running-claude-code-via-litellm-copilot

running-claude-code-via-litellm-copilot 技能概覽

running-claude-code-via-litellm-copilot 技能的用途，是幫你建立一條特定的代理工作流程：讓 Claude Code 仍以平常的 Anthropic 風格 API 方式運作，但實際請求會先送到本機的 LiteLLM 伺服器，再由 LiteLLM 轉發到 GitHub Copilot。這個技能特別適合想減少直接使用 Anthropic API、測試成本較低的替代方案，或排查為什麼 Claude Code 沒有連到預期後端的人。

這個技能最適合哪些人

這個 running-claude-code-via-litellm-copilot skill 最適合：

• 已經在使用 Claude Code 的開發者
• 願意編輯環境變數與本機設定檔的使用者
• 想比較直接連 Anthropic 與透過本機 LiteLLM 代理差異的人
• 正在排查 401/403、model not found，或「Claude Code 沒有打到 localhost」這類問題的人

它不是面向新手的 Claude Code、LiteLLM 或 GitHub Copilot 入門教學。

這個技能真正解決的工作需求

多數使用者想要的，其實不只是「幫我摘要這個 repo」。他們真正需要的是一條可以實際跑通的路徑，來完成：

1. 讓 Claude Code 透過 LiteLLM 運作
2. 讓 LiteLLM 指向 GitHub Copilot
3. 讓模型名稱完全一致
4. 確認流量真的有經過代理
5. 快速修正常見的驗證與相容性錯誤

這正是這個技能有價值的地方。

這個技能和一般說明有什麼不同

這個技能真正有用的差異，在於它處理的是一個很脆弱的整合流程，不是泛用型的 prompting 說明。它會特別強調那些通常最容易卡住實作的實際限制：

• ANTHROPIC_BASE_URL 必須把 Claude Code 指到 LiteLLM
• Claude Code 在本機端仍然需要一個非空的 Anthropic token
• LiteLLM 應使用 github_copilot/<model> 這種 provider 命名模式
• Claude Code 的 ANTHROPIC_MODEL 必須和 LiteLLM 的 model_name 完全一致
• drop_params: true 對相容性很重要
• GitHub 裝置授權在第一次執行時，可能要等到第一個真實請求送出後才會出現
• 是否成功應以 LiteLLM 日誌為準，不要只憑設定看起來正確就當作成功

安裝前先判斷自己需不需要

如果你的核心問題是：「我要怎麼讓這個代理架構真的在我的機器上跑起來？」那就適合用 running-claude-code-via-litellm-copilot。如果你只是需要一般的 Claude Code 用法、直接串 Anthropic 的設定，或只是想看 Copilot 的一般文件，那就可以略過。

如何使用 running-claude-code-via-litellm-copilot 技能

安裝 running-claude-code-via-litellm-copilot 技能

從 skills repository 安裝：

npx skills add https://github.com/xixu-me/skills --skill running-claude-code-via-litellm-copilot

如果你的環境使用不同的 skill loader，也可以從這裡加入：

https://github.com/xixu-me/skills/tree/main/skills/running-claude-code-via-litellm-copilot

先讀這些檔案

若你要進行這個 running-claude-code-via-litellm-copilot 安裝，建議先從這兩個檔案開始：

1. skills/running-claude-code-via-litellm-copilot/SKILL.md
2. skills/running-claude-code-via-litellm-copilot/references/doc-verified-notes.md

為什麼這個閱讀順序重要：

• SKILL.md 會先給你操作流程與判斷規則。
• references/doc-verified-notes.md 則會說明哪些內容是根據文章整理、哪些是依 LiteLLM 文件進一步校正過的；這點很重要，因為這套做法對相容性相當敏感。

先掌握最小可行設定要素

一套能成功跑通的設定，通常至少需要這四個條件對齊：

• Claude Code 透過 ANTHROPIC_BASE_URL 指向 LiteLLM
• 本機有一個非空的 ANTHROPIC_API_KEY 或等效 token 值，讓 Claude Code 可以啟動
• LiteLLM 已設定為使用 github_copilot/<model>
• Claude Code 與 LiteLLM 之間的模型名稱完全一致

只要其中任一項出錯，整個流程通常就會以很難判讀的方式失敗。

這個技能會需要你提供哪些資訊

如果你想更有效使用這份 running-claude-code-via-litellm-copilot 使用指引，建議提供：

• 你的作業系統與 shell
• Claude Code 是否已安裝且可正常運作
• LiteLLM 是否已安裝，以及你平常如何啟動它
• 你目前的 ANTHROPIC_BASE_URL
• 你打算使用、由 Copilot 支援的模型名稱
• 若設定失敗，請提供完整錯誤訊息
• 你是否願意編輯 ~/.claude/settings.json 或 shell profile 檔案

有了這些資訊，技能才能依你的環境調整命令，而不是只能猜。

把模糊需求寫成高品質提示詞

較弱的提示詞：

Help me use Claude Code with LiteLLM and Copilot.

