AI guides

一个 9.9 元拼车账号,我打通了 Claude Code、Cherry Studio、OpenClaw

0 views
一个 9.9 元拼车账号,我打通了 Claude Code、Cherry Studio、OpenClaw

所以今天我就去闲鱼上找了找,看看有没有更便宜一点、能继续顶上来的方案,最后顺手买了一个 9.9 元的 bussiness 拼车。买完之后,我就顺手把它折腾了一下,最终成功接到了 Claude Code 里面。

The full text has not been translated yet. The Chinese original is shown below.

上周我的 anyrouter 3 个账号都被封了,结果 Opus 4.6 也就直接用不了了,生产力一下子掉了不少。还好前段时间我花 7.9 元买了一个阿里百炼平台推荐的 codeing plan,这两天就先靠百炼提供的 codeing plan 顶着用。

文章配图

不过这两天实际用下来,整体体验还是有点别扭。

再往前一周,OpenAI 推广 gpt5.4 模型,可惜免费额度用了不到 1 周也歇菜了。折腾到这里,感觉手上能稳定用的模型越来越少了。

所以今天我就去闲鱼上找了找,看看有没有更便宜一点、能继续顶上来的方案,最后顺手买了一个 9.9 元的 bussiness 拼车。

文章配图

买完之后,我就顺手把它折腾了一下,最终成功接到了 Claude Code 里面。

文章配图

下面我就带大家一步一步操作,看看怎么把新买的 9.9 元 Codex 接入到 Cherry Studio、Claude Code、OpenClaw 里面。

核心思路其实很简单:

底层模型能力 → 统一兼容接口 → 不同客户端 → 实际任务

一、先买一个 bussiness 拼车

第一步很简单。

去闲鱼搜:

bussiness 拼车

然后找一个相对靠谱的卖家买一个拼车位。闲鱼上的价格不一样,6 块、7 块、8 块的都有,有的甚至不带售后。买完之后如果封号,基本就直接歇菜了。所以我这次干脆买了一个 9.9 的,想着稍微稳一点。(具体哪家我这里就不推荐了,毕竟我也是刚买,后续稳不稳现在也不好说。)

文章配图

买好之后,卖家一般会发一个卡密和激活地址。

卡密:ZB-XXX 激活网址:team.654301.xyz

我们先打开激活网址:

https://team.654301.xyz

文章配图

然后输入卡密和兑换邮箱,点击提交兑换。提交后,卖家会通过系统自动发送一封 bussiness 拼车邀请邮件。

文章配图

接着点击Join workspace,进入 ChatGPT 的注册/登录页面。

文章配图

这里我就是直接用这个邮箱去注册登录 ChatGPT 了。这一块流程本身不复杂,所以我这里就不再展开了。

二、确认网页版可以正常使用

拿到邀请之后,先别急着往后折腾。

我们先确认这个账号在 Codex 和 ChatGPT Web 端是不是都能正常访问。

文章配图

从上面的截图可以看到,我这里已经有 gpt5.4pro 模型了,接下来还要顺手确认一下账号是否有可用额度。

文章配图

把这些信息确认清楚之后,基本就能说明我们这次买到的 Codex 账号是可以正常使用的。

三、准备工具:sub2api

接下来我们要准备一个支持 Codex 代理的工具。

目前支持 Codex 代理的工具其实不少,我之前也介绍过用 CPA 方式来实现代理。

另外我也介绍过 AIClient-2-API 这种方式,关于 AIClient-2-API,大家可以参考我之前的文章《白嫖Claude Opus 4.5!Kiro + AIClient-2-API 让你免费用上顶级AI》,感兴趣的小伙伴可以回头看一下。

今天这篇文章,我主要给大家介绍一下用 sub2api 来实现。

先给大家看一下我已经部署好的界面截图:

文章配图

这个项目本身是一个开源软件,项目地址是:https://github.com/Wei-Shaw/sub2api 。整体部署并不算复杂,我个人更推荐大家直接用 Docker 部署。

可以通过自动化部署脚本快速搭建:

# 创建部署目录 mkdir -p sub2api-deploy && cd sub2api-deploy  # 下载并运行部署准备脚本 curl -sSL https://raw.githubusercontent.com/Wei-Shaw/sub2api/main/deploy/docker-deploy.sh | bash  # 启动服务 docker-compose up -d  # 查看日志 docker-compose logs -f sub2api

按上面的步骤,在服务器或者本地电脑上部署都可以。这一部分安装部署我这里就不做详细展开了。

部署完成之后,我们就可以看到上面的 sub2api 系统界面了。

账号管理

系统启动后,第一步就是把 Codex 账号添加到平台里。

在账号管理里点击添加账号:

