先说结论：Claude Code 本身是 Anthropic 官方出的终端编程智能体，效果确实顶，但对很多国内开发者和学习者来说，官方 API 有不少现实门槛——绑定海外支付方式、按美元计费、接口稳定性也看网络心情。所以社区现在最流行的玩法，就是给 Claude Code 装一个“协议翻译层”，让它能调用 DeepSeek、Kimi、智谱 GLM、通义千问这些国产大模型。这套方案既能保留 Claude Code 的 Agent 工作流（读代码、改文件、跑命令、提 commit），又能把成本打下来，接口还是国内直连，非常舒服。
这篇教程面向纯小白，我会从 Node.js 安装开始，一路讲到 Claude Code 本体、路由层 claude-code-router 的配置，再给你一套可以直接抄作业的 DeepSeek 配置文件，最后附上我踩过的坑和排查清单。整个方案不需要写一行代码逻辑，全程命令 + 配置文件。
1. 先把思路捋清楚：Claude Code 怎么“改嫁”国产模型
很多人第一次听说 Claude Code 能接国产大模型，第一反应是“这俩协议都不一样，能通吗？”。能通，而且原理比你想的简单。
1.1 Claude Code 是什么，它到底怎么工作
Claude Code 是 Anthropic 推出的命令行 AI 编程助手。你不需要在编辑器里装插件，直接在一个终端里启动，用自然语言给它下指令，比如“看一下这个项目，告诉我哪里性能有瓶颈”，它会自己去读文件、跑测试、改代码，甚至帮你执行 git 命令。
它每干一件事，背后其实都在做同一个循环：把你的指令转成请求发给大模型，大模型返回“我准备做这些动作”，然后它执行这些动作，再把你看到的输出结果继续发给大模型，直到任务完成。
这个循环里最关键的部分，是它跟模型之间有一套固定的“对话格式”。官方版 Claude Code 默认只认 Anthropic Messages API 格式，而且默认只连 Anthropic 自家的模型。你要是直接把请求地址换成 DeepSeek 或者别的国产模型，两边语言不通，根本聊不下去。
1.2 国产模型的优势：便宜、直接、没门槛
Claude Code 官方模型很强，但“强”和“适合所有人”是两回事。官方接口需要 Anthropic 账号，绑海外支付方式，按用量计费，对很多学生党、个人开发者来说门槛不低。
国产模型这边就是另一番光景了。DeepSeek、Kimi、GLM、通义千问这些，国内注册就能用，充值就是微信/支付宝扫一下，成本相比官方 API 直接低一个量级，赠金还经常送。更重要的是，这些模型基本都提供 OpenAI 兼容接口，而 OpenAI 的消息格式在开源生态里已经是事实标准，这就给了做“中间转换层”的机会。
1.3 集成原理：一个“翻译官”搞定协议转换
所以，方案的核心就是找一个“翻译官”，把 Claude Code 的 Anthropic 格式请求翻译成 OpenAI 格式，发给国产模型，再把国产模型的返回翻译回 Claude Code 能理解的格式。
这个“翻译官”就是 claude-code-router，社区里也常叫 CCR。它底层用的是 LiteLLM 这套成熟的模型网关，支持几百种模型的转发，也支持你自定义任意 OpenAI 兼容接口。你只要写一个 JSON 配置文件，把国产模型的 API 地址、Key、模型名填进去，再在环境变量里把 Claude Code 的请求地址指向 CCR 的本地代理，整个链路就通了。
一句话总结这个思路：Claude Code 负责干活，CCR 负责翻译，国产模型负责思考。
2. 环境准备：把 Node.js 和 Claude Code 本体装好
在搞串联之前，先把地基打好。磨刀不误砍柴工，这一步我建议按顺序来，不要跳。
2.1 安装 Node.js（LTS 版本就够）
Claude Code 和 CCR 都是基于 Node.js 的 npm 包，所以 Node.js 是第一个必须装的组件。
到 Node.js 官网下载 LTS 版本（不是 Current 版本），Windows 用户直接下载 .msi 安装包，macOS 用户下载 .pkg，Linux 用户可以用 nvm 装。安装过程中全部默认选项即可，Windows 用户特别留意一下安装向导里“Add to PATH”那个选项要勾上，不然一会儿命令行找不到 node。
装完打开一个新的终端，输入：
node -v npm -v能正常输出版本号，比如 v20.x.x 和 10.x.x，就说明装好了。
2.2 给 npm 换个国内源（能省很多时间）
