这个免费代理让你不用花钱就能用Claude Code工具，它把请求转到别的免费或本地模型上，但效果会打折扣。
Claude Code是Anthropic公司出的AI编程助手，厉害是真厉害，但贵也是真贵。你要是用得狠，一个月花一千多美金就跟玩儿似的。
这时候有人坐不住了，搞了个免费版出来，叫Free Claude Code。GitHub上七千三百多颗星，看着特别火。但别急着高兴，我先跟你说清楚：这东西不是魔法，它有代价。
这个工具本质上是个代理，就像一个电话总机。本来你打电话给Claude，现在这个总机把你的电话转给别人了。你用的软件界面没变，但背后跟你聊天的人换了。这就像你去麦当劳点了份汉堡，结果后厨把隔壁沙县的肉夹馍端给你了。样子像，但味儿不对。
先搞懂你到底在用什么
很多人看到免费两个字就上头了。但你得先弄明白Claude Code是啥。它是一个能看懂你整个代码仓库的AI助手，你可以在终端里跟它聊天，让它帮你写代码、改bug、重构项目。它就像个超级聪明的程序员坐在你旁边。
正常用法是你得付钱给Anthropic公司，按使用量收费。要是你天天用它，一个月账单轻轻松松过一千美金。这钱对个人开发者来说挺肉疼的。
然后就有大神出手了。他写了个代理程序，把你的请求截住，然后转到别的地方去。别的地方是哪儿呢？可能是英伟达提供的免费接口，虽然每分钟只能问四十次。也可能是OpenRouter上的免费模型，或者DeepSeek的直连接口。甚至你可以完全在本地跑模型，一分钱不花。
但问题来了。你本来用的是Claude这个大牛，现在换成了别的模型。这些模型聪明程度不一样，有的甚至不太会调用工具。打个比方，Claude Sonnet 3.5像个熟练工，能自己判断什么时候该查文档、什么时候该改代码。但免费的那些模型，有些就像刚入行的实习生，你让它改个文件，它可能直接给你输出一堆文本，而不是真的去改。
所以这个代理的作者写了个额外的解析器。它的作用是强行从模型的回答里猜你想要干啥。比如模型说“我想改那个文件”，解析器就去把这句话翻译成真正的改文件操作。但这玩意儿不靠谱，经常猜错。
准备工作：你需要哪些东西
在你动手之前，先把东西备齐。
首先你需要一个能跑Python的电脑。不管是Windows、Mac还是Linux都行。你得装好Python，版本要在3.10以上。然后装一个叫uv的工具，这是个超级好用的Python包管理器。你可以在命令行里敲一行命令就能装上它。
然后你要决定用哪个免费的模型来源。我给你的建议是，新手先从英伟达的NIM免费层开始。为啥呢？因为它最简单，不用搞什么信用卡验证，注册个账号就能用。而且它每分钟四十次的限制，对个人试验来说够用了。关键是它的模型质量在免费里面算好的。
如果你是个隐私狂魔，啥都不想传到网上去，那就选本地模型。你需要装LM Studio或者llama.cpp。这两个工具能让你在自己电脑上跑模型。好处是彻底免费、完全离线，坏处是你电脑得够强。至少得有十六个G的内存，最好有个独立显卡，不然模型跑起来能把你电脑卡成幻灯片。
另外你还得把Claude Code本身装上。这个东西官方是收费的，但它的命令行工具可以免费下载。你只需要去装它的CLI，不用给钱。因为我们后面会用代理骗过它，让它以为自己连的是Anthropic。
最后你要准备一个命令行终端。Windows用户可以用PowerShell，Mac用户用终端就行。别害怕敲命令，我会一句一句告诉你敲啥。
开始动手安装代理
好，现在咱们来真的了。打开你的终端，敲下面的命令。这几步是把这个代理程序从GitHub上拽下来。
先装uv工具。如果你用的是Mac或者Linux，敲这个：
curl -LsSf https://astral.sh/uv/install.sh | sh
如果你是Windows用户，敲这个：
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
装完了之后，你需要把代码仓库克隆下来。找个你喜欢的文件夹，比如桌面或者文档目录。然后敲：
git clone https://github.com/joshuakirsch/free-claude-code.git
等它下载完，进到文件夹里：
cd free-claude-code
然后用uv装所有依赖：
uv sync
这步可能会花个一两分钟，因为它要下载一堆Python包。别着急，去泡杯茶等会儿。
装完之后，你要复制一份配置文件。配置文件就像个地图，告诉代理去哪儿找模型。敲这个：
cp .env.example .env
