ccs
CCS(Claude Code Switch)是一款专为多模型开发环境打造的命令行配置管理工具。它允许开发者通过统一的指令界面,轻松在 Claude、Gemini、Copilot、OpenRouter(支持 300+ 模型)以及本地模型(如 Ollama、llama.cpp)之间无缝切换。
过去,开发者在不同 AI 服务间切换时,往往需要反复修改配置文件,不仅繁琐还容易破坏正在进行的会话。CCS 彻底解决了这一痛点,让用户无需再为复杂的配置折腾,只需几秒钟即可切换运行时环境和账号上下文,同时保持会话的稳定性。
这款工具特别适合频繁使用多种大模型的开发者、研究人员及技术爱好者。无论是需要对比不同模型效果,还是需要在多个订阅账号间轮换,CCS 都能提供极大的便利。
其技术亮点包括:内置可视化仪表盘,可实时监控认证状态、用量成本及会话模式;支持 OAuth 代理和远程代理配置,原生集成负载均衡策略;还能自动配置 WebSearch 等辅助工具作为降级方案。从安装到生产环境部署,CCS 力求做到“零配置”启动,让开发者能更专注于代码与创意本身,而非环境搭建。
使用场景
某全栈开发者需要在单日内交替使用个人版 Claude、团队 Copilot 账号以及本地 Ollama 模型,以完成从原型设计到敏感数据脱敏的多阶段开发任务。
没有 ccs 时
- 配置反复横跳:每次切换模型供应商(如从 Claude 切到 Gemini),都必须手动编辑环境变量或配置文件,极易因语法错误导致会话中断。
- 账号隔离困难:难以在同一终端会话中快速区分个人订阅与企业账号上下文,常发生误用高价账号处理简单测试任务的浪费。
- 本地模型接入繁琐:想要调用本地 Ollama 或 GLM 模型时,需单独编写复杂的代理脚本和工具链(如 WebSearch),无法与云端 API 统一调度。
- 状态监控盲区:缺乏统一的仪表盘查看各账号的配额剩余、认证状态及历史成本,往往在任务执行中途才发现凭证过期。
使用 ccs 后
- 一键无缝切换:通过
ccs codex或ccs ollama等简单命令,秒级切换运行时环境,无需触碰任何配置文件,保持开发流不中断。 - 多账号智能管理:ccs 自动隔离不同 OAuth 提供商(如 Copilot、Kimi)的上下文,确保每个任务精准匹配对应的订阅计划与权限。
- 统一工具链支持:自动为本地模型或第三方 API 预置 WebSearch 等增强工具,无需手动 wiring,实现云端与本地能力的平滑融合。
- 实时可视化监控:内置仪表盘实时展示各 Profile 的健康状态、Token 消耗及路由策略,让资源管理和成本控制在掌控之中。
ccs 将碎片化的多模型配置工作转化为稳定的单一命令界面,让开发者专注于代码逻辑而非环境调试。
运行环境要求
- 未说明
未说明
未说明

快速开始
CCS - Claude 代码切换器

Claude Code 及兼容 CLI 的多提供商配置与运行时管理器
无需反复修改配置文件,即可运行 Claude、Codex、Droid 路由配置、GLM、本地模型以及与 Anthropic 兼容的 API。
为什么选择 CCS
CCS 提供一个稳定的命令行界面,同时允许您在以下之间快速切换:
- 多种运行时环境,如 Claude Code、Factory Droid 和 Codex CLI
- 多个 Claude 订阅及隔离的账户上下文
- OAuth 提供商,例如 Codex、Copilot、Kiro、Claude、Qwen、Kimi 等
- API 和本地模型配置,如 GLM、Kimi、OpenRouter、Ollama、llama.cpp、Novita 和 Alibaba Coding Plan
目标很简单:不再需要频繁重写配置文件,不再破坏当前会话,几秒钟内即可在不同提供商之间切换。
快速开始
npm install -g @kaitranntt/ccs
ccs config
然后根据任务需求启动相应的运行时:
ccs
ccs codex
ccs --target droid glm
ccs glm
ccs ollama
如果您需要完整的设置流程而不是简短版本?
| 需求 | 从这里开始 |
|---|---|
| 安装并验证 CCS | /getting-started/installation |
| 第一次成功会话 | /getting-started/first-session |
| 视觉化教程 | /getting-started/product-tour |
| 选择提供商 | /providers/concepts/overview |
| 完整命令参考 | /reference/cli-commands |
| 故障排除 | /reference/troubleshooting |
观看 CCS 实际应用
使用情况分析

