Claudish：让 Claude Code 拥抱任意 AI 模型

你是否曾被 AI 订阅费用压得喘不过气？每月为 Claude Code 付费，又想用 Gemini 的速度，还要试试 GPT-5 的能力——结果钱包先撑不住了。Claudish 正是为解决这个痛点而生：它是一个开源的本地代理工具，让你在不换工具的前提下，把 Claude Code 的强大界面连接到任何 AI 模型。

图1：Claudish 核心定位——让 Claude Code 适配任意模型

背景故事：订阅地狱催生的开源方案

Claude Code 是 Anthropic 官方推出的命令行编程工具，主打深度代码理解和多步任务规划。但它默认只支持 Anthropic 自己的模型。用户若想用其他模型，要么换工具，要么放弃 Claude Code 强大的交互体验。

MadAppGang 团队敏锐地捕捉到了这个需求。他们没有选择 fork 一个自己的 Claude Code，而是采用代理架构——在用户本地启动一个轻量 HTTP 服务器，将 Claude Code 发出的请求实时翻译为目标模型的 API 格式，再把响应翻译回 Claude Code 可理解的格式。这样 Claude Code 完全不用修改，用户却能自由切换模型。

项目于 2024 年中启动，目前版本 7.5.0，社区活跃度高：914 star、120 fork、49 个 open issue，GitHub 推送频率极快（最后推送 2026-06-10），维护状态优秀。

技术原理：三层适配器架构

Claudish 的核心架构设计值得深入了解。项目文档将其描述为三层适配器架构（Three-layer Adapter Architecture），这是项目最具技术含量的部分，也是它能支持如此多模型的关键。

第一层：API 格式转换（APIFormat / FormatConverter）

Claude Code 原本为 Anthropic 的 Messages API 设计，而各模型提供商的 API 格式各不相同：OpenAI 用 Chat Completions，Google Gemini 用 generateContent，Ollama 用自己的格式。FormatConverter 负责把 Claude Code 发出的请求转换为目标模型的 wire format。

代码实现中，核心文件是 packages/cli/src/adapters/ 目录，包含了 OpenAIAdapter、GeminiAdapter、AnthropicPassthroughAdapter、OllamaCloudAdapter、CodexAdapter 等。以 openai-api-format.ts（4571 字节）为例，它将 Claude Code 的请求 body 映射为 OpenAI Chat Completions 的请求结构。

第二层：模型方言翻译（ModelDialect / ModelTranslator）

不同模型家族对同一概念有不同的"方言"——比如"思考模式"（thinking mode）：Anthropic 有 bodies_thinking 参数，Google Gemini 有 thinkingConfig，OpenAI 的 o1/o3 系列则用 reasoning 参数。ModelDialect 层负责参数名的映射与转换。

项目实现了大量方言翻译器：deepseek-model-dialect.ts、qwen-model-dialect.ts、grok-model-dialect.ts、glm-model-dialect.ts、xiaomi-model-dialect.ts 等，覆盖了当前主流的开源与商业模型。

第三层：传输层（ProviderTransport）

最后一层处理 HTTP 传输细节：认证方式（API Key、OAuth）、端点 URL、流式响应解析（支持 SSE、JSONL 等）。传输层的实现高度模块化，providers/transport/ 目录下有 openai.ts、gemini-apikey.ts、vertex-oauth.ts、local.ts 等，针对每个提供商的具体情况单独处理。

三层架构的好处是可组合性——如果想支持新模型，只需实现对应的三层组件，不用改动其他部分。这种设计在企业级中间件中常见，但在开源 CLI 工具里较为罕见，体现了团队较高的工程素养。

核心功能与使用场景

路由语法

Claudish 使用简洁的 provider@model[:concurrency] 路由语法，一条命令即可切换模型：

# 显式路由
claudish --model google@gemini-2.5-pro "分析这段代码"
claudish --model openrouter@deepseek/deepseek-r1 "推理任务"

# 模型名自动识别路由（最常用）
claudish --model gpt-4o "写测试"              # 自动 → OpenAI
claudish --model gemini-2.0-flash "快速问答"  # 自动 → Google Gemini
claudish --model llama-3.1-70b "本地推理"    # 自动 → OllamaCloud

# 本地模型 + 并发控制
claudish --model ollama@qwen3-coder:3 "批处理"

多提供商支持

Claudish 支持的提供商可分为四类：

• 云端商业 API：OpenRouter（580+ 模型）、Google Gemini、OpenAI、MiniMax、Kimi、GLM、Z.AI、OllamaCloud
• 本地模型：Ollama、LM Studio、vLLM、MLX
• 企业方案：Vertex AI（Google Cloud）
• 特殊集成：OpenAI Codex（Responses API）、Gemini Code Assist

