一文搞懂Claude Code多模型配置

Claude Code 是 Anthropic 推出的终端型 AI 编程工具，可以在命令行中读取项目文件、理解代码结构、执行命令、修改代码并生成开发建议。相比普通聊天式 AI，Claude Code 更接近一个参与工程流程的 Coding Agent，适合代码重构、Bug 修复、测试补全、项目梳理和大型代码库分析。

不过，很多开发者在实际使用时并不只想调用 Claude 官方模型，还希望把 DeepSeek、GPT、Gemini、Qwen、Kimi、GLM 等大模型接入 Claude Code。这样做的原因很简单：不同模型在成本、速度、上下文长度、中文理解、前端生成、复杂推理和代码任务上的表现并不完全相同。把多个模型接入同一套开发工作流，可以让开发者根据任务类型灵活选择后端模型。

本文从工程实践角度，系统梳理 Claude Code 接入各类大模型的方式，并说明哪些模型可以直连，哪些需要通过 LiteLLM、自建 LLM Gateway 或 API 聚合平台进行协议转换。

一、先理解 Claude Code 的模型接入逻辑

Claude Code 默认面向 Anthropic API 生态设计，它的请求格式、工具调用、流式输出和上下文管理，主要围绕 Anthropic Messages API 工作。

因此，接入其他大模型前，需要先分清楚两类情况。

第一类是支持 Anthropic API 格式的模型或平台。这类模型可以通过修改 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、ANTHROPIC_MODEL 等环境变量接入 Claude Code。DeepSeek 目前就提供了 Anthropic API 兼容入口，因此可以比较直接地接入。

第二类是 OpenAI Compatible API 模型。很多 GPT、Qwen、Kimi、GLM、Gemini 接口都属于这一类。它们通常不能直接把接口地址填进 Claude Code，而是需要 LiteLLM、自建 LLM Gateway 或第三方聚合平台做协议转换，把 Claude Code 发出的 Anthropic Messages 请求转换成目标模型可以识别的接口格式。

可以简单理解为：

Claude Code
  → Anthropic Messages API 请求格式
  → 支持 Anthropic API 的平台可以直连
  → OpenAI Compatible 模型通常需要网关转换

这也是很多教程容易写错的地方。Claude Code 接入模型并不是简单替换 API Key，而是要确认目标平台是否支持 Anthropic Messages API。如果不支持，就必须增加协议转换层。

二、安装 Claude Code

安装 Claude Code 前，需要先确认本地已经安装 Node.js 18 或更高版本。Windows 用户还建议安装 Git for Windows，避免命令行环境不完整。

安装命令如下：

npm install -g @anthropic-ai/claude-code

安装完成后检查版本：

claude --version

进入项目目录后启动：

cd /path/to/your-project
claude

如果可以正常进入 Claude Code 交互界面，说明基础安装完成。

如果后续要长期使用某一组模型配置，可以把环境变量写入 ~/.claude/settings.json。如果只是临时测试，可以直接在终端里 export 环境变量，然后启动 claude。

三、接入 Claude 官方模型

如果使用 Claude 官方模型，配置方式最简单，可以直接登录 Claude Code，也可以使用 Anthropic API Key。

macOS / Linux 示例：

export ANTHROPIC_API_KEY="sk-ant-your-api-key"
claude

如果希望指定模型，可以设置：

export ANTHROPIC_MODEL="claude-sonnet-4-6"
claude

也可以在 Claude Code 交互界面中使用：

/model

查看和切换当前可用模型。

长期配置可以写入：

~/.claude/settings.json

示例：

{
  "env": {
    "ANTHROPIC_API_KEY": "sk-ant-your-api-key",
    "ANTHROPIC_MODEL": "claude-sonnet-4-6"
  }
}

Claude 官方模型适合处理复杂工程任务，例如大型代码库阅读、多文件重构、测试补全、架构分析、代码审查和长上下文 Debug。对于第一次使用 Claude Code 的开发者，建议先用官方模型验证完整工作流，再尝试接入第三方模型。

