# Claude Code CLI
> Подключите Claude Code CLI к LMU AI API: настройка settings.json, выбор модели, китайские LLM, включение контекста 1M и исправление распространённых ошибок.
URL: https://docs.lmuai.com/ru/docs/tools/claude-code
Claude Code — это официальный ИИ-агент для программирования от Anthropic: он работает в вашем терминале и позволяет писать, отлаживать и рефакторить код на естественном языке.
Если вы предпочитаете не редактировать `settings.json` вручную, используйте [**импорт в один клик через CC Switch**](/ru/docs/tools/cc-switch): нажмите кнопку «Import to CCS» в списке ключей в консоли LMU AI, и Base URL и ключ настроятся автоматически.
***
## Шаг 1 — Установите Node.js [#шаг-1--установите-nodejs]
> Пропустите этот шаг, если Node.js уже установлен; проверьте командой `node -v`.
Вам нужен **Node.js 18+** — скачать: [https://nodejs.org/en/download](https://nodejs.org/en/download)
```bash
# Verify after installing
node -v
# A version number (e.g. v24.4.1) means it installed correctly
```
```powershell
# During install, check "Automatically install the necessary tools"
# Reopen PowerShell after installing and verify
node -v
```
Если вы установили его ранее, но версия слишком старая или PATH нарушен, переустановите и заново откройте терминал.
***
## Шаг 2 — Установите Claude Code [#шаг-2--установите-claude-code]
```bash
npm install -g @anthropic-ai/claude-code
```
```powershell
npm install -g @anthropic-ai/claude-code
```
Проверьте установку:
```bash
claude --version
```
```bash
npm config set registry https://registry.npmmirror.com
npm install -g @anthropic-ai/claude-code
```
***
## Шаг 3 — Настройте LMU AI API [#шаг-3--настройте-lmu-ai-api]
Claude Code настраивает пользовательскую конечную точку API через `settings.json`.
### Расположение файла конфигурации [#расположение-файла-конфигурации]
```bash
~/.claude/settings.json
```
```powershell
C:\Users\YourUsername\.claude\settings.json
```
### Создайте файл конфигурации [#создайте-файл-конфигурации]
```bash
mkdir -p ~/.claude && touch ~/.claude/settings.json
```
```powershell
mkdir "$env:USERPROFILE\.claude" -Force
New-Item "$env:USERPROFILE\.claude\settings.json" -Force
```
### Заполните конфигурацию [#заполните-конфигурацию]
Откройте `settings.json` в текстовом редакторе и добавьте следующее (замените ключ на свой):
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"API_TIMEOUT_MS": "3000000",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
}
}
```
* Задайте `ANTHROPIC_AUTH_TOKEN` равным API-ключу, который вы создали в консоли LMU AI (начинается с `sk-`)
* Не используйте официальный API-ключ Anthropic
* Если вы ранее настроили официальный ключ, сначала очистите старую конфигурацию, затем впишите эту
* Установка `CLAUDE_CODE_ATTRIBUTION_HEADER` в `"0"` отключает заголовок атрибуции источника в запросах, что помогает попаданиям в кэш и эффективности токенов
***
## Включение контекста 1M в Claude Code (опционально) [#включение-контекста-1m-в-claude-code-опционально]
Claude Opus 4.8 / Sonnet 5 поддерживают **окно длинного контекста на 1M токенов** (по умолчанию 200K), полезное для огромных репозиториев, длинных логов и межфайлового рефакторинга. Добавьте суффикс `[1M]` к ID модели, чтобы включить его.
### Вариант A — ручное переключение через /model (рекомендуется для эпизодического использования) [#вариант-a--ручное-переключение-через-model-рекомендуется-для-эпизодического-использования]
**Оставьте минимальный settings.json** (только `ANTHROPIC_BASE_URL` + `ANTHROPIC_AUTH_TOKEN`), запустите Claude Code и введите в приглашении:
```
/model claude-opus-5[1M]
```
или:
```
/model claude-sonnet-5[1M]
```
Это переключает на версию 1M без изменений конфигурации. Применяется к текущей сессии и сбрасывается при выходе.
### Вариант B — постоянное значение по умолчанию в settings.json (рекомендуется для ежедневного использования длинного контекста) [#вариант-b--постоянное-значение-по-умолчанию-в-settingsjson-рекомендуется-для-ежедневного-использования-длинного-контекста]
Добавьте две строки в раздел `env` файла `settings.json`, чтобы `/model opus` / `/model sonnet` по умолчанию использовали версию 1M:
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "claude-opus-5[1M]",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-5[1M]",
"API_TIMEOUT_MS": "3000000",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
}
}
```
Сохраните и перезапустите Claude Code; выбор opus / sonnet в команде `/model` теперь автоматически использует версию 1M.