npm 默认源在国外，装大一点的项目容易卡到怀疑人生。这一步强烈建议先做：
npm config set registry https://registry.npmmirror.com设置完之后可以验证：
npm config get registry输出了 npmmirror 的地址就说明换源成功。后面所有 npm 安装命令都会快很多。
2.3 安装 Claude Code 本体
直接在终端执行：
npm install -g @anthropic-ai/claude-code全局安装，装完确认一下：
claude --version如果能输出版本号，说明 Claude Code 本体已经就位。注意，现在先别急着运行claude命令，因为默认情况下它会进入官方登录流程。我们接下来要做的是让它先“改道”，再去启动它。
2.4 三个环境变量，提前搞懂不踩坑
Claude Code 在启动时，会按照一定的优先级去读取 API 地址和令牌。后面我们所有“改道”操作，本质就是通过环境变量实现的。
你需要记住三个变量：
ANTHROPIC_BASE_URL：API 请求的基础地址。默认是 Anthropic 官方地址，我们要改成 CCR 本地代理的地址。ANTHROPIC_AUTH_TOKEN：自定义令牌。CCR 模式下它并不真正校验令牌内容，你随便填一个字符串让它能通过就行，真正的 Key 在 CCR 的配置文件里。ANTHROPIC_API_KEY：官方 API Key。这个变量是个大坑，如果它被设置了，Claude Code 会优先读它，直接连到官方地址，然后报 401。如果你之前配置过，务必先把它清掉。
注意：这三个变量的优先级关系是 ANTHROPIC_API_KEY 优先于 ANTHROPIC_AUTH_TOKEN。只要 ANTHROPIC_API_KEY 存在，Claude Code 就会拿着它去连 ANTHROPIC_BASE_URL 指向的地址。所以我们后面设置环境变量时，一定要确认它没有被设置。
3. 安装配置路由层：claude-code-router 独立部署
这是整套方案里最核心的一步，也是标题里“集成”两个字的真正含义所在。我会先把 CCR 是什么说清楚，再一步步配置。
3.1 claude-code-router 是什么，和 cc-switch 有什么区别
claude-code-router 是 GitHub 上社区维护的开源项目（musistudio/claude-code-router），它实际上是一个本地代理服务。安装之后，它会监听你电脑上的一个端口，比如 3456。Claude Code 的所有请求都会发送到这个端口，CCR 再根据你配置文件里的规则，把请求转发给 DeepSeek、Kimi 或者其他模型。
社区里还有一个工具叫 cc-switch（CC Switch），它的定位更偏向于“切换器”：把官方 API 和各个国产模型的 API 配置提前存好，需要哪个一键切换。CC Switch 有图形界面，操作直观，但它的实现本质是帮你修改 Claude Code 的环境配置和认证信息，适合只想快速换模型、不想关心底层协议的人。
而 CCR 走的是“本地代理 + 协议翻译”路线，好处是配置一次之后非常稳定，不依赖官方登录态，而且支持更复杂的模型映射，比如把 Claude 的不同模型分别映射到不同的国产模型上。这篇教程我以 CCR 为主方案，因为它才是“集成”玩法的核心，同时也是社区里讨论最多、坑也最清楚的一条路。
3.2 安装 CCR
继续在终端执行：
npm install -g @musistudio/claude-code-router安装完，你会多一个claude-code-router命令，有些版本也提供ccr缩写命令。你可以先看一下它的帮助信息：
claude-code-router --help如果你的版本比较新，输出的命令名可能略有差异，不影响使用。如果发现运行不了，多半是安装源的问题，回到第 2.2 步检查一下 npm 源，重新装一遍。
3.3 编辑 config.json：以 DeepSeek 为例的完整配置
CCR 启动时会读取一个配置文件，路径在用户主目录下的~/.claude-code-router/config.json。第一次运行它可能不会自动创建这个文件，需要手动建目录、建文件。
最稳妥的方式是在你的用户主目录下新建.claude-code-router文件夹，然后在里面新建config.json。我直接把一份可运行的 DeepSeek 配置贴出来，你可以先复制过去，再逐项理解：
