在 Claude Code 中替换后端模型时，工程任务仍依赖清晰的诊断数据与分阶段验收。

适用场景

已有 Claude Code 工作流，希望接入 GLM 等第三方模型做 Java 侧智能诊断、慢查询分析与治理脚本生成；成本或合规要求不能使用默认模型。

方法与要点

配置层指定模型端点与鉴权，保持工具调用与权限模型不变。任务拆为：采集指标（GC、线程栈、SQL 样本）→ 让 Agent 读日志与 schema → 产出索引/改写建议 → 在影子环境验证。第三方模型在结构化推理上可能弱于旗舰模型，应缩小单次任务范围。

工作流

准备只读生产快照或脱敏慢查询日志；会话内先让 Agent 列出假设再动手改库；索引变更走变更窗口；每次只改一条 SQL 或一类表。用 /verify 或测试脚本闭环。

风险

模型幻觉导致错误索引建议；直连生产执行 DDL；把关联慢查询一次性全改引发锁竞争。API 密钥写入仓库。

检查清单

  • 模型路由与环境变量已隔离
  • 输入数据已脱敏
  • 变更可在预发回放 QPS
  • 执行计划对比（改前/改后）
  • 回滚脚本与监控告警就绪

落地建议

把「Claude Code 接入第三方模型实战」相关的动作写进团队 Wiki 或 CLAUDE.md，并在两次 Sprint 里刻意练习：一次只用 IDE 路径，一次只用 CLI 路径，对比 PR 大小、缺陷率与 review 耗时。记录哪些步骤必须人工签核、哪些可以交给 Agent 自治，比争论工具优劣更能沉淀可复用经验。