**Справочник полей**
| Поле | Назначение |
| -------------------------------- | ------------------------------------------------------------------------------------------------------- |
| `ANTHROPIC_DEFAULT_OPUS_MODEL` | ID модели, фактически отправляемый при выборе `opus` в Claude Code |
| `ANTHROPIC_DEFAULT_SONNET_MODEL` | То же, для `sonnet` |
| Суффикс `[1M]` | Включает режим длинного контекста модели на 1M токенов; без него применяется значение по умолчанию 200K |
* **Иная тарификация**: режим контекста 1M тарифицируется по ценам Anthropic, и цена за токен обычно **выше, чем в режиме по умолчанию 200K**, поэтому задачи с длинным текстом стоят значительно дороже — не оставляйте его включённым без необходимости
* **Поддерживают только некоторые модели**: основные модели Opus / Sonnet `claude-opus-5`, `claude-fable-5`, `claude-opus-4-8`, `claude-opus-4-7`, `claude-sonnet-5` поддерживают суффикс `[1M]`; серия Haiku и более старые модели — нет. Список в [Галерее моделей](/ru/docs/guide/models) является источником истины
* **Выберите вариант A для эпизодического использования, вариант B — для регулярного** — выберите один
***
## Использование китайских моделей (опционально) [#использование-китайских-моделей-опционально]
LMU AI поддерживает китайские LLM (например, серию Qwen). Задав `model` в `settings.json`, **вы избегаете ручного переключения через `/model` при каждом запуске** и сразу используете указанную модель.
```json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.lmuai.com",
"ANTHROPIC_AUTH_TOKEN": "sk-your-lmu-ai-api-key",
"CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
},
"model": "qwen3.8-max-preview",
"effortLevel": "medium"
}
```
**Справочник полей:**
| Поле | Описание |
| -------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------- |
| `model` | Модель по умолчанию, загружается при запуске — переключать вручную каждый раз не нужно |
| `effortLevel` | Усилие рассуждения: `low` / `medium` / `high`; для китайских моделей рекомендуется `medium` |
| `CLAUDE_CODE_ATTRIBUTION_HEADER` | Установите в `"0"`, чтобы отключить заголовок атрибуции источника, что помогает попаданиям в кэш, эффективности токенов и совместимости |
* `qwen3.8-max-preview` — Qwen 3.8 Max Preview (последняя)
* `qwen3.7-max` — Qwen 3.7 Max
* `glm-5.2` — Zhipu GLM-5.2
* `deepseek-v4-pro` — DeepSeek V4 Pro
* `kimi-k3` — Kimi K3
Список **Available Models** в консоли LMU AI является источником истины.
| | Китайские модели | Официальные модели Claude |
| ------------------------------ | ---------------- | ------------------------- |
| Стоимость | Ниже | Выше |
| Понимание китайского | Отличное | Хорошее |
| Способность к программированию | Отличная | Отличная |
| Настройка модели по умолчанию | ✅ Поддерживается | ✅ Поддерживается |
***
## Шаг 4 — Запустите Claude Code [#шаг-4--запустите-claude-code]
Откройте терминал в каталоге вашего проекта и выполните:
```bash
claude
```
### Режим без подтверждений (рекомендуется) [#режим-без-подтверждений-рекомендуется]
```bash
claude --dangerously-skip-permissions
```
> В этом режиме Claude Code выполняет команды автоматически, не запрашивая подтверждения на каждом шаге — удобно внутри каталога проекта.
***
## Проверьте конфигурацию [#проверьте-конфигурацию]
После запуска введите в интерфейсе Claude Code:
```
/status
```
Он показывает текущие:
* Имя модели
* API Base URL (должен показывать `https://api.lmuai.com`)
* Статус API-ключа
Если Base URL правильный, конфигурация работает.
***
## Распространённые проблемы [#распространённые-проблемы]
### 401 Unauthorized [#401-unauthorized]
**Причина:** неверный API-ключ, или запрос всё же ушёл на официальную конечную точку Anthropic.
**Исправление:**
1. Убедитесь, что `ANTHROPIC_AUTH_TOKEN` в `settings.json` — это ваш ключ LMU AI
2. Проверьте, не переопределяет ли конфигурацию переменная окружения оболочки
```bash
echo $ANTHROPIC_BASE_URL
```
```powershell
echo $env:ANTHROPIC_BASE_URL
```
3. Заново откройте терминал, затем снова запустите Claude Code
### stream disconnected [#stream-disconnected]
**Причина:** нестабильная локальная сеть, или включён VPN / прокси / системный прокси — прокси, меняющий IP, разрывает соединение.
