Kiro 是什么？AWS 规格驱动 AI IDE 上手实测（附 Trae 对比）

本指南将介绍通过 LiteLLM 协议转换网关，让 Claude Code 接入 Kimi K3、GLM-5.3、豆包等最新国产大模型的完整配置方法，解决 Claude Code 仅支持 Anthropic 协议、无法直连 OpenAI 兼容接口的问题。

适用场景 #

我们团队在多个客户项目中验证，这套方案特别适合以下场景：

• 已习惯 Claude Code 的终端交互逻辑和 Agent 能力（文件读写、命令执行），但需要使用 Kimi K3、GLM-5.3 等最新国产大模型处理国内业务代码、对数据合规有要求的开发者
• 持有 Kimi、智谱 GLM、火山方舟豆包等国产大模型的 API 额度，希望在 Claude Code 中复用这些额度、降低使用成本的个人开发者和小团队
• 需要在同一终端工具中切换对比 Kimi K3、GLM-5.3 等不同国产大模型的代码生成、调试效果，进行技术选型的调研场景

不适用场景 #

以下情况我们不推荐使用这套方案，建议选择更匹配的工具：

• 如果你只使用 Kimi K3 一个模型，不需要 LiteLLM 网关 ——Kimi K3 官方已提供 Anthropic 兼容 API 端点，可直接在 Claude Code 中配置 ANTHROPIC_BASE_URL 接入，方案更轻量（详见 FAQ Q6）
• 如果你主要使用 VS Code、JetBrains 等图形化 IDE 且偏好行内自动补全，建议使用 Trae、Cursor 等桌面端 AI IDE，Claude Code 是终端对话式工具，不提供编辑器内联补全
• 如果你完全没有命令行和服务部署经验，部署和维护 LiteLLM 网关会有一定学习成本，建议直接使用各平台官方客户端或支持 OpenAI 兼容接口的终端工具（如 OpenCode）

开始配置前，请确保你已经准备好以下条件：

• 开发环境：macOS 12+ / Linux 内核 4.15+ / Windows 10+ WSL2 环境（LiteLLM 网关和 Claude Code 均推荐在 macOS/Linux/WSL2 下运行）
• Claude Code：已安装最新稳定版 Claude Code 并完成初始登录（首次使用需登录 Anthropic 账号，配置第三方模型后可退出官方账号）
• 网关运行环境：Python 3.8+ 和 pip（用于部署 LiteLLM 网关），或 Docker（用于容器化部署 LiteLLM）
• 模型 API 密钥：已开通对应大模型平台的 API 服务并获取 API Key（Kimi 开放平台支持 Kimi K3、智谱 AI 开放平台支持 GLM-5.3、火山引擎方舟平台支持豆包系列模型，需开通 API 调用权限并有可用额度）
• 预计耗时：20-30 分钟（含 LiteLLM 网关部署和 Claude Code 配置验证）

步骤 1：部署 LiteLLM 协议转换网关 #

步骤说明：Claude Code 只识别 Anthropic 兼容协议，而 GLM-5.3、豆包等国产大模型通常只提供 OpenAI 兼容接口，二者协议不兼容，无法直接对接。LiteLLM 是一个开源的 LLM 网关，支持将 OpenAI 兼容接口转换为 Anthropic 兼容格式，充当二者之间的翻译层。这一步是整个方案的核心，跳过会导致 Claude Code 无法连接国产模型。
我们推荐使用 pip 方式部署 LiteLLM，适合本地开发和小团队使用。

安装 LiteLLM：

# 使用 pip 安装 LiteLLM
pip install litellm[proxy]

# 验证安装
litellm --version

创建网关配置文件：在项目目录下创建 litellm_config.yaml，配置需要接入的国产大模型。以下为 Kimi K3、GLM-5.3、豆包三个平台的参考配置：

model_list:
  - model_name: kimi-k3
    litellm_params:
      model: openai/kimi-k3
      api_key: os.environ/KIMI_API_KEY
      api_base: https://api.moonshot.cn/v1

  - model_name: glm-5.3
    litellm_params:
      model: openai/glm-5.3
      api_key: os.environ/GLM_API_KEY
      api_base: https://open.bigmodel.cn/api/paas/v4

