Ferramentas

Claude Code CLI

Conecte a CLI do Claude Code à API da LMU AI: configuração do settings.json, seleção de modelos, LLMs chineses, ativação do contexto de 1M e correções de erros comuns.

O Claude Code é o agente de codificação de IA oficial da Anthropic — ele roda no seu terminal e permite escrever, depurar e refatorar código em linguagem natural.

Um jeito mais rápido: importação em um clique com o CC Switch

Se você prefere não editar o settings.json manualmente, use a importação em um clique do CC Switch: clique no botão "Import to CCS" na lista de chaves no console da LMU AI, e a Base URL e a chave são configuradas automaticamente.


Passo 1 — Instalar o Node.js

Pule isto se já tiver; verifique com node -v.

Você precisa do Node.js 18+ — download: https://nodejs.org/en/download

# Verify after installing
node -v
# A version number (e.g. v24.4.1) means it installed correctly
# During install, check "Automatically install the necessary tools"
# Reopen PowerShell after installing and verify
node -v

Se você o instalou antes, mas a versão está muito antiga ou o PATH está quebrado, reinstale e reabra o terminal.


Passo 2 — Instalar o Claude Code

npm install -g @anthropic-ai/claude-code
npm install -g @anthropic-ai/claude-code

Verifique a instalação:

claude --version

Problemas de rede? Troque para um mirror da China

npm config set registry https://registry.npmmirror.com
npm install -g @anthropic-ai/claude-code

Passo 3 — Configurar a API da LMU AI

O Claude Code configura um endpoint de API personalizado através do settings.json.

Localização do arquivo de configuração

~/.claude/settings.json
C:\Users\YourUsername\.claude\settings.json

Criar o arquivo de configuração

mkdir -p ~/.claude && touch ~/.claude/settings.json
mkdir "$env:USERPROFILE\.claude" -Force
New-Item "$env:USERPROFILE\.claude\settings.json" -Force

Escrever a configuração

Abra o settings.json em um editor de texto e adicione o seguinte (substitua a chave pela sua):

{
  "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"
  }
}

Nota

  • Defina ANTHROPIC_AUTH_TOKEN como a chave de API que você gerou no console da LMU AI (começa com sk-)
  • Não use uma chave de API oficial da Anthropic
  • Se você configurou uma chave oficial antes, limpe a configuração antiga primeiro e então escreva esta
  • Definir CLAUDE_CODE_ATTRIBUTION_HEADER como "0" desativa o cabeçalho de atribuição de origem nas requisições, o que ajuda nos acertos de cache e na eficiência de tokens

Ativar o contexto de 1M no Claude Code (opcional)

O Claude Opus 4.8 / Sonnet 5 suportam uma janela de contexto longo de 1M token (200K por padrão), útil para repositórios enormes, logs longos e refatorações entre arquivos. Adicione o sufixo [1M] ao ID do modelo para ativá-lo.

Opção A — troca manual com /model (recomendada para uso ocasional)

Mantenha um settings.json mínimo (apenas ANTHROPIC_BASE_URL + ANTHROPIC_AUTH_TOKEN), inicie o Claude Code e digite no prompt:

/model claude-opus-5[1M]

ou:

/model claude-sonnet-5[1M]

Isto troca para a versão de 1M sem alterações de configuração. Aplica-se à sessão atual e reverte ao sair.

Opção B — um padrão fixo no settings.json (recomendada para uso diário de contexto longo)

Adicione duas linhas à seção env do settings.json para que /model opus / /model sonnet usem a versão de 1M por padrão:

{
  "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"
  }
}

Salve e reinicie o Claude Code; selecionar opus / sonnet no comando /model agora usa a versão de 1M automaticamente.

Referência de campos

CampoFinalidade
ANTHROPIC_DEFAULT_OPUS_MODELO ID do modelo realmente enviado quando você escolhe opus no Claude Code
ANTHROPIC_DEFAULT_SONNET_MODELO mesmo, para sonnet
sufixo [1M]Ativa o modo de contexto longo de 1M token do modelo; sem ele, aplica-se o padrão de 200K

Notas de uso

  • Cobrança diferente: o modo de contexto de 1M é tarifado por faixas de preço da Anthropic, e o preço por token é geralmente mais alto que o modo padrão de 200K, então tarefas de texto longo custam significativamente mais — não o deixe ligado a menos que precise
  • Apenas alguns modelos suportam: os modelos principais Opus / Sonnet claude-opus-5, claude-fable-5, claude-opus-4-8, claude-opus-4-7, claude-sonnet-5 suportam o sufixo [1M]; a série Haiku e modelos mais antigos não. A lista da Galeria de Modelos é a fonte de verdade
  • Escolha a Opção A para uso ocasional, a Opção B para uso regular — escolha uma

Usar modelos chineses (opcional)

A LMU AI suporta LLMs chineses (ex.: a série Qwen). Definindo model no settings.json, você pula a troca manual com /model a cada inicialização e usa o modelo especificado diretamente.

{
  "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"
}

Referência de campos:

CampoDescrição
modelO modelo padrão, carregado na inicialização — sem troca manual toda vez
effortLevelEsforço de raciocínio: low / medium / high; medium é recomendado para modelos chineses
CLAUDE_CODE_ATTRIBUTION_HEADERDefina como "0" para desativar o cabeçalho de atribuição de origem, o que ajuda nos acertos de cache, eficiência de tokens e compatibilidade

Modelos chineses suportados (exemplos)

  • qwen3.8-max-preview — Qwen 3.8 Max Preview (mais recente)
  • qwen3.7-max — Qwen 3.7 Max
  • glm-5.2 — Zhipu GLM-5.2
  • deepseek-v4-pro — DeepSeek V4 Pro
  • kimi-k3 — Kimi K3

A lista de Modelos Disponíveis no console da LMU AI é a fonte de verdade.

