Vide Coding--AI编程工具的选择

AI编程工具生态

AI编程工具全景图

在深入 Claude Code 之前，先整体了解一下当前AI编程工具的格局，这样你才能理解每个工具的定位和适用场景。

2.1.1 按交互模式分类

类型	代表工具	特点	适合场景	比喻
Agent 工具（终端/桌面/IDE）	Claude Code、Codex	能读写文件、运行命令、自主推进任务	后端开发、全栈项目、自动化	随叫随到的远程程序员
IDE 集成型	Cursor、Windsurf、GitHub Copilot、cline	嵌入编辑器中，实时辅助	日常编码、代码补全	坐在你旁边的搭档
平台型 Agent	Qoder、Devin、Bolt.new	Web/桌面平台，多Agent协同	复杂项目管理	一个AI开发团队
对话式	ChatGPT、Claude.ai	对话界面，问答式编程	学习、问题解答	编程百科全书

2.1.2 按能力层级分类

L5 自主工程 ─── 端到端自主完成项目（探索中）
   ↑
L4 项目管理 ─── 多Agent协同、任务分解（Qoder）
   ↑
L3 任务执行 ─── 自主修改文件、运行命令（Claude Code、Cursor Agent）我们重点学这个
   ↑
L2 代码生成 ─── 生成完整代码块（ChatGPT、Claude.ai）
   ↑
L1 代码补全 ─── 行级/函数级补全（Copilot、TabNine）

Claude Code 处于 L3 层级，是目前日常开发中最实用、最强大的层级。

2.1.3 如何评估一个AI编程工具

当你在选择AI编程工具时，可以从这8个维度来评估：

维度	说明	为什么重要
上下文能力	能理解多大范围的代码库	项目越大，需要理解的代码越多
工具使用	能否操作终端、文件系统	决定AI能不能真正"动手"
自主性	能否自主规划和执行	越自主，你需要干预的越少
准确性	生成代码的正确率	直接影响你的工作效率
速度	响应和完成任务的速度	太慢会严重影响体验
成本	订阅费 + API费用	影响长期可持续性
扩展性	插件/技能/自定义能力	能否适应你的特殊需求
中文支持	中文理解和生成质量	对中文用户尤为重要

---

2.2 各AI编程工具概述

在深入了解具体工具之前，先快速认识一下目前最主流的几款AI编程工具------了解它们各自是什么、核心特点是什么，形成全局认知。

2.2.1 Claude Code

Claude Code 是 Anthropic 公司推出的 AI 编程智能体。它最经典的入口是终端 CLI，现在也提供 IDE、Desktop、Web 等形态。它能够读取项目代码、修改文件、运行命令、安装依赖 ------ 就像你雇了一个 24 小时在线的远程程序员，你用自然语言告诉它做什么，它自己动手干活。

图：Claude Code 核心能力架构 ------ AI大脑接收你的指令，通过四大能力模块操控项目

Claude Code 是什么？

如果把AI编程工具比作不同的交通工具：

• ChatGPT/Claude.ai 就像公交车 ------ 你问路，它告诉你怎么走，但你得自己走
• Cursor 就像共享单车 ------ 你骑着它走，它帮你指路和加速
• Claude Code 就像出租车 ------ 你说目的地，它自己开到

Claude Code 的核心特点：

特点	说明
多入口使用	支持终端、IDE、Desktop / Web 等入口，终端仍是开发者最常用形态
全自主执行	能自己读文件、写文件、运行命令
项目级理解	能理解整个项目的代码结构和逻辑
200K-1M 上下文	一次能"记住"大量项目背景，具体上限取决于模型
权限确认	执行危险操作前会先征求你同意

Claude Code vs Claude.ai 的核心区别：

维度	Claude.ai（网页版）	Claude Code（命令行版）
界面	浏览器对话框	终端 / IDE / Desktop / Web 等入口
能力	只能给你文字回复	能直接操作你的电脑（读写文件、运行命令）
项目理解	你需要手动粘贴代码	它自己读取整个项目
代码应用	你需要手动复制代码到项目中	它直接修改你的项目文件
适合场景	问编程问题、生成代码片段	开发完整项目、修改真实代码

提示：Claude Code 和 Claude.ai 都使用 Claude 系列模型，核心区别在于"交互方式"和"工具权限"。Claude Code 给了 AI "手" ------ 让它能在你授权后直接触碰项目文件和开发工具。

2.2.1.1 LLM Loop：cc 凭什么是「Agent」而不是「聊天框」

要理解 Claude Code 与你以前用过的 ChatGPT、Claude.ai 的本质差别，必须先弄懂一个机制 ------ LLM Loop（大模型循环）。

对话式 AI（ChatGPT/Claude.ai）的工作方式 ：你问一句 → 它答一句 → 结束。如果答案不满意，你再问一次。主动权一直在你手里，AI 只是个"高级回答机器"。

Claude Code 的工作方式 ：你下达一个目标 → cc 自己拆解步骤 → 自己调用工具 → 看结果 → 决定下一步 → 再调用工具 → ......一直循环到任务完成。主动权交给了 AI 。这个不断"思考-行动-观察-再思考"的循环，就叫 LLM Loop。
graph LR A"你给一个目标" --> B" 思考\
制定下一步计划" B --> C" 行动\
调用工具/执行命令" C --> D" 观察\
读取执行结果" D --> E{"任务完成?"} E -- "否" --> B E -- "是" --> F" 交付结果"

图：LLM Loop ------ Claude Code 的自主循环机制

这就是为什么我们把 cc 称为 Agent（智能体） 而不是 Chatbot（聊天机器人）。也正因为如此：

• 你可以给 cc 一个模糊的高层目标（如"帮我做一个番茄钟"），它会自己一步步推进
• cc 在执行过程中会自我纠错------某条命令报错了，它会读错误信息，调整方案再试
• 注意： cc 不一定每一步都问你，所以在它"撒丫子跑"之前，你要给好上下文（CLAUDE.md、Skills、计划等）

