Claude Code 如何配置本地Ollama模型或别的模型（Deepseek等）

前端君2026-06-26 11:34

个人使用场景 claude 模型实在是太贵了，想使用 Claude Code 默认只支持 Anthropic 的接口格式，所以本文记录了如何把本地模型或者其他模型（Deepseek等）接入 Claude Code 使用的方法。
通过 Claude Code Router (CCR) 将 Claude Code CLI 连接到 Ollama（本地模型）或 DeepSeek（云端模型），从而使用非 Anthropic 模型运行 Claude Code。

目录

  1. 原理概述
  2. [安装 Claude Code Router](#安装 Claude Code Router "#2-%E5%AE%89%E8%A3%85-claude-code-router")
  3. [配置 Ollama 提供商](#配置 Ollama 提供商 "#3-%E9%85%8D%E7%BD%AE-ollama-%E6%8F%90%E4%BE%9B%E5%95%86")
  4. [配置 DeepSeek 提供商](#配置 DeepSeek 提供商 "#4-%E9%85%8D%E7%BD%AE-deepseek-%E6%8F%90%E4%BE%9B%E5%95%86")
  5. [配置 Claude Code 连接到 CCR](#配置 Claude Code 连接到 CCR "#5-%E9%85%8D%E7%BD%AE-claude-code-%E8%BF%9E%E6%8E%A5%E5%88%B0-ccr")
  6. 验证连接
  7. 进阶：路由规则与虚拟模型
  8. 常见问题排查
  9. 参考链接

1. 原理概述

架构图

scss 复制代码 
┌─────────────────┐      Anthropic Messages API       ┌──────────────────────────┐
│                 │  ──────────────────────────────▶   │                          │
│   Claude Code   │      /v1/messages                 │  Claude Code Router      │
│   (CLI / VSC)   │  ◀──────────────────────────────   │  (localhost:3456)        │
│                 │                                    │                          │
└─────────────────┘                                    └──────────┬───────────────┘
                                                                  │
                           ┌──────────────────────────────────────┼──────────────────────────┐
                           │                                      │                          │
                           ▼                                      ▼                          ▼
                  ┌──────────────────┐                  ┌──────────────────┐      ┌──────────────────┐
                  │   Ollama         │                  │   DeepSeek API   │      │   OpenAI API     │
                  │   (localhost)    │                  │   (云端)          │      │   (其他兼容)      │
                  │   :11434/v1      │                  │   api.deepseek   │      │                  │
                  └──────────────────┘                  └──────────────────┘      └──────────────────┘

工作流程

  1. Claude Code 原生只支持 Anthropic Messages API 格式（/v1/messages）
  2. Claude Code Router 运行在本地，暴露一个兼容 Anthropic API 的端点 http://127.0.0.1:3456
  3. 通过设置 ANTHROPIC_BASE_URL=http://127.0.0.1:3456，Claude Code 将所有 API 请求发送到 CCR
  4. CCR 内部做协议转换：将 Anthropic Messages 格式翻译成 OpenAI Chat Completions 格式（Ollama / DeepSeek 都支持）
  5. 响应再从 OpenAI 格式翻译回 Anthropic 格式返回给 Claude Code

关键事实

事项 说明
Claude Code 发送的协议 Anthropic Messages API (/v1/messages)
Ollama 支持的协议 OpenAI Chat Completions API (/v1/chat/completions)
DeepSeek 支持的协议 OpenAI Chat Completions API (/v1/chat/completions)
CCR 的作用 协议转换网关，在两种格式间翻译
认证方式 通过 ANTHROPIC_AUTH_TOKEN 或 ANTHROPIC_API_KEY 传递凭证

2. 安装 Claude Code Router

系统要求

  • macOS 10.15+ / Windows 10+ / Linux (支持 AppImage)
  • 已安装 Claude Code CLI

下载安装

  1. 访问 GitHub Releases 页面
  2. 下载对应系统的安装包：
    • macOS : .dmg 文件
    • Windows : .exe 安装程序
    • Linux : .AppImage 文件
  3. 安装并启动应用

首次启动

启动后，CCR 会在以下位置创建配置文件：

  • macOS / Linux : ~/.claude-code-router/config.json
  • Windows : %APPDATA%\Claude Code Router\config.json

