对于开发者来说，使用AI编程助手时，云服务费用是一笔不小的开支。通过将Claude Code与本地Ollama模型结合，可以在保持开发效率的同时大幅降低使用成本。这一方案不仅解决了API费用问题，还能让用户自主选择适合本地部署的开源模型。
智能速览
Claude Code可通过环境变量配置使用本地Ollama模型
设置ANTHROPIC_BASE_URL和ANTHROPIC_API_KEY即可完成对接
实测使用gpt-oss20b模型成功创建Java Hello World代码
本地模型不需要API Key也能正常运行
支持多种开源模型如qwen3-coder、gpt-oss20b等
精华内容
通过简单的环境变量配置，就能让Claude Code无缝切换到本地Ollama模型，既保持了开发体验，又避免了高昂的API费用。具体操作方法其实相当简单。
环境准备
开始前需要确保本地已安装Ollama服务，可以通过访问localhost:11434来验证服务是否正常运行。同时需要安装Cloud Code，可以使用官方提供的命令行代码或通过Homebrew的brew install命令进行安装。这两个基础环境是整个配置过程的前提条件。
关键配置
配置的核心在于设置三个环境变量：ANTHROPIC_BASE_URL设为http://localhost:11434，ANTHROPIC_AUTH_TOKEN设为ollama，ANTHROPIC_API_KEY也设为ollama。由于Ollama不需要API Key，实际上最后一个变量可以删除。将这些设置与运行命令组合成一行即可完成配置。
模型选择
配置完成后，可以选择本地已安装的任意模型。测试中使用了gpt-oss20b模型替代默认推荐的qwen3-co模型。用户可以通过ollama list命令查看本地所有可用模型，根据实际需求选择合适的模型。Claude Code会正确识别并使用指定的本地模型。
实际测试
首次运行Cloud Code时会进行一些基础设置，包括选择文本样式模式。实测中让它创建Java Hello World代码，经过一段等待后成功生成了完整的代码。测试文件被正确创建在指定目录，证明了本地模型与Claude Code的兼容性。
API Key验证
特别测试了删除API Key环境变量后的运行情况。结果显示，即使不设置ANTHROPIC_API_KEY，Cloud Code仍能正常运行并与Ollama模型正常通信。这进一步简化了配置过程，证明了本地模型的灵活性。
通过Ollama本地化部署Claude Code，不仅能显著降低使用成本，还能让开发者自主控制模型选择。这种方案为个人开发者和小团队提供了高性价比的AI编程解决方案。未来，随着本地模型能力的提升，这种本地化方案将展现出更大潜力。
关键评论
支持up主，询问如果用LM studio的话，行不行
支持并期待喵喵程序员后面的大作
期待后续
询问电脑配置如何
