Claude Code 好用，但它有个隐含前提：你得用 Anthropic 的模型。想换成 DeepSeek 省钱、想切到本地 Ollama 跑私有模型、或者想在主服务挂掉时自动切到备用——这些都得自己想办法。
8 月 27 日出现在 GitHub 上的开源项目 my-free-code，就是来解决这件事的。它是一个多提供商 AI 网关，架在 Claude Code（以及其他编程智能体）和模型厂商之间，让流量往哪走由你说了算。目前版本 v0.8，已累计 620 颗星、211 个 fork。
先说清楚一件事：这是独立实现，与 Anthropic 没有任何关联。
它到底是个什么东西
架构上分三层，理解了这个就懂了全部：
最上层是线协议层——网关同时对外提供两套兼容接口，一套是 Anthropic Messages（/v1/messages），一套是 OpenAI Responses 兼容接口（/v1/responses）。这样不管客户端说的是哪种「方言」，它都能接。
中间是模型路由层——决定一个请求最终落到哪个厂商的哪个模型上，以及失败后往哪退。
最下层是提供商运行时——对接 42 家外部厂商和三种本地运行时的具体适配。
这个分层是有意为之：线协议、路由、提供商、CLI 适配器各自独立，互不干扰。
42 家厂商 + 3 种本地运行时
提供商目录是它最实在的资产，逐项点算共有 42 家外部厂商：
NVIDIA NIM、OpenRouter、Groq、OpenAI、xAI、QwenCloud、Together、DeepInfra、SiliconFlow、Nebius、Chutes、Featherless、ZenMux、W&B Inference、Azure OpenAI、Google AI Studio、Google Vertex、DeepSeek、Mistral、Codestral、OpenCode Zen、OpenCode Go、Vercel AI Gateway、Amazon Bedrock、Hugging Face、Cohere、GitHub Models、Wafer、Kimi、Kimi Code、MiniMax、Cerebras、SambaNova、Kilo、Fireworks、Novita、Cloudflare Workers AI、Z.ai、TokenRouter、NaraRoute、Poolside、LLM7。
另外还有三种本地运行时：Ollama、LM Studio、llama.cpp。
⚠️ 但这里必须说句实话。作者在 README 里明确写了：认证或协议比较特殊的提供商需要专门的 adapter，只有常见的 OpenAI 兼容提供商才能走共享 transport。所以「42 家」是目录规模，不等于「42 家都开箱即用、无门槛」。用之前最好先确认你要接的那家属于哪一类。
不只是 Claude Code：9 个客户端都支持
启动器（launcher）这一层，my-free-code 支持 9 个编程客户端：Claude Code、Codex、Pi、OpenCode、Cline、Hermes、DeepSeek Harness、Grok Build、Muse Code。
启动器的逻辑很克制：它只是把本地代理环境准备好，然后把参数原样交给已安装的客户端。前提是那个客户端本身已经装好并且在 PATH 里。
装起来：五步
需要 Python 3.10 以上。流程如下：
python -m venv .venv
激活虚拟环境。Windows 用 .venv\Scripts\Activate.ps1，macOS/Linux 用 source .venv/bin/activate。
python -m pip install -r requirements.txt
copy .env.example .env（Windows）或 cp .env.example .env（macOS/Linux）
python -m my_free_code
启动后默认地址是 http://127.0.0.1:8082。
配置：核心是「把 Claude 的模型名映射成你想要的模型」
这是整个工具最巧妙的地方。你在 .env 里这样写：
MODEL=open_router/openrouter/free
MODEL_SONNET=deepseek/deepseek-chat
MODEL_HAIKU=groq/llama-3.3-70b-versatile
MODEL_OPUS=nvidia_nim/meta/llama-3.3-70b-instruct
FALLBACK_MODELS=deepseek/deepseek-chat,ollama/llama3.1
