GitHub 飙升 21k Stars，最强免费 Claude Code 平替方案来了！

前去 https://build.nvidia.com/ 看一眼当前可选的最强模型即可——配置思路（Opus 最强 / Sonnet 错厂商 / Haiku 轻量）才是不会过时的部分。都在最新版本，全部免费跑（具体版本号请以 https://build.nvidia.com/ 实时上线为准——模型迭代很快、本文给的版本号大概率会过时）。——你下班路上、开会的时候、Discord 里发条消息让 Cl

Java基基

552人浏览 · 2026-05-09 11:55:51

Java基基 · 2026-05-09 11:55:51 发布

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑，欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料：

《项目实战（视频）》：从书中学，往事中“练”
《互联网高频面试题》：面朝简历学习，春暖花开
《架构 x 系统设计》：摧枯拉朽，掌控面试高频场景题
《精进 Java 学习指南》：系统学习，互联网主流技术栈
《必读 Java 源码专栏》：知其然，知其所以然

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目，前端包括管理后台、微信小程序，后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、工作流、大屏报表、ERP、CRM、AI大模型、IoT物联网等功能：

多模块：https://gitee.com/zhijiantianya/ruoyi-vue-pro

微服务：https://gitee.com/zhijiantianya/yudao-cloud

视频教程：https://doc.iocoder.cn

【国内首批】支持 JDK17/21+SpringBoot3、JDK8/11+Spring Boot2双版本

Coding Plan 抢不到 / 下午就卡——这才是研发的真痛点

国内研发用 Claude Code 的同学最近多半都在被同一件事折磨——Coding Plan 越来越难抢、下午一用就卡 。

抢 Plan ：早 8 点 / 晚 8 点放出来——眼睛眨一下就被秒光，只能等下一波；
下午就卡 ：Plan 抢到了也开心不了多久——下午 3-5 点高峰期一查询响应延迟动辄 30 秒+ ——本来想用 AI 提效，结果反倒拖慢工作；
额度用得心慌 ：Pro 套餐 $20/月已经是最低档——稍微大一点的模块改 token 就刷刷地烧没了。

我自己也在这堆痛点里挣扎了很久——直到刷 GitHub 的时候撞到 free-claude-code 这个项目（作者 Alishahryar1，MIT 开源协议 ）。

它做的事说起来很直白——在你本机跑一个代理服务器，把 Claude Code 发给 Anthropic 的请求拦下来、翻译成别的格式、发给你配置的后端 ——可以是 NVIDIA 的免费额度、也可以是国产模型、还可以是本机离线模型。Claude Code 那头完全感知不到变化 ——还是同一个 CLI、同一个 IDE 扩展、同一个交互方式——但你不用再抢 Plan、不用看下午的限速脸色 。

仓库地址：https://github.com/Alishahryar1/free-claude-code

截至本文发稿，GitHub Star 已经 21.7k+ ——比刚发那阵涨了快 50%。

Claude Code 通过 NVIDIA NIM 运行，完全免费

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro

视频教程：https://doc.iocoder.cn/video/

它在中间干了什么：协议互译代理一行图说清

Claude Code 工作时会不断往 Anthropic API 发请求 。这个代理就架在中间，把请求拦下来、翻译成别的协议、发给你指定的后端 ——回包再翻译回 Anthropic 的格式。

按官方 README 描述——代理实现了 Anthropic Messages API 的关键路由 ：/v1/messages、/v1/count_tokens、/v1/models——**thinking 块、tool_use 调用、token usage、provider error 全部归一化成 Anthropic 协议形态** ——所以从 Claude Code 看就是 100% 兼容。

启动方式很简洁——开启代理后两个环境变量都得设 （**ANTHROPIC_AUTH_TOKEN 客户端值必须和代理 .env 里配的一致** ——代理是按等值校验的，不是只看存在）：

ANTHROPIC_BASE_URL="http://localhost:8082" \
ANTHROPIC_AUTH_TOKEN="freecc" \
claude

整个过程不改 Claude Code 的代码、不改 VS Code 插件 ——就改两个环境变量。这就是为什么这个项目能 60 天爆 21k Star——它根本不动 Claude Code，只动它和 Anthropic 之间那根管子 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

6 个后端按白嫖 / 付费 / 离线 / 语音 4 类拆解

按 <https://github.com/Alishahryar1/free-claude-code> 的 README，整个项目支持 6 个后端 + 1 个语音转录扩展 。按定位拆 4 类：