  - model_name: doubao-seed-code
    litellm_params:
      model: openai/YOUR_ARK_ENDPOINT_ID
      api_key: os.environ/ARK_API_KEY
      api_base: https://ark.cn-beijing.volces.com/api/v3

参数说明：

• model_name：LiteLLM 网关中的模型标识，Claude Code 后续通过这个名称调用对应模型，可自定义
• model：底层真实模型标识，openai/ 前缀表示使用 OpenAI 兼容格式调用
  • Kimi K3 的模型 ID 为 kimi-k3（2026 年 7 月发布，2.8 万亿参数，支持 1M token 上下文和视觉理解）
  • GLM-5.3 的模型 ID 为 glm-5.3（2026 年 8 月发布，7533 亿参数，编程能力较上一代提升 50%）
  • 豆包需替换 YOUR_ARK_ENDPOINT_ID 为火山方舟控制台的推理接入点 ID（ep- 开头），推荐使用 doubao-seed-code 或 doubao-seed-2.1-pro 模型创建接入点
• api_key：通过环境变量引用 API Key，避免明文写入配置文件
• api_base：对应平台的 OpenAI 兼容接口地址
  • Kimi 国内接口：https://api.moonshot.cn/v1
  • 智谱 GLM 接口：https://open.bigmodel.cn/api/paas/v4
  • 豆包普通在线推理接口：https://ark.cn-beijing.volces.com/api/v3

💡 提示：以上配置字段基于 LiteLLM 通用 OpenAI 兼容模式，如最新版 LiteLLM 配置格式有调整，请以 LiteLLM 官方文档 为准。豆包用户如开通了 Coding Plan 套餐，api_base 应使用 https://ark.cn-beijing.volces.com/api/coding/v3，使用普通接口地址不会消耗套餐额度。

启动网关服务：

# 设置 API Key 环境变量（替换为你自己的密钥）
export KIMI_API_KEY="your_kimi_api_key"
export GLM_API_KEY="your_glm_api_key"
export ARK_API_KEY="your_ark_api_key"

# 启动 LiteLLM 网关，默认监听 4000 端口
litellm --config litellm_config.yaml --port 4000

预期结果：终端输出 LiteLLM 启动成功的日志，显示网关运行在 http://0.0.0.0:4000，并列出已加载的模型列表（kimi-k3、glm-5.3、doubao-seed-code）。保持这个终端窗口运行，不要关闭。

⚠️ 常见错误：启动 LiteLLM 时报错 "Address already in use"
原因：4000 端口已被其他进程占用，常见于之前启动的 LiteLLM 进程未正常关闭，或其他服务占用了该端口。
解决方法：更换端口启动（如 --port 4001），或先终止占用 4000 端口的进程（macOS/Linux 执行 lsof -ti:4000 | xargs kill -9），再重新启动。注意 Claude Code 端的 ANTHROPIC_BASE_URL 端口要与网关实际端口保持一致。

步骤 2：配置 Claude Code 接入 LiteLLM 网关 #

步骤说明：LiteLLM 网关启动后，我们需要在 Claude Code 中配置环境变量，将 API 请求指向本地 LiteLLM 网关。Claude Code 通过 ANTHROPIC_BASE_URL 环境变量识别自定义 API 端点，所有请求会发送到该地址而非 Anthropic 官方服务器。这一步是对接的关键，配置错误会导致 Claude Code 仍连接官方模型或连接失败。

Claude Code 的全局配置文件路径：

• macOS/Linux：~/.claude/settings.json
• Windows：%USERPROFILE%\.claude\settings.json

如果文件不存在，手动创建目录和文件。在配置文件中添加以下内容：

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://localhost:4000",
    "ANTHROPIC_AUTH_TOKEN": "sk-litellm-master-key",
    "ANTHROPIC_MODEL": "kimi-k3",
    "ANTHROPIC_SMALL_FAST_MODEL": "kimi-k3"
  }
}