四、接入 DeepSeek：支持 Anthropic API，可直接配置

DeepSeek 是目前比较适合接入 Claude Code 的国产模型之一，因为它提供了 Anthropic API 兼容入口。接入时主要修改 Claude Code 的请求地址、认证信息和模型名即可。

macOS / Linux 官方风格配置如下：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<your DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash
export CLAUDE_CODE_EFFORT_LEVEL=max

cd /path/to/your-project
claude

Windows PowerShell 配置如下：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<your DeepSeek API Key>"
$env:ANTHROPIC_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_EFFORT_LEVEL="max"

claude

这里的配置思路是：主模型使用 deepseek-v4-pro[1m]，用于复杂规划、长上下文阅读、多文件修改和代码重构；轻量模型使用 deepseek-v4-flash，用于子 Agent、摘要、简单问答和低成本辅助任务。

DeepSeek 比较适合以下 Claude Code 场景：

- 阅读大型项目结构
- 生成重构方案
- 修复复杂 Bug
- 分析报错日志
- 编写单元测试
- 生成接口文档
- 辅助处理中文工程项目

需要注意的是，模型 ID 可能会随平台升级而变化。发布教程或实际配置前，建议以 DeepSeek 官方文档和控制台展示的最新模型名为准。

五、通过 LiteLLM 接入 GPT / OpenAI 模型

GPT 系列通常使用 OpenAI API 格式，不是 Anthropic Messages API 格式。因此，不能简单地把 ANTHROPIC_BASE_URL 改成 OpenAI 地址直接使用。更稳妥的方式是通过 LiteLLM 做协议转换。

先安装 LiteLLM：

pip install "litellm[proxy]"

创建 config.yaml：

model_list:
  - model_name: gpt-main
    litellm_params:
      model: openai/<your-gpt-main-model-id>
      api_key: os.environ/OPENAI_API_KEY

  - model_name: gpt-fast
    litellm_params:
      model: openai/<your-gpt-fast-model-id>
      api_key: os.environ/OPENAI_API_KEY

这里的 <your-gpt-main-model-id> 和 <your-gpt-fast-model-id> 只是占位符，实际应替换成 OpenAI 控制台、网关平台或 LiteLLM 支持列表中可调用的模型 ID。例如可以分别配置成主力模型和轻量模型。

设置 OpenAI Key：

export OPENAI_API_KEY="sk-your-openai-key"

启动 LiteLLM Proxy：

litellm --config config.yaml --port 4000

然后让 Claude Code 连接本地 LiteLLM 网关：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=gpt-main
export ANTHROPIC_DEFAULT_SONNET_MODEL=gpt-main
export ANTHROPIC_DEFAULT_HAIKU_MODEL=gpt-fast

claude

正式使用前，建议先用 Anthropic Messages 格式测试 LiteLLM 的 /v1/messages 是否可用：

curl http://localhost:4000/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: anything" \
  -d '{
    "model": "gpt-main",
    "max_tokens": 128,
    "messages": [
      {"role": "user", "content": "请用一句话说明当前模型是否可用"}
    ]
  }'

如果这个请求能正常返回，再启动 Claude Code 测试。这样可以避免 Claude Code 报错后不知道是模型问题、网关问题还是认证问题。

GPT 模型更适合代码解释、脚本生成、README 编写、测试样例生成和常见语法问题修复。如果要用于复杂多文件修改，建议先在测试项目验证工具调用、流式输出和上下文处理是否稳定。

六、Gemini 接入方式：不要把 Vertex AI 和 Gemini 直连混淆

这里需要特别说明：Claude Code 官方的 Vertex AI 路径，主要是通过 Google Vertex AI 使用 Claude 模型，而不是把 Gemini 直接接入 Claude Code。

如果你的目标是“通过 Vertex AI 使用 Claude 模型”，可以使用 Claude Code 的 Vertex AI 配置方式。这类配置通常需要 GCP 项目、Vertex AI API、Claude 模型访问权限、区域和认证信息。

示例：

export CLAUDE_CODE_USE_VERTEX=1
export CLOUD_ML_REGION=us-east5
export ANTHROPIC_VERTEX_PROJECT_ID=your-gcp-project-id
export GOOGLE_APPLICATION_CREDENTIALS=/absolute/path/to/service-account.json

claude

但如果你的目标是“在 Claude Code 中测试 Gemini 模型”，通常应通过 LiteLLM、自建 LLM Gateway 或支持 Anthropic Messages API 转换的统一入口完成。

LiteLLM 示例：

model_list:
  - model_name: gemini-main
    litellm_params:
      model: gemini/<your-gemini-main-model-id>
      api_key: os.environ/GEMINI_API_KEY

  - model_name: gemini-fast
    litellm_params:
      model: gemini/<your-gemini-fast-model-id>
      api_key: os.environ/GEMINI_API_KEY