3. 配置 Ollama 提供商

前置条件

  • 已安装 Ollama
  • 已拉取至少一个模型，例如：
bash 复制代码 
ollama pull llama3.1
ollama pull qwen2.5
ollama pull deepseek-r1:7b
  • Ollama 服务正在运行（默认监听 http://127.0.0.1:11434）

通过 CCR 界面配置

  1. 打开 CCR 桌面应用
  2. 进入 Providers → 点击 Add Provider
  3. 填写以下信息：
字段 值
Provider Name Ollama
Endpoint (Base URL) http://127.0.0.1:11434/v1
Protocol openai_chat_completions
API Key 留空（或随意填写 ollama）
Models 输入你已拉取的模型名，如 llama3.1, qwen2.5
  1. 点击 Save

为什么 Ollama 的 endpoint 是 :11434/v1？ Ollama 从 0.1.32 版本开始原生支持 OpenAI 兼容 API，路径为 /v1/chat/completions。 CCR 通过 openai_chat_completions 协议将 Anthropic 请求转换后发送到此端点。

也可以直接通过 URL Scheme 快速添加：

perl 复制代码 
ccr://provider?name=Ollama&base_url=http%3A%2F%2F127.0.0.1%3A11434%2Fv1&api_key=ollama&models=llama3.1,qwen2.5&protocol=openai_chat_completions

在浏览器中打开此链接，CCR 会弹出确认对话框。

测试 Ollama 连接

在终端验证 Ollama 的 OpenAI 兼容 API 是否正常：

bash 复制代码 
curl http://127.0.0.1:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama3.1",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

应返回包含 choices 字段的 JSON 响应。

4. 配置 DeepSeek 提供商

前置条件

通过 CCR 界面配置

  1. 打开 CCR 桌面应用
  2. 进入 Providers → 点击 Add Provider
  3. 填写以下信息：
字段 值
Provider Name DeepSeek
Endpoint https://api.deepseek.com/v1
Protocol openai_chat_completions
API Key sk-xxxxxxxxxxxxxxxxxxxx（你的 DeepSeek API Key）
Models deepseek-chat, deepseek-reasoner
  1. 点击 Save
perl 复制代码 
ccr://provider?name=DeepSeek&base_url=https%3A%2F%2Fapi.deepseek.com%2Fv1&api_key=sk-xxxxxxxxx&models=deepseek-chat,deepseek-reasoner&protocol=openai_chat_completions

DeepSeek 模型说明

模型 ID 说明 适用场景
deepseek-chat DeepSeek V3 / 最新聊天模型 日常编码、代码生成
deepseek-reasoner DeepSeek R1 推理模型 复杂推理、调试分析

5. 配置 Claude Code 连接到 CCR

5.1 启动 CCR 网关

  1. 在 CCR 桌面应用中进入 Server
  2. 点击 Start 启动网关服务
  3. 确认状态：两个端点应处于运行状态：
    • Wrapper gateway : http://127.0.0.1:3456
    • Core gateway runtime : http://127.0.0.1:3457

💡 建议勾选 Auto-start，这样每次开机 CCR 会自动启动网关。

5.2 创建 Claude Code 配置文件

方法 A：全局配置（推荐）

编辑 ~/.claude/settings.json（macOS/Linux）或 %USERPROFILE%\.claude\settings.json（Windows）：

json 复制代码 
{
  "env": {
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:3456",
    "ANTHROPIC_API_KEY": "ccr-local"
  }
}

ANTHROPIC_API_KEY 的值可以是任意非空字符串------CCR 作为本地网关不验证这个 key，但 Claude Code 要求必须有值才会绕过登录流程。

方法 B：项目级配置

在项目根目录创建 .claude/settings.local.json（此文件会自动被 gitignore）：

json 复制代码 
{
  "env": {
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:3456",
    "ANTHROPIC_API_KEY": "ccr-local"
  }
}

方法 C：Shell 环境变量（临时，适合测试）

bash 复制代码 
export ANTHROPIC_BASE_URL=http://127.0.0.1:3456
export ANTHROPIC_API_KEY=ccr-local

