claudefable5.1并非官方版本，而是误传或第三方魔改命名；当前唯一可查的cli工具是@anthropic-ai/claude-code（v1.3.2），无官方文档或npm包支持该名称。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
ClaudeFable5.1 并非 Anthropic 官方发布或社区广泛验证的版本——当前（2026年9月）公开可查的 Claude 系列 CLI 工具只有 @anthropic-ai/claude-code（最新稳定版为 v1.3.2），且无任何官方文档、npm 包或 GitHub 仓库指向 “ClaudeFable5.1” 这一名称。你看到的这个名称，极大概率是误传、拼写错误，或是某第三方魔改分支的自定义命名（例如把 claude-code 和某个本地模型服务名如 fable 混搭而成）。
如果你实际想部署的是 **Claude Code CLI + 自托管后端（如 Qwen3.5、GLM-4.7 或 llama.cpp 封装的 OpenAI 兼容 API）**，并希望在云服务器上压低内存占用，下面这几点才是真实有效的操作路径：
确认你用的是哪个实际运行主体
先别急着调参，先搞清真正吃内存的是谁：
– 如果执行 claude --version 能输出版本号，说明 CLI 本身在跑，它只占几十 MB，不是内存大户；
– 真正的内存主力是后端模型服务（比如你用 llama.cpp 起的 ./server，或 vLLM 的 python -m vllm.entrypoints.api_server）；
– 还有一种可能是你在用 claude-code 的 Python 版本（如 pip install claude-code[all]），它自带轻量推理逻辑，但默认会加载完整 tokenizer 和缓存，容易在小内存机器上触发 MemoryError。
限制模型服务的显存/内存用量（关键）
假设你用的是 llama.cpp 提供的 OpenAI 兼容 API（这是目前云服务器上最轻量、最可控的方案）：
– 启动时必须显式限制上下文长度和 KV 缓存：./server -m /mnt/models/qwen3.5-35b.Q4_K_M.gguf -c 2048 --no-mmap --no-mlock --n-gpu-layers 32 --parallel 2
其中：
-
-c 2048：把 context size 从默认 4096 压到 2048，内存直接减半； -
--no-mmap和--no-mlock：避免预加载全部模型权重进 RAM； -
--n-gpu-layers 32：只把前 32 层 offload 到 GPU，其余走 CPU，平衡显存与延迟； -
--parallel 2：限制并发请求数，防 burst 内存尖峰。
vLLM，必须加：--max-model-len 2048 --gpu-memory-utilization 0.6 --swap-space 4
CLI 层面禁用冗余上下文上传
claude-code 默认会在启动时扫描整个项目目录并尝试索引，这对 10k+ 行的项目极易导致 OOM。解决方法是：
– 启动时不带参数，进入交互后立刻执行：/context clear
– 然后手动添加必要文件：/context add src/main.py src/utils/
– 配置 ~/.claude/settings.json 加入："file_filter": ["*.py", "*.js", "*.ts", "*.md"], "max_file_size_mb": 2
这样能跳过大日志、打包产物、node_modules 等“内存黑洞”。
系统级兜底：Swap + OOM 优先级控制
云服务器通常默认不配 swap，而模型服务一旦内存超限就会被 kernel 直接 kill（dmesg 可见 Out of memory: Killed process）。必须补上：sudo fallocate -l 4G /swapfile && sudo chmod 600 /swapfile && sudo mkswap /swapfile && sudo swapon /swapfile
再防止 CLI 进程被误杀：echo -17 > /proc/$(pgrep -f "claude-code")/oom_score_adj
（注意：该值需在每次重启后重设，建议写进 systemd service 的 ExecStartPost）
ps aux --sort=-%mem | head -5 就能立刻定位元凶——别在 settings.json 里反复调 max_workers，那对模型推理内存几乎没影响。
