本文分享一些 Zed 编辑器的使用心得和 AI 相关功能的体验，还有介绍一些免费使用 AI 编程的方法，一起来提升生产力。

配置#

ACP#

Zed 本身带有 agent 功能，而且还支持通过 ACP 协议和外部的 agent 进行通信，在自带的 ACP Registry 里有大部分主流的 agent。

我把这些 agent 里比较流行的几个都测了一遍，效果还可以。

配置 agent 是很简单的，在 ACP Registry 里添加完，点击 chat panel 右上角的加号，选择要使用的 agent 即可，使用起来就和用 cursor 的侧边栏差不多，不过因为 ACP 是通用协议，一些不同 agent 特有的功能就没法 100% 支持了。

而且这个功能其实还不太稳定，所以本文介绍的重点还是放在 Zed Agent 上。

Zed Agent#

这是 Zed 自带的 Agent，相当于 cursor/Trae 之类工具的侧边栏，但是非常开放，可以设置任意 model provider，比如最近新出很火的 DeepSeek v4

这里面支持的 providers 太多了，有些我都没见过

这里我主要配置了 DeepSeek、智谱、openrouter 还有 GitHub Copilot 作为 providers

配置 providers 是很简单的，只需要填写 API key 就行了，没什么好说的，这里主要说一下关于白嫖的😄

白嫖免费模型额度#

很多模型提供商有免费的模型可用，比如说 OpenRouter、智谱，这也是我要介绍的两个。

open router#

Sign In | OpenRouter

访问上述地址，创建 API key，获取到 API key 之后填入 zed 的配置里。

然后在 zed 的聊天界面选择模型时，输入 free 筛选，你就可以获得非常多免费模型可用，这里面比较好的是 qwen3 coder, minimax m2.5, gemini 3 flash

其他模型大家可以自行探索。

智谱GLM#

智谱算是国内最早做开源大模型的厂商之一，一开始还是清华的团队，当时 ChatGLM 出来的时候就很惊艳了，而且很良心一直提供有免费的大模型接口，简单的用途是够用了。

新注册的用户还可以赠送一些免费额度，可以调用任意模型。

不过 Zed 里似乎没有提供智谱这个 provider，这时候需要手动添加配置。

在 LLM Providers 右边点击添加

输入 URL 和 API key，还有模型。

不过 Zed 的配置 GUI 做得不是很好，这里的添加界面居然是一次性，后续就无法用 GUI 进行编辑模型了，只能修改配置文件。

Ctrl + Shift + P 打开 command panel，然后输入 settings file 进入设置编辑。

找到 language_models 配置节点，编辑这些模型配置是比较繁琐的，我这里直接分享我配置好的结果。

需要关注三个参数: max_tokens, max_output_tokens, max_completion_tokens

• max_tokens 是总上下文长度
• max_completion_tokens 最大补全长度也就是输出长度
• max_output_tokens 我没搞懂，不过保持和 max_completion_tokens 一样就完事儿了

这些参数都可以在模型官网获得，添加其他模型也是一样的。

"language_models": {
    "openai_compatible": {
      "Zhipu": {
        "api_url": "https://open.bigmodel.cn/api/paas/v4",
        "available_models": [
          {
            "name": "glm-4.5-air",
            "max_tokens": 200000,
            "max_output_tokens": 65536,
            "max_completion_tokens": 65536,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-4.5-airx",
            "max_tokens": 200000,
            "max_output_tokens": 65536,
            "max_completion_tokens": 65536,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-4.6v",
            "max_tokens": 32768, // 官网窗口 32K (视觉模型通常窗口较小)
            "max_output_tokens": 16384, // 建议实用值（最大支持 32K）
            "max_completion_tokens": 16384,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-4.6",
            "max_tokens": 200000,
            "max_output_tokens": 131072,
            "max_completion_tokens": 131072,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-5",
            "max_tokens": 200000,
            "max_output_tokens": 131072,
            "max_completion_tokens": 131072,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-4-flash-250414",
            "max_tokens": 131072, // 官网窗口 32K
            "max_output_tokens": 32768, // 建议实用值（最大支持 32K）
            "max_completion_tokens": 32768,
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
          {
            "name": "glm-4.7-flash",
            "max_tokens": 200000, // 官网给出的上下文窗口总和
            "max_output_tokens": 32768, // 足够应付 99% 的代码重构场景，且不挤占输入空间
            "max_completion_tokens": 32768, // 兼容性参数，保持一致
            "capabilities": {
              "tools": true,
              "images": false,
              "parallel_tool_calls": false,
              "prompt_cache_key": false,
              "chat_completions": true,
            },
          },
        ],
      },
    },
},

AI功能#

Zed 的 agent 不算最好的那一挡，不过用来修改脚本，做一些日常开发的功能，是足够的。

和大部分的 AI IDE 一样，有 agent (write) 和 ask 模式。

而且这里面还有一个我比较喜欢的模式: Minimal ，可以把 zed 当成一个纯粹的大模型聊天app，不接入任何工具，非常省 token，有时问一些简单的问题非常有用。

agent write#

这里用一个例子来测试 AI 编程效果，使用的模型是 GLM5

我的 prompt

一个音乐文件夹，里面每一个歌曲文件都是在单独的目录里，我想写一个方法把这些歌曲文件提取到一个目录中。src\local_music_tools\flatten_music.py

思考过程

实现效果