Skip to content

ARTICLE.md

Latest commit

 

History

History
229 lines (158 loc) · 9.29 KB

ARTICLE.md

File metadata and controls

229 lines (158 loc) · 9.29 KB
Raw

用国产模型跑 Claude Code，每年省下几千块

先算一笔账

Claude Code 的工作方式是：根据任务复杂度，自动切换模型。

  • 简单问题 → haiku
  • 日常编码 → sonnet
  • 复杂推理 → opus

这个设计很聪明。但问题是：Anthropic 的 opus 很贵，sonnet 也不便宜。

以一个典型工作日为例，Claude Code 大约发出 200-400 次请求，其中：

模型 占比 单次 token 成本 日成本（估算）
opus ~20% $0.015/1K $3-5
sonnet ~60% $0.003/1K $2-4
haiku ~20% $0.0003/1K $0.1

一天 $5-10，一个月 $150-300，一年 $2000-4000。

如果 opus 走智谱 GLM（价格约为 Anthropic 的 1/10），sonnet 走 DeepSeek Pro，haiku 走 DeepSeek Flash——同样的工作流，成本可以降到原来的 1/5 甚至更低。

但问题来了：怎么让 Claude Code 的 opus/sonnet/haiku 请求，分别走到不同的国产模型上？

AginxBrain：模型路由器

AginxBrain 日志界面 — 实时请求日志，彩色 Tag 标签

AginxBrain 是一个开源桌面应用（Tauri v2 + Rust），位于 Claude Code 和模型提供商之间，做两件事：

  1. 按标签路由：opus → 智谱 GLM，sonnet → DeepSeek Pro，haiku → DeepSeek Flash
  2. 协议转换：Claude Code 用 Anthropic Messages 协议，但 DeepSeek 只认 OpenAI Chat 协议——AginxBrain 自动转换

Claude Code 的智能调度能力不变，但推理成本大幅降低。

它不是简单的代理

普通代理只能把请求原样转发，要求两边用同一个协议。AginxBrain 不一样——它是协议感知的智能路由：

Claude Code 发出：                   AginxBrain 转发到：
POST /v1/messages                   POST /v1/chat/completions
{                                   {
  "model": "opus",        →           "model": "glm-5.1",
  "messages": [...],                  "messages": [...],
  "max_tokens": 4096                  "max_tokens": 4096
}                                   }

请求格式、响应格式、流式 SSE，全部自动转换。对 Claude Code 来说，它以为自己在跟 Anthropic API 通信；对 provider 来说，它以为自己在服务一个 OpenAI 格式的客户端。

三大核心功能

一、标签路由——把 Claude Code 的调度能力用到国产模型上

路由配置界面 — 每个路由绑定 Tag、Provider、模型名

Claude Code 内部会根据任务难度，在 opus/sonnet/haiku 之间自动切换。AginxBrain 利用这个机制，把每个档位路由到不同的国产模型：

opus   → 智谱 GLM (glm-5.1)        ← 强推理能力，价格是 Opus 的 1/10
sonnet → DeepSeek (deepseek-v4-pro)  ← 编码能力出色，价格是 Sonnet 的 1/5
haiku  → DeepSeek (deepseek-v4-flash) ← 极速响应，几乎不花钱
auto   → Moonshot Kimi (K2.6)        ← 未识别模型自动走这里

你不需要改变 Claude Code 的任何使用习惯。 该用 opus 还是用 opus，只是背后实际跑的是智谱 GLM。

二、协议转换——三种主流格式任意互转

Provider 配置界面 — 管理多个模型提供商

不同提供商用不同的 API 格式，AginxBrain 支持三向互转：

客户端格式 Provider 格式 典型场景
Anthropic Messages OpenAI Chat Completions DeepSeek、Moonshot、SiliconFlow
Anthropic Messages OpenAI Responses API 通义千问 DashScope
Anthropic Messages Anthropic（透传） 百度文心、智谱 GLM
OpenAI Responses API OpenAI Chat Completions Codex CLI → DeepSeek
OpenAI Responses API Anthropic Messages Codex CLI → 智谱 GLM

流式 SSE 转换同样完整支持，thinking 块、text 块、tool_use 块全部正确处理。

三、一键接管——零配置，开关即用

Tags 配置界面 — 自定义标签和颜色

不需要手动改环境变量。管理界面点击 "Takeover"：

Claude Code 接管：自动写入 ~/.claude/settings.json

{
  "env": {
    "ANTHROPIC_MODEL": "auto",
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:8082/anthropic",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "opus",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "sonnet",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "haiku"
  }
}

