腾讯云Coding Plan购买教程及优惠方案

腾讯云Coding Plan是基于Coding场景设计的专属订阅套餐，支持Kimi、MiniMax等多个模型，支持使用OpenClaw等主流编程工具，主要面向个人开发者。团队协作使用。本文主要为大家介绍如何腾讯云Coding Plan以及接入OpenClaw的完整流程。

点击进入：腾讯云官网

一、腾讯云Coding Plan优惠方案

套餐内容	Lite 套餐	Pro 套餐
价格	40元/月	200元/月
用量限制	每5小时：最多约1,200次请求	每5小时：最多约6,000次请求
	每周：最多约9,000次请求	每周：最多约45,000次请求
	每订阅月：最多约18,000次请求	每订阅月：最多约90,000次请求

如何购买：

进入腾讯云官网，点击“产品”，选择“人工智能与机器学习”>“大模型服务平台TokenHub”。

腾讯云Coding Plan

在以下页面，点击“产品文档”，选择“平台功能”，可以找到“Coding Plan”。

腾讯云Coding Plan

访问Coding Plan页面，根据实际需求选择并购买合适的套餐。

点击购买，付款即可。

二、创建腾讯云Coding Plan专属API Key

用户在购买了套餐以后，需要获取并在AI工具中配置套餐专属的API Key和Base URL，才能正确使用并抵扣套餐额度。

API Key：在Coding Plan页面，获取Coding Plan专属API Key（格式为sk-sp-xxxx）。
Base URL：后续需在AI工具中配置以下其中一个Base URL（因工具而异）。

创建专属API Key

注：Coding Plan专属的API Key和Base URL与腾讯云预付费及后付费的API Key（sk-xxxx）和Base URL（https://api.lkeap.cloud.tencent.com/xxxxx/）不互通，请勿混用。

三、腾讯云Coding Plan接入OpenClaw

腾讯云Coding Plan支持在OpenClaw中使用，可参考下文进行配置及使用。

1、安装OpenClaw

需要根据实际环境类型，执行对应命令安装OpenClaw。

macOS/Linux：

curl -fsSL https://openclaw.ai/install.sh | bash

Windows：

iwr -useb https://openclaw.ai/install.ps1 | iex

根据提示信息完成OpenClaw配置，参考配置如下。

向导配置项	配置内容
I understand this is powerful and inherently risky. Continue?	选择 Yes。
Onboarding mode	选择 QuickStart。
Model/auth provider	选择 Skip for now，后续可以配置。
Filter models by provider	选择 All providers。
Default model	使用默认配置。
Select channel (QuickStart)	选择 Skip for now，后续可以配置。
Configure skills now? (recommended)	选择 No，后续可以配置。
Enable hooks?	按空格键选中选项，按回车键进入下一步。
How do you want to hatch your bot?	选择 Hatch in TUI。

2、配置Coding Plan

执行以下命令打开OpenClaw的WebUI，然后在WebUI的左侧菜单栏中选择Config>Raw。

openclaw dashboard

在openclaw.json配置项中增加models.providers的配置。

baseUrl：参考样例，使用 Coding Plan 兼容 OpenAI 接口协议的 Base URL（https://api.lkeap.cloud.tencent.com/coding/v3）配置。
<USER_API_KEY>：替换成您自己的 API Key。

"models": {
"mode": "merge",
"providers": {
"tencent-coding-plan": {
"baseUrl": "https://api.lkeap.cloud.tencent.com/coding/v3",
"apiKey": "<USER_API_KEY>",
"api": "openai-completions",
"models": [
{
"id": "tc-code-latest",
"name": "Auto",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 196608,
"maxTokens": 32768
},
{
"id": "hunyuan-2.0-instruct",
"name": "Tencent HY 2.0 Instruct",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 128000,
"maxTokens": 16000
},
{
"id": "hunyuan-2.0-thinking",
"name": "Tencent HY 2.0 Think",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 128000,
"maxTokens": 32000
},
{
"id": "hunyuan-t1",
"name": "Hunyuan-T1",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 64000,
"maxTokens": 32000
},
{
"id": "hunyuan-turbos",
"name": "hunyuan-turbos",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 32000,
"maxTokens": 16000
},
{
"id": "minimax-m2.5",
"name": "MiniMax-M2.5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 196608,
"maxTokens": 32768
},
{
"id": "kimi-k2.5",
"name": "Kimi-K2.5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 32768
},
{
"id": "glm-5",
"name": "GLM-5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 202752,
"maxTokens": 16384
}
]
}
}
}

在openclaw.json配置项中修改agents.default，增加模型列表信息，其中：primary字段指定的模型可以根据您的偏好进行配置。

"agents": {
"defaults": {
"model": {
"primary": "tencent-coding-plan/glm-5"
},
"models": {
"tencent-coding-plan/tc-code-latest": {},
"tencent-coding-plan/hunyuan-2.0-instruct": {},
"tencent-coding-plan/hunyuan-2.0-thinking": {},
"tencent-coding-plan/hunyuan-t1": {},
"tencent-coding-plan/hunyuan-turbos": {},
"tencent-coding-plan/minimax-m2.5": {},
"tencent-coding-plan/kimi-k2.5": {},
"tencent-coding-plan/glm-5": {}
}
}
}