CC Switch教程：免梯子连接国内大模型使用Claude Code

前言

Claude Code 作为 Anthropic 推出的强大 AI 编程工具，凭借出色的代码生成和项目管理能力受到开发者追捧。Anthropic 是由前 OpenAI 研究副总裁 Dario Amodei 等人于 2021 年创立的 AI 安全公司，其 Claude 系列模型在代码生成、长文本理解等任务上持续位居行业前列。然而，由于地区限制，部分用户无法直接访问和使用该工具。本文介绍一个实用方案——通过 CC Switch 工具，无需注册 Claude 账号、无需科学上网，即可将 Claude Code 连接到 DeepSeek^广告、Kimi、小米 Mimo、GLM 等国内大模型，既省钱又实用。

CC Switch 方案原理与工具准备

核心思路

这个方案的核心是利用 CC Switch 作为中间路由层，将 Claude Code 的请求转发到国内大模型的 API 接口。其工作原理类似于网络中的反向代理（Reverse Proxy）：在传统架构中，Claude Code 客户端会直接向 Anthropic 的 API 服务器发送请求，服务器返回模型推理结果。CC Switch 介入后，它在本地监听 Claude Code 的 API 请求，拦截这些请求并将其重新封装为目标大模型（如 DeepSeek）所兼容的 API 格式，再转发到对应的国内模型服务端点。这种「协议转换+请求转发」的模式在 AI 工具链中越来越常见，类似的项目还有 one-api、LiteLLM 等开源网关，它们都致力于统一不同大模型厂商的 API 接口差异，让上层应用无需关心底层模型的具体实现。

这样你可以享受 Claude Code 优秀的交互界面和工程化能力，同时使用国内大模型的推理能力，避免了注册和网络访问的限制。

Claude Code 的工程化能力

Claude Code 之所以受到开发者青睐，不仅因为其背后模型的代码生成质量，更在于其完善的工程化设计。它内置了文件系统感知能力，能够读取项目目录结构、理解文件间的依赖关系；支持多轮对话上下文管理，可以在一个会话中持续迭代代码；还具备命令执行能力，可以直接在终端运行构建、测试等命令。这些能力的组合使其从单纯的「代码补全工具」升级为「AI 编程代理（Coding Agent）」。即使底层模型替换为国内大模型，这些工程化框架能力依然保留，这正是本方案的价值所在。

需要安装的两个软件

Claude Code：分为桌面端和命令行（CLI）两种模式
CC Switch：负责路由转发，将请求导向国内大模型

重要提示：建议先安装 Claude Code，再安装 CC Switch，避免配置被覆盖等问题。

Claude Code 桌面端安装与配置

桌面端安装步骤

Claude Code 桌面端提供 macOS、Windows（ARM/x86）等版本。在受限地区，官网可能无法直接下载安装包，因为安装过程需要联网下载主体包。解决方法是提前获取完整安装包，离线完成安装。

安装完成后首次启动，界面会显示空白——这是正常现象，因为无法连接到 Anthropic 官方服务器。

因为我在受限地区是连不到网的

CC Switch 配置教程

CC Switch 是一个轻量级工具（仅约 12MB），提供便携版免安装，解压即用。配置步骤如下：

解压 CC Switch 并运行，将其固定在系统状态栏
切换到「桌面版模式」（界面顶部可切换 CLI 模式、桌面版模式、OpenAI Codex、Gemini CLI 等）
点击右上角加号，选择要添加的大模型（如 DeepSeek）
填入对应的 API Key

API Key 获取方式以 DeepSeek 为例：进入 DeepSeek 开放平台（platform.deepseek.com），登录后在「API Key」页面创建并复制即可。DeepSeek 开放平台对新用户通常提供一定额度的免费 token，足够进行初步体验和测试。

这里要注意了

关键设置说明

在 CC Switch 主界面顶部开启「路由」开关
进入设置 → 路由，勾选第一个选项
点击「Claude Code」选项：macOS 用户必须打开对应开关，Windows 用户可以不开
如需开启开发模式：Help → Enable Developer Mode → 重启后在 Developer 菜单中查看配置文件

配置完成后重新打开 Claude Code 桌面端，即可成功连接，界面会识别到 DeepSeek 的模型选项。

Claude Code 命令行模式安装

Claude Code CLI 模式从 GitHub 下载，提供 Linux 和 Windows 版本，macOS 则通过 npm 安装（需要先安装 Node.js）。npm（Node Package Manager）是 JavaScript 生态中最主流的包管理工具，macOS 用户可以通过 Homebrew 执行 brew install node 快速安装 Node.js 及其自带的 npm。

Windows 用户下载对应架构的压缩包，解压后双击运行。首次运行同样会闪退（无法连接官方服务器），此时回到 CC Switch 的 CLI 模式页面添加大模型和 API Key 即可。

