欢迎光临
我们一直在努力
        找回密码
当前位置：171主机测评 > 服务器技术 > 正文

【AI】【free-claude-code】实战指南：一个代理服务器，让 Claude Code 白嫖任意模型

2026-05-07 分类：服务器技术 阅读(35) 评论(0)

💸 free-claude-code 实战指南：一个代理服务器，让 Claude Code 白嫖任意模型

文章目录

  • 💸 free-claude-code 实战指南：一个代理服务器，让 Claude Code 白嫖任意模型
    • 📖 第一章：原理——为什么能做到"零成本"
      • Claude Code 的费用从哪里来
      • free-claude-code 的拦截原理
      • 模型路由机制
    • ⚡ 第二章：五分钟安装和配置
      • 前置：安装 Claude Code 本体
      • 安装 free-claude-code
      • 配置 .env 文件（三种免费方案）
        • 方案 A：NVIDIA NIM（免费额度，推荐）
        • 方案 B：OpenRouter 免费模型
        • 方案 C：本地模型（LM Studio / llama.cpp，完全免费）
        • 方案 D：混搭（Opus 用 NIM，Haiku 用本地）
    • 🖥️ 第三章：三种使用方式
      • 方式一：终端（Claude Code CLI）
      • 方式二：VS Code 插件
      • 方式三：Discord / 消息平台（类似 OpenClaw）
    • 🎛️ 第四章：进阶配置
      • 完整 .env 配置参考
      • 开启语音输入
      • 子 Agent 控制（防止失控）
    • 🆚 第五章：免费模型选择建议
      • 2026 年推荐的免费模型（来自社区实测）
        • NVIDIA NIM 免费模型（注册即得额度）
        • OpenRouter 完全免费模型（带 :free 标记）
        • 本地模型推荐（LM Studio / llama.cpp）
      • 按任务选模型的建议
    • 🔧 第六章：常见问题速解
      • 问题 1：启动报 AssertionError / pydantic 错误
      • 问题 2：Claude Code 连不上代理
      • 问题 3：模型回复质量差，一直出错
      • 问题 4：NVIDIA NIM API Key 免费额度用完了
      • 问题 5：Windows 上 Git Bash 报 cygpath 错误
    • 🔐 第七章：安全注意事项
      • 本地代理的安全模型
    • 📊 各方案成本对比
    • 🎁 速查总结
    • 📣 最后

写在前面（2026.04）：Claude Code 本身完全免费，你真正要花钱的是它调用的 Anthropic API。free-claude-code 这个开源项目做了一件聪明的事：在本机启动一个代理服务器，拦截 Claude Code 的 API 请求，把它转发给 NVIDIA NIM 免费模型、OpenRouter 免费模型、本地 LM Studio 模型……Claude Code 完全不知道自己用的不是 Anthropic，照常运行所有功能。

📌 GitHub：Alishahryar1/free-claude-code（10.2k Star，897 Fork） 📌 原理：本地代理 → 拦截 API 请求 → 路由到免费/自选模型 📌 效果：终端 / VS Code 插件 / Discord 三端全部可用，不改 Claude Code 任何代码

在这里插入图片描述

📖 第一章：原理——为什么能做到"零成本"

在这里插入图片描述

Claude Code 的费用从哪里来

很多人以为 Claude Code 本身收费，其实不是：

Claude Code 本体： npm install -g @anthropic-ai/claude-code ← 完全免费
↓
费用来源： 每次对话都调用 Anthropic API ← 这里花钱
claude-3-5-sonnet / claude-opus-4…
每百万 Token 约 $3-$15

free-claude-code 的拦截原理

正常情况：
Claude Code → https://api.anthropic.com/v1/messages

加了代理之后：
Claude Code ──→ http://localhost:8082 ──→ NVIDIA NIM（免费）
（free-claude-code） ──→ OpenRouter（部分免费）
──→ LM Studio（本地免费）
──→ llama.cpp（本地免费）
──→ 任何 OpenAI 兼容 API

Claude Code 只需要设置两个环境变量：
ANTHROPIC_BASE_URL="http://localhost:8082"
ANTHROPIC_AUTH_TOKEN="任意字符串"

