running-claude-code-via-litellm-copilot

running-claude-code-via-litellm-copilot skill 概览

running-claude-code-via-litellm-copilot skill 用来帮你搭建一条特定的代理工作流：让 Claude Code 继续使用它 привыч用的 Anthropic 风格 API，但把实际请求转发到本地 LiteLLM 服务器，再由后者继续转到 GitHub Copilot。它主要适合这几类需求：尽量减少对 Anthropic API 的直接调用、测试更便宜的方案，或者排查为什么 Claude Code 没有连到你预期的后端。

这个 skill 最适合哪些人

这个 running-claude-code-via-litellm-copilot skill 最适合：

• 已经在使用 Claude Code 的开发者
• 能接受修改环境变量和本地配置文件的用户
• 想比较直连 Anthropic 与本地 LiteLLM 代理差异的人
• 正在排查 401/403、model not found，或“Claude Code 没有打到 localhost”这类问题的人

它并不是面向新手的 Claude Code、LiteLLM 或 GitHub Copilot 入门教程。

这个 skill 真正解决的问题

大多数用户要的并不只是“仓库内容总结”，而是一条真正能跑通的路径，用来：

1. 让 Claude Code 通过 LiteLLM 运行；
2. 把 LiteLLM 指向 GitHub Copilot；
3. 让模型名完全对齐；
4. 验证流量确实经过代理；
5. 快速修正常见的鉴权和兼容性故障。

这正是这个 skill 的价值所在。

这个 skill 的差异点在哪里

它真正有用的地方在于：这是针对脆弱集成链路的实操指导，不是泛泛而谈的 prompt 层封装。它会重点强调那些最容易卡住落地的实际约束：

• 必须用 ANTHROPIC_BASE_URL 把 Claude Code 指向 LiteLLM
• Claude Code 在本地仍然要求一个非空的 Anthropic token
• LiteLLM 应该使用 github_copilot/<model> 这种 provider 命名模式
• Claude Code 的 ANTHROPIC_MODEL 必须与 LiteLLM 的 model_name 完全一致
• drop_params: true 对兼容性很关键
• GitHub 首次 device authorization 往往要等第一条真实请求发出后才会出现
• 判断是否成功时，应以 LiteLLM 日志为准，而不是凭感觉觉得配置“应该没问题”

安装前先判断是否值得用

如果你的核心问题是“怎么才能让这套代理方案在我机器上真正跑起来”，那就适合用 running-claude-code-via-litellm-copilot。如果你只是想正常使用 Claude Code、直连 Anthropic，或者只想看 GitHub Copilot 的通用文档，那就可以跳过。

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

安装 running-claude-code-via-litellm-copilot skill

从 skills 仓库安装：

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

如果你的环境使用的是其他 skill loader，也可以直接从这里添加：

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

先读这两个文件

如果你是在做这次 running-claude-code-via-litellm-copilot install，建议按这个顺序先看：

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

这个顺序很重要，原因是：

• SKILL.md 提供了实际操作流程和决策规则。
• references/doc-verified-notes.md 会说明哪些内容是基于文章结论，哪些又根据 LiteLLM 文档做了更严格校准；这点很关键，因为这套配置对兼容性非常敏感。

先确认最小可用的几块配置

一套能成功跑通的配置，通常需要这四项同时对齐：

• Claude Code 通过 ANTHROPIC_BASE_URL 指向 LiteLLM
• 本地提供一个非空的 ANTHROPIC_API_KEY 或等价 token 值，让 Claude Code 能启动
• LiteLLM 已配置为使用 github_copilot/<model>
• Claude Code 和 LiteLLM 之间的模型名完全一致

这四项只要有一项不对，整个流程就很容易以一种很迷惑的方式失败。

这个 skill 需要你提供哪些输入

如果你想更有效地使用这份 running-claude-code-via-litellm-copilot usage 指南，最好提供：

• 你的操作系统和 shell
• Claude Code 是否已经安装并可正常运行
• LiteLLM 是否已经安装，以及你是怎么启动它的
• 你当前的 ANTHROPIC_BASE_URL
• 你打算用的 Copilot 后端模型名
• 如果配置失败，贴出完整报错文本
• 你是否愿意修改 ~/.claude/settings.json 或 shell profile 文件

这些信息能让 skill 给出贴合实际环境的命令，而不是靠猜。

把模糊目标改写成高质量提示词

较弱的提示词：

Help me use Claude Code with LiteLLM and Copilot.

