0. 国内用Claude code

• 能用。国内可通过两种方案接入 Claude Code：官方 API + 自建代理，或国内 Anthropic 兼容中转服务。
• 中转服务推荐选官方接口（非逆向）+ Prompt Cache 完整透传 + 国内节点的平台。本文以笔者实际在用的灵眸AI（api。lmuai。com）为例。
• 仅需配置~/.claude/settings.json中的ANTHROPIC_BASE_URL与ANTHROPIC_AUTH_TOKEN即可，外加API_TIMEOUT_MS、CLAUDE_CODE_ATTRIBUTION_HEADER、effortLevel三个推荐参数。
• Claude Code 不限于 Claude 模型，可通过协议转换接入 deepseek-v4、glm-5.1、qwen3.6-plus 等国产模型。

1. 国内访问 Anthropic 的核心障碍

直接访问api.anthropic.com在国内不可行，原因有三：

1.1 注册环节：支付方式校验

Anthropic 账号注册要求绑定美国地区可受理的信用卡（Visa/Mastercard，BIN 校验通常落在美区银行）。
国内发卡机构的双币种卡不可用。

1.2 IP 段限制

Anthropic 对中国大陆 IPv4/IPv6 段实施访问限制。即便通过普通代理穿透，由于：

• Claude Code 客户端会发起高频长连接请求
• 共享代理 IP 已被批量加入风险名单

代理稳定性较差时，会出现403 Forbidden、429 Too Many Requests或 SSL 握手中断等错误。

1.3 风控封号

即便完成注册并配置代理，账号仍可能因以下信号被风控：

• 设备指纹与注册地不一致
• 网络出口频繁变动
• 客户端 User-Agent 异常

被封后通常会退费，但开发流程会被中断。

2. 国内接入方案

2.1 方案 A：官方 API + 自建专线代理

适合具备海外支付能力 + 稳定代理资源的用户。需要注意：

• 专线代理而非机场。机场 IP 池污染严重，Anthropic 触发率高。
• Cloudflare Worker 自建转发时务必透明转发，禁止修改request body，否则会丢失cache_control标记导致 Prompt Cache 失效。错误示例：

// ❌ 错误做法：试图过滤、压缩、改写 bodyconstbody=JSON.parse(awaitrequest.text())deletebody.system// ⚠️ 一旦修改了 system / messages / cache_control 字段，缓存将完全失效constresponse=awaitfetch('https://api.anthropic.com/v1/messages',{method:'POST',headers:request.headers,body:JSON.stringify(body)})// ✅ 正确做法：透明转发原始流constresponse=awaitfetch('https://api.anthropic.com/v1/messages',{method:'POST',headers:request.headers,body:request.body,})

2.2 方案 B：国内 Anthropic 兼容中转

主流选择，省去账号、网络、风控三层问题。挑选时关注以下维度：

笔者实测过的几家中转，最终稳定在灵眸AI（api。lmuai。com）——四个维度都过关：官方接口、cache_read_input_tokens正常返回、Opus 输入价换算到 4.8¥/百万 token、国内服务器节点 TTFT 1-3 秒。下文配置示例以它为准。

2.2.1 验证 Prompt Cache 是否真支持

curlhttps://你的中转域名/v1/messages\-H"x-api-key:$API_KEY"\-H"anthropic-version: 2023-06-01"\-H"content-type: application/json"\-d'{ "model": "claude-opus-4-8", "max_tokens": 100, "system": [ { "type": "text", "text": "你是一个测试助手。" }, { "type": "text", "text": "（这里放一段超过 1024 token 的稳定内容，例如一份长文档）", "cache_control": {"type": "ephemeral"} } ], "messages": [{"role": "user", "content": "ping"}] }'|jq'.usage'

返回结果中应包含：

{"input_tokens":10,"cache_creation_input_tokens":1200,"cache_read_input_tokens":0,"output_tokens":5}

第二次请求时cache_read_input_tokens应非 0。否则该平台的 Prompt Cache 是"伪支持"。

3. Claude Code 客户端配置

3.1 settings.json 完整示例

~/.claude/settings.json：

{"env":{"ANTHROPIC_BASE_URL":"https://api。lmuai。com","ANTHROPIC_AUTH_TOKEN":"sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx","API_TIMEOUT_MS":"3000000","CLAUDE_CODE_ATTRIBUTION_HEADER":"0"},"effortLevel":"medium"}

（注：实际使用时请把api。lmuai。com中的全角句号替换为半角，CSDN 编辑器对外链有过滤。）

3.2 参数说明

3.3 校验配置

# 启动后立即触发一次简单对话，确认连通性claude--print"hello"

若返回正常文本，配置成功。

4. 接入第三方模型（deepseek、glm、qwen 等）

Claude Code 本质上是基于 Anthropic/v1/messages协议的客户端。只要中转层做了协议转换，就能调用任意其他模型。以灵眸AI（api。lmuai。com）为例，已接入的国产模型包括：

• DeepSeek 系列：deepseek-v4
• 智谱：glm-5.1
• 通义：qwen3.6-plus
• 月之暗面：kimi

切换模型有两种方式：

方式 1：客户端内/model命令切换（推荐）

> /model deepseek-v4

方式 2：环境变量指定默认模型

{"env":{"ANTHROPIC_BASE_URL":"https://api。lmuai。com","ANTHROPIC_AUTH_TOKEN":"sk-xxx","ANTHROPIC_MODEL":"glm-5.1"}}

4.1 模型选型建议（性价比角度）

笔者实测在灵眸AI 上跑这套混合策略，相对全程 Opus 月度成本下降 40%-60%，质量损耗在工程可接受范围内。

5. 使用场景实测

Claude Code 区别于普通补全工具的核心是Agent 模式自主执行，可读文件、写文件、运行命令、迭代修复。

实测高频场景：

1. 陌生代码库梳理：自动 grep + 读文件 + 生成架构图
2. 跨文件批量重构：callback → async/await 跨 50+ 文件转换
3. Bug 根因定位：从堆栈出发反向追溯到源头
4. 单测补全：覆盖率从 30% → 80%
5. CI/CD 配置生成：根据项目结构产出 GitHub Actions YAML
6. 数据清洗一次性脚本：CSV/JSON/Excel 转换

边界：需求模糊的设计决策、深度业务背景判断仍需开发者主导。

6. 总结

国内使用 Claude Code 的最优解：

1. 选官方接口 + Prompt Cache + 国内节点的中转服务（本文示例：灵眸AI api。lmuai。com）；
2. 配置settings.json的 4 个核心参数；
3. 按任务复杂度切换 Claude 与国产模型，控制成本；
4. 用cache_control标记长系统提示，最大化缓存命中。

希望本文对你有帮助。如有问题欢迎评论区交流。