{ "provider": { "default": "deepseek", "deepseek": { "base_url": "https://api.deepseek.com", "api_key": "sk-你的DeepSeek密钥", "models": [ "deepseek-chat", "deepseek-reasoner" ] } }, "model_mapping": { "claude-sonnet-4-20250514": "deepseek-chat", "claude-opus-4-20250514": "deepseek-chat" }, "env": { "LITELLM_MODEL": "deepseek-chat", "ANTHROPIC_SMALL_FAST_MODEL": "deepseek-chat" } }这个配置里只有三块内容，理解它你就能举一反三：
provider：模型提供方。default表示默认走哪个提供方，这里填的是 deepseek，代表默认所有请求都发给 DeepSeek。然后定义了一个名为deepseek的提供方，base_url填 DeepSeek 的 OpenAI 兼容接口地址，api_key填你在 DeepSeek 开放平台申请的密钥，models列的是可用的模型名。model_mapping：模型映射。Claude Code 会按原始的 Claude 模型名请求，比如 claude-sonnet-4-20250514，但 DeepSeek 不认识这个名字，所以这里把它映射成 deepseek-chat。如果你常用的是 Claude 的 opus 模型，也一并映射过去。env：环境覆盖。LITELLM_MODEL让 CCR 在转发时统一使用 deepseek-chat，ANTHROPIC_SMALL_FAST_MODEL是 Claude Code 内部用于快速任务的“小模型”参数，也一并指向 deepseek-chat。
DeepSeek 的 API Key 需要去 DeepSeek 开放平台注册并创建，创建之后复制以sk-开头的字符串，替换掉上面配置里的占位文字。不用纠结选哪种模型，新用户直接选 deepseek-chat 就行，它就是官方主推的对话/编程模型，deepseek-reasoner 是推理模型，后面我会说要慎用。
3.4 启动路由服务，让 Claude Code 走本地代理
配置文件保存好之后，先在终端启动 CCR：
claude-code-router启动成功的话，终端会显示监听在某个端口，通常默认是 3456。保持这个终端不要关，它就是你的本地“翻译官”。
然后新开一个终端，设置环境变量。Windows PowerShell 用户执行：
$env:ANTHROPIC_BASE_URL="http://127.0.0.1:3456" $env:ANTHROPIC_AUTH_TOKEN="local-test-token"macOS / Linux 用户执行：
export ANTHROPIC_BASE_URL=http://127.0.0.1:3456 export ANTHROPIC_AUTH_TOKEN=local-test-token如果你刚才检查发现存在ANTHROPIC_API_KEY，先删掉它：
unset ANTHROPIC_API_KEYWindows PowerShell 则是：
Remove-Item Env:ANTHROPIC_API_KEY环境变量设置好之后，在同一个终端启动 Claude Code：
claude此时它不会再走官方登录流程，而是老老实实把请求发到 CCR 的本地地址。你可以直接给它一句最简单的话：“你好，请回复收到”。如果 CCR 那边日志显示转发到了 deepseek，并且 Claude Code 里正常回复了，就说明集成已经打通。
注意：CCR 的终端窗口不要关，关了 Claude Code 就找不到翻译官了。如果你用的是 VS Code 这类集成终端，建议拆两个终端，一个跑 CCR，一个跑 Claude Code。
3.5 扩展：一个配置接入 Kimi、GLM、Qwen 甚至本地模型
配置文件的写法一旦理解，接其他国产模型就是复制粘贴的事。以 Kimi 为例，你只需要在provider里加上一个 moonshot 的提供方，然后修改default指向它：