启动：

export GEMINI_API_KEY="your-gemini-key"
litellm --config config.yaml --port 4000

Claude Code 连接：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=gemini-main
export ANTHROPIC_DEFAULT_HAIKU_MODEL=gemini-fast

claude

Gemini 更适合多模态理解、长文档分析、需求截图解释和部分前端页面生成任务。但如果要让它在 Claude Code 中自动修改代码，建议先从 README、测试文件或非核心模块开始验证，不要直接用于生产代码库。

七、通过网关接入 Qwen

Qwen 系列常通过阿里云百炼或 DashScope 的 OpenAI Compatible API 调用，因此接入 Claude Code 时一般需要 LiteLLM 或其他 LLM Gateway 做协议转换。

示例配置如下：

model_list:
  - model_name: qwen-main
    litellm_params:
      model: openai/<your-qwen-main-model-id>
      api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
      api_key: os.environ/DASHSCOPE_API_KEY

  - model_name: qwen-fast
    litellm_params:
      model: openai/<your-qwen-fast-model-id>
      api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
      api_key: os.environ/DASHSCOPE_API_KEY

启动：

export DASHSCOPE_API_KEY="your-dashscope-key"
litellm --config config.yaml --port 4000

Claude Code 配置：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=qwen-main
export ANTHROPIC_DEFAULT_SONNET_MODEL=qwen-main
export ANTHROPIC_DEFAULT_HAIKU_MODEL=qwen-fast

claude

Qwen 适合中文代码注释、前端页面生成、产品文档转开发任务、中英文混合项目开发，以及多模态需求理解。模型 ID 建议以阿里云控制台、DashScope 文档或你使用的网关平台返回的模型列表为准。

八、通过网关接入 Kimi

Kimi 模型通常也以 OpenAI Compatible API 形式提供接口，因此建议通过 LiteLLM 或统一网关接入 Claude Code。

示例配置：

model_list:
  - model_name: kimi-main
    litellm_params:
      model: openai/<your-kimi-model-id>
      api_base: https://api.moonshot.cn/v1
      api_key: os.environ/MOONSHOT_API_KEY

启动：

export MOONSHOT_API_KEY="your-moonshot-key"
litellm --config config.yaml --port 4000

Claude Code 连接：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=kimi-main

claude

Kimi 比较适合长文本理解、需求拆解、前端页面生成和多步骤任务规划。如果希望 Claude Code 根据产品需求文档生成页面结构、接口草案和任务清单，可以测试 Kimi 作为后端模型。

但在复杂工具调用、多文件编辑和终端执行场景下，仍然需要先做小项目验证。不要直接让模型修改生产代码、数据库脚本或部署配置。

九、通过网关接入 GLM

GLM 系列适合中文工程任务、代码解释、复杂任务拆解和 Agentic Engineering 场景。它通常也通过 OpenAI Compatible API 接入，因此建议走 LiteLLM 或企业网关。

示例配置：

model_list:
  - model_name: glm-main
    litellm_params:
      model: openai/<your-glm-main-model-id>
      api_base: https://open.bigmodel.cn/api/paas/v4
      api_key: os.environ/ZHIPUAI_API_KEY

  - model_name: glm-fast
    litellm_params:
      model: openai/<your-glm-fast-model-id>
      api_base: https://open.bigmodel.cn/api/paas/v4
      api_key: os.environ/ZHIPUAI_API_KEY

启动：

export ZHIPUAI_API_KEY="your-zhipu-key"
litellm --config config.yaml --port 4000

Claude Code 配置：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=glm-main
export ANTHROPIC_DEFAULT_HAIKU_MODEL=glm-fast

claude

GLM 适合中文项目代码解释、需求文档转开发计划、自动生成接口说明、复杂报错分析和多步骤工程任务拆解。如果项目中有大量中文注释、中文业务需求或国内技术栈，GLM 会比较容易理解上下文。

十、使用统一网关接入多个模型

如果需要同时接入 DeepSeek、GPT、Gemini、Qwen、Kimi、GLM，不建议每次都手动修改环境变量。更稳妥的方式是使用统一网关，把不同模型映射成 Claude Code 可以识别的模型名。这个网关可以是自建的 LiteLLM，也可以是现成的大模型 API 聚合平台，例如 koalaapi。如果平台已支持对应模型和协议，koalaapi 这类平台可以作为统一 API Key、统一 Base URL 和多模型集中接入的入口，适合用来测试不同模型在 Claude Code 中的实际表现。

