发布于

Claude Code 接入非官方模型教程

作者
  • avatar
    姓名
    Terry
    Twitter

Claude Code 接入非官方模型教程

开始之前：你真的需要这些配置吗？

从第一性原理思考：使用工具的目的是创造价值。

Claude Code 官网可直接使用，开箱即用。对于大多数个人开发者来说，这完全够用。

判断条件官网直接用多模型配置
追求开箱即用✅ 推荐❌ 过度折腾
成本不敏感✅ 够用可选
频率不高✅ 完全够用没必要
频繁使用、成本敏感可考虑✅ 适合
需要备选方案可考虑✅ 适合

核心建议：如果你官网额度够用、追求效率，直接用官网就好。折腾这些配置的时间，本可以用来创造价值。

多模型配置的本质是用配置复杂度换取性价比——值不值得，只有你自己能判断。

Claude Code 接入非官方模型（以智谱为例）存在三种主流方案，经对比后本教程选择第二种方案开展配置，具体方案说明如下：

方案对比结论：第二种方案在实现难度、使用便捷性与稳定性之间取得了良好平衡，既避免了复杂的工具配置，又能实现非官方模型与原生 Claude 模型的独立调用，互不干扰，因此作为本次接入的优选方案。

一、三步配置流程

  1. 新建项目目录并安装依赖
# 新建目录并进入
mkdir ~/claude-model && cd ~/claude-model
# 初始化项目
bun init -y
# 安装 Claude Code
bun add @anthropic-ai/claude-code
# 新建claude-code配置/缓存目录
mkdir .claude-glm
  1. 配置可执行脚本目录（添加到系统PATH）
# 新建bin目录
mkdir ~/claude-model/bin
# 配置PATH（根据系统修改对应文件）
# macOS：编辑 ~/.zshrc，Linux：编辑 ~/.bashrc
export PATH="$HOME/claude-model/bin:$PATH"
# 重启终端生效
  1. 创建并配置调用脚本
  • 新建脚本文件：touch ~/claude-model/bin/claude-glm
  • 脚本内容（替换YOUR_glm_API_KEY为实际密钥）：

#!/usr/bin/env bash
CLAUDE_BIN="$HOME/claude-model/node_modules/.bin/claude"
# 注入API凭证
export ANTHROPIC_AUTH_TOKEN="YOUR_glm_API_KEY"
export ANTHROPIC_BASE_URL="https://ark.cn-beijing.volces.com/api/compatible"
export ANTHROPIC_MODEL="glm-seed-code-preview-latest"
export API_TIMEOUT_MS=3000000
# 独立配置目录（可选）
export CLAUDE_CONFIG_DIR="$HOME/claude-model/.claude-glm"
exec "$CLAUDE_BIN" "$@"
  • 赋予执行权限：chmod +x ~/claude-model/bin/claude-glm

三、使用与验证

  • 验证安装：claude-glm --version（显示版本即成功，示例：2.0.76）
  • 命令区分：
    • 调用 glm 版本 Claude Sonnet：claude-glm
    • 调用原始 Claude Sonnet 4.5：claude（互不影响）

四、关键补充

  • 模型优势：原生兼容 Anthropic API，无需调整。
  • 价格套餐：写文时，约等于Claude Sonnet 4.5的编程能力。
  • 扩展性：可按相同流程添加其他模型，每个模型对应独立调用命令。

五、多模型扩展配置

使用相同方法添加更多模型，只需创建对应的调用脚本：

# 示例：添加 claude-minimax
cat > ~/claude-model/bin/claude-minimax << 'EOF'
#!/usr/bin/env bash
CLAUDE_BIN="$HOME/claude-model/node_modules/.bin/claude"
export ANTHROPIC_AUTH_TOKEN="YOUR_MINIMAX_API_KEY"
export ANTHROPIC_BASE_URL="https://api.minimax.chat/v1"
export ANTHROPIC_MODEL="minimax-model-name"
export API_TIMEOUT_MS=3000000
export CLAUDE_CONFIG_DIR="$HOME/.claude"  # 共享配置目录
exec "$CLAUDE_BIN" "$@"
EOF
chmod +x ~/claude-model/bin/claude-minimax