**Исправление:** отключите VPN / прокси / системный прокси и повторите попытку. LMU AI — это прямое подключение внутри страны, VPN не нужен; прямое подключение самое быстрое и стабильное.
### 503 No available accounts [#503-no-available-accounts]
**Причина:** обычно `~/.zshrc` или `~/.bashrc` задают глобальные переменные окружения вроде `ANTHROPIC_AUTH_TOKEN` / `ANTHROPIC_BASE_URL`, которые переопределяют `settings.json`.
**Исправление:** удалите эти строки из конфигурации оболочки или перенесите их в отдельный файл, который вы делаете `source` только при запуске Claude Code. См. [FAQ · Проблема 6](/ru/docs/guide/faq#issue-6).
### Тайм-ауты ответа [#тайм-ауты-ответа]
**Причина:** тайм-аут по умолчанию слишком короткий.
**Исправление:** убедитесь, что `API_TIMEOUT_MS` установлен в `3000000` (50 минут), чтобы длинные задачи не обрывались.
***
## Советы [#советы]
* Запускайте Claude Code из корня проекта, чтобы он автоматически подхватывал структуру проекта
* Передавайте инструкцию напрямую, например `claude "отрефактори эту функцию за меня"`
* `Ctrl+C` прерывает текущую задачу, `/exit` завершает работу
* Введите `?` или `/help`, чтобы увидеть все команды
***
## Использование /goal, чтобы Claude Code работал до достижения цели (опционально) [#использование-goal-чтобы-claude-code-работал-до-достижения-цели-опционально]
`/goal` — это встроенная слэш-команда Claude Code (доступна с **v2.1.139**, май 2026), которая задаёт **условие завершения** для текущей сессии. После установки Claude **самостоятельно продолжает работу между ходами**, пока условие не будет признано выполненным, а не останавливается, когда «кажется, что готово». На LMU AI это особенно удобно для длинных задач с выполнением до конца (рефакторинг больших репозиториев, реализация до спецификации приёмки, разбор бэклога issue).
> В более старых версиях этой команды нет. Если она сообщает о неизвестной команде, сначала обновите Claude Code до последней версии.
### Базовое использование [#базовое-использование]
| Команда | Назначение |
| ---------------------------- | ------------------------------------------------------------------------------------------------- |
| `/goal <условие завершения>` | Задать цель; Claude немедленно начинает ход и продолжает автоматически, пока условие не выполнено |
| `/goal` | Показать статус и прогресс текущей (или последней) цели |
| `/goal clear` | Очистить текущую цель досрочно (`stop` / `off` / `reset` / `cancel` / `none` эквивалентны) |
В сессии одновременно **только одна цель**; задание новой заменяет старую и немедленно начинает новый ход.
### Как оценивается «выполнено» [#как-оценивается-выполнено]
В конце каждого хода Claude Code передаёт **ваше условие завершения + диалог этого хода** небольшой быстрой модели (по умолчанию **Haiku**) для оценки. Оценивающая модель **смотрит только на доказательства, уже присутствующие в диалоге** — вывод тестов, логи сборки, диффы файлов — и **не перезапускает весь ваш CI у вас за спиной**. Поэтому формулируйте условие так, чтобы Claude мог «предъявить доказательства» в диалоге.
Цель **очищается автоматически** в любом из следующих случаев:
* условие признано **выполненным**;
* модель признаёт условие **невозможным для выполнения**;
* ход **сталкивается с ошибкой, требующей вашего вмешательства**.
### Как написать хорошее условие цели [#как-написать-хорошее-условие-цели]
* **Используйте проверяемое конечное состояние**: например, «`npm test` завершается с кодом 0», «`tsc --noEmit` не сообщает об ошибках» — а не субъективные описания вроде «сделай код красивее»;
* **Пусть доказательства попадают в диалог**: печатайте результаты тестов / сборки на каждом ходу, чтобы оценивающая модель их видела;
* **Ограничьте область + задайте лимит ходов**: например, «изменяй только файлы в `src/auth/`, останавливайся максимум после 20 ходов», чтобы избежать зацикливания;
* Требуется **доверенное рабочее пространство (с включёнными хуками)**, чтобы это работало.
Каждый дополнительный ход `/goal` тратит ещё один раунд токенов (плюс небольшие накладные расходы Haiku на оценку каждого хода). Запуская длинную цель на LMU AI, впишите в условие чёткое **конечное состояние** и **максимальное число ходов**, чтобы не сжигать квоту на зацикливании над непроверяемой целью. Для цикла «многократно самокорректируйся, пока проверки не пройдут» сочетайте `/goal` с `/loop`.