例如，可以在 LiteLLM 中统一配置多个模型：

model_list:
  - model_name: deepseek-main
    litellm_params:
      model: deepseek/<your-deepseek-main-model-id>
      api_key: os.environ/DEEPSEEK_API_KEY

  - model_name: gpt-main
    litellm_params:
      model: openai/<your-gpt-main-model-id>
      api_key: os.environ/OPENAI_API_KEY

  - model_name: gemini-main
    litellm_params:
      model: gemini/<your-gemini-main-model-id>
      api_key: os.environ/GEMINI_API_KEY

  - model_name: qwen-main
    litellm_params:
      model: openai/<your-qwen-main-model-id>
      api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
      api_key: os.environ/DASHSCOPE_API_KEY

  - model_name: kimi-main
    litellm_params:
      model: openai/<your-kimi-model-id>
      api_base: https://api.moonshot.cn/v1
      api_key: os.environ/MOONSHOT_API_KEY

  - model_name: glm-main
    litellm_params:
      model: openai/<your-glm-main-model-id>
      api_base: https://open.bigmodel.cn/api/paas/v4
      api_key: os.environ/ZHIPUAI_API_KEY

然后 Claude Code 只需要连接一个统一入口：

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=anything
export ANTHROPIC_MODEL=deepseek-main

claude

如果你的网关实现了 Anthropic Messages 格式，并且实现了 /v1/models，可以尝试开启模型发现：

export CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1

不过需要注意，Claude Code 对网关模型发现有过滤逻辑，不是所有模型名都会自动出现在 /model 选择器中。对于 qwen-main、kimi-main、glm-main 这类自定义模型名，更稳妥的方式仍然是通过 ANTHROPIC_MODEL、ANTHROPIC_DEFAULT_SONNET_MODEL、ANTHROPIC_DEFAULT_HAIKU_MODEL 手动指定。

统一网关的优势是：

- 不需要频繁修改 Claude Code 配置
- 可以统一管理不同模型 Key
- 可以按任务切换不同模型
- 方便团队做成本统计和调用管理
- 多个项目可以复用同一套模型接入配置

十一、长期配置：写入 settings.json

临时环境变量适合测试，但长期使用不够方便。可以把配置写入：

~/.claude/settings.json

例如 DeepSeek 配置可以写成：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "<your DeepSeek API Key>",
    "ANTHROPIC_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash",
    "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-v4-flash",
    "CLAUDE_CODE_EFFORT_LEVEL": "max"
  }
}

如果是通过本地 LiteLLM 网关接入多个模型，可以写成：

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://localhost:4000",
    "ANTHROPIC_AUTH_TOKEN": "anything",
    "ANTHROPIC_MODEL": "deepseek-main",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-main",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "gpt-fast"
  }
}

修改 settings.json 后，需要重新启动 Claude Code 才能稳定生效。

十二、模型分工建议

真实项目中，不建议所有任务都使用同一个模型。更合理的做法是按任务类型分配模型。

进行复杂代码重构时可以选：
Claude、DeepSeek V4-Pro、GLM 主力模型

进行日常代码问答时可以选：
DeepSeek Flash、GPT 轻量模型、Qwen 轻量模型

进行前端页面生成时可以选：
Qwen、Kimi、Gemini

进行长文档和需求分析时可以选：
Kimi、Gemini、Claude

进行中文工程项目时可以选：
DeepSeek、Qwen、GLM、Kimi

进行多文件 Agent 任务时可以选：
Claude、DeepSeek V4-Pro、GLM

推荐配置思路是：

主模型：负责规划、修改、复杂分析
轻量模型：负责子任务、摘要、提交说明
备用模型：用于主模型超时或成本过高时切换

例如：

export ANTHROPIC_MODEL=deepseek-main
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-main
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-fast