关键认知 ：cc 是一整套"程序+模型"的组合，底层的大模型其实可以替换------这也是为什么后面我们能用 DeepSeek、千问、GLM 等国产模型来驱动 cc。是这套 Loop 机制 + Harness 工程，让 cc 比单纯的对话式 AI 强大得多。

2.2.1.2 Claude Code 是如何"读懂"你的代码库的（Agentic Search）

很多人对 Claude Code 有个误解：以为它会像其他 AI 工具一样，需要先把项目代码上传到服务器建立"索引"。事实上，Claude Code 不需要任何预先的代码库索引。

官方把这种机制叫做 Agentic Search（智能体式检索） ，它的工作方式和一个人类工程师冷启动一个项目完全一样：
graph LR A"你的需求" --> B"浏览目录结构" B --> C"读取关键文件" C --> D"用 grep 搜索代码" D --> E"跟进引用/调用关系" E --> F"在本地理解代码" F --> G"执行任务"

图：Agentic Search------像人一样按需读取代码库

与传统 RAG/向量检索的本质区别：

维度	传统 RAG 检索	Claude Code 的 Agentic Search
工作方式	预先嵌入整个代码库为向量，查询时按相似度拼凑	现场读文件、grep、追引用
需要服务器索引	需要，且需持续维护	不需要
代码变动处理	索引过期，可能返回已删除或重命名的代码	始终读取实时代码
代码上传	通常需要预先上传或建立索引	不需要预先上传/索引整个代码库；但被读取进上下文的片段仍会发送给模型服务
适合场景	老项目、不变代码库	活跃开发中的项目、百万行 monorepo

关键意义 ：这意味着 Claude Code 天生适合活跃代码库------它不依赖一份可能过期的预建索引，也不需要 IT 部门部署向量数据库。但它读取到的相关文件内容仍会作为上下文发送给模型服务，所以处理敏感代码时依然要遵守公司安全规范。

2.2.1.3 "脚手架"比"模型"更重要：Harness 体系

官方反复强调一个观点：决定 Claude Code 表现的，不只是背后的模型，还有围绕模型搭建的"脚手架 Harness"。

理解方式：模型能力决定下限，项目上下文、工具权限、规则文件和工作流决定上限。实际生产中，围绕模型搭建的工具生态会显著影响最终表现。

本教程把 Claude Code 的工程化能力抽象成 7 个扩展点，建议按"从底到顶"的顺序理解------先打好上下文和规则基础，再接入更复杂的外部工具：
graph TB L7"⑦ Subagents（子代理）\
独立上下文窗口去调研/执行" L6"⑥ MCP Servers\
接入外部工具与数据源" L5"⑤ LSP（语言服务器）\
给 AI 装上 IDE 导航能力" L4"④ Plugins\
Skills+Hooks+MCP 打包分发" L3"③ Skills\
按需加载的专业知识包" L2"② Hooks\
会话生命周期钩子" L1"① CLAUDE.md\
项目上下文文件" Base" 模型本身（地板）" Base --> L1 --> L2 --> L3 --> L4 --> L5 --> L6 --> L7

图：Harness 的 7 层扩展点------下三层是"纪律"（项目上下文、钩子、知识），上四层是"武器"（包分发、IDE、外部、子代理）

层	组件	作用	加载时机
①	CLAUDE.md	项目上下文文件（项目背景、约定、禁区）	每次会话自动加载
②	Hooks	会话生命周期钩子（启动/结束/文件写入等事件）	事件触发
③	Skills	可复用的任务方法论（如"代码审查""部署"）	按需加载
④	Plugins	打包一整套 Skills + Hooks + MCP 配置	装上后始终生效
⑤	LSP（语言服务器）	给 AI 装上"跳到定义/查找引用"等 IDE 级导航	始终生效
⑥	MCP 服务器	打通 Claude 与外部工具（数据库、文档、票务系统）	始终生效
⑦	Subagents（子代理）	独立上下文窗口的 Claude 实例，只返回结论	任务发出时创建

注意： 顺序重要！ 初学者不要在基础还没搭好时就急着上 MCP 或 Subagents。先把 CLAUDE.md、Hooks、Skills 这三层基本功做扎实再说。

---

2.2.2 OpenAI Codex

Codex 是 OpenAI 推出的 AI 编程 Agent，是 Claude Code 最主要的竞争对手之一。其中 Codex CLI 是开源项目，Codex App / Desktop / IDE 插件则更偏产品化入口。它目前常见的使用形态包括：

形态	说明	适合人群
Codex Desktop	图形界面桌面客户端，体验最好	新手、喜欢 GUI
Codex CLI	命令行终端，灵活轻量	终端爱好者
VSCode 插件	在 VSCode 侧边栏直接使用	VSCode 用户

CLI 会使用本地 ~/.codex/ 配置目录；桌面端和 IDE 插件也会共享 OpenAI 账号体系，但具体配置项、插件能力和界面入口会随版本变化，以当前客户端显示为准。

核心亮点：

• CLI 开源透明（Apache 2.0）：可以阅读源码理解工具原理
• 沙箱与审批机制：通过 sandbox / approval mode 控制文件修改和命令执行风险
• AGENTS.md 项目说明：用于记录项目规则、上下文和工作约定，便于 Agent 在新会话中快速接手
• 多模型提供商：原生支持 GPT 系列，也可接入 DeepSeek、Ollama、Mistral 等任何兼容 OpenAI API 的服务
• 三档自主级别 ：suggest（每次确认）→ auto-edit（自动编辑，命令需确认）→ full-auto（完全自主），灵活控制
• 推理强度可控：low / medium / high 三档，根据任务复杂度平衡速度与质量

Codex 与 Claude Code 核心对比：

维度	Codex	Claude Code
开源	CLI 开源（Apache 2.0）	否（闭源）
安全模型	sandbox + approval mode	权限规则与模式配置
指令文件	AGENTS.md（开放标准）	CLAUDE.md（专用）
配置文件格式	TOML	JSON
模型生态	GPT 系列 + 任意 OpenAI 兼容	Claude 系列 + Anthropic 兼容接口
国内 Coding Plan	需自行配中转	国内厂商原生支持

