Claude Code 是 Anthropic 推出的 AI 编程工具，可以在终端中直接对话，让 AI 写代码、改代码、调试、重构，甚至操作 git。配合 VSCode 扩展使用时，体验几乎就是坐在那说话，AI 在敲代码。
但 Claude Code 的 API 成本不低——Opus 模型 15 美元/百万 token，Sonnet 也要 3 美元。对于想体验或日常高频使用的开发者来说，账单压力不小。
free-claude-code 这个项目解决了这个问题。它在 GitHub 上 Star 数已突破 10.8K，核心思路是做一个轻量级代理服务器，将 Claude Code 的请求转发到免费或便宜的大模型 API 上。
工作原理
free-claude-code 在本地启动一个端口（默认 8082），设置环境变量 ANTHROPIC_BASE_URL 指向这个本地代理后，Claude Code 会以为自己在跟 Anthropic 的服务器通信。实际上，代理将请求转发到配置的其他模型 API，拿到回复后再翻译回 Anthropic 格式。
整个过程中 Claude Code 完全不需要修改任何代码，甚至不需要重新安装，就是两个环境变量的事。
支持的后端
NVIDIA NIM（推荐）
NVIDIA 提供的 API 平台，注册即可获取 Key，免费额度为每分钟 40 次请求。支持 Qwen3.5-397B、Kimi-K2.5、MiniMax-M2.5 等模型，个人开发者完全够用。
OpenRouter
模型聚合平台，有几百个模型可选，包含 DeepSeek R1、GPT-OSS-120B 等免费版本。免费模型的速率限制各不相同，日常使用足够。
DeepSeek 直连
拥有 DeepSeek API Key 的用户可以直接使用 DeepSeek Chat 和 DeepSeek Reasoner，价格比 Anthropic 便宜一个数量级。
LM Studio 和 llama.cpp（完全本地）
不需要任何 API Key，不需要联网，模型跑在本地电脑上。没有速率限制，没有费用，但需要足够的显存或内存。
模型混搭策略
一个实用的功能是支持按请求级别路由到不同模型——Opus 级别路由到强模型，Sonnet 级别路由到另一个，Haiku 级别再换一个。
例如：
- MODEL_OPUS：NVIDIA NIM 的 Qwen3.5-397B
- MODEL_SONNET：OpenRouter 的 DeepSeek R1 免费版
- MODEL_HAIKU：本地 GLM-4.7-Flash
不同复杂度的任务自动走不同质量的模型，既省钱又高效。
实际测试场景
场景一：NVIDIA NIM + Qwen3.5 编写 Python 脚本
任务：批量重命名文件脚本，支持正则匹配、预览模式、撤销操作。整个过程约 3 分钟，代码质量不错，包含单元测试。对于中等复杂度任务完全够用，且零成本。
场景二：OpenRouter 免费模型制作 React 组件
任务：将设计稿转化为可用的 React 组件，包含状态管理和样式。免费模型表现一般——组件能跑，但代码组织不够优雅，边界情况处理不足。换用 DeepSeek Reasoner 后效果明显改善。
苏米注：这个测试说明免费模型并非不可用，但关键任务还是需要选择更可靠的模型。分层使用策略是关键。
场景三：本地 LM Studio 做代码 Review
在本地跑 Qwen3.5-35B 量化模型，完全离线运行，速度飞快，代码不会发送到任何外部服务器。对于处理公司内部代码的场景，这是最推荐的方案。
高级特性
请求优化
Claude Code 运行过程中会发出大量"无用"的 API 请求（检查配额、生成会话标题、检测前缀等）。free-claude-code 在本地拦截这些请求并伪造响应，节省 API 配额。
Thinking Token 支持
自动将 DeepSeek R1 等模型的推理过程包装成 Claude 原生的思考块格式，保证兼容性。
启发式工具解析
部分免费模型不会输出结构化的工具调用 JSON，而是将工具调用写在文本中。代理用启发式算法自动解析并转换为结构化格式。
速率限制
内置滑动窗口速率控制 + 429 自动重试 + 并发数限制，避免请求过于频繁。
Discord / Telegram Bot
可以在 Discord 或 Telegram 上建 Bot，通过手机发消息让 AI 写代码。支持语音消息自动转录、多线程对话、同时跑多个 Claude Code 会话。适合"在路上突然想到 bug 怎么修"的场景。
安装指南
1. 安装 uv
pip install uv
# 已安装则更新
uv self update2. 克隆仓库并配置
git clone https://github.com/Alishahryar1/free-claude-code.git
cd free-claude-code
cp .env.example .env3. 编辑 .env（以 NVIDIA NIM 为例）
NVIDIA_NIM_API_KEY="nvapi-your-key-here"
MODEL_OPUS="deepseek-ai/deepseek-v4-pro"
MODEL_SONNET=
MODEL_HAIKU=
MODEL="nvidia_nim/z-ai/glm4.7" # fallback
ENABLE_THINKING=true4. 启动代理服务器
uv run uvicorn server:app --host 0.0.0.0 --port 8082
5. 启动 Claude Code
ANTHROPIC_AUTH_TOKEN="freecc" ANTHROPIC_BASE_URL="http://localhost:8082" claude项目还提供 claude-pick 工具，安装 fzf 后可用交互式菜单选择模型。也可以直接作为 Python 包安装，无需克隆仓库。
局限性与注意事项
- 模型质量差距：免费模型与 Claude Opus/Sonnet 仍有差距，复杂的多文件重构和深度架构设计可能力不从心
- 速率限制：NVIDIA NIM 每分钟 40 次请求在处理大型项目时可能不够用
- 第三方代理风险：如果 Anthropic 协议更改或 NVIDIA NIM 免费政策变化，可能随时失效
使用策略建议
日常写代码、小工具开发、脚本编写——用 NVIDIA NIM 免费额度即可。公司项目代码审查——走本地 LM Studio 确保隐私。特别复杂的任务——考虑付费使用 Claude Opus。
这种分层使用方式既不浪费钱，也不牺牲关键场景的体验。
总结
free-claude-code 的核心价值在于让开发者零成本体验 AI 辅助编程的工作方式。解决方案优雅——协议转换代理层，不修改 Claude Code 任何代码，不破坏 Anthropic 协议。对于学习、个人项目或想体验 Claude Code 的用户来说，非常值得一试。