claude-code-local

在 Mac 上离线跑 Claude Code，代码不出本机

claude-code-local 是一个让 Claude Code 完全在 Apple Silicon 设备本地运行的开源方案。它用 MLX 原生实现了 Anthropic API 兼容服务端，把原本依赖云端 Claude 的编码助手替换成本地大模型，从而做到数据不出设备、离线可用、可空气隔离。项目内置了多款可选模型，包括 Muse-Glimmer 30B（支持多模态读图、已 abliterated）、Gemma 4 31B、Qwen 3.5 122B（约 65 tok/s）以及 DeepSeek V4 Flash（1M 上下文），覆盖从轻量到长上下文的多种需求。核心价值在于隐私合规：面向签署 NDA、法律、医疗等对数据外流极度敏感的团队，让开发者继续用熟悉的 Claude Code 交互方式，同时把推理留在本机。它解决的是云端 AI 编码工具无法满足的合规与离线场景，适合需要私有化、可审计、无网络依赖的 AI 编程工作流。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3345

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类基础设施

开发团队nicedreamzapp

所属国家

官网地址

GitHubhttps://github.com/nicedreamzapp/claude-code-local

定价模式free

价格说明开源免费，需自行部署于Apple Silicon设备

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型abliterated,ai-privacy,airgap,ambient-computing,anthropic,apple-silicon,browser-agent,claude-code,gemma,llama,local-ai,local-llm,macos,mlx,mlx-lm,offline-ai,on-device-ai,private-ai,qwen,voice-ai

GitHub 星标★ 3345

30天Star增速

HF 下载量

上线时间2026-03-26 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-06

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 20 分钟部署方式：本地安装 4 步

环境要求

搭载 Apple Silicon 芯片的 Mac（M 系列）
Python 3.12（命令中使用 python3.12）
可联网下载模型权重（首次启动需拉取模型）
内存建议 16 GB 及以上，内存越大体验越好

安装与启动步骤

1一键脚本安装

README 提供的一键安装方式，脚本会自动完成主体部署；在终端直接执行即可。
```
curl -fsSL https://raw.githubusercontent.com/nicedreamzapp/claude-code-local/main/install.sh | bash
```
2创建 MLX 虚拟环境

手动方式的第一步：用 Python 3.12 在 ~/.local/mlx-server 建独立虚拟环境，避免污染系统环境。
```
python3.12 -m venv ~/.local/mlx-server
```
3安装 mlx-lm

把 Apple MLX 的推理库 mlx-lm 装进刚建好的虚拟环境，后续服务端靠它在本机跑模型。
```
~/.local/mlx-server/bin/pip install mlx-lm
```
4启动本地模型服务

指定要加载的模型与仓库内的 proxy/server.py 路径，再运行启动脚本拉起 Anthropic 兼容服务端。
```
MLX_MODEL=divinetribe/gemma-4-31b-it-abliterated-4bit-mlx 
MLX_SERVER="$PWD/proxy/server.py" 
bash scripts/start-mlx-server.sh
```

关键配置

配置项	必填	说明	示例
`MLX_MODEL`	是	指定要加载的本地模型，决定能力与显存占用。	`divinetribe/gemma-4-31b-it-abliterated-4bit-mlx`
`MLX_SERVER`	是	指向仓库内 proxy/server.py 的路径，启动脚本据此拉起服务。	`$PWD/proxy/server.py`

如何确认成功

启动脚本运行后服务端在本机监听；再用 Claude Code 打开项目，若不再提示 usage limit 且能正常读写文件，即成功。

常见问题

Q：遇到 Claude 用量上限还能继续用吗？

A：可以。本项目让同一个 Claude Code 继续工作，但回答你的模型换成本机运行的本地模型，不消耗云端额度。

Q：需要 Anthropic API Key 或联网调用云端模型吗？

A：不需要。README 明确说明无需 API key，模型在你的 Mac 芯片上用 MLX 本地推理。

Q：16 GB 内存的 MacBook 能跑吗？

A：README 说明即使 16 GB MacBook 也能跑，内存越大效果越好，模型选择上可优先较小参数的版本。

Q：Windows 或 Intel Mac 可以用吗？

A：不行。项目基于 Apple Silicon 与 Apple MLX，README 的标签明确限定 Mac / Apple Silicon。

注意事项

数据完全留在本机，不出设备、可离线，适合隐私合规与空气隔离场景。
一键 install.sh 与手动 venv 两种方式二选一即可，不要混用造成环境混乱。
启动脚本依赖当前目录为仓库根目录，否则 $PWD/proxy/server.py 会指向错误路径。
首次启动需要下载模型权重，耗时和磁盘占用取决于所选模型规模。

核心亮点

用 MLX 原生实现 Anthropic API 兼容层，Claude Code 客户端无需改动即可切换本地模型
内置多款模型可选，覆盖 30B 多模态到 122B 大模型，Qwen 3.5 122B 实测约 65 tok/s
支持空气隔离与完全离线，数据不出设备，契合 NDA、法律、医疗等合规场景

不足之处

仅支持 Apple Silicon，非 Mac 用户无法使用
依赖本地大模型，实际编码能力与云端 Claude 仍有差距
模型体积大，对统一内存容量要求高，入门门槛不低

适用场景

律师或医疗团队在签署 NDA 后用本地模型处理敏感代码与文档
无网络或空气隔离环境下的离线 AI 编程与代码补全
开发者想在 Mac 上零成本、零数据外泄地体验 Claude Code 工作流

替代项目

ollama、llama.cpp、LM Studio

项目介绍

claude-code-local 是基础设施领域的开源项目，由 nicedreamzapp 开发，是 2026 年新上线的项目。

在全站 13,752 个收录项目中，它的 GitHub 星标数（3,345）位列前 30%，在基础设施分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-03。开源免费，需自行部署于Apple Silicon设备。

它主要面向的使用场景是：律师或医疗团队在签署NDA后用本地模型处理敏感代码与文档。同类可对比的替代方案包括 ollama、llama.cpp、LM Studio。

上一篇：DiPlay

下一篇：ReadyLLM