{ "provider": { "default": "moonshot", "moonshot": { "base_url": "https://api.moonshot.cn/v1", "api_key": "sk-你的Kimi密钥", "models": [ "kimi-k2-0711-preview", "moonshot-v1-32k" ] } }, "model_mapping": { "claude-sonnet-4-20250514": "kimi-k2-0711-preview" }, "env": { "LITELLM_MODEL": "kimi-k2-0711-preview", "ANTHROPIC_SMALL_FAST_MODEL": "moonshot-v1-32k" } }GLM 和通义千问同理，GLM 的接口地址是https://open.bigmodel.cn/api/paas/v4，通义千问的兼容接口是https://dashscope.aliyuncs.com/compatible-mode/v1。你只需要注意两点：一是模型名必须填平台真实存在的模型名，二是base_url结尾要不要带/v1要看平台文档，填错了就会报 404 或者连接错误。
如果你想接本地跑的 Ollama 模型，CCR 同样支持。因为 Ollama 本身也会暴露一个 OpenAI 兼容接口http://localhost:11434/v1。你只要把 base_url 指过去，模型名填成你本地拉取的模型就行，比如qwen2.5-coder:14b。本地模型的好处是完全免费、数据不出机器，坏处是模型太小的话代码理解能力明显不如云端大模型，适合拿来做简单任务、离线环境或者隐私敏感场景。对新手来说，我建议先别碰 Ollama，把云端模型跑通了再说，不然你分不清是配置问题还是模型能力问题。
4. 实操验证：从“能回话”到“能干活”
很多新手走到“能回话”这一步就觉得成功了，但你用 Claude Code 不是来聊天的，是让它帮你干活的。所以验证要分三步走：能不能读文件、能不能改文件、能不能执行命令。
4.1 在真实项目里测试文件读取
随便找一个你本地的代码项目，进入目录后启动 Claude Code：
cd /path/to/your/project claude然后输入：
先看一下这个项目的目录结构，告诉我用了什么技术栈如果它能够列出目录、指出关键文件、说出技术栈，说明“读文件”这个链路是通的。你可以继续追问某个文件的内容，看它能不能准确引用。
4.2 测试代码修改与生成
让它在项目里新建一个文件：
在 utils 目录下创建一个 format.js，里面导出一个格式化日期时间的函数，输入时间戳，输出 YYYY-MM-DD HH:mm:ss这一步如果顺利，你会看到它自动创建目录、创建文件、写入内容。如果模型能力够强，它还会顺手补上注释。
这里要注意观察两端：一是在你运行 Claude Code 的终端里，它会实时展示“将要执行什么操作”，比如创建文件前会展示文件路径，执行命令前会展示完整命令，并等待你确认。二是在 CCR 的终端里，你会看到一次请求里的工具调用数量和耗时，这些信息对判断模型质量很有用。
4.3 检查 CCR 日志：流量是否真的走了国产模型
集成成功不代表每一步都对。判断请求到底去了哪里，最直接的办法就是看 CCR 终端里的日志。
正常情况，日志里会记录每次请求转发的目标模型，比如显示deepseek/deepseek-chat。如果日志显示你在请求anthropic/xxx，说明 Claude Code 绕过了 CCR，直接连到了官方地址，回去检查环境变量。
另一种常见情况是，Claude Code 能正常回复，但 CCR 日志里只有少量转发记录，你觉得很奇怪。这是因为 Claude Code 内部有上下文缓存机制，会在同一个会话里复用一部分缓存结果，所以不是每一步操作都会触发新的模型请求，这是正常的。
4.4 确认工具调用链路完整
国产模型接进 Claude Code 之后，最大的差异点在于“工具调用”的稳定性。Claude Code 本质是靠模型的工具调用来干活的，模型必须能输出“我要调用 read_file 工具、参数是 xxx”的结构化指令。
你可以在测试时特别要求它执行一个稍微复杂点的任务，比如：
把当前目录下所有 .js 文件的行数统计出来，并生成一个 report.md如果它能分多次读文件、多次执行统计命令，最后写出报告，说明工具调用链路是完整的。如果它只回答你一段话但没有实际执行，说明模型可能没把工具调用当回事，这种时候换模型或者调模型参数往往比折腾 Claude Code 配置更有效。
5. 国产模型选型对比：做编程 Agent 哪个更顺手
这一节直接给结论：不同模型在 Claude Code 里的体验差距很大，不是“能接就能用”。
5.1 主流国产模型接入参数速查表