这样 Claude Code 在执行复杂任务和轻量任务时，可以有更清晰的成本分配。

十三、配置验证流程

接入任何新模型后，不建议立刻让 Claude Code 修改大型项目。可以按下面的顺序逐步验证：

第一步，确认环境变量是否生效：

echo $ANTHROPIC_BASE_URL
echo $ANTHROPIC_MODEL

Windows PowerShell：

echo $env:ANTHROPIC_BASE_URL
echo $env:ANTHROPIC_MODEL

第二步，测试简单问答：

请用一句话说明你当前是否可以正常响应。

第三步，测试项目读取：

请阅读当前项目结构，并总结主要模块，不要修改文件。

第四步，测试低风险文件修改：

请只修改 README.md，补充项目启动说明。

第五步，再测试代码修改：

请为 src/utils 目录下的工具函数补充单元测试，修改前先给出计划。

如果前四步都稳定，再让 Claude Code 执行更复杂的多文件修改任务。

十四、常见问题排查

1. 配置后 Claude Code 没有使用新模型

先检查环境变量是否设置正确：

echo $ANTHROPIC_BASE_URL
echo $ANTHROPIC_MODEL

如果配置写在 ~/.claude/settings.json，修改后需要重新启动 Claude Code。

2. 返回 401 或 403

这通常是 API Key 错误、认证头不匹配或网关配置不正确。

一般来说：

ANTHROPIC_API_KEY

常用于 x-api-key 认证；

ANTHROPIC_AUTH_TOKEN

常用于 Bearer Token 认证。

如果网关要求 Authorization: Bearer xxx，通常应使用 ANTHROPIC_AUTH_TOKEN。

3. 模型名不存在

检查 ANTHROPIC_MODEL 是否和网关配置里的 model_name 一致。例如网关里写的是：

model_name: qwen-main

Claude Code 就应该写：

export ANTHROPIC_MODEL=qwen-main

不要直接写底层模型 ID，除非你的网关允许这样调用。

4. LiteLLM 启动正常，但 Claude Code 调用失败

先用 curl 测试 /v1/messages 是否可用。如果 /v1/messages 不通，Claude Code 大概率也无法正常调用。

同时检查：

- LiteLLM 版本是否过旧
- config.yaml 是否正确加载
- model_name 是否和 ANTHROPIC_MODEL 一致
- 目标模型 API Key 是否有效
- 网关是否支持 streaming
- 网关是否正确处理 Anthropic Messages 请求格式

5. 工具调用异常

Claude Code 依赖工具调用、流式输出和上下文管理。不是所有模型都能完整兼容。遇到问题时，可以先关闭复杂任务，只测试简单问答、文件读取和 README 修改。

如果这些基础任务稳定，再逐步增加任务复杂度。

6. 响应慢或经常超时

可以适当增加超时时间：

export API_TIMEOUT_MS=1200000

同时建议忽略无关目录，例如：

node_modules
dist
.git
build
coverage

减少 Claude Code 读取无效上下文的成本。

十五、安全建议

Claude Code 能读取项目文件、执行命令和修改代码，因此接入第三方模型时要特别注意安全。

建议遵守以下原则：

1. 不要把 API Key 写进代码仓库
2. 不要在生产项目里直接测试未知网关
3. 不要让模型自动执行危险命令
4. 修改数据库、部署脚本、CI/CD 配置前必须人工确认
5. 企业代码优先使用可信云厂商、自建网关或合规 API 平台
6. 对敏感仓库开启最小权限原则
7. 让 Claude Code 先生成修改计划，再允许执行
8. 所有 AI 生成代码必须经过测试和人工 Review

如果是团队使用，建议把模型配置、权限规则和项目说明写入统一文档，并明确哪些目录允许 AI 修改，哪些目录只能读取不能改。

十六、总结

Claude Code 接入不同大模型，核心不是简单替换 API Key，而是确认目标模型是否兼容 Anthropic Messages API。

如果是 Claude 官方模型，直接使用 Anthropic API Key 或账号登录即可。 如果是 DeepSeek，可以通过 Anthropic API 兼容入口直接接入。 如果是 GPT、Gemini、Qwen、Kimi、GLM 等模型，通常需要通过 LiteLLM、企业网关或 API 聚合平台做协议转换。 如果是团队长期使用，建议搭建统一网关，把多个模型映射成 Claude Code 可以识别的模型名，再让 Claude Code 只连接一个入口。

最终推荐的思路是：不要追求所有任务都用同一个模型，而是让不同模型承担不同任务。复杂重构用强模型，轻量解释用快模型，中文项目用中文能力更好的模型，前端和多模态任务用更适合这类场景的模型。

当模型能力、工具配置、项目规则和安全边界结合起来后，Claude Code 才能从一个单模型编程助手，升级为可接入多模型、多任务、多场景的 AI 编程工作流入口。