界面：

第一次运行时，Codex 会提示你登录，可以选择：

  • 使用自己的 ChatGPT 账号直接登录
  • 使用 API Key 登录

这里我们下面重点讲最常用的两种模型配置方法，请转至该章节系统模型配置部分：

  1. 直接登录自己的 GPT Plus 账号
  2. 通过部署 CPA 反代项目，把自己的账号额度反代给 Codex 客户端使用

3.3 环境变量配置

多数情况下，npm 全局安装后会自动把命令加入 PATH，如果你输入 codex 后提示“无法识别命令”，再手动处理环境变量即可。

  1. 先在终端中查看 npm 的全局安装目录：
1
2
# 查看 npm 全局安装前缀
npm config get prefix
  1. 将返回的目录加入 Path 环境变量：

Windows系统：

1
2
# 将 npm 全局目录加入 PATH
setx PATH "$env:PATH;$(npm config get prefix)"

Mac系统：

1
2
# 将 npm 全局 bin 目录加入 PATH
echo 'export PATH="$(npm config get prefix)/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc
  1. 配置完成后，关闭当前终端重新打开，再执行 codex 即可。

3.4 网络环境配置

Codex 本质上还是 OpenAI 的产品，国内网络环境下经常会碰到登录失败、网页回调失败、加载慢等问题，所以网络环境依旧非常重要。

最推荐的做法：

  • 直接开启 Clash 系统代理，但是不要开 TUN 模式！！！
  • 保证浏览器和终端都走同一个代理出口
  • 优先使用稳定的节点

如果开了节点后访问速度依然慢，请手动补环境变量：

Windows系统：

1
2
# 手动指定终端代理
$env:https_proxy="http://127.0.0.1:7897"; $env:http_proxy="http://127.0.0.1:7897";

Mac系统：

1
2
# 手动指定终端代理
export https_proxy=http://127.0.0.1:7897 http_proxy=http://127.0.0.1:7897

然后重新输入：

1
2
# 重新启动 Codex
codex

或者是在用户目录下的 .codex 文件夹中，新建 .env 文件，写入如下配置：

1
2
3
# 注意端口换成自己魔法上网工具出口端口
HTTP_PROXY="http://127.0.0.1:7897" 
HTTPS_PROXY="http://127.0.0.1:7897"

3.5 系统模型配置

Codex 的配置文件默认放在：

1
~/.codex/config.toml

如果你只想改某一个项目，也可以在项目目录里新建：

1
.codex/config.toml

下面给出两种最实用的配置方式。

3.5.1 直接登录 GPT Plus 账号

这是最省事、最稳的方式，也是我最推荐普通用户优先使用的方式。

根据 OpenAI 官方文档，Codex CLI 支持两种 OpenAI 鉴权方式：

  • 用 ChatGPT 账号登录
  • 用 API Key 登录

如果你自己本身就有 GPT Plus，那么最简单的流程就是：

  1. 终端输入 codex
  2. 选择使用 ChatGPT 账号登录
  3. 浏览器里完成授权
  4. 回到终端继续使用

Codex 登录成功后，你就可以在配置文件里设置一个默认模型，截止现在我推荐的是 5.5 最高推理强度。因为其他强度都只是阉割版，只有最高推理强度才是满血的。

如果你只是临时切换模型，也可以直接在 Codex 对话里用 /model 切换。

注：如果你只是自己本机使用，优先建议走这个方案，少一层中转、少一层故障点，稳定性通常最好。

3.5.2 通过CC-switch配置

首先，得有中转站或者一些其他福利站点 & 自己官网直买套餐等。

不管是什么平台，什么网站，什么渠道
登录后进入个人中心-API密钥，点击创建密钥，后进入cc-switch继续配置

接着按照一开始的配置显示如下：

注：请求地址后一定 !!! 要 !!! 加 /v1。CCS 这边测试会报错503，但是Codex中正常使用。

3.5.3 通过 CPA 反代

这个方案更适合：

  • 有多个 GPT free/plus/pro 账号的额度
  • 有其他的非 OpenAI 账号，想在 Codex 中使用其他 CPA 支持的登录模型
  • 希望后续同时接 Codex、其他 AI 客户端、甚至 new-api

CPA 反代的优点：

  • 只需要维护一个统一入口，多个客户端都能复用
  • 客户端侧不用反复浏览器登录，迁移到新设备更方便
  • 后续可以继续接 new-api、Cherry Studio、OpenCode 等其它工具
  • 如果服务端网络环境比本地更稳，整体成功率通常会更高