5.3 使用 CCR Profiles 自动配置（推荐）

CCR 提供了 Profile 功能，可以一键应用配置：

  1. 在 CCR 中进入 Profiles
  2. 选择 Claude Code
  3. 选择目标模型（例如你在 Ollama 中配置的 llama3.1）
  4. 点击 Apply --- 这会自动设置环境变量并打开 Claude Code

5.4 配置 CCR 路由

在 CCR 的 Routing 面板中设置：

路由项 推荐配置
Default Provider 选择你配置的 Ollama 或 DeepSeek
Default Model 选择具体模型，如 llama3.1 或 deepseek-chat

你还可以配置针对不同工作负载的路由规则：

  • Background（后台任务）→ 可以用更便宜的模型
  • Thinking（推理任务）→ 可以用更强的模型
  • Subagent（子智能体）→ 可以用性价比更高的模型

6. 验证连接

6.1 快速测试（curl）

在配置好环境变量后，先用 curl 测试 CCR 网关是否正常响应：

bash 复制代码 
curl -X POST http://127.0.0.1:3456/v1/messages \
  -H "Authorization: Bearer ccr-local" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model": "llama3.1", "max_tokens": 50, "messages": [{"role": "user", "content": "Say hello"}]}'

注意：这里的 model 名称必须与你之前在 CCR 中添加的模型名称一致。 如果 DeepSeek 使用 deepseek-chat，如果 Ollama 使用你拉取的模型名如 llama3.1。

如果返回 JSON 且包含 content 字段，说明 CCR 工作正常。

6.2 启动 Claude Code

bash 复制代码 
cd your-project
claude

如果一切正常，Claude Code 应该 跳过登录界面，直接进入会话。

6.3 检查状态

在 Claude Code 中运行：

bash 复制代码 
/status

查看以下关键信息：

状态项 期望值
Anthropic base URL http://127.0.0.1:3456
API key 应显示 ANTHROPIC_API_KEY（而非 Login method）

6.4 发送测试消息

尝试发送一条简单的消息，比如：

sql 复制代码 
Hello, what model are you running on?

如果 CCR 路由配置正确，你会收到模型回复，并能在 CCR 的 Dashboard 中看到请求记录。

7. 进阶：路由规则与虚拟模型

7.1 多模型路由

CCR 支持根据请求特征将不同任务路由到不同模型：

路由条件 目标模型 用途
Default deepseek-chat 日常对话和编码
Background llama3.1 (本地 Ollama) 后台任务、代码搜索
Thinking deepseek-reasoner 需要深度推理的任务
Long Context deepseek-chat 处理大文件

配置方式：在 CCR → Routing → Add Routing Rule 中设置。

7.2 虚拟模型（Virtual Models）

可以创建虚拟模型名称来简化模型选择：

arduino 复制代码 
llama3.1 → Ollama 上的 llama3.1
default-coding → deepseek-chat
default-reasoning → deepseek-reasoner

在 CCR → Routing → Virtual Models 中配置。

7.3 备用路由（Fallback）

当主模型不可用时，CCR 可以自动切换到备用模型：

makefile 复制代码 
Primary:   deepseek-chat (DeepSeek)
Fallback:  llama3.1 (Ollama，本地运行，不需要网络)

在 Routing → 编辑路由规则 → 配置 Fallback 模型。

7.4 API Key 轮转

对 DeepSeek 等 API 服务，可以配置多个 API Key 实现负载均衡和故障转移：

在 Providers → 编辑 DeepSeek → API Key 字段使用逗号分隔多个 key：

复制代码 
sk-key1,sk-key2,sk-key3

CCR 会在请求失败时自动轮换到下一个 key。

8. 常见问题排查

8.1 Claude Code 仍然显示登录界面

原因：CCR 的网关配置未被 Claude Code 读取到。

解决：

  • 确认 ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY 都已正确设置
  • 如果使用 settings.json，确认文件路径正确：
    • 全局：~/.claude/settings.json
    • 项目级：.claude/settings.local.json
  • 运行 echo $ANTHROPIC_BASE_URL 检查环境变量是否生效
  • 在 Claude Code 中运行 /status 查看实际生效的 base URL