何时选择 Codex：

• 已有 ChatGPT 账号或 OpenAI API → 零配置开箱即用
• 看重开源透明、想阅读源码 → Codex CLI 可审计
• 需要明确控制命令和文件修改风险 → 关注 Codex 的 sandbox / approval 设置
• 想用 GPT 系列的代码能力 → Codex 是 GPT 的原生入口
• 需要跨工具统一规范 → AGENTS.md 是开放标准

一句话总结 ：Codex 适合看重开源、安全沙箱和 GPT 生态的用户；Claude Code 适合追求国内模型生态成熟度和 Coding Plan 省心体验的用户。两者可在同一项目中共存，AGENTS.md 和 CLAUDE.md 互不干扰。

---

2.2.3 Cursor

如果说 Claude Code 是命令行中的"远程程序员"，那 Cursor 就是坐在你旁边、和你共用一个屏幕的"编程搭档"。

2.2.3.1 Cursor 概述与定位

Cursor 是一个基于 VS Code 改造的 AI 原生 IDE（集成开发环境）。它把AI能力直接嵌入到了代码编辑器中，让你在写代码的同时随时获得AI辅助。

维度	Claude Code	Cursor
界面	终端命令行	图形化编辑器
交互方式	纯文字对话	鼠标+键盘+对话
核心优势	全自主执行、项目级理解	实时补全、可视化编辑
适合场景	后端开发、全栈架构	前端开发、日常编码
学习曲线	需要熟悉终端	和 VS Code 几乎一样

提示：Claude Code 和 Cursor 不是竞争关系，而是互补关系。很多开发者的工作流是：用 Claude Code 搭建项目骨架和实现后端逻辑，用 Cursor 精调前端细节和日常编码。

---

2.2.4 其他AI编程工具

除了三大主流工具之外，还有一些各具特色的AI编程工具值得了解。

2.2.4.1 Qoder（阿里）

Qoder 是阿里推出的 AI 编程工具，主打更强的任务拆解、上下文检索和 Agent 化开发体验。由于这类工具迭代很快，具体功能入口和角色命名请以官网当前版本为准。

可以把它理解为更偏"项目团队协作感"的 AI IDE：

能力方向	说明
需求理解	把自然语言需求拆成可执行任务
代码检索	在项目中查找相关文件、调用关系和上下文
编码执行	自动修改文件、生成代码、处理错误
验证反馈	运行命令或测试，基于结果继续调整
代码审查	检查潜在问题并给出修复建议

基本使用流程

Qoder 的典型工作流：

你描述需求 → 工具理解并拆分任务
   → 检索现有代码
   → 制定实施计划
   → 执行编码
   → 运行验证
   → 汇报结果与后续建议

Qoder 特别适合复杂项目，因为它的多Agent协作可以同时处理代码编写、测试、审查等多个环节，减少返工。

---

2.2.4.2 CodeBuddy（腾讯云AI代码助手）

腾讯推出的AI编程助手，以 IDE 插件形式提供。特点是中文优化好、国内直接可用、企业级功能完善。

适合在腾讯云生态中开发的团队。

2.2.4.3 Trae（字节跳动）

字节跳动推出的AI IDE，类似 Cursor，但深度集成了豆包大模型。国内直接可用，中文支持好。

2.2.4.4 在线快速原型工具

工具	特点	适合场景
Bolt.new	在浏览器中一键生成全栈应用	快速验证想法
Lovable	AI生成 + 可视化编辑	非技术人员做原型
v0 (Vercel)	专注UI组件生成	前端设计原型

这些工具不需要安装任何东西，直接在浏览器中描述你想要什么，它们会生成可运行的应用。适合快速验证想法，但对于学习AI编程技能来说，Claude Code 和 Cursor 能让你学到更多。

---

2.2.5 工具对比与选型指南

2.2.5.1 全维度对比矩阵

维度	Claude Code	Codex CLI	Cursor	Qoder	Copilot	Trae
类型	CLI Agent	CLI Agent	AI IDE	多Agent平台	IDE插件	AI IDE
开源	否	是（Apache 2.0）	否	否	否	否
自主性	极高	高	中	极高	低	中
上下文窗口	200K~1M	取决于所选 GPT 模型	大	取决于版本	中	大
安全模型	权限规则	sandbox + approval	IDE 内置	权限规则	受限	IDE 内置
国内直连	需配置	需配置	需配置	需配置	需配置	可直连
免费额度	有限	有限	有限	有限	有限	有
学习曲线	中	中	低	中	低	低
中文支持	好	好	好	好	一般	好

2.2.5.2 场景化选型建议

你的情况	推荐工具	理由
零基础，想快速上手	Cursor 或 Trae	可视化强、上手快
想深入学习AI编程	Claude Code（本教程核心）	对AI工作原理理解更深
个人全栈项目	Claude Code + Cursor 组合	Claude Code 做后端，Cursor 做前端
只想做个简单网页	Bolt.new / v0	不用安装，浏览器里直接做
企业级复杂项目	Qoder / Claude Code	多Agent协同、任务管理
国内用户、追求开箱即用	Trae / CodeBuddy	无需FQ、中文优化

2.2.5.3 工具+模型组合推荐

选择AI编程方案时，工具和模型要一起考虑------就像买车不能只看车架不看发动机。以下是根据不同预算和需求，经过大量实战验证的最优组合：

组合方案	工具	模型	月成本	适合人群
性能组	Claude Code	Claude Sonnet/Opus	按量/API 或订阅	追求极致体验、有国际支付能力
免费组	Codex CLI	ChatGPT/Codex 账号额度	免费或订阅内	想低成本体验高质量 AI 编程
性价比组	Claude Code	GLM Coding Plan	固定套餐（以官网为准）	国内用户、追求省心
极客组	Claude Code	DeepSeek V4 Pro（API）	¥0-30	动手能力强、追求性价比

