学习版CC安装过程记录：claude-code-best/claude-code

简介

最近在github上发现了一个宝藏项目：https://github.com/claude-code-best/claude-code 。经过尝试后发现，竟然跟正版CC没有什么大的区别，还能更方便的接入自定义模型。而Google最近又开源了最新的超级小模型Gemma4。我擅自做主，它们两个可以一拍即合。

Gemma4部署

1. GPU服务器安装llama.cpp

仓库地址：https://github.com/ggml-org/llama.cpp

llama.cpp编译步骤非常简单：

git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
cmake -B build -DGGML_CUDA=ON
cmake --build build --config Release

2. 从modelscope下载Gemma4的量化模型

URL：https://www.modelscope.cn/models/unsloth/gemma-4-31B-it-GGUF

这里强烈推荐usloth和lmstudio这两个组织放出来的量化，其量化质量很高，我用到现在都没翻过车。
量化级别，正常情况下主模型无脑用IQ4_NL，mmproj模型用F16。

mkdir ggufs
cd ggufs
mkdir gemma-4-31b-it-gguf
cd gemma-4-31b-it-gguf
# 机房网络只有100兆，用wget下载并限制一下速度，免得拉爆整个局域网
wget -c https://www.modelscope.cn/models/unsloth/gemma-4-31B-it-GGUF/resolve/master/gemma-4-31B-it-IQ4_NL.gguf --limit-rate 8m
wget -c https://www.modelscope.cn/models/unsloth/gemma-4-31B-it-GGUF/resolve/master/mmproj-F16.gguf --limit-rate 8m

3. 部署Gemma4

题主这里有2张3090，所以写出来的脚本如下：

如果你也是两张3090，下面的llama-server的启动参数可以无脑抄，128K上下文轻轻松松

export CUDA_VISIBLE_DEVICES=0,1
../llama.cpp/build/bin/llama-server \
  -m  ./gemma-4-31b-it-gguf/gemma-4-31B-it-IQ4_NL.gguf \
  --mmproj ./gemma-4-31b-it-gguf/mmproj-F16.gguf \
  --host 0.0.0.0 \
  --port 8021 \
  --jinja \
  -ngl 999 \
  -c 131072 \
  -b 8192 \
  -n 16384 \
  -ub 1024 \
  --temp 0.7 \
  --top-k 20 \
  --top-p 0.8 \
  --min-p 0 \
  --presence_penalty 1 \
  -t 4 \
  -fa on \
  -sm layer \
  --tensor_split "0.5,0.5" \

测试一下（http://服务器IP:8021)，效果如图：

我后面又下载了26B-A4B版本，为了更快的速度，下面使用的是26B-A4B版本，这个版本可以跑256K上下文。

能跑到78T/s，非常不错（我从openrouter白嫖的qewn36也只有40-50T/s）。

4. 安装学习版CC

# 大部分情况下，你应该需要给网络一点超能力，不然下面的操作都有可能失败。
# export https_proxy=....

# clone源码，depth=1节约一点时间和流量
git clone https://github.com/claude-code-best/claude-code --depth 1

# 安装bun
curl -fsSL https://bun.sh/install | bash
# 安装完成之后重新开一个终端或者
source ~/.bashrc

# 安装依赖
cd claude-code
bun install 

# 简单测试一下
bun run dev
# 然后按照提示填模型信息即可，详情参考Github里面的教程，超级简单

测试无问题之后，构建这个项目，然后做一些链接

bun run build

# 在dist目录能看到cli.js，可以理解为这就是入口程序
ls dist

# 创建一个链接，并覆盖一下权限，fcc的f当然是Fantasy的意思（总不能是fake吧？）
sudo ln -s <path_to_claude_code>/dist/cli.js /usr/local/bin/fcc
sudo chmod a+x /usr/local/bin/fcc

后续就可以直接fcc随时唤出claude了。

使用体验

再来个懒人版配置，给某个师弟看的

mkdir -p ~/.claude
vim ~/.claude/settings.json
# 填入以下内容
{
  "env": {
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "who_care",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "who_care",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "who_care",
    "ANTHROPIC_BASE_URL": "http://你的服务器IP:8021",
    "ANTHROPIC_AUTH_TOKEN": "who_care"
  },
  "modelType": "anthropic"
}

完成上述配置的话，你的fcc应该可以直接使用，不用再配置模型了。

开搞

接下来用我的【从水下的第一个生命开始】文章的代码来测试一下fcc。

我先用/init命令创建cc的基本文件CLAUDE.md

总用时1分20秒，这就是70T/s的快乐吗？

然后让它讲一下现在代码的思路

很好，很完美。不过让它进行实际的开发，就需要大家自己试试了。

来自受害者的发言：CC有点过于自信，修改代码有时候不让人review而是直接就改了，更适合从0开始创建新项目的骨架。如果是用于修改已有代码，慎用。