现在你要编辑这个.env文件。用记事本或者VS Code打开它。里面有好多配置项，但别慌，你只需要改几行。
找到这一行：
PROVIDER=NVIDIA_NIM
把它前面的井号去掉。井号在配置文件里表示注释，去掉它就表示启用。
然后找到NVIDIA_NIM_API_KEY这一行，把它前面的井号也去掉，等号后面填你自己的密钥。怎么拿密钥呢？去英伟达的官网注册个账号，进到他们的NIM页面，点右上角的Get API Key，复制那一长串字符就行。
如果你选本地模型，那PROVIDER就改成LM_STUDIO或者OLLAMA，具体看你在用哪个。但新手我强烈建议先用英伟达的，省事儿。
启动代理和配置环境变量
配置改好了，现在启动代理。在你的终端里，确保你在free-claude-code文件夹里，然后敲：
uv run python -m free_claude_code
你会看到一堆输出，最后有一行说“Starting proxy on :8082”。这就表示代理跑起来了，它在监听你电脑的八千零八十二号端口。
现在别关这个终端窗口，因为它要一直运行。打开一个新的终端窗口，我们来设置两个关键的环境变量。这两个变量是骗过Claude Code的关键。
第一个变量告诉Claude Code把请求发到哪儿。正常情况它发到Anthropic的服务器，现在我们要让它发到我们的代理。敲这个：
export ANTHROPIC_BASE_URL=http://localhost:8082
如果你是Windows的PowerShell用户，敲的是：
$env:ANTHROPIC_BASE_URL="http://localhost:8082"
第二个变量是认证用的。正常情况你得填真实的Anthropic密钥，但代理不需要真的密钥，你随便填个假字符串就行。因为代理自己会忽略它，然后用你配置的免费模型来回答。敲这个：
export ANTHROPIC_AUTH_TOKEN="fake-key-please-ignore"
Windows PowerShell用户敲：
$env:ANTHROPIC_AUTH_TOKEN="fake-key-please-ignore"
这两个环境变量设好了之后，你在这个终端里敲任何命令，Claude Code都会被骗到代理上去。注意哦，只有在这个终端窗口里有效，关了就没了。所以你要一直保留这个窗口。
正式运行Claude Code
现在重头戏来了。还是在刚才设了环境变量的那个终端里，你要运行Claude Code。如果你还没装它的命令行工具，先装一下。但注意，装的时候它可能会问你要不要登录，你直接跳过。
敲这个命令启动Claude Code：
claude
它第一次运行会问你要API密钥。这时候你千万别填真的，就填我们刚才设的那个假密钥：fake-key-please-ignore。它还会问你要不要发数据给Anthropic，选no就行。
然后你就进到了一个交互式界面。你可以试着问它一个简单问题，比如“请告诉我当前目录下有哪些文件”。它就会通过代理去问英伟达的免费模型，然后把答案返回来。
你可能会发现有点慢。不像正常Claude Code那样秒回。这是因为免费模型的计算资源有限，而且中间还多了一层代理转发。正常，别嫌慢，白嫖嘛。
如果你看到它返回了正常的答案，恭喜你，成功了。你现在可以用它来做一些简单的任务了。比如让它帮你重命名文件、写一小段代码、解释某个函数是干嘛的。
但我要提醒你，别一上来就让改整个项目。先从小任务开始，测试一下它的能力边界。比如你先让它写个打印Hello World的Python脚本，看看它能不能真的创建文件并写入内容。
有时候你会发现它像个耳背的老大爷。你跟它说“帮我创建一个叫test.txt的文件里面写123”，它可能给你回复一大段文字说“好的我现在来做”，但实际上啥也没干。这就是工具调用出问题了，那个启发式解析器没猜对你的意图。
这时候你别着急。你可以换种说法，比如直接说“请执行命令echo 123 > test.txt”。把它当成一个不太聪明的助手，指令越具体越好。
深入配置：让不同模型干不同活儿
这个代理有个挺牛的功能，就是你能给不同级别的Claude模型指定不同的后端。啥意思呢？Claude Code自己会根据任务复杂度选不同模型。简单任务用Haiku，中等用Sonnet，最难最费钱的用Opus。
正常情况下，你付钱就都走Claude的服务。但现在白嫖版里，你可以配置让Haiku的请求走最便宜的免费模型，让Opus的请求走好一点的模型。虽然还是比不上真的Opus，但至少能合理分配资源。