CPA 反代的缺点：

  • 部署成本更高，需要自己维护服务器、代理、鉴权文件和日志
  • 一旦服务端代理、登录态或容器挂了，所有客户端都会一起受影响
  • 相比直接官方登录，多了一层转发，排障会更复杂
  • 涉及账号授权文件和中转密钥，安全要求更高

如果你决定用这个方案，部署方式我给你留两条路径：

  1. 直接参考本博客下的部署教程：

中转服务从零部署

  1. 或者直接使用你的专属 Skill：
1
2
【待补充：w我的百度网盘 Skill 链接】
【待补充：我的 Skill 使用说明】（和我聊天或者我的培训都有讲）

当你的 CPA 服务已经部署完成后，Codex 客户端这边可以这样配置：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 默认模型名称
model = "gpt-5.5"

# 默认走自定义 CPA 提供商
model_provider = "cpa"

# 审批策略
approval_policy = "on-request"

# 工作区读写模式
sandbox_mode = "workspace-write"

[model_providers.cpa]
# 自定义提供商名称
name = "CPA"

# 你的 CPA 接口地址，记得带上 /v1
base_url = "http://127.0.0.1:8317/v1"

# Codex 当前走 Responses 协议
wire_api = "responses"

# 从环境变量里取 CPA 的密钥
env_key = "CLIPROXYAPI_TOKEN"

# 给自己留个提示，避免后续忘记
env_key_instructions = "请先在系统环境变量中配置 CLIPROXYAPI_TOKEN"

然后再配置客户端本地环境变量：

Windows系统：

1
2
# 设置 CPA 调用密钥
setx CLIPROXYAPI_TOKEN "这里替换成你的 CPA API Key"

Mac系统：

1
2
# 设置 CPA 调用密钥
echo 'export CLIPROXYAPI_TOKEN="这里替换成你的 CPA API Key"' >> ~/.zshrc && source ~/.zshrc

配置完成后，重新打开终端执行 codex 即可。

注：如果你的 CPA 不在本机，而是在云服务器上，那么把 base_url 改成你自己的服务器地址即可。

例如：
https://你的域名/v1

再补一句经验：如果你只是个人日常编码使用，优先用“GPT Plus 直登”；如果你要多端复用、统一入口、顺便接其它客户端，再上 CPA。

3.6 基础配置更改

3.6.1 配置文件位置

Codex 的个人全局配置默认在：

1
~/.codex/config.toml

项目级覆盖配置在：

1
.codex/config.toml

也就是说：

  • 全局默认设置放 ~/.codex/config.toml
  • 某个项目单独定制，再在项目里补 .codex/config.toml

3.6.2 软件配置相关：

注：Codex CLI 与 Codex Desktop 走的是同一套配置。

skills，MCP，插件管理可参考本手册 2.6 章内容，具体的详情以及细节问题可移步至：

Codex App 全功能实战教程：从安装到高级自动化

3.6.3 常见补充说明

  • 想临时切换模型：直接在会话里用 /model
  • 想更换默认模型：改 ~/.codex/config.toml
  • 想单独给某个项目加规则：在项目里放 .codex/config.toml
  • 想接第三方网关：在 [model_providers.xxx] 里配 base_url、wire_api 和 env_key

四、Antigravity

与 CC Switch 以及 CPA 项目一样，Antigravity 也需要一个属于它的项目，项目地址：

https://github.com/lbjlaq/Antigravity-Manager

这个工具本质上是一个本地 AI 中继站，可以把 Google / Claude 等 Web Session 转成标准 API 接口，再给第三方客户端调用。对 Google 这类极其挑环境的服务来说，它非常有用。

4.1 Google AI工具类型

  1. Google 官方网页 / 官方入口

最原始的使用方式，适合轻量体验。

缺点：网络环境要求极高，很多时候正常手段根本进不去。

  1. Antigravity Tools 客户端

这是最推荐的方式。它把账号管理、代理、模型路由、OpenAI 兼容接口都整合到一个本地客户端里。

优点：更适合国内复杂网络环境，也方便接第三方客户端和本地工具链。

  1. 第三方客户端接入

当 Antigravity 本地代理服务启动后，你可以把它当作一个 OpenAI-Compatible 网关，接入 Python、OpenCode、Codex AI 等工具。