参数说明：

• ANTHROPIC_BASE_URL：LiteLLM 网关的地址，默认 http://localhost:4000，如修改了端口需同步更改
• ANTHROPIC_AUTH_TOKEN：LiteLLM 网关的认证密钥，本地部署可使用任意非空字符串（如 sk-litellm-master-key），生产环境建议在 LiteLLM 配置中设置真实的 master key
• ANTHROPIC_MODEL：默认使用的模型名称，必须与 LiteLLM 配置中的 model_name 完全一致（如 kimi-k3、glm-5.3、doubao-seed-code）。这里默认设为 Kimi K3，你可以根据自己的需求改为其他模型
• ANTHROPIC_SMALL_FAST_MODEL：用于后台轻量任务的模型，建议与主模型设为同一个，避免调用不存在的模型导致报错

🔒 安全提示：ANTHROPIC_AUTH_TOKEN 虽然是本地网关的密钥，但仍建议避免使用过于简单的字符串。如 LiteLLM 网关暴露到局域网或公网，必须在 LiteLLM 配置中设置强 master key，并配置防火墙限制访问来源。配置文件建议设置文件权限为仅所有者可读写（macOS/Linux 执行 chmod 600 ~/.claude/settings.json）。

预期结果：保存配置文件后，完全退出 Claude Code（如已运行）并重新启动，Claude Code 会自动读取新的环境变量配置，所有 API 请求将发送到本地 LiteLLM 网关。

⚠️ 常见错误：配置后 Claude Code 仍连接官方 Claude 模型
原因：Claude Code 可能缓存了之前的登录状态或配置，或者 settings.json 的 env 字段层级写错（如写在了根层级而非 env 对象内）。另外，如果之前登录过 Anthropic 账号，部分版本的 Claude Code 可能优先使用登录态的官方端点。
解决方法：先在 Claude Code 中执行 /logout 退出官方账号，完全关闭 Claude Code 进程后重新启动。检查 settings.json 格式是否正确，ANTHROPIC_BASE_URL 等字段必须在 env 对象内部。可在终端执行 echo $ANTHROPIC_BASE_URL 确认环境变量未被 shell 层面的配置覆盖。

步骤 3：切换模型并验证基础对话 #

步骤说明：配置完成后，先测试基础对话功能是否正常，确认 LiteLLM 网关和 Claude Code 的连接没有问题，再测试更复杂的 Agent 功能。Claude Code 支持通过 /model 命令切换不同模型，我们可以依次测试 Kimi K3、GLM-5.3、豆包三个模型是否都能正常调用。

操作方法：在终端中启动 Claude Code：

claude

启动后，使用 /model 命令切换到指定模型：

/model glm-5.3

切换成功后，输入测试问题：

用Python写一个快速排序函数，带中文注释和类型注解

预期结果：模型正常流式返回带注释的 Python 代码，没有报错信息，对话流程顺畅。返回的代码可以直接复制运行。依次执行 /model kimi-k3 和 /model doubao-seed-code，确认三个模型都能正常响应。

💡 提示：/model 命令后接的模型名称必须与 LiteLLM 配置中的 model_name 完全一致，大小写敏感。如果不确定模型名称，可以在 LiteLLM 网关的启动日志中查看已加载的模型列表。

完成上述 3 步后，你可以通过一个完整的 Agent 任务验证配置是否成功，包括文件读写和命令执行能力：

测试用例：在一个空目录下启动 Claude Code，切换到 GLM-5.3 模型（/model glm-5.3），输入指令："帮我创建一个名为 calc.py 的文件，实现加减乘除四个函数，每个函数带中文注释，然后执行一个加法测试用例验证功能正常"。

验证成功标志：

• Claude Code 自动创建 calc.py 文件，文件内容包含四个带注释的函数
• 自动执行 python 命令运行测试，终端输出正确的计算结果
• 整个过程没有弹出 API 错误或模型不存在的提示
• 查看 LiteLLM 网关的终端日志，能看到对应的 API 请求记录，状态码为 200，请求的模型名称为 glm-5.3

