Инструменты

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.

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.

Более быстрый способ: импорт в один клик через CC Switch

Если вы предпочитаете не редактировать settings.json вручную, используйте импорт в один клик через 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

Пропустите этот шаг, если Node.js уже установлен; проверьте командой node -v.

Вам нужен Node.js 18+ — скачать: 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

Если вы установили его ранее, но версия слишком старая или PATH нарушен, переустановите и заново откройте терминал.


Шаг 2 — Установите Claude Code

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

Проверьте установку:

claude --version

Проблемы с сетью? Переключитесь на зеркало для Китая

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

Шаг 3 — Настройте LMU AI API

Claude Code настраивает пользовательскую конечную точку API через settings.json.

Расположение файла конфигурации

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

Создайте файл конфигурации

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

Заполните конфигурацию

Откройте settings.json в текстовом редакторе и добавьте следующее (замените ключ на свой):

{
  "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"
  }
}

Примечание

  • 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)

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)

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)

Добавьте две строки в раздел env файла settings.json, чтобы /model opus / /model sonnet по умолчанию использовали версию 1M:

{
  "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

ПолеНазначение
ANTHROPIC_DEFAULT_OPUS_MODELID модели, фактически отправляемый при выборе opus в Claude Code
ANTHROPIC_DEFAULT_SONNET_MODELТо же, для sonnet
Суффикс [1M]Включает режим длинного контекста модели на 1M токенов; без него применяется значение по умолчанию 200K

Замечания по использованию

  • 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 является источником истины
  • Выберите вариант A для эпизодического использования, вариант B — для регулярного — выберите один

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.

{
  "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:

ПолеОписание
modelМодель по умолчанию, загружается при запуске — переключать вручную каждый раз не нужно
effortLevelУсилие рассуждения: low / medium / high; для китайских моделей рекомендуется medium
CLAUDE_CODE_ATTRIBUTION_HEADERУстановите в "0", чтобы отключить заголовок атрибуции источника, что помогает попаданиям в кэш, эффективности токенов и совместимости

Поддерживаемые китайские модели (примеры)

  • 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 против официальных моделей Claude

Китайские моделиОфициальные модели Claude
СтоимостьНижеВыше
Понимание китайскогоОтличноеХорошее
Способность к программированиюОтличнаяОтличная
Настройка модели по умолчанию✅ Поддерживается✅ Поддерживается

Шаг 4 — Запустите Claude Code

Откройте терминал в каталоге вашего проекта и выполните:

claude

Режим без подтверждений (рекомендуется)

claude --dangerously-skip-permissions

В этом режиме Claude Code выполняет команды автоматически, не запрашивая подтверждения на каждом шаге — удобно внутри каталога проекта.


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

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
echo $ANTHROPIC_BASE_URL
echo $env:ANTHROPIC_BASE_URL
  1. Заново откройте терминал, затем снова запустите Claude Code

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

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.

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

  • 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)

/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

КомандаНазначение
/goal <условие завершения>Задать цель; Claude немедленно начинает ход и продолжает автоматически, пока условие не выполнено
/goalПоказать статус и прогресс текущей (или последней) цели
/goal clearОчистить 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»

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

  • 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.

Совет по использованию с LMU AI

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.

Последнее обновление:

На этой странице