8.2 连接被拒绝（Connection Refused）

原因：CCR 网关未启动。

解决：

  • 确认 CCR 桌面应用正在运行
  • 在 CCR → Server 中确认 Gateway 状态为 "Running"
  • 检查端口是否被占用：lsof -i :3456

8.3 模型返回错误或不响应

原因：可能存在多种问题。

解决步骤：

对于 Ollama：

bash 复制代码 
# 检查 Ollama 服务状态
ollama list

# 确认模型已加载
ollama run llama3.1

# 检查 Ollama 日志
ollama serve

对于 DeepSeek：

bash 复制代码 
# 直接测试 DeepSeek API
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer sk-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-chat", "messages": [{"role": "user", "content": "hi"}]}'

8.4 401 认证错误

原因：API Key 未正确传递。

解决：

  • 如果使用 ANTHROPIC_API_KEY，CCR 收到的是 x-api-key 头
  • 如果使用 ANTHROPIC_AUTH_TOKEN，CCR 收到的是 Authorization: Bearer 头
  • 大多数情况下，两者都可以，只需确保 settings.json 中的变量名与 CCR 期望的一致

8.5 协议转换错误

原因：CCR 在 Anthropic Messages ↔ OpenAI Chat Completions 之间转换时可能遇到不兼容的字段。

解决：

  • 在 Claude Code 中设置环境变量：CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1
  • 这会让 Claude Code 少发送一些实验性字段，降低协议转换出错的概率
  • 在 settings.json 中添加：
json 复制代码 
{
  "env": {
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:3456",
    "ANTHROPIC_API_KEY": "ccr-local",
    "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1"
  }
}

8.6 检查 CCR 日志

CCR 桌面应用中的 Network Logs 面板可以查看所有通过的请求和响应，是排查问题的最佳工具。

8.7 重置配置

如果需要完全重置：

bash 复制代码 
# 备份现有配置
cp ~/.claude-code-router/config.json ~/.claude-code-router/config.json.bak

# 删除配置（CCR 会在下次启动时重新创建）
rm ~/.claude-code-router/config.json

# 清除 Claude Code 缓存
rm -rf ~/.claude/cache

9. 完整配置示例

最终 ~/.claude/settings.json

json 复制代码 
{
  "env": {
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:3456",
    "ANTHROPIC_API_KEY": "ccr-local",
    "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
  }
}

启动顺序

正确的启动顺序是：

  1. 启动 Ollama （如果用本地模型）：ollama serve
  2. 启动 CCR 并确保网关处于 Running 状态
  3. 启动 Claude Code ：claude

10. 参考链接

免责声明：Claude Code Router 是一个第三方开源项目，非 Anthropic 官方维护。使用非 Anthropic 模型运行 Claude Code 时，部分 Claude Code 原生功能（如超长上下文、思考能力、工具流式传输等）可能因协议转换而受限。始终在符合你所在组织的安全策略的前提下使用。

相关推荐
程序员小假1 小时前
RAG文档存储与切割策略详解：从基础到进阶
agent
Darling噜啦啦1 小时前
LLM 数据工程实战：从数据集划分到交叉验证——大模型智能的根基
llm
沉默王二2 小时前
震惊！Claude Code这五个核心概念我居然才知道！
agent·ai编程·claude
老梁agent3 小时前
一个 Agent 不够用？工业场景下的多 Agent 路由模式实战
物联网·agent
贵慜_Derek3 小时前
复杂系统没法一把梭重构：Semi-Autoresearch 怎么小步迁移还不掉功能
人工智能·agent·ai编程
HjhIron3 小时前
工具调用：当LLM学会使用"武器"，AI Agent的底层逻辑拆解
llm·agent
武子康3 小时前
调查研究-195 从 AmEx 支付系统看 Cell-based Architecture：真正的高可用，不是无限重试，而是控制失败边界
人工智能·openai·agent
热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04【AI】2026 年具身智能模型和世界模型总结05Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析06【AI总结】2026年6月 主流国内外大模型总结07飞书长连接_事件订阅（接收消息，审批任务状态变更）08GitHub 镜像站点09Trae国际版与国内版深度测评：AI原生IDE的双生花10AI科技热点日报 | 2026年6月1日