更好的提示詞：

I want Claude Code to send requests to a local LiteLLM proxy on macOS zsh, then forward to GitHub Copilot. Show the minimum config, the environment variables I need, how to set ANTHROPIC_BASE_URL, how to choose the exact ANTHROPIC_MODEL value so it matches LiteLLM model_name, and how to verify traffic in LiteLLM logs before editing persistent files.

為什麼這樣比較好：

• 明確指出作業系統與 shell
• 直接要求完整且精準的設定鏈路
• 一開始就點出模型名稱對齊問題
• 要求先做安全驗證，再改永久設定

第一次設定建議採用的流程

不要一開始就把所有設定一次改完，建議用這個順序：

1. 先檢查目前的 Claude Code 與 LiteLLM 設定
2. 選定一個目標模型
3. 在 LiteLLM 設定 github_copilot/<model>
4. 如有需要，加入 drop_params: true 以改善 Anthropic 風格請求的相容性
5. 用 ANTHROPIC_BASE_URL 把 Claude Code 指到 LiteLLM
6. 把 ANTHROPIC_MODEL 設成與 LiteLLM model_name 完全一致
7. 發送一個小型測試請求
8. 觀察 LiteLLM 日誌
9. 如果有提示，再完成 GitHub device authorization
10. 確認都正常後，再進行永久設定修改

這樣做可以降低「多處同時修改，反而把真正故障點蓋掉」的風險。

最重要的相容性規則

就實務上來說，這個 repository 裡最有價值的一條規則是：Claude Code 的 ANTHROPIC_MODEL 必須和 LiteLLM 的 model_name 完全一致。

不要把模型命名當成大致相近即可。只要名字有一點點不一致，就足以讓路由失敗，還可能產生誤導性的錯誤訊息。

如何確認代理真的有在運作

不要只看到「指令有跑」就停止檢查。你至少要確認以下幾件事：

• Claude Code 確實在使用你本機的 ANTHROPIC_BASE_URL
• LiteLLM 在日誌中確實有收到請求
• 請求確實是經由 GitHub Copilot provider 路徑轉發
• 回應是透過 LiteLLM 返回，而不是直接連到 Anthropic

如果完全沒有 localhost 流量，問題通常還發生在 Copilot 驗證之前的更早階段。

這個技能特別擅長處理哪些失敗型態

這份 running-claude-code-via-litellm-copilot 指南特別適合處理：

• 因模型名稱不一致造成的 model not found
• GitHub Copilot 驗證階段出現的 401 或 403
• 完全沒有流量到達 LiteLLM
• 雖然實際後端是 LiteLLM，但 Claude Code 仍要求 Anthropic token
• 因不支援的請求參數造成的相容性問題

這些正是一般泛用提示最容易浪費時間的問題類型。

何時用 explanation mode，何時用 execution mode

上游技能有明確區分兩種模式：

• explanation mode：提供最小且正確的一組命令、檔案與檢查步驟
• execution mode：直接檢查目前機器狀態，依 shell 與 OS 調整，並在修改永久設定前先停下來確認

這個區分很重要。如果你想要實際帶著做，請明確說明；如果你只需要規劃，先要求一份不破壞現有設定的 walkthrough 會更合適。

可直接重複使用的實用提示詞

在呼叫這個技能時，可以直接用這類提示詞：

Use the running-claude-code-via-litellm-copilot skill. I want a non-destructive setup plan for routing Claude Code through a local LiteLLM proxy to GitHub Copilot on Ubuntu bash. Please inspect the likely config points, show the exact variables and file paths to check, explain the github_copilot/<model> naming rule, call out where ANTHROPIC_MODEL must match LiteLLM model_name exactly, and give a verification checklist using LiteLLM logs before any persistent edits.

running-claude-code-via-litellm-copilot 技能常見問題

running-claude-code-via-litellm-copilot 適合初學者嗎？

通常只適合那些已經能接受本機代理、環境變數與設定除錯的人。這個技能本身的定位很精準，但整個工作流程仍偏進階，而且常常會因為幾個小地方出錯而失敗。

這個技能比一般提示詞強在哪裡？

一般提示詞也許能解釋概念，但 running-claude-code-via-litellm-copilot skill 更強的地方在於：當你需要非常精確的路由前提、第一線排錯規則，以及避免走進死胡同的設定順序時，它提供的資訊更完整。

這個技能是否保證 GitHub Copilot 一定支援？

不保證。來源內容是把這個方法定位成一種 workaround，而不是官方保證的 GitHub 工作流程。你應該把它當作實作層面的實用指引，而不是長期相容性的承諾。

