整理一下 Claude Code、Cursor、Aider 三个工具切换自定义 API 端点的配置方法。这几个工具都支持 OpenAI 兼容端点，配置本身不难，但有些细节容易踩坑，写出来给大家参考。

---

为什么要换端点

AI 编程工具按量付费的成本增长很快。特别是 Claude Code，做大范围重构或者读整个项目上下文时，据我自己观察，一次对话的 token 消耗量很惊人。
换自定义端点的核心收益有两个：一是通过大模型网关拿到优势价格，二是可以在同一个端点下按任务类型灵活切换模型。日常补全可以上便宜的，复杂推理上最强的，做一个按需选择。
下面的配置示例以 TikHub AI（ai.tikhub.io）的端点为例，其他 OpenAI 兼容的网关服务配置方式基本一致。

---

Claude Code

两个环境变量，加到 .bashrc 或 .zshrc：

export ANTHROPIC_BASE_URL=https://ai.tikhub.io
export ANTHROPIC_API_KEY=your-key

重启终端生效。验证：

echo $ANTHROPIC_BASE_URL
# 输出 https://ai.tikhub.io 说明配置正确

临时切回官方端点：unset ANTHROPIC_BASE_URL。

---

Cursor

设置路径：Settings → Models → OpenAI API Key，填入 Key，然后在 Override OpenAI Base URL 填：

https://ai.tikhub.io/v1

Cursor 支持按场景手动选模型，日常补全用 GPT-4.1，复杂任务切 Claude Opus。

---

Aider

环境变量方式：

export OPENAI_API_BASE=https://ai.tikhub.io/v1
export OPENAI_API_KEY=your-key

aider --model gpt-4.1

或者写 .aider.conf.yml 持久化配置：

openai-api-base: https://ai.tikhub.io/v1
openai-api-key: your-key
model: gpt-4.1

---

按任务选模型

换端点之后可以灵活调配模型，这里分享一下实际用下来的搭配经验：

任务	模型	理由
日常补全、小改动	GPT-4.1 mini	响应快，成本几乎可以忽略
代码重构	Claude Sonnet	上下文理解准确
架构设计、复杂调试	Claude Opus	推理最强，复杂任务值得用
写测试、样板代码	GPT-4.1	够用且便宜

大概 70% 的日常工作用中低档模型完全够，只有复杂任务才需要上 Opus。这样整体成本大概能压到之前的 40-50%。

---

踩坑记录

Streaming 兼容：Claude Code 默认走 streaming，大部分兼容端点没问题，但偶尔会遇到 SSE 格式的微小差异导致输出卡住。碰到这个情况先确认端点的 streaming 实现是否完整。

模型名称：不同端点对同一个模型的命名可能不一样。比如 Claude Sonnet 4 在官方 API 是 claude-sonnet-4-20250514，有些端点接受简写 claude-sonnet-4。建议先查端点的模型列表确认准确名称。

上下文长度：通过代理调用时，上下文限制取决于底层模型本身。如果端点默认限制了 max_tokens，需要手动调高，否则 Claude Opus 的 200K 上下文优势发挥不出来。

网络延迟：多了一层代理转发，延迟会增加 50-150ms 左右。对 streaming 场景影响不大（首 token 慢一点但后续 token 流畅），但如果你对延迟极度敏感，需要评估一下。

---

配置很简单，通过改环境变量就可以在实际用起来之后按任务合理分配模型，做到大幅度降低成本。有问题欢迎和我交流。