ccs

GitHub
1.9k 150 简单 1 次阅读 今天MIT语言模型插件
AI 解读 由 AI 自动生成,仅供参考

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 codexccs 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

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是一个基于 Node.js 的命令行管理器(通过 npm 安装),用于管理多种 AI 提供者(如 Claude Code, Codex, Ollama 等)的配置和运行时环境。具体的硬件需求(GPU/内存)取决于用户选择调用的后端模型或服务(例如本地运行 Ollama 或 llama.cpp 时需参考对应模型的硬件要求)。支持 OAuth 登录及多种 API 配置,无需手动反复修改配置文件。
python未说明
Node.js (npm)
@kaitranntt/ccs
ccs hero image

快速开始

CCS - Claude 代码切换器

CCS Logo

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。

许可证 npm PoweredBy

官网 | 文档 | 产品导览 | CLI 参考

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

分析仪表盘

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

实时认证监控

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

CLIProxy API

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

WebSearch 后备

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

星标历史

星标历史图

版本历史

v7.67.0-dev.12026/04/09
v7.67.02026/04/09
v7.66.1-dev.62026/04/08
v7.66.1-dev.52026/04/08
v7.66.1-dev.42026/04/08
v7.66.1-dev.32026/04/08
v7.66.1-dev.22026/04/08
v7.66.1-dev.12026/04/07
v7.66.12026/04/07
v7.66.0-dev.42026/04/07
v7.66.0-dev.32026/04/07
v7.66.0-dev.22026/04/06
v7.66.0-dev.12026/04/06
v7.66.02026/04/05
v7.65.3-dev.112026/04/05
v7.65.3-dev.102026/04/04
v7.65.3-dev.92026/04/04
v7.65.3-dev.82026/04/04
v7.65.3-dev.72026/04/04
v7.65.3-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

147.9k|★★☆☆☆|今天
开发框架Agent语言模型

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

93.4k|★★☆☆☆|3天前
插件开发框架

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

90.1k|★★★☆☆|3天前
语言模型图像Agent

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。

87.6k|★★☆☆☆|4天前
开发框架语言模型

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。

85.1k|★★☆☆☆|昨天
图像数据工具视频

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。

79.9k|★☆☆☆☆|昨天
语言模型数据工具其他