绝了!三行配置,给 Claude Code 换个"引擎"

大模型向量数据库机器学习

点击上方卡片关注我👆

设置星标 让我们一起学 AI!

用过 Claude Code 的人都知道,这工具是真的强,但拦路虎也不少。

网络问题、封号风险、订阅费用,每一个都够折腾的。大部分人最后都选了第三方适配或者 CCR 这类中转服务,可配置起来又是一堆麻烦事。

现在可以使用 OpenRouter 轻松解决这些

目前 OpenRouter 里面有许多免费模型可选。根据需求直接可以随意切换任何模型,更关键的是,整个过程不用考虑网络问题、不要搞什么反向代理

原理其实挺巧妙

Claude Code 底层调用的是 Anthropic 的 Messages API。OpenRouter 做的事情,就是完美复刻了这个 API 的格式,做了一层转发。

这就像把车开进加油站,你以为加的是壳牌的油,其实油站老板偷偷把供应商换成了中石化,但加油枪、支付方式、小票格式都没变,你根本察觉不到。

Claude Code 照常发请求,只不过请求的目的地从 Anthropic 官方服务器变成了 OpenRouter 的服务器。

这个转发不是简单的代理转发,而是"协议兼容"。

OpenRouter 理解 Anthropic API 的每个参数、每个响应格式,能无缝接管请求,然后根据你的配置把请求路由到不同的模型——可能是官方的 Claude,可能是 OpenAI 的 GPT……

整个过程对 Claude Code 来说是透明的。它不知道自己在和谁对话,只知道发出去的请求得到了正确的响应,能正常工作,就够了。

配置分三步

第一步:装 Claude Code

如果还没装,先把官方的命令跑一遍。Mac 和 Linux 用户直接这样:

  
curl -fsSL https://claude.ai/install.sh | bash  

Windows 用户打开 PowerShell:

  
irm https://claude.ai/install.ps1 | iex  

第二步:设置环境变量

这步是核心。打开你的终端配置文件,Mac 用户通常是 ~/.zshrc,Linux 用户可能是 ~/.bashrc。在文件末尾加这三行:

  
# 劫持请求地址到 OpenRouter  
export ANTHROPIC\_BASE\_URL="https://openrouter.ai/api"  
  
# 填 OpenRouter API Key  
export ANTHROPIC\_AUTH\_TOKEN="你的密钥..."  
  
# 把官方 Key 设为空,防止冲突  
export ANTHROPIC\_API\_KEY=""  

保存后执行 source ~/.zshrc 让配置生效。

第三步:验证切换

进入项目目录,输入 claude 启动,然后输入 /status 查看状态。如果看到 Anthropic base URL 变成了 openrouter.ai,说明已经切换成功。

换模型也很简单

默认情况下,Claude Code 调用的是 Sonnet 的模型,OpenRouter 也会自动进行映射

比如你想用 OpenAI 最新的 GPT-5.2 Codex:

  
export ANTHROPIC\_DEFAULT\_SONNET\_MODEL="openai/gpt-5.2"  

同样的逻辑你也可以更换成其它的模型

模型名称需要去 OpenRouter 官网复制,随时可能更新,用之前先确认一下。

免费模型虽然能用,但有调用次数限制。建议还是充值使用。

嫌麻烦的话,推荐一个🐂🍺的中转,最新的 ccswitch 已经默认配置了

picture.image

注册地址:https://aigocode.com/invite/WYVFRE57

更多优惠详细介绍及付费兑换,后台回复:cc 查看

或+v:afly813 咨询

picture.image

目前我们的 AI CODE 平台已支持 claude code 、codex、Gemini,想体验最强最前沿的 AI 编程,冲就完事了!!🚀

伙伴们,以后写代码,codex和claude都可以爽yy啦!!!

让你的 Claude Code 效率飞起!你只差这个万能公式!!

这才是 AI 编程的最强组合,VSCode + Claude Code 让写代码快到飞起!

【附提示词模板】10个 Claude code 高频提示词模板(可直接复制使用)!建议收藏!!

我们的ChatGPT充值服务也已上线,点击文末【阅读原文】查看详情!

喜欢的话❤,欢迎点赞、关注一波,后续会持续为大伙分享 工作流、 AI编程等实战干货,让我们一起学 AI!

0
0
0
0
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论