性能组：Claude Code + Claude 模型

这是目前综合体验最好的组合。Claude Code 的 Agent 能力 + Claude 模型的代码理解能力，两者深度适配。缺点是需要国际支付方式，且按量付费需要留意用量。

适合：有国际信用卡的学生/开发者，对代码质量要求高。

免费组：Codex CLI + ChatGPT/Codex 账号额度

Codex CLI 可以通过 ChatGPT 账号或 API Key 使用，具体额度取决于你的账号套餐和官方策略。Codex CLI 开源透明，沙箱和审批机制清晰，适合低成本入门。缺点是不同地区、套餐和时间段的可用额度可能变化。

适合：想零成本入门 AI 编程的新手。

性价比组：Claude Code + GLM Coding Plan

智谱的 Anthropic 兼容接口做得比较完整，三个模型槽位（Opus/Sonnet/Haiku）可自动映射到 GLM 系列，免去手动配置的麻烦。套餐价格、额度和高峰期倍率会调整，正式购买前以智谱官网为准。

适合：国内大多数开发者，不想折腾配置、追求稳定省心。

极客组：Claude Code + DeepSeek V4 Pro

DeepSeek 官方提供了 Claude Code 的 Anthropic 兼容接入方式，当前文档示例使用 deepseek-v4-pro[1m]，并可把轻量任务映射到 deepseek-v4-flash。价格通常较低，但需要自己配置端点、Key 和环境变量，并按官方文档核对最新模型名。

适合：动手能力强、追求极致性价比的学生和个人开发者。

选型建议 ：新手推荐从性价比组 （GLM Coding Plan）或免费组（Codex CLI）开始，零风险体验。等熟悉了再升级到性能组。

2.2.5.4 工具组合（进阶玩法）

上一节是按"预算"选方案，这一节是按"场景"搭工具组合------你可以同时用多个工具，发挥各自优势。

双工具流（推荐）：Claude Code（后端/架构/数据库）+ Cursor（前端/UI细节）

这是目前社区公认的最佳实践。Claude Code 擅长从零搭建项目骨架、写 Prisma Schema、设计 API；Cursor 擅长对着设计稿调像素、改 Tailwind 类名。两者互补，效率最高。

轻量组合：Cursor + Claude.ai 网页版辅助

不想学命令行的替代方案。主力用 Cursor 写代码，遇到复杂问题打开 Claude.ai 网页版直接问。

国内友好组合：Trae + DeepSeek API

全程无需代理，Trae 的 IDE 体验接近 Cursor，DeepSeek 提供高性价比的模型能力。

2.3 Claude Code 安装与配置

2.3.1 安装

**前提条件：**必须已安装Node.js、Git、Python

Claude Code 官方提供原生安装器和 npm 等安装方式。本教程已经在第零部分安装 Node.js，因此优先使用 npm 安装方式，和后续前端项目开发环境保持一致；如果你不想通过 npm 管理 Claude Code，也可以使用官方原生安装器。

方式一：npm 安装（推荐本教程使用）

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

Windows 提醒：Claude Code 对 Windows 的支持方式会随版本变化。若官方文档提示通过 WSL 使用，请在 WSL 的 Linux 终端里执行安装和环境变量配置；如果你的当前版本支持原生 Windows，再按官方 Windows 说明操作。

方式二：原生安装器（可选）

官方也提供原生安装器，用于不想通过 npm 管理 Claude Code 的用户。安装命令和支持系统可能变化，使用前请以 Claude Code 官方 setup 文档为准。

# macOS / Linux / WSL 示例
curl -fsSL https://claude.ai/install.sh | bash

验证安装：

$ claude --version

预期输出：

claude-code v1.x.x

验证：如果能看到版本号，说明安装成功！

安装常见问题排查：

问题	原因	解决方案
curl 下载失败	网络访问官方安装地址失败	检查网络，或改用 npm 安装方式
npm: command not found	Node.js 未安装或 PATH 未生效	回到 0.2.1 安装 Node.js
EACCES: permission denied (macOS)	npm 全局安装权限不足	修复 npm 全局目录权限，或改用官方原生安装器
下载超时 / 网络错误	npm 默认源在国外，速度慢	npm 方式可设置国内镜像：npm config set registry https://registry.npmmirror.com
Windows PowerShell 执行策略限制	系统安全策略阻止脚本运行	以管理员身份打开 PowerShell，执行 Set-ExecutionPolicy RemoteSigned，然后重新安装
ERR! code EBADENGINE	Node.js 版本太低	升级 Node.js 到 v18+

提示： 国内用户 如果官方安装器网络不稳定，可以临时使用 npm 方式，并先配置 npm 镜像：

npm config set registry https://registry.npmmirror.com
npm install -g @anthropic-ai/claude-code

2.3.2 API 配置

安装好 Claude Code 后，需要配置 API 密钥或登录方式才能使用。这一节提供三类配置方案，请根据你的情况选择。

核心配置参数速查表：

参数（环境变量）	作用	何时使用
ANTHROPIC_API_KEY	Anthropic 官方 API Key	直接使用官方服务时
ANTHROPIC_AUTH_TOKEN	第三方平台的 API Key	使用中转/第三方模型时
ANTHROPIC_BASE_URL	API 端点地址（覆盖默认地址）	使用中转/第三方服务时
ANTHROPIC_MODEL	默认使用的模型名称或别名	持久指定默认模型
ANTHROPIC_DEFAULT_OPUS_MODEL	opus 槽位映射的具体模型	自定义三级槽位映射
ANTHROPIC_DEFAULT_SONNET_MODEL	sonnet 槽位映射的具体模型	自定义三级槽位映射
ANTHROPIC_DEFAULT_HAIKU_MODEL	haiku 槽位映射的具体模型	自定义三级槽位映射
API_TIMEOUT_MS	API 请求超时时间（毫秒）	网络慢或模型推理耗时长时

提示： 参数关系说明 ：ANTHROPIC_API_KEY 用于官方直连，ANTHROPIC_AUTH_TOKEN 用于第三方服务。两者不要同时设置，否则会冲突。ANTHROPIC_BASE_URL 只在使用非官方端点时需要设置。

