纯个人实操分享，无任何商业推广，所有步骤均为本人亲测可落地，整理出来给同样有需求的朋友避坑。 最近身边很多用 Claude Code 写代码、做开发的朋友，都在问怎么接入国产大模型。要么是做国内业务需要合规的数据处理，要么是国产模型在中文场景、本土开发规范的适配更贴合，还有就是长上下文处理、特定领域代码生成的表现很亮眼。 我自己前后花了两天时间，把主流的国产模型都踩坑测试了一遍，终于摸透了完整的配置逻辑 —— 核心其实非常简单：Claude Code 原生支持 OpenAI 兼容格式的 API 接入，只要国产模型提供了兼容接口，就能无缝配置使用，不用复杂的二次开发，小白也能跟着操作。 一、前置准备（必看，少一步都可能失败） 升级 Claude Code 到最新版本，旧版本对自定义模型的兼容有已知 bug，尤其是上下文传递、函数调用的支持会出问题； 提前在对应模型的官方开放平台，申请好 API Key 并开通对应模型的调用权限（个人用户基本都有免费体验额度，按需开通即可，这里不做任何平台推荐，大家根据自己的需求选择）； 确保本地网络能正常访问对应模型的 API 接口，这是很多人连接失败的核心原因，配置前可以先用 curl 命令本地测试接口连通性。 二、通用配置入口（所有模型通用，先记好） 所有国产模型的配置，都从这个入口进入，提前给大家统一讲清楚，后面就不重复赘述了： 打开 Claude Code → 左下角找到「设置」→ 切换到「模型」选项卡 → 下拉找到「添加自定义模型」→ 接入方式选择「OpenAI 兼容格式」，之后填入对应模型的参数，保存并测试连接即可。 三、各主流国产模型详细配置参数 下面是我亲测有效的参数，全部核对过官方最新文档，避免大家踩地址填错、模型名写错的坑，直接复制粘贴就能用。 1. 字节跳动 豆包大模型 API Base URL：https://ark.cn-beijing.volces.com/api/v3 模型名称：官方支持的全系列模型，常用的有 doubao-pro-32k、doubao-lite-4k、doubao-pro-128k 等，以官方文档最新名称为准 鉴权方式：默认 Bearer Token，直接粘贴申请好的 API Key 即可 亲测避坑：API Key 需在火山引擎方舟平台申请，务必先开通对应模型的调用权限，接口仅支持北京区域，不要填错地域节点 2. 腾讯 混元大模型 API Base URL：https://api.hunyuan.cloud.tencent.com/v1 模型名称：常用 hunyuan-pro、hunyuan-lite、hunyuan-code 等，代码场景推荐专用代码模型 鉴权方式：Bearer Token，填入腾讯云控制台申请的 API Key 亲测避坑：需要先在腾讯云控制台开通混元大模型服务，开启 API 调用权限，子账号需要额外配置对应接口的访问策略 3. 阿里 通义千问 API Base URL：https://dashscope.aliyuncs.com/compatible-mode/v1 模型名称：常用 qwen-max、qwen-plus、qwen-turbo、qwen-long 等 鉴权方式：Bearer Token，填入阿里云百炼控制台的 API Key 亲测避坑：必须用兼容模式的 Base URL，不要填原生的 dashscope 接口地址，否则会一直报连接失败，这是最多人踩的坑 4. 智谱 AI 智谱清言（GLM） API Base URL：https://open.bigmodel.cn/api/paas/v4 模型名称：常用 glm-4-plus、glm-4-air、glm-3-turbo、glm-4-long 等 鉴权方式：Bearer Token，填入智谱开放平台申请的 API Key 亲测避坑：务必使用 v4 版本接口，旧版 v3 接口兼容度不足，会出现上下文丢失、函数调用异常的问题 5. 月之暗面 Kimi（很多朋友简写为 kim） API Base URL：https://api.moonshot.cn/v1 模型名称：常用 moonshot-v1-8k、moonshot-v1-32k、moonshot-v1-128k 等 鉴权方式：Bearer Token，填入 Kimi 开放平台申请的 API Key 亲测避坑：长上下文模型使用时，建议同步调整 Claude Code 的上下文窗口限制，避免出现请求截断、内容丢失的情况 四、90% 的人都会踩的通用避坑指南 这些都是我一个个踩出来的经验，配置前先看一遍，能省至少几个小时的试错时间： 接口地址必须精准：少一个 /v3、多一个末尾斜杠、写错字母大小写，都会直接导致连接失败，建议直接从官方文档复制最新的兼容接口地址，不要手动输入； 权限优先排查：测试连接报 403 错误，90% 的情况不是配置错了，而是 API Key 没有开通对应模型的调用权限，先去控制台核对权限开通状态； 模型名称不能错：必须和官方文档里的模型名完全一致，包括横线、大小写、版本号，哪怕错一个字符，都会报「模型不存在」的错误； 网络优先排查：连接超时的情况，先在本地用 curl 命令测试接口是否能通，排除网络防火墙、代理的问题，不要反复修改配置做无用功； 功能兼容注意：部分国产模型的函数调用、工具调用能力，需要单独开通权限，使用前先核对模型是否支持对应功能，避免出现功能异常。 五、个人主观使用体验（纯个人感受，无任何推荐） 最后简单说下我自己的使用感受，完全是基于日常开发场景的主观体验，不吹不黑，大家按需参考。 整体来说，国产模型在中文开发场景的适配，确实有天然的优势。比如写国内合规的业务代码、生成中文代码注释、适配国内的开发框架和行业规范，理解速度和准确率都很贴合本土开发者的习惯。 代码能力上，各家各有侧重：比如混元在 C++、游戏开发相关的代码生成上表现很稳定；豆包在前端开发、小程序、国内云服务相关的代码适配很顺滑；千问在 Python 数据分析、大数据处理场景的表现很亮眼；智谱在算法代码、学术相关的代码注释和逻辑拆解上很细致；Kimi 的长上下文能力，处理整个项目的代码文档、大段源码解读的时候，基本不会出现信息丢失的情况。 合规性方面，如果是做国内的企业级项目、ToB 业务，用国产模型的话，数据不出境，也更符合国内的等保要求和数据合规规范，这也是很多团队选择接入的核心原因。 总的来说，整个配置流程并不复杂，核心就是抓住「OpenAI 兼容接口」这个核心逻辑，只要模型提供了对应的兼容格式，基本都能无缝接入 Claude Code。大家可以根据自己的开发场景、额度情况，选择适合自己的模型。 如果大家配置过程中遇到了其他坑，也可以在评论区交流，我知道的都会回复。