类别	后端	费用	速率	适合谁
🟢 白嫖党	NVIDIA NIM	完全免费	40 次/分钟	国内不能抢 Plan 的同学日常主用
🟡 付费便宜党	DeepSeek	按量付费（极便宜）	高	国产模型，工具调用稳
🟡 SaaS 聚合党	OpenRouter	部分免费	不定	模型种类多，备用
🔵 离线党	LM Studio / llama.cpp / Ollama	免费	无限制	数据敏感、显卡好

下面把最值得讲的 3 个 展开聊聊：

NVIDIA NIM——白嫖党天选

NVIDIA 给开发者提供完全免费 的额度——每分钟 40 次请求 ——去 https://build.nvidia.com/ 注册一个，不需要绑信用卡 。

上面可用的模型很猛——Kimi、GLM、Qwen3-Coder 系列 都在最新版本，全部免费跑（具体版本号请以 https://build.nvidia.com/ 实时上线为准——模型迭代很快、本文给的版本号大概率会过时）。这就是这个项目最大的卖点 ——它本质上是把 Claude Code 接到了 NVIDIA 的免费白嫖通道上——Coding Plan 卡你的时候，这条路依然丝滑 。

DeepSeek——国产付费但极便宜

DeepSeek 是付费的——但价格比 Anthropic 便宜一个量级 。原生支持 Anthropic 的消息格式——接起来非常顺 。工具调用稳定性也好 ——比 OpenRouter 上的免费模型靠谱得多——适合"白嫖额度不够 + 不想充 Plan"的中间档同学。

Ollama——离线党天选

本机跑模型——只要你显卡扛得住 ：完全离线、没有速率限制、数据不出本机。显存 16GB+ 起步 ——能流畅跑 GLM-4.7-Flash 这一档。

安装：4 步装好 + 5 个新人最容易撞的坑

这块需要注意 ——这个项目用 uv 管理依赖、不是传统的 pip。**uv 速度快很多但需要单独装** 。

第 1 步：装 uv 和 Python 3.14

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
uv python install 3.14

# Windows PowerShell
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
uv python install 3.14

第 2 步：装 free-claude-code（推荐用包安装）

方式一：克隆仓库运行

git clone https://github.com/Alishahryar1/free-claude-code.git
cd free-claude-code
cp .env.example .env

然后编辑 .env——以 NVIDIA NIM 为例（model 名称去 https://build.nvidia.com/ 选当前最新最强的，下面的占位仅为示例格式 ）：

NVIDIA_NIM_API_KEY="nvapi-你的key"
# 把 <provider/model-name> 换成 build.nvidia.com 上当前可选的最新模型 id
MODEL="nvidia_nim/<provider/model-name>"
ENABLE_MODEL_THINKING=true

方式二：当包来装（推荐，不用克隆）

uv tool install git+https://github.com/Alishahryar1/free-claude-code.git
fcc-init   # 自动生成 ~/.config/free-claude-code/.env
free-claude-code   # 启动服务器

以后更新也很简单：uv tool upgrade free-claude-code。

第 3 步：启动代理 + 启动 Claude Code（开两个终端）

# 终端 1：启代理
uv run uvicorn server:app --host 0.0.0.0 --port 8082

# 终端 2：跑 Claude Code（AUTH_TOKEN 必须和代理 .env 里的值一致）
ANTHROPIC_BASE_URL="http://localhost:8082" \
ANTHROPIC_AUTH_TOKEN="freecc" \
claude

VS Code 插件用户——打开 Settings 搜 claude-code.environmentVariables，在 settings.json 里加两行：

"claudeCode.environmentVariables": [
  { "name": "ANTHROPIC_BASE_URL", "value": "http://localhost:8082" },
  { "name": "ANTHROPIC_AUTH_TOKEN", "value": "freecc" }
]

第 4 步：5 个新人最容易撞的坑（官方 README 里全部点名）

按官方 README 的"Common Issues"段，按踩坑频率从高到低：

坑 1（ 最常见）：ANTHROPIC_BASE_URL 后面千万别加 /v1 —— 这是新人第一周必撞——加了 Claude Code 直接连不上代理，显示 404 一脸懵；
坑 2：必须用 Python 3.14 final ——3.13 / 3.14 RC 版都不行，会有依赖兼容问题 ；
坑 3：llama.cpp / LM Studio 这俩本地后端要给足 --ctx-size ——太小直接报 HTTP 400；
坑 4：本地后端 base URL 必须带 /v1 ——和 NVIDIA NIM 这种 SaaS 不一样——两套规则别搞混 ；
坑 5：VS Code 第一次启动可能弹登录窗 ——直接关掉，代理依然在工作 ——这是 VS Code 的客户端层 UI 残留，不影响功能。

