1. 老 CPU 跑 Claude Code 2.0.62 的真实困境手上这台老笔记本是 i5-4200M装 Claude Code 2.1.x 的时候直接甩一句Illegal instruction进程连启动都启动不了。查了半天才明白新版 Claude Code 的 native binary 依赖 AVX 指令集而我这颗 Haswell 时代的 CPU 只支持到 AVX1新版编译时用了 AVX2 的指令一执行就崩。这就是标题里说的「axv」问题——准确说是 AVX 指令集缺失导致老电脑跑不动新版 Claude Code。解决办法有两条路一是降级到 Claude Code 2.0.62 这个纯 JS 版本它不依赖 native binaryNode 能跑就能跑二是用 claude-proxy 做一层桥接把 Claude Code 发出的 Anthropic 格式请求转成 OpenAI 兼容格式再转发到 NVIDIA 免费算力上的mistralai/mistral-small-4-119b-2603模型。这样既绕开了 AVX 依赖又不用花钱买 API 额度。这篇实录就是把我踩过的坑和最终跑通的配置完整写出来。适合谁看手上有老电脑、想白嫖 NVIDIA 免费算力跑 Claude Code、又不想折腾复杂代理链的人。全程 Windows 环境Git Bash CMD 双脚本配置可复制。2. TaoToken 统一 Key 与 API 通道前置准备在动手配 claude-proxy 之前先把 Key 和 API 通道理清楚。NVIDIA 那边虽然提供免费算力但每个模型单独申请 Key、单独配 base_url 很麻烦尤其是你后面想切模型的时候。我实测下来更省事的做法是走 TaoToken 的统一通道一个 Key 管所有模型base_url 也不用改。TaoToken 官网入口在这里https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后进控制台创建 API Key。API 端点固定为 https://taotoken.net/api 不带任何 UTM 参数直接填到 claude-proxy 的OPENAI_BASE_URL里就行。具体操作路径登录后进 console 页面左侧菜单找 API Keys点新建复制出来的 Key 形如sk-xxxxxxxx。这个 Key 同时能调 NVIDIA 上的 mistral、llama、qwen 系列后面切模型只改.env里的模型名Key 和 base_url 都不用动。注意TaoToken 是统一 API 通道不是让你去改 Claude Code 的官方端点。Claude Code 那边仍然指向本地 claude-proxy 的 8082 端口由 proxy 负责把请求转发到 TaoToken 通道。如果你只是想先验证模型能不能通可以走模型对话页面直接测https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 选mistralai/mistral-small-4-119b-2603发一句话看回显。确认通了再往下配 proxy能省不少排障时间。3. claude-proxy 配置文件骨架与可复制参数claude-proxy 的核心就是一个 FastAPI 写的转发层把 Anthropic 的/v1/messages请求转成 OpenAI 的/v1/chat/completions。目录结构建议这样放C:\Users\yang\claude-code-proxy\ ├── proxy.py ├── requirements.txt └── .env先建目录和虚拟环境mkdir -p /c/Users/yang/claude-code-proxy cd /c/Users/yang/claude-code-proxy python -m venv venv source venv/Scripts/activate pip install fastapi uvicorn httpx python-dotenvrequirements.txt内容fastapi0.115.0 uvicorn0.30.6 httpx0.27.2 python-dotenv1.0.1.env是重点所有可调参数都在这。走 TaoToken 统一通道的配置骨架# TaoToken 统一通道 OPENAI_API_KEYsk-你的TaoTokenKey OPENAI_BASE_URLhttps://taotoken.net/api # 模型分级配置 BIG_MODELmistralai/mistral-small-4-119b-2603 MIDDLE_MODELmistralai/mistral-small-4-119b-2603 SMALL_MODELmistralai/mistral-small-4-119b-2603 # 服务配置 HOST0.0.0.0 PORT8082 LOG_LEVELINFO MAX_TOKENS_LIMIT8192 MIN_TOKENS_LIMIT1024 REQUEST_TIMEOUT120proxy.py的核心逻辑是监听 8082收到 Anthropic 格式请求后改写字段再转发。关键片段import os, httpx from fastapi import FastAPI, Request from dotenv import load_dotenv load_dotenv() app FastAPI() BASE os.getenv(OPENAI_BASE_URL) KEY os.getenv(OPENAI_API_KEY) MODEL os.getenv(SMALL_MODEL) app.post(/v1/messages) async def messages(req: Request): body await req.json() payload { model: MODEL, messages: body.get(messages, []), max_tokens: min(body.get(max_tokens, 4096), 8192), stream: body.get(stream, False), } async with httpx.AsyncClient(timeout120) as c: r await c.post( f{BASE}/v1/chat/completions, headers{Authorization: fBearer {KEY}}, jsonpayload, ) return r.json() app.get(/health) def health(): return {status: ok, model: MODEL}启动python proxy.py看到Uvicorn running on http://0.0.0.0:8082就说明 proxy 起来了。