两行设置，无需修改 Claude Code 本体，VS Code 插件同样生效。

模型路由机制

Claude Code 发出的请求里包含 model 字段：
– claude-3-opus-20240229 → MODEL_OPUS 变量
– claude-3-5-sonnet-20241022 → MODEL_SONNET 变量
– claude-3-haiku-20240307 → MODEL_HAIKU 变量
– 其他 → MODEL 变量（fallback）

你可以让 Opus/Sonnet/Haiku 分别对应不同的模型和服务商，
混搭也没问题。

⚡ 第二章：五分钟安装和配置

前置：安装 Claude Code 本体

# 确保已安装 Node.js 18+
node –version

# 安装 Claude Code
npm install -g @anthropic-ai/claude-code

# 验证
claude –version

安装 free-claude-code

方式一：uv 安装（推荐，最简单）

# 先装 uv（如果没有）
curl -LsSf https://astral.sh/uv/install.sh | sh # Linux/Mac
# Windows: powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# 一行安装
uv tool install git+https://github.com/Alishahryar1/free-claude-code.git

# 初始化配置文件
fcc-init
# 会在 ~/.config/free-claude-code/.env 生成配置模板

# 启动代理服务器
free-claude-code
# 服务器运行在 http://localhost:8082

方式二：克隆仓库安装

git clone https://github.com/Alishahryar1/free-claude-code.git
cd free-claude-code
cp .env.example .env
# 编辑 .env 填入 API Key 和模型名
uv sync # 安装依赖
uv run uvicorn server:app –host 0.0.0.0 –port 8082

配置 .env 文件（三种免费方案）

方案 A：NVIDIA NIM（免费额度，推荐）

NVIDIA NIM 提供大量模型的免费 API 调用额度，注册 NVIDIA Developer 账号即可获得免费 API Key。

# ~/.config/free-claude-code/.env

NVIDIA_NIM_API_KEY="nvapi-你的key"

# 不同 Claude 模型对应不同的 NIM 模型
MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5" # 重任务用强模型
MODEL_SONNET="nvidia_nim/moonshotai/kimi-k2.5" # 日常编码
MODEL_HAIKU="nvidia_nim/stepfun-ai/step-3.5-flash" # 轻量快速
MODEL="nvidia_nim/z-ai/glm4.7" # fallback

方案 B：OpenRouter 免费模型

OpenRouter 有大量 :free 后缀的免费模型，注册即可用。

OPENROUTER_API_KEY="sk-or-你的key"

MODEL_OPUS="open_router/deepseek/deepseek-r1-0528:free"
MODEL_SONNET="open_router/openai/gpt-oss-120b:free"
MODEL_HAIKU="open_router/stepfun/step-3.5-flash:free"
MODEL="open_router/stepfun/step-3.5-flash:free"

方案 C：本地模型（LM Studio / llama.cpp，完全免费）

无需任何 API Key，需要本机有足够的 GPU/CPU 资源。

# LM Studio：图形界面，下载模型后一键启动 API 服务
# 默认运行在 http://localhost:1234
MODEL_OPUS="lmstudio/unsloth/MiniMax-M2.5-GGUF"
MODEL_SONNET="lmstudio/unsloth/Qwen3.5-35B-A3B-GGUF"
MODEL_HAIKU="lmstudio/unsloth/GLM-4.7-Flash-GGUF"
MODEL="lmstudio/unsloth/GLM-4.7-Flash-GGUF"

# llama.cpp：命令行，更轻量
# 先启动 llama-server：
# llama-server -m qwen3-7b.gguf –port 8080
MODEL_OPUS="llama_cpp/qwen3-7b"
MODEL_SONNET="llama_cpp/qwen3-7b"
MODEL_HAIKU="llama_cpp/qwen3-1.7b"
MODEL="llama_cpp/qwen3-1.7b"

方案 D：混搭（Opus 用 NIM，Haiku 用本地）

# 重任务用云端免费模型，轻任务用本地模型，平衡质量和速度

NVIDIA_NIM_API_KEY="nvapi-…"
OPENROUTER_API_KEY="sk-or-…"

MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5" # 复杂代码生成
MODEL_SONNET="open_router/deepseek/deepseek-r1-0528:free" # 代码分析
MODEL_HAIKU="lmstudio/unsloth/GLM-4.7-Flash-GGUF" # 快速补全
MODEL="lmstudio/unsloth/GLM-4.7-Flash-GGUF" # fallback