进阶玩法 1：Opus / Sonnet / Haiku 分档跑不同后端

Claude Code 内部会发不同档次的请求——Opus 对应最复杂的任务、Sonnet 是日常主力、Haiku 负责快速轻量操作 。

这个代理可以给每档分别配不同后端 ——下面这套配置思路永远成立，具体模型 id 请去 https://build.nvidia.com/ 选当前最强 ：

# Opus 档：跑最复杂的任务——选 NVIDIA Build 上当前最强的推理模型
# 写稿时（2026-05）的可选项：deepseek-v4 系列 / kimi-k2 系列 / qwen3-coder 系列
MODEL_OPUS="nvidia_nim/<最强推理模型>"

# Sonnet 档：日常主力——选和 Opus 错开厂商的次档强模型
# 故意和 Opus 错厂商，避免一家挂了全瘫
MODEL_SONNET="nvidia_nim/<次档强模型>"

# Haiku 档：轻量快速操作——选轻量 / Flash 变体，或本地小模型
# NVIDIA Build 的 Flash 系列、或本地 Ollama / LM Studio 跑的小模型都行
MODEL_HAIKU="nvidia_nim/<轻量 / Flash 模型>"

为什么这么搭 ：① Opus 配最强 —— 跨多文件重构、深度推理这种活靠它；② Sonnet 故意错开厂商 —— 避免一家挂了全瘫、不同厂商的工具调用风格也各有所长；③ Haiku 用轻量 / Flash —— 文件路径检测 / 对话标题这种轻量任务，Flash 比 Pro 快 3 倍 ——省额度也省延迟。

⚠️ 模型迭代极快 ——本文不写具体 model id 是有意的，写了过几个月就过期 。每次新建 .env 前去 https://build.nvidia.com/ 看一眼当前可选的最强模型即可——配置思路（Opus 最强 / Sonnet 错厂商 / Haiku 轻量）才是不会过时的部分。

进阶玩法 2：原生 Model Picker + Discord 远程派活

按 README 还有几个别的文章很少讲 的细节：

原生 Model Picker——直接在 Claude Code 里切模型

Claude Code 2.1.126+ 加了一个 CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1 环境变量——开启后会自动从代理的 /v1/models 端点发现可用模型 。

CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY=1 \
ANTHROPIC_BASE_URL="http://localhost:8082" \
ANTHROPIC_AUTH_TOKEN="freecc" \
claude

代理会自动列出所有配置的 provider 上的可用模型 ——每个还带一个 "(no thinking)" 变体（给不支持 adaptive-thinking 的模型用）——你直接在 Claude Code 的 UI 里切模型，不用改 .env 。这是这个工具体验最丝滑的一个特性。

Discord / Telegram bot——远程派活给 Claude Code

按 README——可以用 Discord / Telegram bot 远程让 Claude Code 干活 ：

# .env 配置示例
DISCORD_BOT_TOKEN="..."
ALLOWED_DIR="/home/user/projects"
CLAUDE_WORKSPACE="/home/user/workspace"

支持的命令也很完整：

/stop —— 取消当前任务或指定分支；
/clear —— 重置 session；
/stats —— 查看当前 session 状态；
回复消息分支会话 —— 和 Discord 的 thread 模型对齐——同一根线索可以多轮跟进。

研发场景的实际用法：长耗时任务挂着跑，人不用守终端 ——你下班路上、开会的时候、Discord 里发条消息让 Claude Code 处理一个 PR / 跑一段单测 / 改一段文档——回家打开看结果——这种"远程触发 + 实时通知"研发体验非常上头 。

语音转录——直接在 Discord 发语音让 AI 干活

这是别的文章基本不提的特色——支持本地 Whisper 或 NVIDIA NIM 跑语音转录 ：

# 本地 Whisper（CPU 或 GPU）
WHISPER_DEVICE="cpu"      # 或 "cuda"
WHISPER_MODEL="base"

# 或者用 NVIDIA NIM 远程
WHISPER_DEVICE="nvidia_nim"
NVIDIA_NIM_API_KEY="nvapi-..."

装的时候要加 uv sync --extra voice_local 或 --extra voice——前者本地跑，后者远程。

适用场景：地铁里 / 路上不方便打字的时候，直接 Discord 发条语音让 Claude Code 改代码 ——通勤 30 分钟下班路上能多干一个小时活。

本地拦截优化——省额度的关键设计

按 README——代理会在本地直接响应那些"trivial probes" ：网络可达探测、对话标题生成、文件路径检测——这些请求根本不需要过 API ，代理直接给响应——省额度 + 省延迟 。