跨配置跟踪使用情况、成本和会话模式。深入了解: 仪表盘分析。
实时认证与健康监测

无需进入原始配置即可查看认证状态、账户健康状况和提供商就绪情况。深入了解: 实时认证监控。
OAuth 提供商控制中心

在一个地方管理基于 OAuth 的提供商、配额可见性以及代理级路由。CCS 现在在 CLI 和仪表盘流程中原生支持轮询与优先填充两种模式,而不再将其隐藏在上游控制中。深入了解: CLIProxy API。
管理工具与后备方案

对于第三方调用,CCS 可以提供一流的本地工具,如 WebSearch 和图像分析,而无需您手动配置。深入了解: WebSearch。
文档矩阵
README 有意保持简洁,详细指南和参考资料则由文档网站负责。
| 如果您想... | 请阅读此内容 |
|---|---|
| 了解 CCS 是什么以及各部分如何协同工作 | 简介 |
| 在新机器上干净地安装 CCS | 安装 |
| 从安装到首次成功运行 | 您的第一次 CCS 会话 |
| 在设置前查看仪表盘和工作流界面 | 产品导览 |
| 比较 OAuth 提供商、Claude 账户和 API 配置 | 提供商概览 |
| 学习仪表盘结构和功能页面 | 仪表盘概览 |
| 配置 profiles、路径和环境变量 | 配置 |
| 使 OpenCode 与您的 CCS 设置保持同步 | OpenCode 同步插件 |
| 浏览所有命令和标志 | CLI 命令参考 |
| 从安装、认证或提供商故障中恢复 | 故障排除 |
| 理解存储、配置和架构细节 | 参考 |
示例工作流程
# 使用默认 Claude 进行设计
ccs "设计认证流程"
# 使用不同的提供商进行实现
ccs codex "实现用户服务"
# 对于常规工作,使用更便宜的 API 配置
ccs glm "清理测试和文档"
# 当需要隐私或离线访问时,运行本地模型
ccs ollama "总结这些日志"
社区项目
| 项目 | 作者 | 描述 |
|---|---|---|
| opencode-ccs-sync | @JasonLandbridge | 自动将 CCS 提供商同步到 OpenCode |
贡献与安全报告
- 贡献指南:CONTRIBUTING.md
- 初学者任务: good first issue, help wanted
- 问题:提交问题
- 安全报告:SECURITY.md 和 私人咨询表单
星标历史
版本历史
v7.67.0-dev.12026/04/09v7.67.02026/04/09v7.66.1-dev.62026/04/08v7.66.1-dev.52026/04/08v7.66.1-dev.42026/04/08v7.66.1-dev.32026/04/08v7.66.1-dev.22026/04/08v7.66.1-dev.12026/04/07v7.66.12026/04/07v7.66.0-dev.42026/04/07v7.66.0-dev.32026/04/07v7.66.0-dev.22026/04/06v7.66.0-dev.12026/04/06v7.66.02026/04/05v7.65.3-dev.112026/04/05v7.65.3-dev.102026/04/04v7.65.3-dev.92026/04/04v7.65.3-dev.82026/04/04v7.65.3-dev.72026/04/04v7.65.3-dev.62026/04/04常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