什麼情況下不應該使用 running-claude-code-via-litellm-copilot？

如果你符合以下情況，就不建議使用：

• 你直接使用 Anthropic 設定就已經足夠
• 你不希望流程中多一層本機代理
• 你需要官方支援的企業級整合方案
• 你要找的是 Claude Code 的一般上手教學，而不是這種特定的路由模式

這個技能主要是為了省錢嗎？

降低成本確實是其中一個動機，但不是唯一原因。很多人需要它，是因為想掌握路由控制、替換後端，或排查為什麼 Claude Code 打到了錯的 endpoint。

最常見的設定阻礙是什麼？

最常見的阻礙，就是 Claude Code 和 LiteLLM 之間的模型名稱沒有完全一致。其次則是驗證問題，以及沒有任何 localhost 流量進到 LiteLLM。

這個技能有附加腳本或自動化工具嗎？

沒有看到 repository 快照中提供重要的輔助腳本。這是一個以操作指引為主的技能，所以你應該預期要手動把指示套用到自己的機器與設定上。

如何提升 running-claude-code-via-litellm-copilot 技能的使用效果

先描述你目前的狀態，不要只講目標狀態

如果你想讓 running-claude-code-via-litellm-copilot 給出更準確的幫助，請先說明目前已經存在的東西：

• 已安裝的工具
• 目前的設定檔
• 目前的環境變數
• 你實際執行過的命令
• 完整錯誤輸出

這能避免助理給你一套從零開始、很乾淨的安裝流程，而你真正需要的其實是排錯。

一開始先要求單一模型設定

不要一開始就同時處理多個模型，或提出「全部都幫我弄好」這種過大的需求。先要求一個模型、一個 endpoint、一個驗證步驟。這樣比較容易縮小故障範圍，也能讓日誌更容易判讀。

請附上精確的模型字串

求助時，請直接貼出這兩個值：

• LiteLLM 的 model_name
• Claude Code 的 ANTHROPIC_MODEL

這是抓出最常見錯誤的最快方法。

要求先給驗證優先的方案

一個很好的請求方式是：

Before suggesting persistent edits, give me a temporary test setup and a checklist to confirm Claude Code is reaching LiteLLM and LiteLLM is forwarding to GitHub Copilot.

這樣會更安全，也能減少不必要的設定反覆修改。

與其只描述症狀，不如直接提供日誌

不好的寫法：

It does not work.

比較好的寫法：

Claude Code returns model not found. LiteLLM logs show no localhost request after I set ANTHROPIC_BASE_URL to ...

最好的寫法：

Claude Code returns model not found. My ANTHROPIC_MODEL is X, LiteLLM model_name is Y, and LiteLLM logs show the request arriving but failing after provider routing.

當你能提供故障所在層級的證據，這個技能的表現通常會更好。

要求代理把根因和修正分開說明

這種設定常常會疊出多層錯誤。你可以要求輸出採用以下格式：

• 可能的根本原因
• 應檢查的精確檔案或變數
• 最小修正方式
• 驗證步驟

這種結構會讓建議更容易執行，也更方便你事後檢查。

如果行為看起來過時，回頭參考 reference notes

如果指引內容和你實際看到的行為有落差，可以請代理重新參照：

references/doc-verified-notes.md

這個檔案就是 repository 用來說明哪些內容來自文章、哪些是目前經過 LiteLLM 驗證的行為，其中也包含 github_copilot/<model> 的命名規則。

等第一個請求成功後，再談優化

當第一個請求已成功跑通後，再逐步優化以下項目：

• 永久設定要放在哪裡
• shell profile 的整理
• 更安全的預設值
• 模型切換方式
• 團隊內部更清楚的本機文件

在你確認端到端流量真的打通之前，不要急著優化。

迭代時要特別留意這些失敗模式

最常重複出現的錯誤包括：

• 一次同時改了多個設定檔
• 以為模型名稱差不多就可以
• 忘記 Claude Code 在本機仍需要一個非空的 Anthropic token
• 沒有檢查 LiteLLM 日誌
• 臨時測試還沒成功，就先改永久設定

如何用這個技能拿到更高品質的輸出

如果你要用 running-claude-code-via-litellm-copilot for Skill Installation，最好的提示詞模式是：

Use the running-claude-code-via-litellm-copilot skill to troubleshoot my current setup. I am on [OS/shell]. Claude Code is configured with [values]. LiteLLM is started with [method]. My intended provider route is github_copilot/[model]. My ANTHROPIC_MODEL is [value]. Here are the logs and the exact error. Give me the smallest fix first, then a verification step, and pause before suggesting persistent edits.

這樣能讓技能拿到足夠的上下文，輸出真正適合安裝與排錯、而且能對應你實際機器狀況的建議，而不是流於籠統的設定說明。