然后在同一个 .env 里填上对应的 API Key。
效果是什么？Claude Code 以为自己在调 Sonnet，实际上请求已经跑到了 DeepSeek 上。而且对外的公开模型身份保持不变——即使请求被路由到了别的提供商，客户端看到的依然是网关的这个模型名。
想接本地模型也很直接，配个地址就行：
Ollama：OLLAMA_BASE_URL=http://127.0.0.1:11434/v1 + MODEL=ollama/llama3.1
LM Studio：LM_STUDIO_BASE_URL=http://127.0.0.1:1234/v1 + MODEL=lmstudio/qwen3.5-coder
llama.cpp：LLAMACPP_BASE_URL=http://127.0.0.1:8080/v1 + MODEL=llamacpp/my-model
接进 Claude Code
两种办法。手动设置环境变量：
$env:ANTHROPIC_BASE_URL="http://127.0.0.1:8082"
$env:ANTHROPIC_AUTH_TOKEN="local"
$env:CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY="1"
claude
或者用它的启动器一步到位：
python -m my_free_code.cli.mfc claude
其他客户端同理，把最后的 claude 换成 codex、pi、opencode、cline、hermes、deepseek-harness、grok 或 muse 即可。
失败回退：有个细节做得对
假设你这样配置：
MODEL_SONNET=deepseek/deepseek-chat
FALLBACK_MODELS=groq/llama-3.3-70b-versatile,ollama/llama3.1
那么一个 Sonnet 请求的路径是：Claude Code 发出 → 落到 deepseek/deepseek-chat → 如果在产生输出之前失败 → 退到 groq 的模型 → 再失败 → 退到本地 ollama/llama3.1。
关键在这个细节：一旦流式响应已经开始输出内容，网关就不会再静默切换提供商。这一点非常重要——如果切了，同一轮对话会被生成两遍，你会看到重复内容。这个设计避免了这个坑。
此外还有 provider 健康退避机制，以及针对每个 provider 的并发控制和速率窗口控制。
其他能力
推理模式归一化：接受 Claude 风格的思考意图，并把它跟各厂商特定的请求字段解耦。支持三档归一化模式 auto / on / off，以及可选的 effort 强度 low / medium / high，由适配器映射到上游对应字段。
协议与能力：除了前面说的两套线协议，还支持 token counting（/v1/messages/count_tokens）、模型发现（/v1/models）、健康检查（/health）。Agent 侧支持流式 SSE、工具定义与调用、工具结果回传、图片输入、推理/思考元数据透传，以及 no-thinking 的网关 ID。
管理界面：本地打开 http://127.0.0.1:8082/admin，另有三个需要认证的 JSON 端点：/api/admin/status、/api/admin/models、/api/admin/providers。
⚠️ 安全提醒：这东西只该跑在本地
作者给出的安全约束必须照做：
保持 HOST=127.0.0.1，不要改；设置一个足够复杂的 PROXY_AUTH_TOKEN，别用默认值；不要把代理暴露到公网。
原因不难理解——这个网关持有你所有厂商的 API Key，一旦暴露，等于把所有账号的钥匙交了出去。
对普通人意味着什么
它不是给所有人准备的。如果你只是想用 Claude Code 干活，直接订阅就行，不需要这一层。
但如果你是下面这几类人，它就很有价值：想控制成本的人（把日常任务路由到便宜模型，只在硬骨头上用贵的）；想摆脱单一厂商锁定的人（今天用 DeepSeek，明天换 Kimi，配置改一行）；需要私有化的人（敏感代码只走本地 Ollama）；需要高可用的人（主服务挂了自动退到备用）。
需要清醒认识的是：它是个 v0.8 的年轻项目，社区验证还不充分，而且「42 家」里有多少能真正开箱即用，得看具体的 adapter 情况。建议先在非关键项目上跑通，再考虑放进日常工作流。
关注「AI 智习室」，每天一条看得懂的 AI 情报。