Modelos chineses vs. modelos oficiais do Claude

Modelos chinesesModelos oficiais do Claude
CustoMenorMaior
Compreensão de chinêsExcelenteBoa
Capacidade de codificaçãoExcelenteExcelente
Configuração de modelo padrão✅ Suportada✅ Suportada

Passo 4 — Iniciar o Claude Code

Abra um terminal no diretório do seu projeto e execute:

claude

Modo sem aprovação (recomendado)

claude --dangerously-skip-permissions

Neste modo, o Claude Code executa comandos automaticamente sem confirmar cada passo — prático dentro de um diretório de projeto.


Verificar a configuração

Após iniciar, digite na interface do Claude Code:

/status

Ela mostra o atual:

  • Nome do modelo
  • API Base URL (deve mostrar https://api.lmuai.com)
  • Status da chave de API

Se a Base URL estiver correta, a configuração está funcionando.


Problemas comuns

401 Unauthorized

Causa: a chave de API está errada, ou a requisição ainda foi para o endpoint oficial da Anthropic.

Correção:

  1. Confirme que ANTHROPIC_AUTH_TOKEN no settings.json é sua chave da LMU AI
  2. Verifique se uma variável de ambiente do shell está sobrescrevendo a configuração
echo $ANTHROPIC_BASE_URL
echo $env:ANTHROPIC_BASE_URL
  1. Reabra o terminal e então inicie o Claude Code novamente

stream disconnected

Causa: uma rede local instável, ou uma VPN / proxy / proxy do sistema está ligado — um proxy rotacionando o IP quebra a conexão.

Correção: desligue a VPN / proxy / proxy do sistema e tente novamente. A LMU AI é uma conexão doméstica direta e não precisa de VPN; uma conexão direta é a mais rápida e estável.

503 No available accounts

Causa: geralmente ~/.zshrc ou ~/.bashrc define variáveis de ambiente globais como ANTHROPIC_AUTH_TOKEN / ANTHROPIC_BASE_URL, que sobrescrevem o settings.json.

Correção: remova essas linhas da configuração do seu shell, ou mova-as para um arquivo separado que você só faz source ao iniciar o Claude Code. Veja FAQ · Problema 6.

Timeouts de resposta

Causa: o timeout padrão é curto.

Correção: confirme que API_TIMEOUT_MS está definido como 3000000 (50 minutos) para que tarefas longas não sejam interrompidas.


Dicas

  • Inicie o Claude Code a partir da raiz do projeto para que ele reconheça a estrutura do projeto automaticamente
  • Passe uma instrução diretamente, ex.: claude "refatore esta função para mim"
  • Ctrl+C interrompe a tarefa atual, /exit sai
  • Digite ? ou /help para ver todos os comandos

Usar /goal para fazer o Claude Code trabalhar até o objetivo ser cumprido (opcional)

/goal é um comando de barra integrado do Claude Code (disponível desde a v2.1.139, maio de 2026) que define uma condição de conclusão para a sessão atual. Uma vez definido, o Claude continua ao longo dos turnos por conta própria até que a condição seja julgada cumprida, em vez de parar quando "parece pronto". É especialmente útil na LMU AI para tarefas longas de execução até a conclusão (refatorações de repositórios grandes, implementação conforme uma especificação de aceitação, limpeza de um backlog de issues).

Versões mais antigas não têm este comando. Se ele reportar um comando desconhecido, atualize o Claude Code para a versão mais recente primeiro.

Uso básico

ComandoFinalidade
/goal <condição de conclusão>Define um objetivo; o Claude inicia um turno imediatamente e continua automaticamente até a condição ser cumprida
/goalMostra o status e o progresso do objetivo atual (ou mais recente)
/goal clearLimpa o objetivo atual antecipadamente (stop / off / reset / cancel / none são equivalentes)

Uma sessão tem apenas um objetivo por vez; definir um novo substitui o antigo e inicia um novo turno imediatamente.

Como ele julga "cumprido"

Ao final de cada turno, o Claude Code entrega sua condição de conclusão + a conversa deste turno a um modelo pequeno e rápido (Haiku por padrão) para julgar. O juiz só olha as evidências já presentes na conversa — saída de testes, logs de build, diffs de arquivos — e não vai re-executar toda a sua CI pelas suas costas. Então escreva a condição de uma forma em que o Claude possa "produzir evidências" na conversa.

O objetivo é limpo automaticamente em qualquer um destes casos:

  • a condição é julgada cumprida;
  • o modelo julga a condição impossível de satisfazer;
  • um turno atinge um erro que precisa da sua intervenção.

Escrever uma boa condição de objetivo

  • Use um estado final verificável: ex.: "npm test sai com 0", "tsc --noEmit não reporta erros" — não descrições subjetivas como "deixar o código mais bonito";
  • Deixe as evidências chegarem à conversa: imprima os resultados de teste / build a cada turno para que o modelo juiz possa vê-los;
  • Delimite o escopo + limite os turnos: ex.: "altere apenas arquivos em src/auth/, pare após no máximo 20 turnos" para evitar rodar em círculos;
  • Requer um workspace confiável (hooks ativados) para ter efeito.

Uma dica para usar com a LMU AI

Cada turno extra de /goal gasta mais uma rodada de tokens (mais um pouco de sobrecarga do Haiku para o julgamento por turno). Ao rodar um objetivo longo na LMU AI, escreva um estado final claro e uma contagem máxima de turnos na condição para que ele não queime cota rodando em círculos em um objetivo não verificável. Para um loop de "auto-corrigir repetidamente até os checks passarem", combine /goal com /loop.

Última atualização:

Nesta página