4.2 Google AI工具下载安装

Google 这条线我最推荐直接用 Antigravity-Manager，因为正常网页登录方式对网络环境要求极其苛刻，很多时候不是账号不行，而是环境不过关。

方式一：Windows 一键安装

在 PowerShell 中执行：

1
2
# Windows 一键安装 Antigravity Tools
irm https://raw.githubusercontent.com/lbjlaq/Antigravity-Manager/main/install.ps1 | iex

方式二：手动下载 Release

直接去项目 Release 页面下载：

https://github.com/lbjlaq/Antigravity-Manager/releases

下载完成后，安装并启动软件。

首次使用时，建议按下面的顺序来：

  1. 先把网络环境配好，尤其是 TUN 模式 + 美国节点
  2. 再打开 Antigravity Tools
  3. 进入 Accounts -> Add Account -> OAuth
  4. 用浏览器完成 Google 账号授权
  5. 浏览器出现授权成功页后，回到客户端完成保存

注：官方 README 里也提到，授权 URL 带有一次性的本地回调端口，所以一定要使用软件当前弹出来的最新地址，不要复用旧链接。

4.3 网络环境配置

这一部分一定要强调，因为 Google 反重力这条线最容易死在环境上。

必须遵守的两个条件：

  1. 一定要开启 TUN 模式
  2. 一定要选择美国节点

为什么要这么做？

  • Google 这套校验对网络出口、DNS、浏览器回调、账号环境都非常敏感
  • 只给浏览器挂代理、不给系统开全局，往往会出现授权失败、回调失败、卡加载、403、一直 retry 等问题
  • 节点如果不是美国，很多时候即使勉强能打开页面，后续也会出现风控或能力异常

我建议你按这个顺序检查：

  1. Clash / Mihomo 已经开启 TUN
  2. 当前节点明确是 美国节点
  3. 浏览器和客户端共用同一个代理出口
  4. 打开软件前，先确认系统层面已经能稳定访问 Google 相关服务

如果你在 Antigravity Tools 里还要再配置上游代理，那么记得：

  • 代理地址要和你当前本机代理保持一致
  • 保存后最好重启一次应用

注：这个工具对环境要求极其苛刻，正常手段进不去的时候，优先怀疑网络环境，不要一上来就怀疑账号坏了。

4.4 系统模型配置

当你已经成功登录 Google 账号并启动 Antigravity 的 API Proxy 后，就可以开始做“系统模型配置”了。

4.4.1 启动本地代理服务

进入 API Proxy 页面，把服务启动起来。启动后你会得到一套本地接口，通常可以直接当作 OpenAI-Compatible 地址来使用。

常见格式类似于：

1
2
Base URL: http://127.0.0.1:8045/v1
API Key: sk-antigravity

4.4.2 选择默认模型与模型路由

你可以在以下位置完成模型配置：

  • API Proxy -> Supported Models & Integration
  • Model Router
  • Settings

比较常见的思路是：

  • 日常快问快答，用 gemini-3-flash
  • 代码、复杂推理、长任务，用 gemini-3-pro-high
  • 如果你有自定义路由需求，可以把外部传进来的模型名统一映射到你指定的 Gemini 模型

也就是说，你完全可以把很多“外部模型名”映射到自己真正想用的“内部落地模型”上。

4.4.3 全局系统提示词配置

Antigravity 较新的版本已经支持 Global System Prompt，也就是全局系统提示词。

如果你想让所有请求都统一带上一层系统指令，可以在：

1
Settings -> System Settings -> Global System Prompt

里开启并填写你的系统提示词。

这个配置很适合：

  • 想统一语言风格
  • 想统一回复格式
  • 想对所有客户端都加同一层约束

4.4.4 给第三方客户端使用

当本地代理起来以后，你就可以把它接给第三方客户端。

例如 Python 客户端可以这样写：

1
2
3
4
5
6
7
# 使用 Antigravity 作为 OpenAI-Compatible 网关
from openai import OpenAI

client = OpenAI(
    api_key="sk-antigravity",
    base_url="http://127.0.0.1:8045/v1",
)

如果你是 CLI 用户，Antigravity 的 README 也提到，它已经支持对 Claude Code、Gemini CLI、Codex AI、OpenCode 等工具做快速同步配置。

注：官方 README 里同时也提醒过，代理用户使用第三方工具存在风控或封禁风险。建议先小流量测试，再决定是否长期重度使用。