更强的提示词：

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.

为什么这个版本更好：

• 直接说明了 OS 和 shell
• 明确要求完整配置链路
• 一开始就点出了模型名匹配问题
• 要求先做安全验证，再改持久化配置

首次配置建议采用的工作流

不要一上来把所有配置一起改掉，建议按这个顺序做：

1. 检查当前的 Claude Code 和 LiteLLM 配置
2. 先选定一个目标模型
3. 在 LiteLLM 中配置 github_copilot/<model>
4. 如有需要，设置 drop_params: true 以兼容 Anthropic 风格请求
5. 用 ANTHROPIC_BASE_URL 把 Claude Code 指向 LiteLLM
6. 把 ANTHROPIC_MODEL 设成与 LiteLLM model_name 完全一致
7. 发起一次小请求
8. 观察 LiteLLM 日志
9. 如果出现提示，完成 GitHub device authorization
10. 确认没问题后，再去改持久化配置

这样做能降低“多个修改同时发生，反而把真正故障点藏起来”的风险。

最重要的兼容性规则

从实操价值看，这个仓库里最关键的一条规则就是：Claude Code 的 ANTHROPIC_MODEL 必须与 LiteLLM 的 model_name 完全一致。

不要把模型命名当成“大致差不多就行”。看起来只差一点点，也足以导致路由失败，并产生误导性的错误信息。

如何确认代理真的生效了

不要看到“命令跑了”就停下来。至少要核实以下几点：

• Claude Code 的目标地址确实是你的本地 ANTHROPIC_BASE_URL
• LiteLLM 日志里确实收到了请求
• 请求确实是通过 GitHub Copilot provider 路径转发出去的
• 响应是经由 LiteLLM 返回的，而不是直接走了 Anthropic

如果根本没有 localhost 流量，问题通常还没走到 Copilot 鉴权那一步。

这个 skill 特别擅长处理哪些失败场景

这份 running-claude-code-via-litellm-copilot guide 尤其适合处理：

• 因模型名不一致导致的 model not found
• GitHub Copilot 鉴权阶段出现的 401 或 403
• 请求根本没有到达 LiteLLM
• 虽然后端实际是 LiteLLM，但 Claude Code 仍然要求 Anthropic token
• 因不支持的请求参数引发的兼容性问题

这正是通用型 prompt 最容易浪费时间的那类问题。

区分 explanation mode 和 execution mode

上游 skill 明确区分了两种模式：

• explanation mode：给出最小且正确的一组命令、文件和检查点
• execution mode：检查当前机器状态，按 shell 和 OS 做适配，并在修改持久化配置前停下来确认

这个区别很重要。如果你希望对方直接协助你落地配置，就要明确说出来；如果你现在只需要方案，最好先要求一份非破坏性的 walkthrough。

一个可以复用的实用提示词

调用这个 skill 时，可以直接用下面这类提示词：

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 skill 常见问题

running-claude-code-via-litellm-copilot 适合初学者吗？

通常只适合那些已经能接受本地代理、环境变量和配置排障的人。这个 skill 的定位很准确，但这条工作流本身依然偏进阶，而且可能因为多个细小原因而失败。

这个 skill 相比普通 prompt 强在哪里？

普通 prompt 往往只能解释“原理上可以这么做”。而 running-claude-code-via-litellm-copilot skill 的优势在于：当你真的需要精确的路由前提、首轮排障规则，以及避免走入死胡同的配置顺序时，它更靠谱。