三种配置方式对比：

配置方式	持久性	作用范围	推荐场景
临时环境变量	关闭终端即失效	当前终端窗口	快速测试、临时切换
永久环境变量	永久生效	所有终端和项目	日常一台电脑固定使用
配置文件 settings.json	永久生效	全局或特定项目	多项目/多模型切换、团队共享

配置文件路径说明：

• 全局 ：~/.claude/settings.json（Windows：C:\Users\<用户名>\.claude\settings.json，如果没有这个路径，就打开cmd执行claude,就有了）
• 项目级（团队共享） ：项目根目录/.claude/settings.json（可提交 Git）
• 项目级（个人私有） ：项目根目录/.claude/settings.local.json（加入 .gitignore）

图：Claude Code 配置体系架构 ------ 三种配置方式及其优先级层级

方案选择指南：

你能直接访问 Anthropic 网站吗？
├── 能 → 方案一：使用 Anthropic 官方 API（推荐）
└── 不能 → 你在国内吗？
   ├── 想用原版 Claude 模型 → 方案二：使用第三方API中转服务 国内首选
   ├── 想用其他模型（DeepSeek/千问/GLM等） → 方案三：接入其他模型
   └── 想要包月套餐、省心不操心 → 在方案三中选择厂商 Coding Plan

2.3.2.1 方案一：使用 Anthropic 官方 API（推荐海外用户）

这是最直接的配置方式，适合能稳定访问 Anthropic 服务、具备合规支付方式的用户。国内用户可能会遇到注册、支付、访问稳定性等问题，建议按自己的网络和合规条件谨慎选择。

注册步骤（可直接访问国际网络的用户）：

1. 访问 https://console.anthropic.com/
2. 点击 "Sign up" 注册账号
3. 使用邮箱注册并完成验证
4. 登录后，进入 API Keys 页面
5. 点击 "Create Key" 创建一个新的 API Key
6. 为这个 Key 起个名字（如 "claude-code"）
7. 立即复制并保存 ------ API Key 只会显示一次！

避坑 ：API Key 就像你的银行卡密码，绝对不要 分享给别人，也不要把它写在代码文件里提交到 GitHub。一旦泄露，别人可以用你的额度调用API，产生费用。

计费说明：

Anthropic API 采用按量计费模式（用多少付多少）：

模型	输入费用	输出费用	说明
Claude Haiku 4.5	$1 / 百万Token	$5 / 百万Token	轻量、快速、低成本
Claude Sonnet 4.6	$3 / 百万Token	$15 / 百万Token	日常开发主力
Claude Opus 4.7	$5 / 百万Token	$25 / 百万Token	复杂规划与深度推理

提示：一个 Token 大约等于 4 个英文字符或 1-2 个中文字符。一次普通的编程对话大约消耗 1000-5000 个 Token，具体费用取决于输入/输出比例和所选模型。新用户是否有免费额度，以 Anthropic 当前页面为准。

（价格信息按 Anthropic 官方价格页在 2026-05-18 核对，请以官网最新价格为准）

Step 1：设置环境变量

你需要将 API Key 设置为系统环境变量，这样 Claude Code 启动时就能自动读取。

Windows 用户（PowerShell）：

# 方法一：临时设置（仅当前终端窗口有效，关闭后失效）
$env:ANTHROPIC_API_KEY = "sk-ant-api03-你的实际API-Key"

# 方法二：永久设置（推荐，一次设置永久生效）
[System.Environment]::SetEnvironmentVariable("ANTHROPIC_API_KEY", "sk-ant-api03-你的实际API-Key", "User")

注意 ：永久设置后需要重新打开终端才能生效。

macOS / Linux 用户：

# 编辑 shell 配置文件（根据你使用的 shell 选择）
# 如果用 zsh（macOS 默认）：
$ echo 'export ANTHROPIC_API_KEY="sk-ant-api03-你的实际API-Key"' >> ~/.zshrc

# 如果用 bash：
$ echo 'export ANTHROPIC_API_KEY="sk-ant-api03-你的实际API-Key"' >> ~/.bashrc

# 使配置立即生效
$ source ~/.zshrc  # 或 source ~/.bashrc

Step 2：首次启动 Claude Code

# 进入你的项目目录
$ cd D:\ai-coding-projects  # Windows
$ cd ~/ai-coding-projects   # macOS

# 启动 Claude Code
$ claude

预期输出：

╭──────────────────────────────────────────╮
│                                │
│   Welcome to Claude Code!            │
│                                │
│   /help for available commands         │
│                                │
╰──────────────────────────────────────────╯

>

你会看到一个交互式界面，光标等待你输入。试试输入你的第一条消息：

> 你好，请介绍一下你自己

验证：如果 Claude Code 正常回复了你的消息，恭喜，API配置成功！

常见错误排查：

错误信息	原因	解决方案
Invalid API Key 或 401 Unauthorized	API Key 不正确	检查 Key 是否复制完整，注意开头的 sk-ant- 前缀
Connection refused 或网络超时	无法连接到 Anthropic 服务器	检查网络连接，国内用户请使用方案二
ANTHROPIC_API_KEY is not set	环境变量未设置	重新执行设置命令，并确保重启了终端
Rate limit exceeded	请求频率超过限制	等待一分钟后重试

2.3.2.2 方案二：使用第三方API中转服务（国内用户）

如果你在国内无法直接访问 Anthropic 的服务，这个方案是你的最佳选择。

**注意：**很多个人搭建的中转平台，溢价严重，甚至有作假的情况，请仔细甄别。而且避免封号的情况也无法保证，这里不做推荐。

主流中转服务对比：

服务商	价格倍率	支持模型	注册门槛	特点
OpenRouter	1.0-1.1x	Claude全系列 + GPT + 开源	低	模型最全，国际化
API2D	1.2-1.5x	Claude + GPT	低	中文界面，支持支付宝
OhMyGPT	1.1-1.3x	Claude + GPT + 多种	低	价格较优
CloseAI	1.2-1.5x	Claude + GPT	低	国内老牌服务