怎么配置呢？还是在.env文件里。找到MODEL_MAPPING这一行。默认可能是空的，你可以改成这样：
MODEL_MAPPING='{"opus": "nvidia/llama-3.1-405b-instruct", "sonnet": "nvidia/llama-3.1-70b-instruct", "haiku": "google/gemma-2-9b-it"}'
这里的意思就是说，当Claude Code想用Opus的时候，代理就去找英伟达最大的那个模型。想用Sonnet的时候，就找个中等大小的。Haiku就用个最小的快速模型。
但你要注意，这不是真的映射得一模一样。因为各家的模型能力不一样，英伟达的模型再大也不是真正的Claude Opus。这就像你用宝马的发动机装在奥拓车壳子里，跑起来肯定不是那味儿。
还有一点很关键，你要确保你选的免费提供商有这些模型。英伟达的NIM免费层不一定支持所有模型，有些得申请或者付钱。OpenRouter上免费模型多一些，但质量参差不齐。
我建议你刚开始别搞这么复杂，就用一个默认模型全都走同一个后端。等你把基础的东西摸透了，再折腾这些高级配置。不然到时候出问题了，你都不知道是哪个环节崩了。
本地模型玩法：彻底不联网
如果你是个特别注重隐私的人，或者你住的地方网络不好，或者你就是喜欢折腾，那本地模型这条路适合你。
本地模型就是在你自己的电脑上跑一个AI模型。好处是你问的所有代码、你的整个项目都不会传到任何服务器上，完全在你硬盘里转悠。坏处是你的电脑得够猛。
最方便的本地方案是用LM Studio。先去LM Studio官网下载安装包，装上之后打开软件。在里面搜索下载一个模型，我推荐试试Llama 3.2 3B或者Qwen2.5 7B。七点七B的模型需要大概八个G的内存，如果你的电脑只有十六个G内存，跑起来电脑会变得有点卡。
下载完模型后，在LM Studio里点那个本地服务器图标，启动API服务。默认端口是1234。你需要在代理的.env文件里把PROVIDER改成LM_STUDIO，然后把LM_STUDIO_BASE_URL改成http://localhost:1234。
然后重启代理。这时候你再去问Claude Code问题，它就会变成访问你本地的模型了。
但你要有心理准备，本地小模型和云端的大模型比起来，智商差距挺明显的。比如你让它理解一个复杂的嵌套函数，它可能答非所问。你让它重构一个有几十个文件的代码仓库，它直接卡住或者胡说八道。
所以本地模型适合干些简单的活儿。比如批量重命名文件、查找某个字符串在哪个文件里、生成一个简单的配置模板。别指望它能帮你解复杂的算法题或者理解业务逻辑。
还有一个小技巧，你可以试试llama.cpp。这玩意儿比LM Studio更底层，装起来麻烦一点，但跑起来内存占用更少。它的llama-server可以模拟Anthropic的API格式，代理直接就能用。但对于初二水平的同学，我建议先用LM Studio，图形界面，点点鼠标就行。
踩过的坑全都告诉你
好，现在到了我最想说的部分。这些坑都是我摔过跟头总结出来的，你记住它们能少走好几天弯路。
第一个大坑，也是最容易坑人的：模型不会用工具。Claude Code之所以强大，是因为它特别擅长调用各种工具，比如读文件、写文件、执行命令、搜索代码。但是免费模型基本都不咋会。英伟达的还好一点，DeepSeek的凑合，OpenRouter上的免费小模型基本就是睁眼瞎。
你让它帮你改个文件，它可能输出一堆文字像这样：“好的，我现在需要用write_to_file工具来修改，我会传入以下参数...” 但实际上啥也没发生。这时候那个启发式解析器会尝试去猜，但猜对的概率大概七成左右。也就是说你三次里有两次能成功，一次会失败。
解决办法就是你得把任务拆得特别特别细。不要让它自己判断用啥工具，你直接告诉它具体命令。比如你别说“帮我修复这个bug”，你说“请执行命令grep -n error app.py”。把它当成一个只能执行文本命令的终端，别把它当智能助手。
第二个坑是免费额度说没就没。你今天用英伟达用得好好的，明天可能就发现返回错误提示说你没额度了。这不是你设置错了，是英伟达那边调整了政策。或者OpenRouter上的某个免费模型突然下架了。
这时候你只能换提供商。比如从英伟达切到DeepSeek，或者去OpenRouter上找另一个免费模型。所以别把你整个开发流程都绑死在这个免费代理上。可以玩玩，但重要的项目你得有备用方案。
第三个坑跟数据隐私有关。很多同学觉得我用了免费代理是不是就安全了？不是的。恰恰相反，原来你的数据只经过Anthropic，现在你选择了别的提供商，比如英伟达或者DeepSeek，你的代码、你的提示词、你的整个对话都会经过他们的服务器。
