Select Page

Claude Code 如何接 Cloudflare GLM 5.2？完整命令與避坑整理

by | 7 月 20, 2026 | Agent, AI, API, Tool | 0 comments

Cloudflare Workers AI 拿來接 Claude Code 的做法很簡單：Cloudflare 跑模型，LiteLLM 在本機當轉接橋，Claude Code 只需要改 Anthropic 相關環境變數，就能把請求送到本機 proxy。

這篇整理的是一個比較務實的路線。它不是要你把所有模型成本都消失，而是讓你知道免費額度在哪裡、帳單風險在哪裡、命令怎麼下、哪些設定一定要看清楚。

先講結論

Cloudflare Workers AI 有免費額度，官方價格頁寫明 Free plan 每天有 10,000 Neurons，GLM 5.2 目前也在 Cloudflare Workers AI 模型列表裡，可以透過 Cloudflare API 呼叫。這代表你可以把 Claude Code 的模型入口改成本機 LiteLLM proxy，再由 LiteLLM 轉送到 Cloudflare 的 @cf/zai-org/glm-5.2。

但「免費」不是「無限」，Cloudflare 的計費單位是 Neurons，免費額度用完後會受到方案限制，更重要的是，Cloudflare AI Gateway 也能接外部模型，如果你把 OpenAI 或 Anthropic 這類外部模型接進去，那就不再是 Cloudflare Workers AI 的免費模型邏輯，帳單會回到外部供應商那邊。

Claude Code 透過 LiteLLM proxy 接 Cloudflare Workers AI GLM 5.2 的架構圖
Claude Code 只改成本機 Anthropic 入口，真正的模型請求由 LiteLLM 轉到 Cloudflare Workers AI。

這個架構在解什麼問題

Claude Code 很好用，但長時間寫程式、重構、跑測試、修錯時，模型成本會變得很有感。若只是一些低風險任務，例如產生腳手架、改小工具、做簡單 demo、先跑一輪想法，Cloudflare Workers AI 的免費額度可以拿來當低成本緩衝層。

這和 用 Claude Code 搭配 LM Studio 與 Ollama 的思路很像，只是這次不是跑本地模型，而是把免費雲端額度接進本機開發流程。若你的工作流已經在用 Claude Code、Codex 和 skill 組合工作流，這種 proxy 入口會很有彈性。

完整操作命令

下面命令以 macOS 或 Linux 為主。你需要先有 Cloudflare 帳號，並在 Cloudflare dashboard 取得 Account ID 和 API Token。API Token 建議只給 Workers AI 需要的最小權限，不要用過度寬鬆的全域 token。

0. 安裝 Claude Code

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

1. 用 curl 單測 GLM 5.2

先確認 Cloudflare 端可以呼叫模型。把 `你的ACCOUNT_ID` 和 `你的API_TOKEN` 換成自己的值。

curl https://api.cloudflare.com/client/v4/accounts/你的ACCOUNT_ID/ai/run/@cf/zai-org/glm-5.2 \
  -H "Authorization: Bearer 你的API_TOKEN" \
  -d '{"messages":[{"role":"user","content":"用一句話介紹你自己"}]}'

2. 安裝 uv

LiteLLM proxy 用 uvx 跑，可以固定 Python 3.12，避開較新 Python 版本造成的編譯問題。

curl -LsSf https://astral.sh/uv/install.sh | sh

3. 驗證 LiteLLM 能跑

uvx --python 3.12 --from 'litellm[proxy]' litellm --version

4. 建立 cf-config.yaml

建立 `cf-config.yaml`。`你的ACCOUNT_ID` 有兩處要換。`cf-glm-5.2` 給 Claude Code 主要模型用，`cf-small` 給較輕量任務用。

model_list:
  - model_name: cf-glm-5.2
    litellm_params:
      model: openai/@cf/zai-org/glm-5.2
      api_base: https://api.cloudflare.com/client/v4/accounts/你的ACCOUNT_ID/ai/v1
      api_key: os.environ/CLOUDFLARE_API_TOKEN
  - model_name: cf-small
    litellm_params:
      model: openai/@cf/meta/llama-3.1-8b-instruct-fp8
      api_base: https://api.cloudflare.com/client/v4/accounts/你的ACCOUNT_ID/ai/v1
      api_key: os.environ/CLOUDFLARE_API_TOKEN

litellm_settings:
  use_chat_completions_url_for_anthropic_messages: true

5. 啟動 LiteLLM 翻譯橋

這個終端視窗要保持開啟。Claude Code 之後會連到 `localhost:4000`。

export CLOUDFLARE_API_TOKEN=你的token
uvx --python 3.12 --from 'litellm[proxy]' litellm --config cf-config.yaml --port 4000