（价格倍率会随市场波动，请以各服务商官网最新价格为准）

提示：所谓"价格倍率"，是指相比 Anthropic 官方价格的加价比例。例如官方 3/百万Token，1.2x 倍率就是 3.6/百万Token。中转服务需要维护服务器和线路，所以会有一定加价，这是正常的。

以 OpenRouter 为例的注册流程：

1. 访问 https://openrouter.ai/
2. 点击 "Sign in" 注册账号（支持 Google 账号登录）
3. 登录后，进入 "Keys" 页面
4. 点击 "Create Key" 创建 API Key
5. 复制并保存你的 API Key（以 sk-or- 开头）
6. 在 "Credits" 页面充值（支持信用卡）

需要记录的关键信息：

API Base URL: https://openrouter.ai/api/v1
API Key: sk-or-v1-xxxxxxxxxxxxx（你的实际Key）

注意：不同的中转服务有不同的 API Base URL 格式。注册后请仔细查看服务商提供的文档，找到他们的 Base URL 和支持的模型列表。

原理回顾：

你的 Claude Code ──请求──→ 中转服务器（国内可达）──转发──→ Anthropic API
      ↑                                         │
      └──────────────── 返回 AI 回复 ←───────────────────────┘

中转服务本质上就是一个"代理"，帮你把请求转发给 Anthropic，再把结果返回。你在 Claude Code 中需要做的就是把"目的地地址"从 Anthropic 官方改成中转服务。

Step 1：获取中转服务的信息

在 0.3.2 节你已经注册了中转服务，现在需要两个关键信息：

API Base URL：中转服务的地址（每个服务商不同）
API Key：在中转服务上创建的 Key（不是 Anthropic 官方的 Key）

以 OpenRouter 为例：

API Base URL: https://openrouter.ai/api/v1
API Key: sk-or-v1-你的OpenRouter-Key

Step 2：设置环境变量

Claude Code 通过 ANTHROPIC_BASE_URL 环境变量来指定API地址。

Windows 用户（PowerShell）：

# 临时设置（当前窗口有效）
$env:ANTHROPIC_BASE_URL = "https://openrouter.ai/api/v1"
$env:ANTHROPIC_API_KEY = "sk-or-v1-你的中转服务Key"

# 永久设置（推荐）
[System.Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "https://openrouter.ai/api/v1", "User")
[System.Environment]::SetEnvironmentVariable("ANTHROPIC_API_KEY", "sk-or-v1-你的中转服务Key", "User")

macOS / Linux 用户：

# 编辑 shell 配置文件
$ vim ~/.zshrc  # 或你喜欢的编辑器

# 在文件末尾添加以下两行：
export ANTHROPIC_BASE_URL="https://openrouter.ai/api/v1"
export ANTHROPIC_API_KEY="sk-or-v1-你的中转服务Key"

# 保存后使配置生效
$ source ~/.zshrc

Step 3：验证配置

# 重新打开终端（重要！）
# 启动 Claude Code
$ claude

输入测试消息：

> 你好，请告诉我今天是星期几

如果收到正常回复，说明中转配置成功。

验证：Claude Code 正常回复即表示中转服务配置成功。

不同中转服务的配置参考：

中转服务	ANTHROPIC_BASE_URL	Key 前缀
OpenRouter	https://openrouter.ai/api/v1	sk-or-
API2D	https://oa.api2d.net	参见服务商文档
OhMyGPT	参见服务商文档	参见服务商文档
CloseAI	参见服务商文档	参见服务商文档

注意 ：不同中转服务的 Base URL 格式不同，请务必查阅你所使用的服务商的文档。有些服务商要求 URL 末尾带 /v1，有些不需要，配错会导致连接失败。

中转服务常见问题：

问题	原因	解决方案
连接成功但回复乱码	中转服务返回格式与Claude Code不兼容	检查中转服务是否支持 Anthropic 的 Messages API 格式
余额不足提示	中转服务账户余额用完	到中转服务网站充值
特定模型不可用	中转服务可能不支持所有 Claude 模型	检查中转服务支持的模型列表
响应特别慢	中转链路延迟	尝试换一个中转服务商，或在非高峰时段使用

2.3.2.3 方案三：接入其他模型（DeepSeek/千问/GLM）

Claude Code 不仅可以使用 Claude 模型，还可以通过配置接入其他AI模型。这对国内用户特别有价值 ------ 你可以使用国内直连的模型服务，不需要任何代理。

工作原理：

Claude Code 内部有一个三级模型槽位体系。无论你用哪个模型提供商，它始终维护三个"角色位"：

槽位（别名）	用途	对应环境变量
opus	复杂推理、架构决策	ANTHROPIC_DEFAULT_OPUS_MODEL
sonnet	日常编码主力模型	ANTHROPIC_DEFAULT_SONNET_MODEL
haiku	后台轻量任务（自动压缩、文件分析等）	ANTHROPIC_DEFAULT_HAIKU_MODEL

接入第三方模型有两种方式：

方式	原理	优点	适用场景
Anthropic 兼容接口（推荐）	模型厂商提供 Anthropic Messages API 格式的接口，三个槽位自动映射	配置简单，无需逐个指定模型名	智谱 GLM 等已提供兼容接口的厂商
直接指定模型	通过 --model 或环境变量指定具体模型名称	灵活，适用任何 OpenAI 兼容接口	DeepSeek、通义千问、Ollama 等

方式一：直接指定模型（通用方式）

# 设置 API Key 和 Base URL（大部分第三方模型都兼容 OpenAI 格式）
export ANTHROPIC_AUTH_TOKEN="你的模型API-Key"
export ANTHROPIC_BASE_URL="模型的API地址"

