Zed Editor 自定义 API 设置

将 TokenHub 添加为 Zed Editor OpenAI-compatible 提供程序,并使用安全 AI 请求对其进行测试。

Zed Editor是什么?

Zed Editor 是一款高性能协作代码编辑器,具有内置 AI 功能和可配置的语言模型提供程序。

此 Zed Editor 设置在设置中添加了一个名为 OpenAI-compatible 提供程序,将其 API 密钥保留在 settings.json 之外,并使用与所选 TokenHub 模型匹配的模型限制。 Zed 将 settings.json 中的提供程序声明与其提供程序 UI 或环境中存储的凭证分开。提供者 ID 决定生成的关键变量,每个可用模型都应使用其真实的上下文限制。首先测试 Inline Assistant,然后单独验证 Agent 工具,因为基本生成并不能证明工具 comp 的兼容性。

Zed 官方提供 UI 和 settings.json 两种方式添加 OpenAI-compatible endpoint。TokenHub 的 API Key 应由 Zed 保存到系统钥匙串,或通过 Provider 名称生成的环境变量读取,不应写进 settings.json

用 Agent Settings 添加 Provider

  1. 打开命令面板,运行 agent: open settings
  2. 进入 Settings → AI → LLM Providers
  3. 点击 Add Provider,选择 OpenAI-compatible 类型。
  4. Provider name 填 tokenhub
  5. API URL 填 https://us-api.tokenhub.com/v1
  6. Model ID 填 TokenHub 模型广场中的准确 ID。
  7. Context window 填该模型真实的上下文窗口。
  8. 在 Provider 设置中输入 TokenHub API Key,让 Zed 将它保存在系统钥匙串。

需要多个模型时编辑 settings.json

官方允许在 language_models.openai_compatible 下声明 Provider。下面的 max_tokens 是上下文窗口,不是最大输出;必须按模型详情修改:

{
  "language_models": {
    "openai_compatible": {
      "tokenhub": {
        "api_url": "__API_BASE_URL__/v1",
        "available_models": [
          {
            "name": "YOUR_TOKENHUB_MODEL_ID",
            "display_name": "TokenHub / YOUR_TOKENHUB_MODEL_ID",
            "max_tokens": 128000,
            "max_output_tokens": 8192,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
              "interleaved_reasoning": false,
              "max_tokens_parameter": false
            }
          }
        ]
      }
    }
  }
}

如果不写 capabilities,Zed 的 OpenAI-compatible 默认值就是上面这组值。只有模型和 TokenHub 端点确实支持时,才把 imagesparallel_tool_calls 等能力改为 true

API Key 的官方读取规则

Provider ID 会被转为大写 snake case,再追加 _API_KEY。因此 tokenhub 对应:

export TOKENHUB_API_KEY="sk-..."

非空环境变量优先于钥匙串。如果已经在 UI 更新 Key,但请求仍用旧凭证,应取消该环境变量并重启 Zed。

Reasoning 与 Responses 不能凭模型名猜测

  • TokenHub 模型支持 OpenAI 风格 reasoning_effort 时,可在模型上设置 reasoning_effort;Zed 支持 noneminimallowmediumhighxhighmax,但只能填写端点实际接受的值。
  • 当前 TokenHub 推荐 Chat Completions,因此保持 capabilities.chat_completions: true
  • 只有模型必须使用 Responses API 时才改为 false。不要为了“开启推理”擅自切换接口。
  • 若端点要求 max_tokens 而非 max_completion_tokens,才设置 max_tokens_parameter: true

在 Zed 中验证

从 Agent 或 Inline Assistant 选择 TokenHub / YOUR_TOKENHUB_MODEL_ID,先要求解释当前文件。模型不出现时检查 JSON、Provider ID 与 available_models;401 时检查 Zed 进程实际读取的 TOKENHUB_API_KEY;工具或图片失败时回到 capabilities,确认声明没有超过模型真实能力。

官方资料

推荐模型怎么选?

任务选择方向适合原因
复杂任务旗舰推理模型更适合规划、多步骤执行和复杂上下文。
日常使用均衡模型在效果、速度和成本之间取得平衡。
批量任务快速低成本模型减少摘要和简单处理的成本。
前往模型广场比较价格和能力

Zed Editor 人工智能提供商 FAQ

TokenHub API 密钥应该放在 Zed 中的哪里?

使用 LLM Provider 设置或 TOKENHUB_API_KEY 环境变量。不要在 settings.json 中保存明文密钥。

为什么选择器中缺少模型?

确认提供程序 ID、API、URL 和 available_models 条目,然后在更改设置或环境变量后重新启动 Zed。

max_tokens 应该包含什么?

使用所选 TokenHub 模型的实际上下文窗口,而不是从其他模型复制的值。

Inline Assistant 的成功是否证明了 Zed Agent comp 的能力?

Inline Assistant 验证基本生成号; Agent 工作流可能需要结构化工具调用和附加权限。单独测试这些功能。

如何验证 Zed 使用的是 TokenHub 模型?

选择声明的模型,运行只读 AI 请求,并在 TokenHub 请求日志中确认确切的模型 ID。

配置资料

本页配置以 TokenHub 教程和官方资料为依据,最后核验于 2026-09-08。