国内研发用 Claude Code 的同学最近多半都在被同一件事折磨—— Coding Plan 越来越难抢、下午一用就卡 。
抢 Plan ：早 8 点 / 晚 8 点放出来——眼睛眨一下就被秒光，只能等下一波； 下午就卡 ：Plan 抢到了也开心不了多久—— 下午 3-5 点高峰期一查询响应延迟动辄 30 秒+ ——本来想用 AI 提效，结果反倒拖慢工作； 额度用得心慌 ：Pro 套餐 $20/月已经是最低档——稍微大一点的模块改 token 就刷刷地烧没了。 我自己也在这堆痛点里挣扎了很久——直到刷 GitHub 的时候撞到 free-claude-code 这个项目（作者 Alishahryar1， MIT 开源协议 ）。
它做的事说起来很直白—— 在你本机跑一个代理服务器，把 Claude Code 发给 Anthropic 的请求拦下来、翻译成别的格式、发给你配置的后端 ——可以是 NVIDIA 的免费额度、也可以是国产模型、还可以是本机离线模型。 Claude Code 那头完全感知不到变化 ——还是同一个 CLI、同一个 IDE 扩展、同一个交互方式——但 你不用再抢 Plan、不用看下午的限速脸色 。
仓库地址：https://github.com/Alishahryar1/free-claude-code
截至本文发稿，GitHub Star 已经 21.7k+ ——比刚发那阵涨了快 50%。
Claude Code 通过 NVIDIA NIM 运行，完全免费 基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
项目地址：https://github.com/YunaiV/ruoyi-vue-pro 视频教程：https://doc.iocoder.cn/video/ Claude Code 工作时 会不断往 Anthropic API 发请求 。这个代理就架在中间， 把请求拦下来、翻译成别的协议、发给你指定的后端 ——回包再翻译回 Anthropic 的格式。
按官方 README 描述—— 代理实现了 Anthropic Messages API 的关键路由 ： /v1/messages 、 /v1/count_tokens 、 /v1/models ——** thinking 块、 tool_use 调用、token usage、provider error 全部归一化成 Anthropic 协议形态** ——所以从 Claude Code 看就是 100% 兼容。
启动方式很简洁——开启代理后 两个环境变量都得设 （** ANTHROPIC_AUTH_TOKEN 客户端值必须和代理 .env 里配的一致** ——代理是按等值校验的，不是只看存在）：
ANTHROPIC_BASE_URL= "http://localhost:8082" \ ANTHROPIC_AUTH_TOKEN= "freecc" \ claude 整个过程 不改 Claude Code 的代码、不改 VS Code 插件 ——就改两个环境变量。 这就是为什么这个项目能 60 天爆 21k Star——它根本不动 Claude Code，只动它和 Anthropic 之间那根管子 。
基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
项目地址：https://github.com/YunaiV/yudao-cloud 视频教程：https://doc.iocoder.cn/video/ 按 的 README，整个项目支持 6 个后端 + 1 个语音转录扩展 。按定位拆 4 类：
🟢 白嫖党 NVIDIA NIM 完全免费 国内不能抢 Plan 的同学日常主用 LM Studio / llama.cpp / Ollama
下面把 最值得讲的 3 个 展开聊聊：
NVIDIA 给开发者提供 完全免费 的额度—— 每分钟 40 次请求 ——去 https://build.nvidia.com/ 注册一个， 不需要绑信用卡 。
上面可用的模型很猛—— Kimi、GLM、Qwen3-Coder 系列 都在最新版本，全部免费跑（具体版本号请以 https://build.nvidia.com/ 实时上线为准——模型迭代很快、本文给的版本号大概率会过时）。 这就是这个项目最大的卖点 ——它本质上是把 Claude Code 接到了 NVIDIA 的免费白嫖通道上—— Coding Plan 卡你的时候，这条路依然丝滑 。
DeepSeek 是付费的——但价格比 Anthropic 便宜一个量级 。原生支持 Anthropic 的消息格式—— 接起来非常顺 。 工具调用稳定性也好 ——比 OpenRouter 上的免费模型靠谱得多——适合"白嫖额度不够 + 不想充 Plan"的中间档同学。
本机跑模型—— 只要你显卡扛得住 ：完全离线、没有速率限制、数据不出本机。 显存 16GB+ 起步 ——能流畅跑 GLM-4.7-Flash 这一档。
这块需要注意 ——这个项目用 uv 管理依赖、不是传统的 pip。** uv 速度快很多但需要单独装** 。