| 模型 | API 地址 | 推荐模型名 | 优势 | 注意点 |
|---|---|---|---|---|
| DeepSeek | https://api.deepseek.com | deepseek-chat | 编程能力强、便宜、工具调用稳定 | 别用 deepseek-reasoner 做 Agent，耗时太长 |
| Kimi（月之暗面） | https://api.moonshot.cn/v1 | kimi-k2-0711-preview | 长上下文、中文理解好 | 长任务偶尔会“话多”，需要你把任务拆细 |
| 智谱 GLM | https://open.bigmodel.cn/api/paas/v4 | glm-4-plus / glm-4-air | 中文灵活、性价比高 | 海外生态兼容细节偶尔有小坑 |
| 通义千问 | https://dashscope.aliyuncs.com/compatible-mode/v1 | qwen-plus / qwen-max | 阿里云生态、工具调用规范 | 需要开通对应模型服务权限 |
| Ollama 本地模型 | http://localhost:11434/v1 | qwen2.5-coder:14b 等 | 完全免费、数据不出机器 | 对硬件要求高，小模型干活能力有限 |
5.2 为什么我不推荐 DeepSeek 的 reasoner 模型
很多人看 DeepSeek 的 deepseek-reasoner 很火，就顺手把它配进 Claude Code。实际跑起来你会发现，它确实能输出很长的思考过程，但在 Claude Code 这种“一步一工具”的场景里，推理模型每一次都要想很久，一个简单的读文件操作可能要等十几秒，体验非常割裂。
更关键的是，reasoner 在长 Agent 流程里容易产生“过度思考”，经常该执行工具的时候还在分析，导致整个任务节奏拖得很慢。我的建议很直接：日常编程任务统一用 deepseek-chat，把 deepseek-reasoner 留给你需要深度解题、单独提问的场合，而不是塞进 Agent 工作流。
5.3 不同预算和使用场景的选型建议
如果你是个人开发者，想体验“Claude Code 工作流 + 国产模型性价比”，首选 DeepSeek。它现在是国内编程类模型里对工具调用支持得最顺的一档，而且每百万 token 的成本低到可以忽略，适合长期挂着跑。
如果你经常要处理超长上下文项目，比如让 Claude Code 读一个大型 monorepo，Kimi 的优势就出来了，长文本不容易“忘事”，但你要接受它在个别复杂任务里多话、效率略低的问题。
如果你已经在用阿里云，那直接上通义千问最省事，权限管理、账单都跟自家账号打通，工具调用也很稳。
如果你有隐私需求或者经常在无网环境干活，再考虑 Ollama 本地模型。本地模型建议直接上 14B 以上的参数规模，7B 的模型拿来写代码基本属于折磨自己。
6. 常见问题与排查技巧实录
这套方案我折腾过好几轮，下面这些坑基本都是新手必经之路。我把现象和解决办法列成一张速查表，你遇到问题直接对应着查。
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| 启动 Claude Code 后报 401 Unauthorized | 设置了 ANTHROPIC_API_KEY，请求带着官方 Key 走到了错误地址 | unset ANTHROPIC_API_KEY或清掉系统环境变量里的对应项 |
| 请求卡住，CCR 日志没有动静 | CCR 没启动，或者 ANTHROPIC_BASE_URL 设置错误 | 确认 CCR 终端还开着，确认地址是 http://127.0.0.1:3456 而不是 https |
| 模型能回话，但就是不执行工具 | 模型本身工具调用能力弱，或误用了推理模型 | 换 deepseek-chat 这类非推理模型；确认 model_mapping 的模型名正确 |
| 回答到一半突然截断 | 模型输出的 max_tokens 不够，Claude Code 一次请求希望模型输出很长的工具调用序列 | 在 CCR 的转发参数里调大 max_tokens，比如设置到 4096 以上 |
| 每次启动都要重新设置环境变量 | 你设置的是临时环境变量，新终端就失效了 | 把 export 命令写进 shell 配置文件（~/.zshrc 或 ~/.bashrc），或用系统环境变量面板持久化 |