最贴心的是原生模型名自动识别——不需要记忆每个模型的提供商前缀，Claude Code 原本怎么用就怎么用，只需在前面加上 claudish --model。

Bring Your Own Key（BYOK）模式

Claudish 不会强迫用户使用特定服务商的 API Key。用户持有任意服务商的 Key 即可接入，没有额外中间商费用。这与 OpenRouter 的 aggregator 模式形成鲜明对比——如果你有目标提供商的直连 Key，Claudish 可以跳过 OpenRouter 中间层，节省成本。

OAuth 集成

对于没有 API Key 的服务（如 Gemini Code Assist），Claudish 支持 OAuth 登录流程：claudish --gemini-login 会启动本地 OAuth 回调服务器，完成认证后缓存 token。相关实现在 auth/ 目录下，包括 gemini-oauth.ts、codex-oauth.ts、vertex-auth.ts 等。

MCP 服务器模式

Claudish 还可作为 MCP（Model Context Protocol）服务器运行，将模型能力暴露给其他支持 MCP 的工具。通过 claudish dev:mcp 启动 MCP 模式，mcp-server.ts（44039 字节）包含了完整的 MCP SDK 集成实现。

Team 模式

team-orchestrator.ts 显示 Claudish 支持多 Agent 协作模式——多个 Claude Code 实例通过网格编排协同完成复杂任务，这是 2025-2026 年 AI Agent 领域的热门方向。

上手门槛与安装

安装极简（Linux/macOS）：

curl -fsSL https://raw.githubusercontent.com/MadAppGang/claudish/main/install.sh | bash

安装脚本自动检测平台（Linux/macOS）和架构（x64/arm64），从 GitHub Releases 下载对应二进制文件，校验 SHA256 后安装到 ~/.local/bin。Windows 用户使用 PowerShell 安装脚本。

开发环境：

项目是 Bun + TypeScript 的 monorepo，使用 workspaces 管理 packages/cli、packages/macos-bridge 等包。开发依赖包括 Biome（代码格式化）、Jest（测试）、TypeScript。核心入口 cli.ts（89176 字节，约 2500 行），是项目最大的单文件。

Web UI：无。Claudish 是纯 CLI 工具，没有 Web 界面，配置通过 TUI（终端交互界面）和配置文件完成。TUI 用 React 实现，位于 tui/App.tsx（50447 字节），提供了交互式的模型选择、Provider 配置界面。

代码质量评估

维度	评估
测试覆盖	高——format-translation.test.ts（59KB）、大量 .test.ts 文件，覆盖所有适配层
代码结构	优秀——三层适配器职责清晰，monorepo 组织合理
文档质量	极高——AI_AGENT_GUIDE.md（19KB）、CLAUDE.md（22KB）、CHANGELOG.md（89KB）
发布方式	CI/CD 全自动——tag push 触发 npm 发布

测试套件尤其值得关注：format-translation.test.ts（59KB）专门测试各格式之间的翻译正确性，channel/e2e-channel.test.ts 测试端到端通信。这是目前见过的最完善测试覆盖的 CLI 工具之一。

局限与争议

非官方集成：Claude Code 本身是 Anthropic 的商业产品，Claudish 的代理方式依赖 Claude Code 尚未公开的 API 格式。Anthropic 随时可能通过更新打破兼容性。

配置复杂度：支持 10+ 提供商、多种认证方式、复杂路由规则，上手有一定学习成本。

Windows 体验：项目明显以 Unix 环境为主要开发目标，部分功能在 Windows 上可能存在差异。

安全考量：OAuth 登录需要启动本地回调服务器，token 以明文缓存在配置文件中，对安全性要求高的用户需要注意文件系统权限。

行业意义与趋势

Claudish 代表了 2025 年 AI 工具生态的一个重要趋势：工具与模型解耦。过去一年，Claude Code、Cursor、Copilot 等工具各自绑定特定模型，用户没有选择权。Claudish 的出现证明了一个可能性——只要模型 API 足够标准，工具层和模型层完全可以分离。

从数据看，项目在不到一年内从 0 增长到 914 star，增长曲线陡峭，说明市场需求真实存在。随着 Claude Code API 进一步开放和更多模型支持 Claude Code 兼容格式，Claudish 的生态位会越来越稳固。

如果你正在使用 Claude Code 但希望降低订阅成本，或者想测试不同模型的能力边界，Claudish 是目前最成熟的解决方案。它的三层架构设计也为理解 AI 模型适配器提供了极好的学习样本。