4. Claude Code 2.0.62 安装与请求回显验证Claude Code 必须锁 2.0.62别装 2.1.x。安装命令npm install -g anthropic-ai/claude-code2.0.62 npm config set update-notifier falseNode 版本建议 v22 LTSv24 在部分老 CPU 上也会触发Illegal instruction。装完验证claude --version # 应输出 2.0.62环境变量走 PowerShell 设置用户级重启终端生效[Environment]::SetEnvironmentVariable(ANTHROPIC_BASE_URL, http://localhost:8082, User) [Environment]::SetEnvironmentVariable(ANTHROPIC_AUTH_TOKEN, any, User)注意这里用ANTHROPIC_AUTH_TOKEN而不是ANTHROPIC_API_KEY两个同时设会认证冲突。settings.json里也保持一致{ env: { ANTHROPIC_BASE_URL: http://localhost:8082, ANTHROPIC_AUTH_TOKEN: any } }启动脚本~/claude-proxy.sh#!/bin/bash export ANTHROPIC_BASE_URLhttp://localhost:8082 export ANTHROPIC_AUTH_TOKENany exec node /c/Users/yang/AppData/Roaming/npm/node_modules/anthropic-ai/claude-code/cli.js $验证三步走# 1. 检查 proxy 健康 curl http://localhost:8082/health # 返回 {status:ok,model:mistralai/mistral-small-4-119b-2603} # 2. 检查 Claude Code 版本 claude --version # 2.0.62 # 3. 发一条测试请求 claude --print 用一句话解释什么是 MoE第三步能正常返回中文回答说明整条链路通了Claude Code → 本地 8082 → TaoToken 通道 → NVIDIA 上的 mistral-small-4-119b-2603。我实测首次响应大概 2 秒左右后续对话稳定在 1.5 到 2 秒之间。5. 本篇常见报错排查Illegal instructionNode 版本太高或 Claude Code 版本太新。降到 Node v22 LTSClaude Code 锁 2.0.62。这是老 CPU 最常见的坑。Unable to connect to Anthropic环境变量没生效。检查是不是同时设了ANTHROPIC_API_KEY和ANTHROPIC_AUTH_TOKEN只保留后者。Git Bash 里可以用env | grep ANTHROPIC确认。proxy 启动报端口占用8082 被别的进程占了。netstat -ano | findstr 8082找到 PID任务管理器结束掉或者改.env里的PORT。请求返回 401TaoToken Key 填错或过期。去 console 重新生成一个注意.env里 Key 要带引号。返回内容为空或截断MAX_TOKENS_LIMIT设太小。mistral-small-4 支持 256K 上下文日常调到 8192 够用长文档分析可以拉到 32768。切模型不生效改完.env必须重启 proxyCtrlC停掉再python proxy.py。Claude Code 那边不用动它只认 8082。Git Bash 环境变量丢失Windows 用户级环境变量在 Git Bash 里有时读不到直接用~/claude-proxy.sh脚本显式 export别依赖系统变量。6. 长期编码与 Agent 场景的通道选择如果你只是偶尔跑跑对话上面这套配置够用了。但要是打算把 Claude Code 当日常编码助手尤其是让它跑 Explore agent、批量改文件、读整个项目目录那 token 消耗会明显上去。NVIDIA 免费算力有速率限制密集调用容易撞墙。这种长期编码 / Agent 场景建议走 Coding Plan 通道https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 配额和稳定性比免费额度好不少模型还是同一批.env里只改OPENAI_BASE_URL和 Key 就行proxy 和 Claude Code 配置完全不用动。接入文档在这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有各语言 SDK 的调用示例和错误码说明排障的时候对着查比瞎猜快。API Keys 管理页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 多环境可以建多个 Key 分开管。最后补一句实操经验老电脑跑 Claude Code把CLAUDE_CODE_EFFORT_LEVEL设成medium能省不少 token。默认 high 级别会让模型反复思考日常改代码 medium 完全够用。配置写在settings.json的env里就行和ANTHROPIC_BASE_URL放一起。