| 请求偶尔打到官方 API 的感觉 | 模型名默认走 Claude 官方映射，被 Claude Code 内置逻辑绕过了代理 | 把 model_mapping 配全，确保所有 Claude 模型名都有对应的国产模型 |
| Westminster 模式下报网络错误 | 本地代理端口被占用 | 换一个端口，比如 CCR 启动参数指定端口，再同步修改 ANTHROPIC_BASE_URL |
| CCR 启动报配置文件错误 | JSON 格式写错了，或者缺少必填字段 | 到 JSON 在线校验工具里粘贴验证，注意最后一个字段后面不要有多余逗号 |
6.1 关于 401 的深度排查
上面表格里的 401 值得单独展开说。很多人第一次配完，明明 ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN 都设置了，仍然报 401。
第一反应换个思路：先打印当前环境变量，看看是不是残留了 ANTHROPIC_API_KEY。Windows 上可以用：
Get-ChildItem Env: | Where-Object { $_.Name -like "ANTHROPIC*" }macOS / Linux 上：
env | grep ANTHROPIC如果有 ANTHROPIC_API_KEY 存在，直接删掉再试。如果只有一个 ANTHROPIC_BASE_URL 但指向的是官方地址，也是同样的问题逻辑：Claude Code 在某些版本里会优先读取内置的官方路由，只有当 ANTHROPIC_BASE_URL 明确设置为非官方地址时才走自定义路由。
6.2 关于“模型不干活只聊天”的深度解析
这个现象在 DeepSeek 上其实不常见，但在某些中文模型的早期兼容版本里很典型。原因多半不是 Claude Code 配置问题，而是模型在“该输出工具调用”的时候，输出了一段自然语言。
解决办法依次尝试：第一，换一个更稳的模型，比如从 deepseek-reasoner 换成 deepseek-chat；第二，把任务描述得更简洁，避免长段落指令干扰模型的输出判断；第三，检查 CCR 的底层 LiteLLM 版本，npm update -g @musistudio/claude-code-router升级到最新版，很多兼容性问题都是靠版本迭代修掉的。
6.3 关于输出截断的补充
Claude Code 在复杂任务里，一次请求会期望模型输出一系列工具调用。国产模型默认的 max_tokens 上限往往低于 Claude 官方模型，这就会导致模型还没说完整套工具调用计划，输出就被掐断了，表现出来就是“回答到一半戛然而止”。
如果你用的模型在平台上支持调高 max_tokens，可以在 CCR 的 provider 配置里加上请求体重写参数。具体字段名以你安装的 CCR 版本 README 为准，但思路就是把 max_tokens 调大，最好不低于 4096。这一条在接 Kimi 和 GLM 时尤其重要，它们默认值普遍偏保守。
6.4 关于日志和调试的独家技巧
Claude Code 自身也有日志，遇到疑难问题不要只盯 CCR。进入 Claude Code 后输入/status可以查看当前会话的 API 状态和模型信息，输入/cost可以看到 token 消耗估算。这两条命令是排查“到底有没有走国产模型”的终极证据。
另外我建议新手全程用两个终端观察，一个跑 CCR、一个跑 Claude Code。一旦发现异常，先在 CCR 日志里找有没有转发记录。如果 CCR 日志干干净净，说明请求根本没到 CCR，往环境变量方向查；如果 CCR 日志里有请求但报错了，把报错信息复制下来搜索，绝大多数都是模型名写错或 Key 没填对。
最后分享点个人经验
这套配置我用了小半年，日常主力就是 DeepSeek，备一个 Kimi 处理超长文档。实际体验下来，国产模型跟 Claude Code 结合最舒服的场景不是让它一口气写几百行代码，而是让它做代码审查、写测试、改 bug，这种“小步快跑”的任务国产模型完成度很高，成本几乎可以忽略。
我个人的习惯是：新项目第一次整体架构设计、或者涉及大范围重构时，我还会切回官方模型认真讨论；平时迭代开发、补测试、查 bug，全部挂在 DeepSeek 上。这样既保住了关键时刻的质量，又不用一直为日常琐碎任务烧钱。
最后再提醒一件事：Claude Code 迭代速度很快，模型名也会随官方更新而变化，如果你哪天发现之前能用的配置突然失效，先去搜一下最新的模型映射名称，多半是模型名过期而不是配置被破坏。这个工具链的价值在于“接口是标准的，模型可以随便换”，只要把这个思路理解透，未来不管出什么新国产模型，你都能在 5 分钟内接上去。