然后在启动 Claude Code 时指定模型：

# 使用指定模型启动
$ claude --model "模型名称"

方式二：Anthropic 兼容接口（自动映射，包含 DeepSeek、GLM、Kimi）

目前官方提供 Anthropic Messages API 兼容端点的国产厂商越来越多，包括：

厂商	Anthropic 兼容端点	官方文档
DeepSeek	https://api.deepseek.com/anthropic	https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/claude_code
智谱 GLM	https://open.bigmodel.cn/api/anthropic	https://docs.bigmodel.cn/cn/coding-plan/tool/claude
Kimi（月之暗面）	https://api.moonshot.ai/anthropic	https://platform.moonshot.cn/docs/guide/agent-support

配置后，Claude Code 界面仍然显示 Opus/Sonnet/Haiku 的别名，但实际调用的是厂商的模型------这就是服务端模型映射。

以智谱 GLM 为例：

# 智谱 GLM 最简配置
export ANTHROPIC_AUTH_TOKEN="你的智谱API-Key"
export ANTHROPIC_BASE_URL="https://open.bigmodel.cn/api/anthropic"

智谱 GLM 默认的服务端自动映射关系（根据官方文档最新表述）：

Claude Code 界面显示	实际调用的模型
Opus	GLM-4.7
Sonnet	GLM-4.7
Haiku	GLM-4.5-Air

提示 ：要用上旗舰型号 GLM-5.1 ，需要手动覆盖三个槽位（详见下面「接入智谱 GLM」部分）。不要误以为默认就是 GLM-5.1。

现在GLM的Coding Plan非常抢手，不一定能买到，而且有限额、高峰期翻倍消耗额度。

方式三：通过配置文件（推荐持久化配置）

除了环境变量，还可以在 settings.json 的 env 块中配置，效果相同但更持久、更清晰：

// ~/.claude/settings.json（全局生效）
{
  "env": {
   "ANTHROPIC_AUTH_TOKEN": "你的API-Key",
   "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
   "API_TIMEOUT_MS": "3000000"
  }
}

提示 ：三种配置方式的优先级为：启动参数 --model > 环境变量 ANTHROPIC_MODEL > 配置文件 settings.json 中的 model 字段。选择最适合你工作习惯的方式即可。

接入智谱 GLM 的完整步骤：

智谱 AI 提供了 Anthropic Messages API 兼容接口，是目前国内配置最简单的方案之一。

官方文档 ：https://docs.bigmodel.cn/cn/coding-plan/tool/claude

最简配置（使用默认 GLM-4.7 映射）：

# 环境变量方式
export ANTHROPIC_AUTH_TOKEN="你的智谱Key"
export ANTHROPIC_BASE_URL="https://open.bigmodel.cn/api/anthropic"

或使用配置文件（智谱官方推荐方式）：

// ~/.claude/settings.json
{
  "env": {
   "ANTHROPIC_AUTH_TOKEN": "你的智谱Key",
   "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
   "API_TIMEOUT_MS": "3000000",
   "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1
  }
}

另外智谱官方要求在 ~/.claude.json 中添加（跳过首次启动的引导流程）：

// ~/.claude.json
{
  "hasCompletedOnboarding": true
}

配置完成后重启终端，运行 claude 即可。默认服务端映射如上表（Opus/Sonnet → GLM-4.7，Haiku → GLM-4.5-Air）。

使用 GLM-5.1（需手动覆盖三个槽位）：

GLM-5.1 / GLM-5-Turbo 作为高阶模型，对标 Claude Opus，使用时会按"高峰期 3 倍、非高峰期 2 倍"系数消耗套餐额度（"高峰期"为每日 14:00～18:00 UTC+8）。如需使用，手动覆盖：

// ~/.claude/settings.json
{
  "env": {
   "ANTHROPIC_AUTH_TOKEN": "你的智谱Key",
   "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
   "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.1",
   "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5-turbo",
   "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
   "API_TIMEOUT_MS": "3000000",
   "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1
  }
}

注意： 版本兼容提醒：第三方 Anthropic 兼容接口可能会受到 Claude Code 新功能影响。如果遇到工具调用或 Beta 参数报错，优先查看对应厂商官方文档的兼容说明，不要盲目复制旧版本配置。
提示： 一键脚本：macOS / Linux 用户可以直接运行官方脚本自动完成上述配置：

curl -O "https://cdn.bigmodel.cn/install/claude_code_env.sh" && bash ./claude_code_env.sh

接入 Kimi（月之暗面）的完整步骤（严格按 Kimi 官方文档）：

Kimi 为 Claude Code 提供了 Anthropic 兼容端点，推荐使用 kimi-k2.5 模型（在 Agentic / 工具调用场景下的主力型号）。

官方文档 ：https://platform.moonshot.cn/docs/guide/agent-support

Step 1：在 https://platform.kimi.com/console/api-keys 创建 API Key。建议同时在项目设置里设置「项目日消费预算」防超支。

Step 2：设置环境变量

Windows PowerShell：

$env:ANTHROPIC_BASE_URL="https://api.moonshot.ai/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<你的 Moonshot API Key>"
$env:ANTHROPIC_MODEL="kimi-k2.5"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="kimi-k2.5"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="kimi-k2.5"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="kimi-k2.5"
$env:CLAUDE_CODE_SUBAGENT_MODEL="kimi-k2.5"
$env:ENABLE_TOOL_SEARCH="false"
claude

macOS / Linux：

export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 Moonshot API Key>
export ANTHROPIC_MODEL=kimi-k2.5
export ANTHROPIC_DEFAULT_OPUS_MODEL=kimi-k2.5
export ANTHROPIC_DEFAULT_SONNET_MODEL=kimi-k2.5
export ANTHROPIC_DEFAULT_HAIKU_MODEL=kimi-k2.5
export CLAUDE_CODE_SUBAGENT_MODEL=kimi-k2.5
export ENABLE_TOOL_SEARCH=false
claude

Step 3：进入 cc 后输入 /status 验证模型状态。如需启用 kimi-k2.5 的思考（Thinking）能力，进入 cc 后按 Tab 键切换，看到 "Thinking on" 即为生效。