1. 老 CPU 跑 Claude Code 2.0.62 的真实困境手上这台老笔记本是 i5-4200M装 Claude Code 2.1.x 的时候直接甩一句Illegal instruction进程连启动都启动不了。查了半天才明白新版 Claude Code 的 native binary 依赖 AVX 指令集而我这颗 Haswell 时代的 CPU 只支持到 AVX1新版编译时用了 AVX2 的指令一执行就崩。这就是标题里说的「axv」问题——准确说是 AVX 指令集缺失导致老电脑跑不动新版 Claude Code。解决办法有两条路一是降级到 Claude Code 2.0.62 这个纯 JS 版本它不依赖 native binaryNode 能跑就能跑二是用 claude-proxy 做一层桥接把 Claude Code 发出的 Anthropic 格式请求转成 OpenAI 兼容格式再转发到 NVIDIA 免费算力上的mistralai/mistral-small-4-119b-2603模型。这样既绕开了 AVX 依赖又不用花钱买 API 额度。这篇实录就是把我踩过的坑和最终跑通的配置完整写出来。适合谁看手上有老电脑、想白嫖 NVIDIA 免费算力跑 Claude Code、又不想折腾复杂代理链的人。全程 Windows 环境Git Bash CMD 双脚本配置可复制。2. TaoToken 统一 Key 与 API 通道前置准备在动手配 claude-proxy 之前先把 Key 和 API 通道理清楚。NVIDIA 那边虽然提供免费算力但每个模型单独申请 Key、单独配 base_url 很麻烦尤其是你后面想切模型的时候。我实测下来更省事的做法是走 TaoToken 的统一通道一个 Key 管所有模型base_url 也不用改。TaoToken 官网入口在这里https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后进控制台创建 API Key。API 端点固定为 https://taotoken.net/api 不带任何 UTM 参数直接填到 claude-proxy 的OPENAI_BASE_URL里就行。具体操作路径登录后进 console 页面左侧菜单找 API Keys点新建复制出来的 Key 形如sk-xxxxxxxx。这个 Key 同时能调 NVIDIA 上的 mistral、llama、qwen 系列后面切模型只改.env里的模型名Key 和 base_url 都不用动。注意TaoToken 是统一 API 通道不是让你去改 Claude Code 的官方端点。Claude Code 那边仍然指向本地 claude-proxy 的 8082 端口由 proxy 负责把请求转发到 TaoToken 通道。如果你只是想先验证模型能不能通可以走模型对话页面直接测https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 选mistralai/mistral-small-4-119b-2603发一句话看回显。确认通了再往下配 proxy能省不少排障时间。3. claude-proxy 配置文件骨架与可复制参数claude-proxy 的核心就是一个 FastAPI 写的转发层把 Anthropic 的/v1/messages请求转成 OpenAI 的/v1/chat/completions。目录结构建议这样放C:\Users\yang\claude-code-proxy\ ├── proxy.py ├── requirements.txt └── .env先建目录和虚拟环境mkdir -p /c/Users/yang/claude-code-proxy cd /c/Users/yang/claude-code-proxy python -m venv venv source venv/Scripts/activate pip install fastapi uvicorn httpx python-dotenvrequirements.txt内容fastapi0.115.0 uvicorn0.30.6 httpx0.27.2 python-dotenv1.0.1.env是重点所有可调参数都在这。走 TaoToken 统一通道的配置骨架# TaoToken 统一通道 OPENAI_API_KEYsk-你的TaoTokenKey OPENAI_BASE_URLhttps://taotoken.net/api # 模型分级配置 BIG_MODELmistralai/mistral-small-4-119b-2603 MIDDLE_MODELmistralai/mistral-small-4-119b-2603 SMALL_MODELmistralai/mistral-small-4-119b-2603 # 服务配置 HOST0.0.0.0 PORT8082 LOG_LEVELINFO MAX_TOKENS_LIMIT8192 MIN_TOKENS_LIMIT1024 REQUEST_TIMEOUT120proxy.py的核心逻辑是监听 8082收到 Anthropic 格式请求后改写字段再转发。关键片段import os, httpx from fastapi import FastAPI, Request from dotenv import load_dotenv load_dotenv() app FastAPI() BASE os.getenv(OPENAI_BASE_URL) KEY os.getenv(OPENAI_API_KEY) MODEL os.getenv(SMALL_MODEL) app.post(/v1/messages) async def messages(req: Request): body await req.json() payload { model: MODEL, messages: body.get(messages, []), max_tokens: min(body.get(max_tokens, 4096), 8192), stream: body.get(stream, False), } async with httpx.AsyncClient(timeout120) as c: r await c.post( f{BASE}/v1/chat/completions, headers{Authorization: fBearer {KEY}}, jsonpayload, ) return r.json() app.get(/health) def health(): return {status: ok, model: MODEL}启动python proxy.py看到Uvicorn running on http://0.0.0.0:8082就说明 proxy 起来了。