6. 新開視窗測 proxy

curl http://localhost:4000/v1/models -H 'Authorization: Bearer sk-1234'

7. 把 Claude Code 指到本機 proxy

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=sk-1234
export ANTHROPIC_MODEL=cf-glm-5.2
export ANTHROPIC_DEFAULT_HAIKU_MODEL=cf-small

接著啟動 Claude Code，若跳出自訂 API 設定就選是。進入後用 `/status` 確認 Base URL 指向 `localhost:4000`。

claude

8. 把設定寫進 shell profile

如果你確定要長期使用，可以把上面四行 `ANTHROPIC_` export 加到 `~/.zshrc` 或 `~/.bashrc`。我會建議先手動跑幾次確認沒有問題，再寫進 profile。

Windows PowerShell 寫法

PowerShell 不用 `export`，改用 `$env:`。

$env:ANTHROPIC_BASE_URL="http://localhost:4000"
$env:ANTHROPIC_AUTH_TOKEN="sk-1234"
$env:ANTHROPIC_MODEL="cf-glm-5.2"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="cf-small"

若要永久保存，放進 PowerShell 的 `$PROFILE`。Windows 跑 AI Agent 時，環境隔離也很重要，可以延伸看 Windows 跑 AI Agent 為什麼要用 WSL。

保命提醒：不要把外部模型當免費額度

最容易出事的地方，是把 Cloudflare Workers AI、Cloudflare AI Gateway、OpenAI、Anthropic 混在一起。這篇的低成本前提，是 Cloudflare config 裡的模型走 `@cf/` 開頭，例如 `@cf/zai-org/glm-5.2`。這類模型用的是 Cloudflare Workers AI 額度。

如果你把 Gateway 接到 GPT 或 Claude，那些請求可能會回到 OpenAI 或 Anthropic 的帳單。Cloudflare 只是通道，不代表外部模型突然免費。真正要保命，就是把模型名稱、api_base、API key 來源逐一檢查，並在 Cloudflare 後台看用量。

官方價格頁目前寫得很明確：Free plan 每天 10,000 Neurons，Paid plan 也有每天 10,000 Neurons 免費額度，超出後依 Neurons 計費。免費方案超出額度通常是操作失敗，不是自動無限跑。這點比「無限免費」四個字重要太多。

省額度的三個做法

第一，任務分層。小任務用 `cf-small`，複雜推理再用 `cf-glm-5.2`。第二，讓 Agent 先輸出計畫再執行，避免一次丟太長上下文。第三，把重複流程寫成腳本或 skill，減少模型反覆讀同一批資料。

這也是我一直看好的方向：不要只追求模型本身，而是把模型接到穩定工具鏈。像 Playwright CLI 讓 Codex 操作瀏覽器，或 讓 Agent 自己搜尋和使用 skills，本質上都是把昂貴推理留給真正需要判斷的地方。

我會怎麼用

我不會把這套當成主力模型的完全替代品，而是當成低成本實驗層。適合拿來跑 demo、試 prompt、生成小工具、做簡單 code review、補文件、處理一次性腳本。真正重要的架構決策、複雜除錯、長上下文專案，還是要保留更強模型或本地大模型選項。

如果你已經在用 Codex 和 ChatGPT Work 這類 AI 代理工作流，這套 Cloudflare Workers AI + LiteLLM 的做法可以當成另一個模型入口。它的價值不是讓你省到零，而是讓你有更多成本可控的實驗空間。

延伸資源

FAQ

Cloudflare Workers AI 接 Claude Code 真的免費嗎？

不是無限免費。Cloudflare Workers AI 有每日免費 Neurons 額度，超出後會依方案限制或計費。要把它當成低成本額度，不要當成沒有上限的模型。

為什麼需要 LiteLLM？

LiteLLM 在本機當 proxy，把 Claude Code 發出的 Anthropic 入口請求轉成 Cloudflare Workers AI 可接受的 OpenAI 相容請求。

最容易踩到哪個帳單風險？

最容易把 Cloudflare AI Gateway 接到外部 GPT 或 Claude，卻以為仍在用 Cloudflare 免費 @cf 模型。設定時要確認模型名稱是 `@cf/` 開頭，並檢查 API key 來源。

這套適合取代主力 Claude 嗎？

不建議直接取代。它比較適合低成本實驗、簡單任務、小工具和批次工作。複雜架構、長上下文和高風險任務，仍應保留更強模型。

Submit a Comment