🖥️ 第三章：三种使用方式

方式一：终端（Claude Code CLI）

# 启动代理服务器（保持在后台运行）
free-claude-code &
# 或者用 tmux/screen 保持后台

# 方法1：每次临时设置环境变量
ANTHROPIC_BASE_URL="http://localhost:8082" \\
ANTHROPIC_AUTH_TOKEN="freecc" \\
claude

# 方法2：写入 ~/.zshrc 或 ~/.bashrc（永久生效，推荐）
echo 'export ANTHROPIC_BASE_URL="http://localhost:8082"' >> ~/.zshrc
echo 'export ANTHROPIC_AUTH_TOKEN="freecc"' >> ~/.zshrc
source ~/.zshrc
# 之后直接运行 claude 即走代理

# 方法3：用 claude-pick（交互式选模型）
brew install fzf # 先装 fzf

# 在 ~/.zshrc 添加别名
alias claude-pick="/绝对路径/free-claude-code/claude-pick"
source ~/.zshrc

# 运行时会弹出模型选择菜单（fzf 界面）
claude-pick

# 方法4：固定某个模型的别名
alias claude-kimi='ANTHROPIC_BASE_URL="http://localhost:8082" ANTHROPIC_AUTH_TOKEN="freecc:moonshotai/kimi-k2.5" claude'
alias claude-deepseek='ANTHROPIC_BASE_URL="http://localhost:8082" ANTHROPIC_AUTH_TOKEN="freecc:deepseek/deepseek-r1:free" claude'

方式二：VS Code 插件

安装 Claude Code 的 VS Code 插件后，在设置里配置：

// VS Code settings.json
{
"claude-code.anthropicBaseUrl": "http://localhost:8082",
"claude-code.anthropicApiKey": "freecc"
}

或者在终端里启动 VS Code 时带环境变量：

ANTHROPIC_BASE_URL="http://localhost:8082" \\
ANTHROPIC_AUTH_TOKEN="freecc" \\
code .

方式三：Discord / 消息平台（类似 OpenClaw）

free-claude-code 支持通过 Discord Bot 使用 Claude Code——团队共享一个代理服务器，多人通过 Discord 频道调用。

# .env 里添加 Discord 配置
DISCORD_TOKEN="你的-discord-bot-token"
DISCORD_CHANNEL_ID="频道ID"

# 在 Discord 里 @ Bot 直接提问
# Bot 调用你配置的模型回答

🎛️ 第四章：进阶配置

完整 .env 配置参考

# ~/.config/free-claude-code/.env

# ── 模型路由 ──
NVIDIA_NIM_API_KEY="nvapi-你的key"
OPENROUTER_API_KEY="sk-or-你的key"

MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5"
MODEL_SONNET="open_router/deepseek/deepseek-r1-0528:free"
MODEL_HAIKU="lmstudio/unsloth/GLM-4.7-Flash-GGUF"
MODEL="lmstudio/unsloth/GLM-4.7-Flash-GGUF" # fallback

# ── 思考模式 ──
ENABLE_THINKING=true # 开启推理过程显示
# 设为 false 则隐藏所有 thinking blocks

# ── 安全认证（可选）──
# 如果代理服务器需要对外暴露，可以加认证
# ANTHROPIC_AUTH_TOKEN="your-secret-token-here"

# ── 语音输入（可选）──
WHISPER_DEVICE="cpu" # cpu / cuda / nvidia_nim
WHISPER_MODEL="base" # tiny / base / small / medium

# ── NVIDIA NIM 代理（可选）──
# NIM_PROXY="http://your-proxy:port"

开启语音输入

# 安装语音支持（本地 Whisper）
uv tool install "free-claude-code[voice_local] @ git+https://github.com/Alishahryar1/free-claude-code.git"

# 或使用 NVIDIA NIM 的 Whisper
uv tool install "free-claude-code[voice] @ git+https://github.com/Alishahryar1/free-claude-code.git"

# 同时支持两者
uv tool install "free-claude-code[voice,voice_local] @ git+https://github.com/Alishahryar1/free-claude-code.git"