文章配图

弹出的添加账号界面里,我们选择openai,认证方式选择oauth授权。

文章配图

后面就按授权认证步骤 1、2、3,完整走完用户授权登录流程即可。

文章配图

完成之后,我们就能看到平台里新增了一条账号授权记录。

文章配图

分组管理

接下来再补一下分组管理,这里我添加的是 openai 分组。

文章配图

文章配图

这一块本身比较简单,看图基本就能操作,这里我也就不展开讲了。

充钱

这个平台本身是支持对外运营的,所以默认账户余额是 0。

也就是说,如果你不手工加一点初始金额,后面调用的时候就可能直接报错。我一开始就是因为没充钱,结果调用时报错了。

这里我们需要到系统设置里面,把用户默认值里的金额先补上。

文章配图

到这里为止,sub2api 的基础配置就差不多完成了。

这个平台有一个我觉得挺不错的地方,就是它可以直接看到模型调用量和模型重置时间,这一点用起来会省心很多。

文章配图

文章配图

设置秘钥

这一步和其他平台差不多,也就是创建一个对外访问用的 API Key。

我们点击API 秘钥,然后点击创建秘钥。

文章配图

这个创建过程本身很简单,大家看图基本就会了,这里我就不啰嗦了。需要注意的一点是:密钥分组记得选择 codex。

文章配图

四、接入 Cherry Studio

如果你平时用Cherry Studio,那这一步其实非常简单。

新建一个 API Provider,然后填写:

  • Base URL:sub2api 对外提供的接口地址
  • API Key:刚刚创建的秘钥
  • Model:对应模型名

保存之后就可以直接用了。

虽然看起来是在调用 API,但底层实际还是走我们前面接好的那套能力。

下面是我这边的配置截图:

文章配图

配置好之后,直接做一次验证测试就行。

文章配图

五、接入 Claude Code

接入 Claude Code 这一步也非常简单。

我平时主要是通过 cc-switch 来做配置切换,所以这里只需要把自定义的 API Key、请求地址和主模型配置好就可以了。

文章配图

关于 cc-switch 更详细的功能和操作,这里我就不再展开了。不熟悉的小伙伴可以看我之前的文章《CC-Switch配置切换神器:5秒搞定多设备同步,坚果云让配置永不丢失》。

把 CC-Switch 配好之后,就可以直接在 Claude Code 里面用了。

文章配图

六、接入 OpenClaw

如果你使用OpenClaw,同样也可以直接接入。

配置方式和普通 API 基本一致,填写下面这几个参数即可:

  • Base URL → sub2api 对外提供的接口地址
  • API Key → 你刚刚创建的秘钥
  • Model → 对应模型

这样 OpenClaw 就会把请求先发到代理层,再由代理去调用底层能力。

整体调用链路就变成了:

OpenClaw   ↓ API   ↓ sub2api   ↓ Codex CLI

文章配图

七、成本为什么只要 9.9 元

因为你并不是直接走官方 API 的按量调用方式。

而是通过下面这条链路来使用:

拼车账号    ↓ CLI 使用    ↓ 本地代理    ↓ API 调用

文章配图

这样一来,整体使用成本自然就会低很多。

八、总结

今天主要带大家了解并跑通了 9.9 元 Codex 拼车账号接入 Cherry Studio、Claude Code、OpenClaw 的完整流程,这套低成本 AI 编程接入方案以“拼车账号 + sub2api 统一代理”作为核心思路,结合日常代码生成、问题排查、客户端统一接入等实际需求,通过账号激活、Web 端确认、sub2api 配置、API 秘钥创建以及多客户端接入这几步,形成了一套从底层模型能力到上层工具使用的完整工作流。

通过这套实践方案,小伙伴们能够高效突破传统官方 API 成本高、多个客户端重复配置、模型入口分散这些痛点,无需在每个工具里来回折腾,就能快速把同一套能力接入到不同客户端中。无论是 Cherry Studio 做日常对话,还是 Claude Code 处理编码任务,或者 OpenClaw 跑自动化流程,都可以通过统一接口完成,极大提升了模型复用效率和整体使用体验。

在实际应用中,这种方案不仅成本更低,而且接入更灵活,适配性也远优于每个客户端单独配置的传统方式;特别是通过 sub2api 统一中转之后,调用监控、额度管理、模型重置时间查看这些能力也都更清晰了。同时,这套方案也具备不错的扩展性,小伙伴们后面还可以继续接入更多兼容客户端,或者扩展到团队内部统一接入、个人多设备协同、低成本模型工作流搭建等场景。感兴趣的小伙伴可以按照文中的步骤自己动手试一下,根据实际使用需求调整模型、秘钥分组和客户端配置。今天的分享就到这里结束了,我们下一篇文章见。

文章来自微信公众号 “ 海虎哥AI编程 ”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)