验证失败常见原因及排查：

• 401 Unauthorized：LiteLLM 网关认证失败，检查 ANTHROPIC_AUTH_TOKEN 是否与 LiteLLM 配置的 master key 一致（本地部署如未设置 master key，使用任意非空字符串即可）
• 404 Model Not Found：模型名称不匹配，检查 /model 后输入的名称是否与 LiteLLM 配置中的 model_name 完全一致（大小写敏感）
• 连接超时 / Connection Refused：LiteLLM 网关未启动或端口不匹配，确认网关终端窗口仍在运行，ANTHROPIC_BASE_URL 的端口与网关实际监听端口一致
• 工具调用失败：部分国产模型对 Anthropic 协议的 tool use 格式支持不完善，可能导致文件读写、命令执行等 Agent 功能异常。Kimi K3 和 GLM-5.3 作为最新旗舰模型，工具调用兼容性较好；如遇到问题，建议切换模型测试，或使用 LiteLLM 的工具调用转换功能（需在 LiteLLM 配置中开启）

Q1：接入国产模型后，Claude Code 的所有功能都能用吗？
A：基础对话、代码生成功能可以正常使用，但 Agent 能力（文件读写、命令执行、多步任务编排）取决于接入的模型和 LiteLLM 网关对 Anthropic 协议 tool use 格式的支持程度。Kimi K3 和 GLM-5.3 作为 2026 年最新发布的旗舰模型，工具调用能力较强，大部分 Agent 场景可以正常使用。Claude Code 的部分高级功能（如 Extended Thinking 深度思考、项目记忆联动）依赖 Claude 模型的定制化能力，第三方模型可能不支持。

Q2：LiteLLM 网关必须一直运行吗？关闭后 Claude Code 还能用吗？
A：是的，LiteLLM 网关作为协议转换层必须持续运行，Claude Code 才能通过它调用国产模型。如果关闭网关，Claude Code 的 API 请求会连接失败。你可以将 LiteLLM 配置为系统服务开机自启，或使用 Docker 容器化部署并设置自动重启，减少手动维护成本。

Q3：什么情况下不建议用 Claude Code + LiteLLM 接入国产模型？
A：如果你只需要基础对话和代码生成，不需要 Claude Code 的 Agent 能力，直接使用支持 OpenAI 兼容接口的终端工具（如 OpenCode）更简单，不需要部署额外网关。如果你对延迟非常敏感，LiteLLM 网关会增加一层网络转发，首字延迟会略有增加。如果你需要严格的合规审计，建议直接使用各平台官方客户端，避免第三方网关带来的额外数据路径。

Q4：token 消耗是算 Claude 订阅的还是国产模型平台的？
A：所有 token 消耗都计入你对应国产大模型平台的 API 额度，与 Anthropic 的 Claude 订阅无关。Claude Code 客户端本身免费，但使用官方 Claude 模型需要 Anthropic 订阅或 API 额度；通过 LiteLLM 接入第三方模型后，费用由第三方模型平台收取。LiteLLM 本身是开源免费工具，不收取额外费用。

Q5：可以同时配置多个模型，在 Claude Code 中随时切换吗？
A：可以。在 LiteLLM 配置文件的 model_list 中添加多个模型配置，启动网关后即可在 Claude Code 中通过 /model 模型名称 随时切换，不需要修改配置文件或重启网关。适合需要对比 Kimi K3、GLM-5.3 等不同模型编码效果的场景。

Q6：Kimi K3 可以不通过 LiteLLM，直接接入 Claude Code 吗？
A：可以。Kimi K3 官方同时提供 OpenAI 和 Anthropic 两种兼容 API，因此可以直接在 Claude Code 中配置，不需要 LiteLLM 网关转换。在 ~/.claude/settings.json 中配置：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.moonshot.cn",
    "ANTHROPIC_AUTH_TOKEN": "your_kimi_api_key",
    "ANTHROPIC_MODEL": "kimi-k3"
  }
}

注意 Kimi 的 Anthropic 兼容端点地址可能随版本调整，具体以 Kimi 官方文档为准。如果你只使用 Kimi K3 一个模型，推荐直连方案更轻量；如果需要同时管理 Kimi K3、GLM-5.3、豆包等多个模型，仍建议使用 LiteLLM 统一网关。

**