国内零成本使用Claude Code：配置与实战指南

Claude Code 是当前最受关注的终端 AI Agent 之一，不仅能写代码，还能处理文案和日常自动化任务。但国内用户普遍面临两个门槛：安装配置复杂，以及官方订阅成本高。B 站 UP 主「AI 编程小助手」发布了一期实操教程，演示如何通过国产开源模型 LongCat 免费接入 Claude Code，实现零成本使用。本文基于该视频内容，梳理关键步骤与背后逻辑。

为什么 Claude Code 值得一试

Claude Code 本质上是一个运行在终端里的 AI Agent。与普通对话模型不同，它能直接读写文件、执行命令、修改代码库，是「真刀真枪」的编程助手。正因如此，它对底层模型的 agent 能力要求很高——模型不能只靠「脑子一热」生成代码，否则容易引入大量 bug。

UP 主指出，Claude Code 的使用场景不限于开发，还包括写文案、操控电脑处理繁杂的日常工作。这也是它被称为「最火 AI Agent 工具」的原因。

AI Agent（智能体）与大语言模型的核心区别在于「行动能力」。普通对话模型只能生成文本，而 Agent 能够调用外部工具、读写文件系统、执行终端命令，并根据执行结果反馈调整下一步动作，形成「感知—决策—执行」的闭环。Claude Code 正是把这种能力封装进终端环境，因此它要求底层模型具备稳定的多步推理与工具调用（function calling）能力。模型若缺乏 agent 训练，容易在长链路任务中产生幻觉式命令或破坏性操作，这也是为什么评测 Agent 工具时常关注「任务完成率」而非单纯的语言质量。

两种安装方式：命令行与 IDE 插件

视频中将安装方式分为两派。第一种是原生的 CLI 命令行方式，以 Windows 为例：打开 PowerShell，粘贴安装命令，等待完成。但此时还不能直接使用，因为环境变量中缺少 Claude Code 的安装路径。需要进入用户环境变量的 Path 项，新增 Claude Code 所在目录，重启 PowerShell 后即可调用。

第二种是通过 IDE 插件安装。所有基于 VS Code 开发的 AI 编程工具——国外的 Cursor，国内的 Trae、Coder、CodeBuddy 等——都可以在插件市场搜索并安装 Claude Code，安装后在软件内打开即可。对不熟悉命令行的用户来说，这条路径更友好。

核心环节：用 LongCat 替代官方订阅

安装只是第一步，配置大模型 API 才是关键。如果有 Claude 官方账号并订阅付费套餐，按提示网页登录授权即可。但 UP 主估计「99% 的小伙伴都没有」官方订阅，因此重点演示了替代方案。

据视频介绍，美团推出的开源模型 LongCat Flash Thinking 2601 已适配 Claude Code，且目前免费，每人每天有相当多额度的 token 调用量。该模型拥有 5600 亿参数量，专攻 agent 智能体和深度思考能力。UP 主强调，LongCat 自带深度推理模式，动手前会先拆解复杂逻辑再生成代码，这一点对 Claude Code 这类需要实际改代码、跑终端的工具尤为重要。

配置步骤拆解

操作流程大致如下：打开 LongCat API 开放平台注册登录，可看到赠送的 50 万免费 token 额度，且每天刷新；还可点击申请更多额度，填写行业和使用场景后，UP 主称自己拿到了 500 万额度。随后在左侧 API Keys 菜单新建 key 并复制，再打开接口文档页面，官方已写明对接 Claude Code 的配置信息。

接下来打开用户目录下的 .claude 文件夹，编辑 settings.json，粘贴配置，将 key 替换为刚复制的值，模型名称统一改为 LongCat 的 flash thinking 版本。之后还需在用户目录找到 claude.json，在末尾新增一个配置项以跳过 Claude 官方登录认证——不加这项，它会一直要求登录官方账户。

最后在桌面创建项目目录，PowerShell 切换进去，运行 Claude 命令即可开始对话。UP 主演示时问模型「你是谁」，它回答是 Claude 官方模型，但实际上消耗的是 LongCat 的 token——API 平台已有消耗记录。

API Key 是调用大模型服务的凭证，本质是一串绑定账户与计费额度的密钥。Claude Code 本身不内置模型，而是通过兼容 Anthropic API 协议的端点转发请求，因此只要第三方模型平台提供相同协议格式的接口，就能「伪装」成官方后端。这类做法通常被称为 API 中转或协议兼容接入。需要注意的是，中转方式下请求会经过第三方服务器，对话内容与代码片段都会离开本地，涉及敏感数据时应评估隐私风险；同时 token 计费、限流与模型版本均由第三方平台控制，稳定性不等同于官方服务。

settings.json 与 claude.json 都是 Claude Code 的本地配置文件，通常位于用户主目录下的 .claude 目录中。前者主要承载运行时参数，例如模型端点地址（base URL）、API Key、默认模型名称等；后者则记录账户登录状态、项目历史与全局偏好等元信息。修改配置前建议先备份原文件，并确保 JSON 语法正确——多一个逗号或缺少引号都会导致工具启动失败。此外，不同版本的 Claude Code 对字段名称可能有所调整，升级后若出现认证或模型调用异常，应优先检查配置文件是否被覆盖或字段是否已废弃。

实战演示：用「反向提问」开发小工具

视频中最有意思的部分是开发一个待办事项网页工具。UP 主使用了一个技巧：不直接告诉模型要做哪些功能，而是让它反问自己，通过选择题确认需求。

模型思考后先问核心功能（可空格多选），再依次询问数据保存方式、界面风格和高级功能。选项不够时也可手动输入。需求确认后，模型全自动开发，很快完成了网页版待办工具，且此前确认的功能全部实现。这种「让 AI 问、你来选」的交互方式，降低了需求描述的门槛，也减少了反复修改。

网页端体验与适用边界

UP 主补充，LongCat 的 Flash Thinking 模型也可在官网网页端使用，且能更直观体验「重思考」能力：打开深度思考功能后，模型会调用 8 个思考者独立推理，再汇总结果，适合拆解复杂问题。

需要说明的是，以上信息来自单一 UP 主的视频演示，LongCat 的免费额度政策、模型名称与配置细节可能随平台更新而变化，建议以官方文档为准。对于想零成本体验 Claude Code 的国内用户，这条路径提供了一个可操作的起点，但在生产环境中使用前，仍需自行验证稳定性和数据安全边界。

「多思考者并行推理」属于推理阶段扩展（inference-time scaling）的一类实现：模型在给出最终答案前，先生成多条独立的推理路径，再通过汇总或投票机制合并结果。这种方式能提升复杂数学、逻辑与规划类任务的准确率，代价是消耗更多 token 与更长的响应时间。理解这一点有助于合理选择模式——日常简单问答无需开启深度思考，而需求拆解、架构设计等任务则更适合启用，以避免不必要的等待与额度消耗。