# .env 里配置
WHISPER_DEVICE="cuda" # 有 GPU 就用 cuda，否则 cpu
WHISPER_MODEL="small" # 英文用 base，中文用 small

子 Agent 控制（防止失控）

# free-claude-code 会拦截 Task 工具调用，
# 强制 run_in_background=False，
# 防止子 Agent 在后台无限制地运行任务

# 这是一个安全机制，不需要额外配置
# 日志里会看到：
# [free-claude-code] Task intercepted: run_in_background forced to False

🆚 第五章：免费模型选择建议

2026 年推荐的免费模型（来自社区实测）

NVIDIA NIM 免费模型（注册即得额度）

moonshotai/kimi-k2.5 代码能力强，适合 Opus 位置
moonshotai/kimi-k2-thinking 带推理链，适合复杂任务
z-ai/glm4.7 国产强模型，中文代码优秀
stepfun-ai/step-3.5-flash 速度快，适合 Haiku 位置

OpenRouter 完全免费模型（带 :free 标记）

deepseek/deepseek-r1-0528:free DeepSeek 推理模型，强
openai/gpt-oss-120b:free GPT 开源版，综合好
stepfun/step-3.5-flash:free 轻量快速
meta-llama/llama-3.3-70b:free Llama 3.3，开源强模型

本地模型推荐（LM Studio / llama.cpp）

MiniMax-M2.5-GGUF MiniMax 的量化版，代码强
Qwen3.5-35B-A3B-GGUF Qwen 系列，中文代码优秀
GLM-4.7-Flash-GGUF GLM 4.7，轻量版本
Qwen3-7B-Q4_K_M.gguf 8GB 显存可跑

按任务选模型的建议

任务类型 建议模型
─────────────────────────────────────────────────────
复杂架构设计/重构 kimi-k2.5 / deepseek-r1（推理强）
日常代码编写 glm4.7 / gpt-oss-120b（速度和质量平衡）
快速问答/简单修改 step-3.5-flash / GLM-4.7-Flash（响应快）
中文代码+注释 glm4.7 / Qwen3.5（中文理解好）
离线/隐私场景 本地 LM Studio 模型

🔧 第六章：常见问题速解

问题 1：启动报 AssertionError / pydantic 错误

这是 Python 版本兼容问题（Python 3.14 与 pydantic 不兼容）：

# 解决：使用 Python 3.11 或 3.12
uv python install 3.12
uv venv –python 3.12 .venv
source .venv/bin/activate
uv sync
uv run uvicorn server:app –host 0.0.0.0 –port 8082

# 或者更新到最新版（作者可能已修复）
uv tool upgrade free-claude-code

问题 2：Claude Code 连不上代理

# 检查代理服务器是否真的在运行
curl http://localhost:8082/health
# 应该返回 {"status": "ok"}

# 检查环境变量是否生效
echo $ANTHROPIC_BASE_URL # 应该是 http://localhost:8082
echo $ANTHROPIC_AUTH_TOKEN # 应该是 freecc 或你设置的值

# 确认是 localhost 不是 127.0.0.1（有时两者不一样）
# 可以两个都试试
ANTHROPIC_BASE_URL="http://127.0.0.1:8082"

问题 3：模型回复质量差，一直出错

# 原因1：选的免费模型能力不够
# 换更强的模型
MODEL_SONNET="open_router/deepseek/deepseek-r1-0528:free" # 换成 R1

# 原因2：模型的上下文窗口太小
# 在 Claude Code 里用 /compact 压缩上下文
/compact

# 原因3：模型不支持 function calling / tool use
# 大多数免费模型支持，但有些不行
# 查 OpenRouter 的模型详情页确认

问题 4：NVIDIA NIM API Key 免费额度用完了

# 切换到 OpenRouter 免费模型
MODEL_SONNET="open_router/deepseek/deepseek-r1-0528:free"
MODEL_HAIKU="open_router/stepfun/step-3.5-flash:free"

# 或者用本地模型兜底
MODEL="lmstudio/unsloth/GLM-4.7-Flash-GGUF"

问题 5：Windows 上 Git Bash 报 cygpath 错误

# 原因：Claude Code 在 Windows 需要 bash 环境
# 解决：安装 Git for Windows（含 bash + cygpath）
# 或者在 WSL2 里运行

# WSL2 里完全没有这个问题

🔐 第七章：安全注意事项

本地代理的安全模型

安全的做法：
├── 只绑定 localhost（默认）
│ ANTHROPIC_BASE_URL="http://localhost:8082" ← 只有本机能访问
│
├── API Key 不上传
│ .env 文件只在本机，不要 git commit
│
└── 代理服务器不做任何持久化
所有请求都是透传，不存储对话内容

