独立开发者 Alishahryar 维护的 free-claude-code 仓库在 5 月 21 日的 Star 数突破 26k，成为本周开源榜上传播最猛的”逆向”工具。它本质上是一个 FastAPI 写的本地代理：把 Claude Code 客户端发给 Anthropic 的 /v1/messages 请求拦下来，转发给十七家 OpenAI 兼容的第三方推理后端——NVIDIA NIM、Groq、Cerebras、DeepSeek、Mistral、Z.ai、Kimi、Fireworks、Ollama、LM Studio、llama.cpp 等都在内。
一个代理解决一件具体问题
痛点很直接：Claude Code CLI 本身没有官方的 model picker 切换到第三方模型的能力，开发者要用 DeepSeek 或本地 Ollama 跑同样的 agent 工作流，过去要么自己魔改客户端，要么完全放弃 Claude Code 的工具体系。free-claude-code 的设计是把客户端协议保持稳定不动——Claude Code 看到的还是 Anthropic Messages API——但底层把请求转译成各家自己的协议。
仓库 README 列出的 17 家提供商可以分成三类：纯 OpenAI Chat Completions 兼容（NVIDIA NIM、Groq、Cerebras、Mistral、OpenCode Zen 等）、Anthropic Messages 兼容（DeepSeek、Wafer、Kimi、Z.ai、Fireworks）、本地推理（LM Studio、llama.cpp、Ollama）。每种走的转译路径不同，仓库 core 目录里把这三套适配层抽得很清楚，加新提供商主要是继承一个 transport 类。
三个工程细节
第一是分级路由。Claude Code 内部按 Opus/Sonnet/Haiku 三个 tier 调用模型，free-claude-code 让用户为每个 tier 单独指定一个目标——比如 Opus 走 NVIDIA NIM 上的 Kimi-K2.5，Sonnet 走 OpenRouter 的 DeepSeek free 槽，Haiku 走本地 LM Studio。这样既能拿便宜模型扛体量，又能在关键路径上换更强的模型。
第二是 thinking block 的兼容。Claude Code 的 reasoning 流默认走 Anthropic 的 thinking 块协议，OpenAI 兼容后端则用 reasoning_content 字段。仓库在转译层做了双向映射，让 Claude Code 的”思考”显示在 OpenAI 兼容流上不丢内容。这是一个细节，但决定了 reasoning 模型用起来是否顺手。
第三是本地优化。仓库给一些 Claude Code 频繁发的小请求（model 列表、token 计数）做了本地短路应答，不走真实后端，省 quota 也省延迟。这种针对客户端发包模式做的针对性优化，在通用代理里见不到。
它能扛住多大规模真实使用
仓库自带的 admin UI 跑在 127.0.0.1:8082，所有 API key 都填在本地配置——不会上云，对担心 API key 流出的开发者算是基本防线。安装路径选了 uv 管理的 Python 3.14 环境，CI 强制 ruff、ty、pytest 三步检查通过，作者把这条流水线写进 contribution policy。仓库目前还没接 Docker，作者 Alishahryar 在 README 里直接写了”不要开 Docker 集成 PR”，意图是先稳定核心代理协议再考虑分发。
开发者关心的另一件事是 Claude Code 的 prompt 缓存能否在第三方后端复用。free-claude-code 目前不主动声称支持 prompt cache——这一项是 Anthropic 自家的功能，OpenAI 兼容路径上各家实现差距很大。换句话说，省了模型 token 费，但批量任务的缓存命中红利大概率拿不到。这是用第三方后端跑 Claude Code 工作流时绕不开的代价。
这条路是地下工程而不是替代方案
26k Star 在一个月内堆出来，说明开发者对”在 Claude Code 工作流里用便宜模型”的需求是真实的。但要清楚，这种代理路径长期不一定稳定——Anthropic 任何客户端协议升级都可能让转译层断裂；提供商的 free tier 也会随时收缩；prompt 缓存等关键性能优化无法跨家复用。把它当成探索期的工具用合适，比如在本地 Ollama 上跑长尾任务、在 Cerebras 上跑短上下文加速；把它当成 Claude API 的长期替代品就过于乐观。Alishahryar 自己在 README 顶部把工具定位写得很克制：”让你在终端里以你想要的方式选择免费、付费或本地模型”，没有承诺它能做到 Anthropic 全栈体验的等价物——这份克制比工具本身更值得借鉴。
参考链接：