4. Claude Code 2.0.62 安装与请求回显验证Claude Code 必须锁 2.0.62别装 2.1.x。安装命令npm install -g anthropic-ai/claude-code2.0.62 npm config set update-notifier falseNode 版本建议 v22 LTSv24 在部分老 CPU 上也会触发Illegal instruction。装完验证claude --version # 应输出 2.0.62环境变量走 PowerShell 设置用户级重启终端生效[Environment]::SetEnvironmentVariable(ANTHROPIC_BASE_URL, http://localhost:8082, User) [Environment]::SetEnvironmentVariable(ANTHROPIC_AUTH_TOKEN, any, User)注意这里用ANTHROPIC_AUTH_TOKEN而不是ANTHROPIC_API_KEY两个同时设会认证冲突。settings.json里也保持一致{ env: { ANTHROPIC_BASE_URL: http://localhost:8082, ANTHROPIC_AUTH_TOKEN: any } }启动脚本~/claude-proxy.sh#!/bin/bash export ANTHROPIC_BASE_URLhttp://localhost:8082 export ANTHROPIC_AUTH_TOKENany exec node /c/Users/yang/AppData/Roaming/npm/node_modules/anthropic-ai/claude-code/cli.js $验证三步走# 1. 检查 proxy 健康 curl http://localhost:8082/health # 返回 {status:ok,model:mistralai/mistral-small-4-119b-2603} # 2. 检查 Claude Code 版本 claude --version # 2.0.62 # 3. 发一条测试请求 claude --print 用一句话解释什么是 MoE第三步能正常返回中文回答说明整条链路通了Claude Code → 本地 8082 → TaoToken 通道 → NVIDIA 上的 mistral-small-4-119b-2603。我实测首次响应大概 2 秒左右后续对话稳定在 1.5 到 2 秒之间。5. 本篇常见报错排查Illegal instructionNode 版本太高或 Claude Code 版本太新。降到 Node v22 LTSClaude Code 锁 2.0.62。这是老 CPU 最常见的坑。Unable to connect to Anthropic环境变量没生效。检查是不是同时设了ANTHROPIC_API_KEY和ANTHROPIC_AUTH_TOKEN只保留后者。Git Bash 里可以用env | grep ANTHROPIC确认。proxy 启动报端口占用8082 被别的进程占了。netstat -ano | findstr 8082找到 PID任务管理器结束掉或者改.env里的PORT。请求返回 401TaoToken Key 填错或过期。去 console 重新生成一个注意.env里 Key 要带引号。返回内容为空或截断MAX_TOKENS_LIMIT设太小。mistral-small-4 支持 256K 上下文日常调到 8192 够用长文档分析可以拉到 32768。切模型不生效改完.env必须重启 proxyCtrlC停掉再python proxy.py。Claude Code 那边不用动它只认 8082。Git Bash 环境变量丢失Windows 用户级环境变量在 Git Bash 里有时读不到直接用~/claude-proxy.sh脚本显式 export别依赖系统变量。6. 长期编码与 Agent 场景的通道选择如果你只是偶尔跑跑对话上面这套配置够用了。但要是打算把 Claude Code 当日常编码助手尤其是让它跑 Explore agent、批量改文件、读整个项目目录那 token 消耗会明显上去。NVIDIA 免费算力有速率限制密集调用容易撞墙。这种长期编码 / Agent 场景建议走 Coding Plan 通道https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 配额和稳定性比免费额度好不少模型还是同一批.env里只改OPENAI_BASE_URL和 Key 就行proxy 和 Claude Code 配置完全不用动。接入文档在这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有各语言 SDK 的调用示例和错误码说明排障的时候对着查比瞎猜快。API Keys 管理页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 多环境可以建多个 Key 分开管。最后补一句实操经验老电脑跑 Claude Code把CLAUDE_CODE_EFFORT_LEVEL设成medium能省不少 token。默认 high 级别会让模型反复思考日常改代码 medium 完全够用。配置写在settings.json的env里就行和ANTHROPIC_BASE_URL放一起。