你得去读他们的隐私政策。有些提供商可能会把你的数据拿来训练模型，有些可能会保留很久。如果你写的是公司代码、商业项目、或者任何敏感的东西，千万别用免费代理。老老实实付钱给Claude，或者用完全离线的本地模型。
第四个坑是配置的时候容易搞混。很多人设了环境变量，但忘了在当前终端生效。或者改了.env文件但忘了重启代理。或者把API密钥填错了地方。
我的建议是你每做一步就测试一下。先单独测代理能不能访问你的模型提供商。你可以用curl命令发个简单的请求看看。然后再把Claude Code搭上去。分步测试比到最后全搞完了发现不能用再回头排查要省时得多。
还有个坑是关于版本兼容性的。Claude Code自己会更新，有时候API格式变了。这个代理项目不一定能跟得上。你可能某天发现突然不能用了，去GitHub上一看，别人也遇到了同样的问题，等着作者修。
所以如果你真要长期用，最好是固定Claude Code的版本，不要让它自动更新。或者你去Fork这个代理项目，自己维护。但对于普通用户来说，这就是个玩具，别太当真。
什么时候值得用这个免费代理
聊了这么多坑，你可能会想，那这破玩意儿到底有啥用？其实它有几个明确的适用场景。
最值得用的时候是你在摸鱼学习。比如你刚开始学Python，想找个AI帮你解释代码、出练习题、检查作业。这种场景下，模型笨一点反而好，因为它会逼你自己多思考。而且你的代码也不值钱，就几个练习文件，泄不泄露无所谓。
第二个场景是你在野外没网。比如你在长途飞机上，或者去山里头露营突然想写代码。这时候你提前搭好本地模型，完全离线运行，Claude Code的界面照常工作。虽然模型傻了点，但比什么都没有强。总能在没网的时候帮你查查语法、补全个括号。
第三个场景是你的项目真的不敏感，你又不想花钱。比如你在折腾一个开源的个人博客，写写Markdown文件，改改CSS样式。这些内容本来就是公开的，你用免费代理去改，泄露了也没损失。而且任务简单，模型不太可能出错。
最后一个场景是你想试试不同模型的能力对比。你可以用这个代理快速切换背后的模型，看看英伟达的Llama和DeepSeek的V3哪个更懂你的代码。这对于做技术选型或者写评测文章特别有用。
但千万记住，别用在你需要担责任的地方。如果你在给客户写代码、在公司参与项目、或者你的软件会发布到应用商店让人下载，那请付钱用真的Claude。省下来的几百美金不够你赔一个生产事故的。
付费方案其实不贵
说到付钱，我顺便给你算笔账。很多人一听Claude Code一个月能用掉一千多美金就吓跑了，但那是在极端重度使用的情况下。比如你每秒钟都在问问题，每次都传几万个文件。正常人根本用不到那个量。
实际上Anthropic有更便宜的方案。你花二十美金一个月开个Claude Pro会员，这里面就包含了Claude Code的使用额度。如果你用得多，还可以上Max会员，一百到两百美金一个月，完全敞开用。
对于绝大多数个人开发者和学生来说，二十美金一个月真的不贵。你少喝几杯奶茶，少买两个游戏皮肤，就有了一个能帮你写代码、改bug、解释框架的顶级AI助手。你的时间难道不值这二十美金吗？
而且当你用付费的Claude Code时，你得到的不仅仅是更聪明的模型。你还得到了稳定可靠的服务，不用担心额度突然没了，不用担心数据泄露，不用担心工具调用半天没反应。你问它个问题，几秒钟之内就能拿到靠谱的答案。
所以我的真实建议是：用免费代理来玩玩，来学习，来折腾。但如果你真想靠编程产出点什么值钱的东西，掏那二十美金。这和你愿意花几千块买台好电脑是一个道理，工具趁手，干活才爽。
最后给你捋一遍操作流程
我知道你看到这儿可能有点晕，信息量太大了。我再帮你把整个流程浓缩成几步，你照着做就行。
第一步，装uv和Python。第二步，下载Free Claude Code代码。第三步，复制并修改.env配置文件，选一个提供商比如英伟达NIM，填入免费API密钥。第四步，运行代理程序，保持它在后台跑着。第五步，新建终端窗口，设置两个环境变量指向本地代理的地址。第六步，在这个终端里运行claude命令，敲入假密钥。
如果一切顺利，你就会看到Claude Code的提示符，可以开始跟它聊天了。如果报错，检查你是不是忘了设环境变量，或者代理有没有真的在跑，或者API密钥是不是复制多了空格。
一旦你发现它干活不靠谱，比如改不了文件、老说一些废话、半天没反应，就降低你的期待。给它更简单的任务，用更直接的命令，或者干脆换个提供商试试。