注意： 重要 ：不要使用老写法 https://api.moonshot.cn/v1 + moonshot-v1-128k。它们是 Kimi 的 OpenAI 兼容端点与早期模型名，在 Claude Code 中会遇到工具调用不可靠 。官方为 Claude Code 提供的是 /anthropic 端点 + kimi-k2.5。

所有模型配置速查表（以各厂商官方文档为准）：

模型	接口类型	API Base URL	模型名称 / 映射	是否需 --model	官方文档
Claude (官方)	Anthropic 原生	默认	建议使用 sonnet / opus / haiku 别名或官方当前模型 ID	否	https://docs.anthropic.com
Claude (中转)	Anthropic 兼容	中转服务商地址	同上	否	中转服务商网站
DeepSeek	Anthropic 兼容	https://api.deepseek.com/anthropic	官方示例：deepseek-v4-pro[1m]、deepseek-v4-flash	否	api-docs.deepseek.com
智谱 GLM	Anthropic 兼容	https://open.bigmodel.cn/api/anthropic	默认 Opus/Sonnet→GLM-4.7、Haiku→GLM-4.5-Air	否	docs.bigmodel.cn
Kimi	Anthropic 兼容	https://api.moonshot.ai/anthropic	三个槽位都用 kimi-k2.5	否	platform.moonshot.cn
通义千问Max	OpenAI 兼容	https://dashscope.aliyuncs.com/compatible-mode/v1	qwen-max	是	dashscope.aliyun.com

注意： 重要区分：

• 官方提供 Anthropic 兼容端点的厂商（DeepSeek、GLM、Kimi） ：使用完整的 ANTHROPIC_* 环境变量集进行三级槽位映射，无需 --model。
• OpenAI 兼容端点厂商（千问、Ollama、其他中转） ：仍需 --model 指定具体模型名。
• 统一使用 ANTHROPIC_AUTH_TOKEN + ANTHROPIC_BASE_URL 进行认证；不要使用已废弃的 OPENAI_API_KEY + OPENAI_BASE_URL 方式。

2.3.2.4 配置验证与诊断

无论使用上述哪种方案，配置完成后都应进行验证：

快速验证三步走：

# Step 1：启动 Claude Code
$ claude

# Step 2：在对话中检查当前状态
> /status
# 查看当前使用的模型、API Endpoint 是否正确

# Step 3：发送测试消息
> 你好，请告诉我你是什么模型

如果 AI 正常回复，说明配置成功。如果出现错误，请参考第三部分 3.7 节的 FAQ 进行排查。

提示 ：使用 /model 命令可以查看和切换当前模型，使用 /cost 命令可以实时查看 Token 消耗和费用。

2.3.3 接入 DeepSeek 的完整步骤

Claude 系列模型受限、GLM 套餐难抢时，DeepSeek 是一个值得考虑的国内直连方案。

DeepSeek 是国内极具性价比 的 AI 模型，代码能力强。官方为 Claude Code 专门提供了 Anthropic 兼容端点，不需要走 OpenAI 兼容接口。

官方文档 ： https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/claude_code 。下面的配置与模型名与该文档一致，后续以官方文档为准。

Step 1：在 https://platform.deepseek.com/ 注册并获取 API Key。

Step 2：设置环境变量（注意 Base URL 是 /anthropic 端点，不是 /v1）

Windows PowerShell：

# 临时设置（仅当前终端窗口生效）
$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<你的 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"

macOS / Linux：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 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

或使用配置文件（推荐，不需重启终端）：

// ~/.claude/settings.json
{
  "env": {
   "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
   "ANTHROPIC_AUTH_TOKEN": "<你的 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"
  }
}

Step 3：进入项目目录，启动 Claude Code

cd /path/to/my-project
claude

启动后无需 传 --model 参数，Claude Code 会通过环境变量调用 DeepSeek 官方示例中的模型映射。

提示：DeepSeek 模型名、可用端点和 Claude Code 兼容能力会随官方迭代变化。实际使用前请打开上面的官方文档核对，不要照抄旧教程里的模型名。

Step 4：验证

> /status

在 cc 会话中输入 /status，可看到当前 Base URL 和模型是否已切换到 DeepSeek。

注意： 常见踩坑 ：如果你之前使用过 https://api.deepseek.com/v1（OpenAI 兼容端点）+ claude --model deepseek-chat 的老写法，建议改为 DeepSeek 官方 Claude Code 文档中的 Anthropic 兼容端点 https://api.deepseek.com/anthropic。

2.3.4 多模型并存管理：cc-switch 可视化切换工具

上面几类方案你并不需要"二选一"------很多人的真实使用场景是：今天偶尔走 Anthropic 官方、明天切中转、后天干脆用 DeepSeek，偶尔还要用 GLM Coding Plan 套餐。手动改环境变量太麻烦，这时候就需要一个专门的多模型管理器。

cc-switch 是社区开源的一款桌面小工具，可以让你在多个 Claude Code 配置间一键切换。

• 项目地址 ：https://github.com/farion1231/cc-switch
• 下载：进入 Releases 页面，选对应系统（Windows、macOS、Linux）的安装包
• 使用：打开 cc-switch → 点击"新增" → 填入 API Key 和 BaseURL → 起个名字（如 "Anthropic-官方"、"DeepSeek"、"GLM-CodingPlan"）保存 → 需要哪个点哪个

工作机制：cc-switch 把你配置的多个 API Key 和 BaseURL 存起来，选择哪个就自动修改对应的环境变量，然后重启终端运行 claude 就生效。

注意： 最容易翻车的坑（必看） ：切换 cc-switch 一定要在启动 claude 之前 ！如果你已经在 cc 会话里了再去 cc-switch 切换，是切不动的------环境变量在进程启动时就被加载到内存了。正确顺序是：先 cc-switch 选定配置 → 重启终端 → 运行 claude。很多新手都在这里上过当。
提示： 适用人群 ：如果你只用一家服务商，直接走上面配置方案里的 settings.json 即可，不需要 cc-switch。它是为"多模型重度用户"准备的。

---