Codex CLI 接管：自动写入 ~/.codex/config.toml

model = "gpt-5.5"
model_provider = "aginxbrain"

[model_providers.aginxbrain]
name = "AginxBrain"
base_url = "http://127.0.0.1:8082"
wire_api = "responses"

点击 "Restore" 一键恢复原始配置，零风险。

Codex CLI 支持

v0.2.0 新增了对 OpenAI Codex CLI 的支持。Codex 使用 OpenAI Responses API 协议（和 Claude Code 的 Anthropic Messages 完全不同），AginxBrain 现在可以：

  • 把 Codex 的 Responses API 请求转换为 OpenAI Chat 或 Anthropic Messages 格式
  • 流式 SSE 双向转换
  • 一键写入 Codex 配置文件

这意味着：同一个 AginxBrain 实例，同时服务 Claude Code 和 Codex CLI，共用同一套路由规则。

还解决了三个"坑"

坑一：Thinking Blocks 协议变更

Claude Code 2.1.x 引入 Opus 4.8 后大量使用 thinking blocks。国产 provider 不一定支持。AginxBrain 自动处理：

  • provider 返回 thinking 块 → 正确透传
  • DeepSeek 的 reasoning_content → 自动转换为 thinking 块
  • 流式中对 block_index 做状态机管理，防止索引错乱

坑二：模型名反馈循环

Claude Code 会"记住" provider 返回的模型名，导致下次请求绕过路由。AginxBrain 在返回响应前，将 provider 的模型名替换为原始别名：

provider 返回: model: "glm-5.1"
AginxBrain 替换: model: "opus"

反馈循环被彻底切断。

坑三：协议格式不兼容

Claude Code 用 Anthropic 格式，Codex 用 Responses 格式，国产模型用 OpenAI 格式——三种协议互不兼容。AginxBrain 的三向转换引擎解决了这个问题。

架构

  Claude Code              Codex CLI
  (Anthropic Messages)     (OpenAI Responses)
         │                        │
         ▼                        ▼
  ┌──────────────────────────────────────┐
  │         AginxBrain                 │
  │  ┌────────────┐  ┌────────────────┐  │
  │  │ Protocol   │  │ Tag Router     │  │
  │  │ Converter  │  │ opus→GLM       │  │
  │  │ 3-way      │  │ sonnet→DeepSeek│  │
  │  │ transform  │  │ haiku→Flash    │  │
  │  └────────────┘  └────────────────┘  │
  └──────────┬──────────────┬────────────┘
             │              │
     ┌───────▼───┐  ┌──────▼──────┐
     │ OpenAI    │  │ Anthropic   │
     │ (DeepSeek,│  │ (Baidu,     │
     │  Moonshot)│  │  Zhipu GLM) │
     └───────────┘  └─────────────┘
  • 系统托盘常驻：关闭窗口不退出，后台持续运行
  • 管理界面：浏览器打开 http://127.0.0.1:8082，实时日志、配置管理
  • 零依赖部署：macOS .app / Windows .exe，双击即用

和其他方案对比

方案 协议转换 标签路由 模型反馈 Codex 支持 开源
手动配环境变量 ❌ ❌ ❌ ❌ -
普通 HTTP 代理 ❌ 必须同协议 ❌ ❌ ❌ -
降级旧版本 ❌ ❌ ❌ ❌ -
AginxBrain ✅ 三向互转 ✅ opus/sonnet/haiku ✅ 自动替换 ✅ ✅ MIT

快速上手

方式一：下载安装包（推荐）

从 GitHub Releases 下载对应平台的安装包：

平台 安装包 说明
macOS AginxBrain_aarch64.dmg Apple Silicon，拖到 Applications
Windows ModelRouter_x64-setup.exe 双击安装
Linux ModelRouter_x86_64.AppImage chmod +x 运行

方式二：源码编译

git clone https://github.com/yinnho/model-router
cd aginxbrain
npm --prefix web install
npm --prefix web run tauri dev     # 开发模式
npm --prefix web run tauri build   # 构建安装包

配置

安装后编辑 ~/.aginxbrain/config.yaml，配置你的 provider 和路由规则，然后在管理界面点击 "Takeover"——完成。

写在最后

AginxBrain 的核心理念很简单：Claude Code 的智能调度很好，但不一定要用 Anthropic 的模型来执行。 把 opus/sonnet/haiku 的调度能力，和国产模型的性价比结合起来——这就是 AginxBrain 做的事。

不需要降级。不需要折腾环境变量。不需要担心协议不兼容。

项目地址：https://github.com/yinnho/model-router

开源免费，欢迎 Star、Issue、PR。