# 示例：添加 claude-deepseek
cat > ~/claude-model/bin/claude-deepseek << 'EOF'
#!/usr/bin/env bash
CLAUDE_BIN="$HOME/claude-model/node_modules/.bin/claude"
export ANTHROPIC_AUTH_TOKEN="YOUR_DEEPSEEK_API_KEY"
export ANTHROPIC_BASE_URL="https://api.deepseek.com/v1"
export ANTHROPIC_MODEL="deepseek-model-name"
export API_TIMEOUT_MS=3000000
export CLAUDE_CONFIG_DIR="$HOME/.claude"  # 共享配置目录
exec "$CLAUDE_BIN" "$@"
EOF
chmod +x ~/claude-model/bin/claude-deepseek

# 示例：添加 claude-mimo
cat > ~/claude-model/bin/claude-mimo << 'EOF'
#!/usr/bin/env bash
CLAUDE_BIN="$HOME/claude-model/node_modules/.bin/claude"
export ANTHROPIC_AUTH_TOKEN="YOUR_MIMO_API_KEY"
export ANTHROPIC_BASE_URL="https://api.mimo.com/v1"
export ANTHROPIC_MODEL="mimo-model-name"
export API_TIMEOUT_MS=3000000
export CLAUDE_CONFIG_DIR="$HOME/.claude"  # 共享配置目录
exec "$CLAUDE_BIN" "$@"
EOF
chmod +x ~/claude-model/bin/claude-mimo

# 示例：添加 claude-kimi（月之暗面）
cat > ~/claude-model/bin/claude-kimi << 'EOF'
#!/usr/bin/env bash
CLAUDE_BIN="$HOME/claude-model/node_modules/.bin/claude"
export ANTHROPIC_AUTH_TOKEN="YOUR_KIMI_API_KEY"
export ANTHROPIC_BASE_URL="https://api.moonshot.cn/v1"
export ANTHROPIC_MODEL="moonshot-v1-auto"
export API_TIMEOUT_MS=3000000
export CLAUDE_CONFIG_DIR="$HOME/.claude"  # 共享配置目录
exec "$CLAUDE_BIN" "$@"
EOF
chmod +x ~/claude-model/bin/claude-kimi

六、MCP/Skill 配置复用方案

问题：每个独立实例的 MCP 服务器和 Skill 配置默认隔离，无法共享。

解决方案：将所有模型的 CLAUDE_CONFIG_DIR 指向同一目录（如原生 Claude 的配置目录 ~/.claude）。

修改脚本中的配置行：

# 原本（独立配置）
export CLAUDE_CONFIG_DIR="$HOME/claude-model/.claude-glm"

# 修改为（共享配置）
export CLAUDE_CONFIG_DIR="$HOME/.claude"

效果：

  • 所有模型实例共享同一套 MCP 服务器配置
  • 所有模型实例共享同一套 Skill 配置
  • 无需为每个模型单独配置扩展

使用方式：

# 所有命令共享相同的 MCP/Skill
claude              # 原生 Claude
claude-glm          # GLM 模型
claude-minimax      # MiniMax 模型
claude-deepseek     # DeepSeek 模型
claude-kimi         # Kimi 模型
claude-mimo         # Mimo 模型

七、方案核心优势

灵活性是最大的优势：

这种多模型方案最核心的价值在于其灵活性：

  1. 工具不会被付费限制 - 某个模型不付费了，随时切换到其他模型，工具本身依然可用
  2. 使用习惯不被打断 - 所有模型使用相同的命令模式、相同的 MCP/Skill 配置，无需重新学习
  3. 模型切换极其方便 - 一个命令就能切换模型，比如 claude-kimi 替代 claude-glm

本质上，这种方案将工具选择与模型选择解耦了：

  • 工具（Claude Code）是稳定的
  • 模型可以灵活组合、随时更换

这比那些"全家桶"式（工具和模型强绑定）的方案要自由得多。

在 Twitter 上讨论 • 在 GitHub 上查看