平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“详细解析Claude Code 接入本地大模型Qwen3.6 进行代码开……”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际使用顺序，把思路、关键写法和容易踩坑的地方讲清楚，方便你直接对照操作。
背景
落到代码里，Claude Code 是 Anthropic 推出的智能编码命令行工具，默认采用 Claude 系列模型。但我们能够借助指定自定义 API 端点，将其连接到本地部署的 Qwen3.6 模型，实现“本地模型 + 强大编码助手”的组合。
本文将带你完成：
一、环境准备与模型部署
1.1 安装 Docker
落到代码里，请确保你的系统已安装 Docker 同时兼容 GPU（NVIDIA Container Toolkit）。
1.2 新建 docker-compose.yml
结合项目来看，在合适的位置新建项目目录，比如 ~/vllm-qwen，同时在其中新建 docker-compose.yml 文件，内容如下所示：
version: '3.8'
services:
vllm-qwen:
image: vllm/vllm-openai:cu130-nightly
container_name: vllm-qwen36-35B-A3B-FP8
restart: unless-stopped
ipc: host
ports:
- "8000:8000"
volumes:
- /app/vllm/data/models:/root/.cache/modelscope # 模型缓存目录，可按需修改
environment:
- VLLM_USE_MODELSCOPE=true
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
command:
- --model
- "Qwen/Qwen3.6-35B-A3B-FP8"
- --tensor-parallel-size
- "1"
- --gpu-memory-utilization
- "0.8"
- --served-model-name
- "Qwen3.6-35B-A3B-FP8"
- --enable-prefix-caching
- --enable-auto-tool-choice
- --default-ch@t-template-kwargs
- '{"enable_thinking": false}'
- --tool-call-parser
- "qwen3_coder"
- --max-model-len
- "196608"
- --max-num-batched-tokens
- "8192"
- --enable-chunked-prefill
- --max-num-seqs
- "32"
- --kv-cache-dtype
- "fp8"1.3 启动模型服务
在 docker-compose.yml 所在目录执行：
docker compose up -d
服务启动后会本机 8000 端口。
1.4 验证部署
采用 curl 检查模型列表：
curl http://127.0.0.1:8000/v1/models
正常得到应包含 Qwen3.6-35B-A3B-FP8。
二、安装 Claude Code
Claude Code 兼容多种安装方式，可根据你的系统选择。
2.1 借助官方脚本安装（建议）
macOS / Linux / WSL（Linux 子系统）
打开终端，执行：
curl -fsSL https://claude.ai/install.sh | bash
安装完成后重启终端或执行 source ~/.bashrc（或 ~/.zshrc）。
Windows PowerShell（管理员模式运行）
irm https://claude.ai/install.ps1 | iex
Windows CMD（命令提示符）
curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
2.2 借助 npm 安装（适用来已安装 Node.js 的用户）
npm install -g @anthropic-ai/claude-code
安装后，执行一次初始化（非必须，但建议）：
claude install
三、设置 Claude Code 采用本地 Qwen3.6
3.1 设置环境变量
从实现思路看，将 Claude Code 指向本地 vLLM 服务。当前服务运行在 127.0.0.1:8000，如果其他机器使用可以ifconfig查看服务器的ip地址，认证 Token 可随意设置（vLLM 默认不校验，但需占位符）。
Linux / macOS / WSL (bash/zsh)
export ANTHROPIC_BASE_URL="http://127.0.0.1:8000" export ANTHROPIC_AUTH_TOKEN="your_key"
理解这一步时，若想永久生效，可将这两行追加到 ~/.bashrc 或 ~/.zshrc。
Windows PowerShell
$env:ANTHROPIC_BASE_URL="http://127.0.0.1:8000" $env:ANTHROPIC_AUTH_TOKEN="your_key"
Windows CMD
set ANTHROPIC_BASE_URL=http://127.0.0.1:8000 set ANTHROPIC_AUTH_TOKEN=your_key
3.2 指定模型启动 Claude Code
环境变量设置完毕后，采用 --model 参数指定模型名称（必须与 vLLM 启动参数 --served-model-name 一致）：
claude --model Qwen3.6-35B-A3B-FP8
理解这一步时，首次运行会提示登录，由于我们采用的是自定义端点，可以随意输入邮箱或直接回车跳过。
启动成功后，你将看到类似如下所示的交互界面：
Claude Code v2.x.x Type /help for commands, /exit to quit. > 你好，请帮我写一个 Python 冒泡排序
结合项目来看，总的来说，Claude这部分内容适合结合实际项目边做边理解。先抓住核心思路，再逐步补上细节和边界处理，最后效果会更稳定，也更容易复用。