需要注意的：
├── 如果你修改 host 为 0.0.0.0 对外暴露
│ → 务必设置 ANTHROPIC_AUTH_TOKEN 认证
│
└── 使用第三方模型（NIM/OpenRouter）
→ 你的对话内容会发送给这些服务商
→ 有隐私需求请使用本地模型

📊 各方案成本对比

方案月成本上手难度模型质量适合场景
官方 Claude API ¥50-500+ 低 最高 专业商用
NVIDIA NIM（注册免费额度） ¥0 低 高 日常学习首选
OpenRouter 免费模型 ¥0 低 中高 补充免费额度
LM Studio 本地 ¥0（电费） 中 视配置 隐私/离线
llama.cpp ¥0（电费） 高 视配置 极客向
free-claude-code 混搭 ¥0 中 灵活 最推荐

🎁 速查总结

# ── 安装 ──
uv tool install git+https://github.com/Alishahryar1/free-claude-code.git
fcc-init # 生成 ~/.config/free-claude-code/.env

# ── 配置 .env（NVIDIA NIM 方案）──
NVIDIA_NIM_API_KEY="nvapi-…"
MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5"
MODEL_SONNET="nvidia_nim/z-ai/glm4.7"
MODEL_HAIKU="nvidia_nim/stepfun-ai/step-3.5-flash"

# ── 启动代理 ──
free-claude-code # 前台运行
free-claude-code & # 后台运行
tmux new -s fcc && free-claude-code # tmux 后台（推荐）

# ── 使用 Claude Code ──
export ANTHROPIC_BASE_URL="http://localhost:8082"
export ANTHROPIC_AUTH_TOKEN="freecc"
claude # 正常使用 Claude Code

# ── 写入 shell 配置（永久生效）──
echo 'export ANTHROPIC_BASE_URL="http://localhost:8082"' >> ~/.zshrc
echo 'export ANTHROPIC_AUTH_TOKEN="freecc"' >> ~/.zshrc

# ── 更新 ──
uv tool upgrade free-claude-code

📣 最后

如果这篇帮你节省了 Claude Code 的 API 费用：

  • 👍 点赞 让更多想用 Claude Code 的同学看到这个方案
  • ⭐ 收藏 配置代理时直接来翻 .env 模板
  • 💬 评论 参与投票，或者分享你实测的免费模型效果
  • 🔔 关注 持续更新 AI 工具实战，一个正在学 AI 的大学生 👨‍🎓

⚠️ 免责声明：本文介绍的方案将 API 请求路由到第三方服务商（NVIDIA NIM / OpenRouter）或本地模型，与 Anthropic 官方服务无关。请遵守各服务商的使用条款。如果需要稳定的生产级别服务，建议使用 Anthropic 官方 API。

📚 相关阅读：

  • 《Claude Code 完全指南：从安装到高效 AI 编程》
  • 《Agent Loop 深度解析：LLM 是如何变成 Agent 的》

📖 参考资料：

  • free-claude-code GitHub（Alishahryar1/free-claude-code，10.2k Star，2026.04 活跃）
  • NVIDIA NIM 免费模型列表（build.nvidia.com）
  • OpenRouter 免费模型列表（openrouter.ai/models?q=free）
赞(0)
未经允许不得转载：171主机测评 » 【AI】【free-claude-code】实战指南：一个代理服务器，让 Claude Code 白嫖任意模型
分享到： 更多 (0)
标签：

相关推荐

评论 抢沙发

取消

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

热门标签

#人工智能(59552)#python(20187)#开发语言(16919)#java(15520)#运维(15397)#linux(14980)#大数据(14612)#服务器(13092)#算法(11811)#前端(10937)#网络(9399)#ai(8956)#数据库(8923)#c++(8192)#课程设计(6817)#学习(6799)#机器学习(6727)#区块链(5928)#OpenClaw(5393)#后端(5173)#spring boot(5019)#深度学习(4968)#c语言(4385)#毕业设计(4300)#数据结构(4207)#安全(4085)#docker(3941)#架构(3881)#javascript(3814)#大模型(3663)

热门文章

最新文章

归档

分类