Claude Code.

Configura OpenCode

Una sola vez, como explica su página, o dejando que lo haga el CLI de NaN.

Comprueba que responde sin interfaz

opencode run --agent plan -m nan/deepseek-v4-flash "Resume en tres líneas qué hace este repositorio."

Tres cosas de ese comando:

• run es el modo sin interfaz: hace la tarea, escribe la respuesta y termina.
• -m toma el modelo como proveedor/modelo, donde el proveedor es el nombre que le hayas puesto en tu opencode.json, nan si has seguido nuestra página.
• --agent plan deja a OpenCode en modo lectura. Sin eso arranca con su agente por defecto, que puede editar ficheros y ejecutar comandos. Para delegar una revisión o un resumen no quieres eso.

La respuesta llega por la salida estándar, precedida de las herramientas que ha usado:

> plan · deepseek-v4-flash
→ Read src/lib/modelCatalog.ts
Es la fuente única de verdad del catálogo de modelos...

Pídeselo a Claude Code

Dentro de una sesión de Claude Code, díselo tal cual:

Usa `opencode run --agent plan -m nan/deepseek-v4-flash` para revisar
src/parser.ts y dime qué casos no está cubriendo.

Claude Code lanza el comando, lee lo que responde OpenCode y sigue trabajando a partir de ahí. La primera vez te pedirá permiso para ejecutarlo.

Funciona bien para lo que es largo de leer y barato de resumir: revisar un fichero grande, hacer un primer borrador, resumir documentación, comparar dos versiones. Claude Code se queda con la coordinación y con los cambios finos.

Dos opciones que ayudan cuando le coges el gusto:

• -f fichero le adjunta ficheros concretos, en vez de que los busque él.
• -c continúa la última conversación de OpenCode, para repreguntar sin volver a explicárselo todo.

Instala la pasarela

LiteLLM expone un endpoint /v1/messages con el formato de Anthropic y lo traduce al de OpenAI antes de reenviarlo.

pip install "litellm[proxy]"

Configura la pasarela

Crea un litellm.config.yaml donde te venga bien:

model_list:
  - model_name: nan-coder
    litellm_params:
      model: openai/glm5.3-flash
      api_base: https://api.nan.builders/v1
      api_key: os.environ/NAN_API_KEY

  - model_name: nan-general
    litellm_params:
      model: openai/deepseek-v4-flash
      api_base: https://api.nan.builders/v1
      api_key: os.environ/NAN_API_KEY

general_settings:
  master_key: sk-local-cambia-esto

El prefijo openai/ le dice a LiteLLM con qué formato hablar con NaN. Lo que va después del prefijo es el id del modelo tal cual, y model_name es el nombre con el que lo verás desde Claude Code.

El master_key es una clave que te inventas tú para tu pasarela local. No es tu clave de NaN, y no debe serlo: la de NaN solo la conoce el proceso de LiteLLM.

Arranca la pasarela

litellm --config litellm.config.yaml --port 4000

Déjala corriendo en su propia terminal.

Apunta Claude Code a la pasarela

export ANTHROPIC_BASE_URL="http://localhost:4000"
export ANTHROPIC_AUTH_TOKEN="sk-local-cambia-esto"
export ANTHROPIC_MODEL="nan-coder"

claude

Usa ANTHROPIC_AUTH_TOKEN y no ANTHROPIC_API_KEY: es la variable que Claude Code envía como cabecera Authorization cuando la base URL no es la de Anthropic.

Si prefieres elegir el modelo en cada sesión en lugar de fijarlo por entorno, deja fuera ANTHROPIC_MODEL y arranca con claude --model nan-coder.

Comprueba que funciona

Con la pasarela levantada:

curl http://localhost:4000/v1/messages \
  -H "Authorization: Bearer sk-local-cambia-esto" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nan-coder",
    "max_tokens": 64,
    "messages": [{ "role": "user", "content": "Di hola." }]
  }'

Si eso responde, Claude Code también lo hará. Si devuelve un error de autenticación, el que está mal es el master_key; si devuelve 404 model_not_found, lo que está mal es el id de NaN dentro de litellm_params.