分享同时使用GPT和Claude的分流配置方法

背景

在当前的 AI 应用生态中，用户往往需要同时使用多个大语言模型（LLM）服务，例如 OpenAI 的 ChatGPT 和 Anthropic 的 Claude。然而，由于网络环境差异、支付渠道限制以及服务访问策略的不同，直接在同一网络环境下顺畅使用这些服务存在一定门槛。

本文分享者基于 LINUX DO 社区的实践经验，总结了一套在个人设备上同时稳定使用 GPT 和 Claude 的技术方案。该方案的核心在于通过精细化的网络分流技术，解决不同服务对 IP 地区、代理端口及网络连通性的差异化需求，从而降低使用成本并提升多模型并行的体验。

核心内容

作者详细阐述了从账号购买、网络环境搭建到具体软件配置的全流程，主要包含以下三个部分：

1. 账号购买与成本优化

• ChatGPT Pro 5x 购买方案：

  • 支付工具：使用 Fiat24 银行卡进行支付。
  • IP 与地区策略：未采用常见的埃及 IP，而是利用谷歌云广播 IP 配合谷歌邮箱登录 chatgpt.com 网页端，手动切换至埃及地区。
  • 地址填写技巧：在填写账单地址时，选择美国特拉华州（Delaware），利用其免税政策降低税费。
  • 成本核算：最终支付金额为 76.41 EUR（约合 604.04 RMB），加上入金损耗，总成本控制在 615-620 RMB 左右。
  • 客户端使用：OpenClaw 直接使用 open-codex 模式登录，复用同一代理端口，运行正常。

• Claude 5x 购买方案：

  • 网络环境：购买了一台拥有原生美国 IP 的 VPS。
  • 操作方式：后续所有访问 Claude 网页端进行购买、登录以及使用 Claude Code 的行为，均通过该 VPS 的原生 IP 地址完成。
  • 稳定性：自 5 月 13 日使用以来，在两台电脑上登录账号均保持正常。

2. 网络分流架构

为了实现不同服务走不同代理通道，作者搭建了一套基于 Proxifier、Clash Verge 和 ZeroOmega 的分流系统：

• Clash Verge 节点管理：

  • 自建 Sub-Store 整合所有节点至一个订阅地址。
  • 通过脚本将节点按国家/地区划分，并映射到不同的本地监听端口。
  • 端口映射示例：
    • 台湾节点 1：监听 1080 端口
    • 台湾节点 2：监听 1081 端口
    • 美国节点 1：监听 1181 端口
  • 这种多端口监听机制为 Proxifier 提供了明确的流量出口选择。

• Proxifier 规则配置：

  • 作为核心分流工具，Proxifier 根据应用或域名规则，将流量定向分发到 Clash Verge 的不同监听端口，从而实现“不同应用/域名走不同代理”的效果。

• 浏览器分流：

  • 在 Chrome 浏览器中使用 ZeroOmega 扩展（Firefox 亦支持）。
  • 配置访问 Claude 网站时切换至对应的代理端口，确保浏览器流量独立于其他程序，互不干扰。

3. Claude Code 终端配置

为了让命令行工具 claude 也能正确代理，作者在 ~/.zshrc 中添加了自定义函数，强制指定代理环境变量：

function claude() {
  local PROXY_URL=127.0.0.1:1087
  export http_proxy=http://${PROXY_URL}
  export https_proxy=http://${PROXY_URL}
  export all_proxy=socks5://${PROXY_URL}
  export no_proxy=localhost,127.0.0.1,.zexi.me
  
  command claude "$@"
}

• 作用：每次在终端输入 claude 命令时，自动设置 HTTP/HTTPS/SOCKS5 代理指向本地 1087 端口，并排除本地回环地址及特定域名，最后执行实际的 claude 命令。

关键要点

• 支付省钱技巧：利用美国特拉华州免税政策及 Fiat24 支付渠道，可显著降低 ChatGPT Pro 的订阅成本。
• 原生 IP 的重要性：对于 Claude 等服务，使用拥有原生美国 IP 的 VPS 是确保账号购买、登录及 API 调用稳定性的关键，避免频繁触发风控。
• 精细化分流架构：
  • Clash Verge 负责多端口监听，将不同地区的节点映射到本地不同端口。
  • Proxifier 负责规则匹配，将特定应用或域名流量导向指定端口。
  • ZeroOmega 负责浏览器层面的独立分流，确保 Web 访问隔离。
• 环境变量注入：通过 Shell 函数重写命令，为 CLI 工具（如 Claude Code）注入代理环境变量，解决终端工具代理配置难题。
• 配置复用性：作者提供了 Proxifier 和 Clash Verge 的参考配置文件，用户只需根据自身节点情况修改 proxy-groups、listeners、rules 和 proxies 等关键项即可快速部署。

意义与影响

该分享为国内 AI 用户提供了极具实操价值的“多模型并行”解决方案。它不仅展示了如何通过技术手段规避网络限制，更提供了一种低成本、高效率的 AI 服务使用范式。

1. 降低使用门槛：对于不熟悉网络配置的新手，这套方案提供了从支付到软件配置的完整闭环参考，减少了试错成本。
2. 提升工作效率：通过精细化的分流，用户可以在同一设备上无缝切换 ChatGPT 和 Claude，无需频繁切换账号或网络环境，极大地提升了开发和创作效率。
3. 技术复用性：文中提到的“多端口监听+Proxifier 规则分流”模式，不仅适用于 AI 模型，也可推广至其他需要区分网络环境的场景（如游戏、流媒体等），具有较高的技术借鉴意义。