真实差距：白嫖版和原版到底差多少

按破坏力从高到低：

差距 1：模型能力（最常见）

NVIDIA NIM 上的 DeepSeek / Kimi 系列最新版跟原版 Claude 4.x 比——日常写代码、改 bug、生成模板都很顺 ；碰到 yudao-cloud 这种多模块 Spring Boot 项目跨模块重构 ——只要把上下文准备好（用 @filename 把相关文件主动喂给它）——白嫖版照样能搞定 ——只是需要你比用 Claude 4.x 时更主动地"递素材"。

实战体感 ：跨 3-4 个模块的重构，Claude 4.x 一次能想清整条链路；NVIDIA NIM 上的国产最强模型多沟通 1-2 轮、明确告诉它"先看 dal 层 / 再看 service / 最后改 controller"——最终质量没差 。白嫖版不是不行，是要给它更清晰的指令 。

yudao-cloud 仓库：https://github.com/YunaiV/yudao-cloud

作者在 README 里明确说了不接受 Docker 集成的 PR ——风格上偏向轻量。这个我很喜欢 ——一个工具能保持克制、不把所有人的需求都往里塞，本身就是一种健康的开源态度。

我的判断

坦率讲——这个项目不是让你完全替代付费版 Claude Code 的方案 。真要做严肃的生产项目，原版 Claude 4.x 的稳定性和模型能力还是更可靠 。

但它解决了国内研发的几个真痛点 ：

抢不到 Coding Plan ——白嫖 NVIDIA Build 上的国产最强模型，日常写代码足够；
下午就卡 ——本地代理 + NVIDIA 走美国线路，比官方走本地代理稳得多 ；
不想公司数据走 Anthropic ——离线模型直接 Ollama 跑、数据不出本机；
想试试 Claude Code 是不是真好用 ——没必要先充 $20 一个月先；
学校 / 学生党不想掏钱 ——直接白嫖到饱。

NVIDIA NIM 免费 40 次/分钟——对付日常写代码完全够用 。装上之后第一感受会是「之前我焦虑的 token 焦虑突然不见了 」——这种心理变化值得专门感受一下。

仓库地址：https://github.com/Alishahryar1/free-claude-code

欢迎加入我的知识星球，全面提升技术能力。

👉 加入方式，“长按”或“扫描”下方二维码噢：

星球的内容包括：项目实战、面试招聘、源码解析、学习路线。

文章有帮助的话，在看，转发吧。
谢谢支持哟 (*^__^*）

DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

RAG混合检索实战：为何向量库+关键词的离线评测门禁不可忽视

DeepSeek技术社区

DeepSeek API 网关兼容层设计：如何统一处理千问、通义与豆包的异构流式响应

DeepSeek技术社区

LLM网关缓存实践：如何平衡语义命中率与用户隐私风险

DeepSeek技术社区

所有评论(0)

查看更多评论

Java基基

@weixin_44421461

已为社区贡献4条内容

GitHub 飙升 21k Stars，最强免费 Claude Code 平替方案来了！

Java基基

Coding Plan 抢不到 / 下午就卡——这才是研发的真痛点

它在中间干了什么：协议互译代理一行图说清

6 个后端按白嫖 / 付费 / 离线 / 语音 4 类拆解

NVIDIA NIM——白嫖党天选

DeepSeek——国产付费但极便宜

Ollama——离线党天选

安装：4 步装好 + 5 个新人最容易撞的坑

第 1 步：装 uv 和 Python 3.14

第 2 步：装 free-claude-code（推荐用包安装）

第 3 步：启动代理 + 启动 Claude Code（开两个终端）

第 4 步：5 个新人最容易撞的坑（官方 README 里全部点名）

进阶玩法 1：Opus / Sonnet / Haiku 分档跑不同后端

进阶玩法 2：原生 Model Picker + Discord 远程派活

原生 Model Picker——直接在 Claude Code 里切模型

Discord / Telegram bot——远程派活给 Claude Code

语音转录——直接在 Discord 发语音让 AI 干活

本地拦截优化——省额度的关键设计

真实差距：白嫖版和原版到底差多少

差距 1：模型能力（最常见）

差距 2：本地跑要显卡（常见）

差距 3：速率限制（少见但破坏力大）

项目代码质量值得一提

我的判断

所有评论(0)

Java基基

GitHub 飙升 21k Stars，最强免费 Claude Code 平替方案来了！

所有评论(0)

温馨提示：您尚未绑定手机号