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 body
const body = JSON.parse(await request.text())
delete body.system  // ⚠️ 一旦修改了 system / messages / cache_control 字段，缓存将完全失效
const response = await fetch('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
const response = await fetch('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：

维度	判断方法	影响
接口类型	官方 /v1/messages 还是逆向客户端反代	逆向不支持 Prompt Cache、随时可能挂
Prompt Cache 透传	发送带 cache_control 的请求，检查 usage.cache_read_input_tokens 是否返回	决定实际成本
内部汇率	平台公布的人民币兑美元额度比例	直接决定 100 元能用多少
服务器位置	curl -w "@curl-format.txt" -o /dev/null -s "https://平台域名/v1/messages" 测 TTFT	决定延迟与是否需要代理

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

curl https://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

参数	推荐值	作用
ANTHROPIC_BASE_URL	中转域名（例：灵眸AI 的 api。lmuai。com）	替换默认 https://api.anthropic.com
ANTHROPIC_AUTH_TOKEN	平台 API Key	Bearer 鉴权 token
API_TIMEOUT_MS	300000（5分钟）	防止长任务（多文件读 + 长推理）被中途超时切断
CLAUDE_CODE_ATTRIBUTION_HEADER	"0"	关闭 commit/PR 自动署名；同时提升上下文哈希一致性，缓存命中率更高
effortLevel	"medium"	控制推理深度，medium 比 high 节省 20-30% 推理 token

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）

场景	推荐模型	理由
日常 Bug 修复、小重构	deepseek-v4 / qwen3.6-plus	单价低 1 个数量级，速度快
跨文件大型重构、架构设计	Claude Opus 4.8	长上下文 + 推理深度优势明显
文档生成、注释补全	deepseek-v4-flash	极低成本
测试代码生成	Claude Sonnet 4.6	平衡推理与成本

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。