这个 skill 能保证 GitHub Copilot 一定可用吗？

不能。源材料对它的定位是 workaround，而不是 GitHub 官方保证的工作流。更适合把它当作一份实操指导，而不是长期兼容性的承诺。

什么情况下不该用 running-claude-code-via-litellm-copilot？

以下情况不建议使用：

• 你对直连 Anthropic 已经满意
• 你不希望本地代理介入链路
• 你需要官方支持的企业级集成方案
• 你要找的是 Claude Code 的通用上手指南，而不是这种特定路由模式

这个 skill 的核心诉求主要是省钱吗？

降低成本确实是动机之一，但不是唯一原因。很多用户更看重的是路由控制、后端替换能力，或者排查为什么 Claude Code 打到了错误的 endpoint。

最可能卡住配置的点是什么？

排第一的是 Claude Code 和 LiteLLM 之间模型名没有完全一致。其次常见的就是鉴权问题，以及根本没有 localhost 流量进入 LiteLLM。

这个 skill 附带脚本或自动化工具吗？

没有看到仓库快照里提供什么大型辅助脚本。这是一个以指导说明为主的 skill，所以更适合预期为：你需要手动把这些说明应用到自己的机器和配置里。

如何把 running-claude-code-via-litellm-copilot skill 用得更好

从你当前状态说起，不要只描述目标状态

想让 running-claude-code-via-litellm-copilot 给出更高质量结果，先告诉 agent 你现在已经有什么：

• 已安装的工具
• 当前配置文件
• 当前环境变量
• 你执行过的精确命令
• 完整错误输出

这样可以避免 assistant 以为你要的是一套“从零开始的干净安装”，而你真正需要的其实是排障。

先请求单模型配置

不要一开始就上多个模型，或者提出“把所有东西都配好”这种大而泛的需求。先锁定一个模型、一个 endpoint、一次验证步骤。这样更容易缩小问题范围，也更方便解读日志。

明确给出准确的模型字符串

求助时，把下面两个值都贴出来：

• LiteLLM 的 model_name
• Claude Code 的 ANTHROPIC_MODEL

这是定位最常见故障的最快方式。

优先请求“先验证、后持久化”的方案

一个高质量请求可以这样写：

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.

这样更安全，也能减少不必要的配置反复修改。

提供日志，不要只描述症状

不好的说法：

It does not work.

更好的说法：

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

最好的说法：

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.

当你能给出发生故障那一层的证据时，这个 skill 的表现会明显更好。

让 agent 把“根因”和“修复动作”分开说

这套配置经常会叠加多层错误。可以要求输出按以下结构组织：

• 可能的根因
• 需要检查的具体文件或变量
• 最小修复动作
• 验证步骤

这种结构更容易执行，也更方便你事后审查。

当行为看起来过时，记得回看参考说明

如果你发现指导内容和自己实际看到的行为对不上，可以明确让 agent 参考：

references/doc-verified-notes.md

这个文件会区分：哪些结论来自文章，哪些是根据当前 LiteLLM 行为重新核验过的内容，其中也包括 github_copilot/<model> 这条命名规则。

第一条请求跑通后，再做进一步优化

当第一条请求已经成功后，再逐步优化这些内容：

• 持久化配置放在哪里
• shell profile 的清理
• 更安全的默认值
• 模型切换
• 给团队写更清晰的本地文档

在确认端到端流量打通之前，不要过早优化。

迭代过程中重点防这几类错误

最容易反复出现的错误包括：

• 一次性修改多个配置文件
• 误以为模型名差不多就行
• 忘记 Claude Code 在本地仍然需要一个非空 Anthropic token
• 不检查 LiteLLM 日志
• 临时测试都还没成功，就先去改持久化配置

想让这个 skill 输出更高质量，最佳提问方式是什么

针对 running-claude-code-via-litellm-copilot for Skill Installation，最好使用这种提示词模式：

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.

这样这个 skill 才能拿到足够上下文，给出真正可安装、贴合你机器实际情况的指导，而不是泛泛的配置说明。