手把手教你用 Ollama 零成本离线运行 Claude Code
Ollama最新版本兼容Anthropic Messages API,让开发者可免费使用ClaudeCode全套工作流。通过本地开源模型替代昂贵的订阅服务,虽性能稍逊但能满足日常开发需求。操作步骤包括安装Ollama、选择代码模型、配置ClaudeCode客户端及重定向API。实测显示该方案能完成从基础脚本到复杂应用开发,建议团队可部署在云服务器共享AI算力,兼顾成本与私密性。
如果你深度体验过 Anthropic 推出的终端编程神器 Claude Code,一定会被它那“像真人一样写代码”的交互感所折服。但 $100-$200/月 的订阅费,也确实让不少个人开发者感到肉疼。
然而Ollama 刚刚整了个大活:其最新版本已正式兼容 Anthropic Messages API。
这意味着你可以直接用 Ollama 跑本地开源模型(如 Qwen2.5-Coder、DeepSeek),然后“白嫖” Claude Code 的全套工作流。虽然牺牲了一点顶尖闭源模型的上限,但对于日常增删改查、构建 MVP 甚至学习 CC 的逻辑来说,这套“零成本”方案简直香爆了。

核心工具简介
Claude Code (CC):Anthropic 官方出的命令行 AI 助手,不只是聊天,它能直接读你的文件、运行指令、自动修 Bug,是目前最强的终端编程工具之一。
Ollama:本地大模型运行框架的代名词,支持一键部署各种开源 LLM。
高性能服务器:运行大模型对算力有刚需。如果你本地电脑风扇转得飞起,或者想搭建一个 24 小时在线的远程开发网关,Hostease 的高性能独立服务器或大内存 VPS 是极佳的选择。它能提供稳定的算力支持和极速的海外模型下载通道,让你在任何终端都能流畅调取 AI 能力。
第一步:环境准备(Ollama 安装)
直接去官网 下载。装完之后打开终端敲一行命令,确认版本没问题:
Bash
ollama --version
# 输出参考:ollama version is 0.15.2
第二步:挑选你的“趁手兵器”
我们需要下载适合代码生成的模型。这里推荐两款:
本地主力模型:gpt-oss:20b(或 Qwen2.5-Coder 等)。
远程重型模型:qwen3-coder:480b-cloud(用于处理复杂逻辑,Ollama 提供了一定额度的云端免费试用)。
Bash
# 拉取本地编程模型
ollama pull gpt-oss:20b
# 拉取云端/大规模模型
ollama pull qwen3-coder:480b-cloud
第三步:安装 Claude Code 客户端
在 Windows PowerShell 中直接运行:
PowerShell
irm https://claude.ai/install.ps1 | iex
避坑指南:装完后如果搜不到 claude 命令,记得把安装目录(通常是 \.local\bin)手动塞进系统的 PATH 环境变量 里。
第四步:骚操作开始——重定向 API
这是最关键的一步。我们要“欺骗” Claude Code,让它以为是在跟 Anthropic 通信,其实是在跟我们本地的 Ollama 对话:
PowerShell
# 伪造令牌,并将 API 地址指向本地 Ollama 端口
$env:ANTHROPIC_AUTH_TOKEN = "ollama"
$env:ANTHROPIC_API_KEY = "none"
$env:ANTHROPIC_BASE_URL = "http://localhost:11434"
# 启动!并强制指定我们下载好的 Ollama 模型
claude --model gpt-oss:20b --allow-dangerously-skip-permissions
实战演示:到底好不好使?
1. 基础操作:自动撸脚本
我尝试让它写一个 Python 的“Hello World”。 有趣的是,CC 很有原则,它会提示:“你这还没初始化 Git 呢,我不方便写文件。” 你只需回一句:帮我初始化一下 Git。它就会自动执行 git init,紧接着把 .py 文件写好。这种工具链的联动才是它的精髓。
2. 进阶挑战:构建 Kanban 看板应用
对于稍微复杂的任务,建议调用更强的模型。我给它提了个需求:
“帮我写一个单文件的看板应用,要能新增任务、拖拽换位,还得有 LocalStorage 持久化存储,直接用浏览器能跑。”
结果非常惊艳:
代码质量:HTML/CSS/JS 全集成,甚至写好了 dragstart 和 drop 的监听逻辑。
智能化:它不仅写了代码,还贴心地运行了 start kanban.html 命令,直接在浏览器里把效果展示给我看。
结语与建议
通过 Ollama 驱动 Claude Code,我们不仅省下了每个月大几百块的订阅费,更重要的是保障了代码的私密性。
进阶方案: 如果你是在团队内部使用,或者本地机器配置拉胯,可以考虑将这套环境部署在 Hostease 的美国服务器上,得益于其优秀的骨干网带宽和高性能硬件,你可以将其配置为一个私有 API 网关,全团队通过内网穿透即可共享 AI 算力。这种方案既能享受 Claude Code 的丝滑体验,又能把成本压到极致。
更多推荐


所有评论(0)