# macOS / Linux curl -LsSf https://astral.sh/uv/install.sh | sh uv python install 3.14 # Windows PowerShell powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" uv python install 3.14 方式一：克隆仓库运行
git clone https://github.com/Alishahryar1/free-claude-code.git cd free-claude-code cp .env.example .env 然后编辑 .env ——以 NVIDIA NIM 为例（ model 名称去 https://build.nvidia.com/ 选当前最新最强的，下面的占位仅为示例格式 ）：
NVIDIA_NIM_API_KEY= "nvapi-你的key" # 把 换成 build.nvidia.com 上当前可选的最新模型 id MODEL= "nvidia_nim/" ENABLE_MODEL_THINKING= true 方式二：当包来装（推荐，不用克隆）
uv tool install git+https://github.com/Alishahryar1/free-claude-code.git fcc-init # 自动生成 ~/.config/free-claude-code/.env free-claude-code # 启动服务器 以后更新也很简单： uv tool upgrade free-claude-code 。
# 终端 1：启代理 uv run uvicorn server:app --host 0.0.0.0 --port 8082 # 终端 2：跑 Claude Code（AUTH_TOKEN 必须和代理 .env 里的值一致） ANTHROPIC_BASE_URL= "http://localhost:8082" \ ANTHROPIC_AUTH_TOKEN= "freecc" \ claude VS Code 插件用户——打开 Settings 搜 claude-code.environmentVariables ，在 settings.json 里加两行：
"claudeCode.environmentVariables" : [ { "name" : "ANTHROPIC_BASE_URL" , "value" : "http://localhost:8082" }, { "name" : "ANTHROPIC_AUTH_TOKEN" , "value" : "freecc" } ] 按官方 README 的"Common Issues"段，按踩坑频率从高到低：
坑 1（ 最常见 ）： ANTHROPIC_BASE_URL 后面千万别加 /v1 —— 这是新人第一周必撞——加了 Claude Code 直接连不上代理，显示 404 一脸懵； 坑 2：必须用 Python 3.14 final ——3.13 / 3.14 RC 版都不行， 会有依赖兼容问题 ； 坑 3：llama.cpp / LM Studio 这俩本地后端要给足 --ctx-size ——太小直接报 HTTP 400； 坑 4：本地后端 base URL 必须带 /v1 ——和 NVIDIA NIM 这种 SaaS 不一样—— 两套规则别搞混 ； 坑 5：VS Code 第一次启动可能弹登录窗 ——直接关掉， 代理依然在工作 ——这是 VS Code 的客户端层 UI 残留，不影响功能。 Claude Code 内部会发不同档次的请求—— Opus 对应最复杂的任务、Sonnet 是日常主力、Haiku 负责快速轻量操作 。
这个代理可以 给每档分别配不同后端 ——下面这套配置 思路 永远成立， 具体模型 id 请去 https://build.nvidia.com/ 选当前最强 ：
# Opus 档：跑最复杂的任务——选 NVIDIA Build 上当前最强的推理模型 # 写稿时（2026-05）的可选项：deepseek-v4 系列 / kimi-k2 系列 / qwen3-coder 系列 MODEL_OPUS= "nvidia_nim/" # Sonnet 档：日常主力——选和 Opus 错开厂商的次档强模型 # 故意和 Opus 错厂商，避免一家挂了全瘫 MODEL_SONNET= "nvidia_nim/" # Haiku 档：轻量快速操作——选轻量 / Flash 变体，或本地小模型 # NVIDIA Build 的 Flash 系列、或本地 Ollama / LM Studio 跑的小模型都行 MODEL_HAIKU= "nvidia_nim/" 为什么这么搭 ：① Opus 配最强 —— 跨多文件重构、深度推理这种活靠它；② Sonnet 故意错开厂商 —— 避免一家挂了全瘫、不同厂商的工具调用风格也各有所长；③ Haiku 用轻量 / Flash —— 文件路径检测 / 对话标题这种轻量任务， Flash 比 Pro 快 3 倍 ——省额度也省延迟。
⚠️ 模型迭代极快 ——本文不写具体 model id 是有意的， 写了过几个月就过期 。每次新建 .env 前去 https://build.nvidia.com/ 看一眼当前可选的最强模型即可——配置思路（Opus 最强 / Sonnet 错厂商 / Haiku 轻量）才是不会过时的部分。
按 README 还有几个 别的文章很少讲 的细节：
Claude Code 2.1.126+ 加了一个 CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1 环境变量——开启后会 自动从代理的 /v1/models 端点发现可用模型 。
CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1 \ ANTHROPIC_BASE_URL= "http://localhost:8082" \ ANTHROPIC_AUTH_TOKEN= "freecc" \ claude 代理会 自动列出所有配置的 provider 上的可用模型 ——每个还带一个 "(no thinking)" 变体（给不支持 adaptive-thinking 的模型用）——你 直接在 Claude Code 的 UI 里切模型，不用改 .env 。这是这个工具体验最丝滑的一个特性。
按 README——可以用 Discord / Telegram bot 远程让 Claude Code 干活 ：
# .env 配置示例 DISCORD_BOT_TOKEN= "..." ALLOWED_DIR= "/home/user/projects" CLAUDE_WORKSPACE= "/home/user/workspace" 支持的命令也很完整：
/stats —— 查看当前 session 状态； 回复消息分支会话 —— 和 Discord 的 thread 模型对齐——同一根线索可以多轮跟进。 研发场景的实际用法： 长耗时任务挂着跑，人不用守终端 ——你下班路上、开会的时候、Discord 里发条消息让 Claude Code 处理一个 PR / 跑一段单测 / 改一段文档——回家打开看结果—— 这种"远程触发 + 实时通知"研发体验非常上头 。
这是别的文章基本不提的特色—— 支持本地 Whisper 或 NVIDIA NIM 跑语音转录 ：
# 本地 Whisper（CPU 或 GPU） WHISPER_DEVICE= "cpu" # 或 "cuda" WHISPER_MODEL= "base" # 或者用 NVIDIA NIM 远程 WHISPER_DEVICE= "nvidia_nim" NVIDIA_NIM_API_KEY= "nvapi-..." 装的时候要加 uv sync --extra voice_local 或 --extra voice ——前者本地跑，后者远程。
适用场景： 地铁里 / 路上不方便打字的时候，直接 Discord 发条语音让 Claude Code 改代码 ——通勤 30 分钟下班路上能多干一个小时活。
按 README——代理会 在本地直接响应那些"trivial probes" ：网络可达探测、对话标题生成、文件路径检测——这些请求 根本不需要过 API ，代理直接给响应—— 省额度 + 省延迟 。
按破坏力从高到低：
NVIDIA NIM 上的 DeepSeek / Kimi 系列最新版跟原版 Claude 4.x 比—— 日常写代码、改 bug、生成模板都很顺 ； 碰到 yudao-cloud 这种多模块 Spring Boot 项目跨模块重构 ——只要把上下文准备好（用 @filename 把相关文件主动喂给它）—— 白嫖版照样能搞定 ——只是需要你比用 Claude 4.x 时更主动地"递素材"。
实战体感 ：跨 3-4 个模块的重构，Claude 4.x 一次能想清整条链路；NVIDIA NIM 上的国产最强模型多沟通 1-2 轮、明确告诉它"先看 dal 层 / 再看 service / 最后改 controller"—— 最终质量没差 。 白嫖版不是不行，是要给它更清晰的指令 。
yudao-cloud 仓库：https://github.com/YunaiV/yudao-cloud
LM Studio / Ollama 这类要在本机跑模型—— 显卡越好体验越好 。 没独显或只有 4GB 显存的话 ——35B 以上的模型会卡到没法用—— 老 MacBook 党别想了 。
NVIDIA NIM 每分钟 40 次—— 听起来多，但 Claude Code 工作时请求频率挺高 ——密集写代码偶尔会撞限速。 等几秒就好 ，但会打断思路。
代码用 Python 3.14 + FastAPI 写的——目录结构清晰： server.py 是入口、 providers/ 管各个后端、 messaging/ 管 Discord / Telegram、 tests/ 里有 pytest 测试用例。
如果你想自己加一个后端—— 继承 BaseProvider 或 OpenAIChatTransport 、再在 provider registry 里注册一下就行 ——扩展成本很低。
作者在 README 里 明确说了不接受 Docker 集成的 PR ——风格上偏向轻量。 这个我很喜欢 ——一个工具能保持克制、不把所有人的需求都往里塞，本身就是一种健康的开源态度。
坦率讲—— 这个项目不是让你完全替代付费版 Claude Code 的方案 。真要做严肃的生产项目， 原版 Claude 4.x 的稳定性和模型能力还是更可靠 。
但 它解决了国内研发的几个真痛点 ：
抢不到 Coding Plan ——白嫖 NVIDIA Build 上的国产最强模型，日常写代码足够； 下午就卡 ——本地代理 + NVIDIA 走美国线路， 比官方走本地代理稳得多 ； 不想公司数据走 Anthropic ——离线模型直接 Ollama 跑、数据不出本机； 想试试 Claude Code 是不是真好用 ——没必要先充 $20 一个月先； NVIDIA NIM 免费 40 次/分钟—— 对付日常写代码完全够用 。装上之后第一感受会是「 之前我焦虑的 token 焦虑突然不见了 」——这种心理变化值得专门感受一下。
仓库地址：https://github.com/Alishahryar1/free-claude-code