然后第一个是主题

再次启动 CLI 模式后，依次完成：

选择主题（默认黑暗模式）
确认工作目录
选择文件读写权限（选 4 即可）

进入对话界面后，使用体验与桌面端一致。

实战测试：用国内大模型生成五子棋游戏

桌面端测试效果

在桌面端创建一个新项目文件夹「五子棋」，设置权限为「总是允许」（免确认直接写代码），然后输入指令让 AI 完成一个网页版五子棋小游戏。

DeepSeek 经过思考后，在目录中生成了一个 HTML 文件，双击即可在浏览器中运行。实测游戏功能正常，包含胜负判定、落子限制等基本逻辑。五子棋虽然规则简单，但完整实现需要处理棋盘渲染、交替落子、四个方向（横、竖、两条对角线）的连珠检测、边界判断以及平局处理等多个逻辑模块，是检验 AI 代码生成能力的经典测试用例。

总共消耗40万token

整个过程消耗约 40 万 token。Token 是大语言模型计费的基本单位，可以粗略理解为文本的最小处理片段——对于中文，一个汉字通常被编码为 1-3 个 token；对于代码，变量名、关键字、符号等各占不同数量的 token。40 万 token 的消耗包含了输入（用户指令+上下文）和输出（模型生成的代码）两部分，对于一个完整的小游戏来说并不算多。

CLI 模式测试效果

同样的任务在 CLI 模式下执行，生成的五子棋游戏界面风格不同（随机性），但功能同样完整，甚至视觉效果更好看一些。这种输出差异源于大语言模型的采样机制——即使输入相同的 prompt，模型在生成过程中的随机采样（由 temperature 参数控制）会导致每次输出略有不同。

使用成本对比

两个五子棋游戏总共花费仅 0.17 元人民币，相当经济实惠。以 DeepSeek API 当前定价为例，输入约 1 元/百万 token，输出约 2 元/百万 token（缓存命中时更低），这解释了为何两个完整游戏项目总计仅花费 0.17 元。相比之下，Claude 3.5 Sonnet 的官方 API 输入价格为 3 美元/百万 token、输出 15 美元/百万 token，同样任务的成本可能高出数十倍甚至上百倍。使用国内大模型的成本优势非常明显。

CC Switch 支持的平台与模型一览

CC Switch 不仅支持 Claude Code，还兼容多个 AI 编程工具：

平台	支持模型
Claude Code（桌面端/CLI）	DeepSeek、智谱GLM、小米Mimo、Kimi 等
OpenAI Codex	多种大模型
Gemini CLI	部分模型 + 自定义配置（支持 Ollama 本地部署）

国内主流大模型代码能力简析

文中涉及的几个国内大模型各有特色。DeepSeek-V3/R1 系列在代码生成和数学推理方面表现突出，其 MoE（Mixture of Experts，混合专家）架构在保持高性能的同时大幅降低了推理成本，这也是其 API 价格极低的技术原因。智谱 GLM-4 系列具备较强的中文理解和代码能力，背靠清华技术团队。小米 Mimo 是小米自研的代码大模型，专门针对编程场景优化。Kimi（月之暗面）则以超长上下文窗口著称，适合处理大型代码库的理解任务。在 SWE-bench 等代码评测基准上，DeepSeek 和 GLM 的最新版本已接近 GPT-4 级别，用户可根据具体任务特点灵活选择。

Ollama 本地部署选项

CC Switch 支持 Ollama 本地部署，这为隐私敏感场景提供了另一种选择。Ollama 是一个开源的本地大模型运行框架，支持在个人电脑上运行 Llama、Qwen、DeepSeek 等开源模型的量化版本。通过 Ollama，用户可以在完全离线的环境中使用 AI 编程能力，代码不会离开本地机器。不过本地部署对硬件有一定要求：运行 7B 参数模型至少需要 8GB 显存，而要获得接近云端 API 的效果，通常需要运行 32B 以上参数的模型，对应至少 24GB 显存的 GPU。

此外，CC Switch 还提供「统一供应商」功能，通过一个 API Key 在多个智能体之间切换，适合企业内部统一管理场景。

总结与使用建议

这个方案的核心价值在于：

零门槛：无需 Claude 账号，无需科学上网
低成本：使用国内大模型 API，费用极低（实测不到两毛钱）
体验完整：保留了 Claude Code 的完整交互体验和工程化能力
灵活切换：支持多种国内大模型，可根据任务特点选择

需要注意的是，国内大模型在代码能力上与 Claude 3.5/4 仍有差距，复杂项目的效果可能不如原版。具体而言，在涉及大型代码库重构、跨文件依赖分析、复杂架构设计等高阶任务时，Claude 原生模型的优势更为明显；而在单文件代码生成、脚本编写、算法实现等相对独立的任务中，国内大模型已经能够提供相当不错的体验。但对于学习体验、轻量级开发任务来说，这个方案性价比极高，值得一试。