PostgreSQL 14 到 Apache Doris 4.1.1 CDC 同步方案 本文档用于验证并实施 PostgreSQL 业务库 fudabd_common_plat_db.public.terminal_pos_202602 到 Apache Doris 分析库 fudabd_common_plat_db.terminal_pos 的数据同步。 实际验证环境要求 PostgreSQL 源端 PostgreSQL 版本：14。 连接地址： 127.0.0.1:15432 。 登录账号： postgres 。 登录密码： Fdbd@2013 。 源数据库： fudabd_common_plat_db 。 源 schema： public 。 源表： fudabd_user 。 主键字段： id 。 已开启 logical replication。 pg_hba.conf 已允许 Doris 所在机器或容器访问数据库和 logical replication。 PostgreSQL 账号具备 logical replication、publication、slot 操作权限。 Doris 目标端 Apache Doris要求 最低docker镜像版本 4.1.1 ，此版本支持Stream Job； Doris 版本： doris-4.1.1-rc01-b10073ad9ca 。 Doris @@version ： 5.7.99 。 目标数据库： fudabd_common_plat_db 。 目标表： fudabd_user 。 目标表当前不存在，需要由方案一手动创建。 目标表需要支持 UPDATE 、 DELETE ，因此设计为 UNIQUE KEY 表。 同步要求 需要先全量初始化，再持续增量同步。 需要处理 INSERT 、 UPDATE 、 DELETE 。 当前只验证 terminal_pos_202602 单表，暂不处理后续每月新增分表。 单表数据量：日均约 500 万条。 延迟目标：10 秒内。 Doris Streaming Job 支持判断 Apache Doris 4.x 官方文档提供 CREATE JOB ... ON STREAMING ，支持以下两类模式： TVF Mode ：使用 cdc_stream(...) 读取 PostgreSQL CDC，再通过 INSERT INTO ... SELECT ... 写入指定 Doris 表，适合单表 SQL 映射同步。 当前环境是 4.1.1-rc01 ，建议正式执行前在当前 Doris 集群验证 Streaming Job 语法和 FE 配置。 参考文档： CREATE STREAMING JOB ： CREATE STREAMING JOB - Apache Doris PostgreSQL SQL Mapping Sync： PostgreSQL CDC with SQL Mapping - Apache Doris PostgreSQL Auto Table Creation Sync： PostgreSQL CDC with Auto Table Creation - Apache Doris Doris 4.1.1 Release Notes： Release 4.1.1 - Apache Doris 前置检查 PostgreSQL 配置检查 当前已确认 postgresql.conf 包含以下配置： wal_level = logical max_replication_slots = 10 max_wal_senders = 10 wal_sender_timeout = 0 执行以下 SQL 复核： SHOW wal_level; SHOW max_replication_slots; SHOW max_wal_senders; 检查源表主键： SELECT tc.table_schema, tc.table_name, kcu.column_name FROM information_schema.table_constraints tc JOIN information_schema.key_column_usage kcu ON tc.constraint_name = kcu.constraint_name AND tc.table_schema = kcu.table_schema WHERE tc.constraint_type = 'PRIMARY KEY' AND tc.table_schema = 'public' AND tc.table_name = 'terminal_pos_202602'; Doris 配置检查 登录 Doris FE MySQL 协议端口后执行： SELECT @@version_comment, @@version; SHOW FRONTEND CONFIG LIKE 'max_streaming_job_num'; 如果 max_streaming_job_num 为 0 或 Streaming Job 语法不可用，需要先调整 Doris FE 配置或切换到正式 4.1.1 镜像版本。 PostgreSQL JDBC Driver 准备 Streaming Job 需要 PostgreSQL JDBC Driver。建议将驱动放到 Doris FE/BE 都可访问的 HTTP 地址。 示例： postgresql-42.7.3.jar 本文 SQL 中使用 <PG_DRIVER_URL> 占位，执行前替换为实际地址，例如： https://maven.aliyun.com/repository/public/org/postgresql/postgresql/42.7.3/postgresql-42.7.3.jar 源表结构 CREATE TABLE `fudabd_user` ( `id` bigint NOT NULL COMMENT "用户ID", `user_name` varchar(50) NOT NULL COMMENT "用户名", `password` varchar(255) NOT NULL COMMENT "密码（应加密存储）", `age` tinyint NULL COMMENT "年龄", `create_time` datetime NULL COMMENT "创建时间", `update_time` datetime NULL COMMENT "更新时间", `is_deleted` int NULL DEFAULT "0" COMMENT "是否删除标记" ) SQL 映射同步 推荐结论 当前验证目标是 fudabd_user 同步到 fudabd_user ，且 Doris 目标表不存在、需要设计为 UNIQUE KEY ，优先 SQL 映射同步。 该模式优势： 可将源表 fudabd_user 明确写入目标表 fudabd_user 。 可手动控制 Doris 表模型、字段类型、分桶数和副本数。 可承接 PostgreSQL 主键表的 INSERT 、 UPDATE 、 DELETE CDC 变更。 创建 Doris 数据库 CREATE DATABASE IF NOT EXISTS fudabd_common_plat_db; USE fudabd_common_plat_db; 创建 Doris 目标表 CREATE TABLE `fudabd_user` ( `id` bigint NOT NULL COMMENT "用户ID", `user_name` varchar(50) NOT NULL COMMENT "用户名", `password` varchar(255) NOT NULL COMMENT "密码（应加密存储）", `age` tinyint NULL COMMENT "年龄", `create_time` datetime NULL COMMENT "创建时间", `update_time` datetime NULL COMMENT "更新时间", `is_deleted` int NULL DEFAULT "0" COMMENT "是否删除标记" ) ENGINE=OLAP UNIQUE KEY(`id`) DISTRIBUTED BY HASH(`id`) BUCKETS 10 PROPERTIES ( "replication_allocation" = "tag.location.default: 1", "min_load_replica_num" = "-1", "is_being_synced" = "false", "storage_medium" = "hdd", "storage_format" = "V2", "inverted_index_storage_format" = "V3", "compression" = "LZ4", "enable_unique_key_merge_on_write" = "true", "light_schema_change" = "true", "disable_auto_compaction" = "false", "enable_single_replica_compaction" = "false", "group_commit_interval_ms" = "10000", "group_commit_data_bytes" = "134217728", "enable_mow_light_delete" = "false" );; 参数建议： 单 BE 验证环境使用 replication_num = 1 。 生产多 BE 环境建议改为 replication_num = 3 。 日均 500 万数据验证阶段可先使用 BUCKETS 32 ，生产环境根据 BE 数量和 tablet 大小调整为 32 或 64 。 创建 SQL 映射 Streaming Job 执行前需要将 <PG_DRIVER_URL> 替换为 PostgreSQL JDBC Driver 的实际地址。 将 “offset” 从 “initial” 改为 “latest” 即可跳过全量快照，仅捕获增量变更： CREATE JOB pg_fudabd_user_to_fudabd_user ON STREAMING DO INSERT INTO fudabd_common_plat_db.fudabd_user ( id , user_name , password , age` tinyint , create_time , update_time , is_deleted ) SELECT id, user_name , password , age, create_time , update_time , is_deleted FROM cdc_stream( "type" = "postgres", "jdbc_url" = "jdbc:postgresql://127.0.0.1:15432/fudabd_common_plat_db", "driver_url" = "https://maven.aliyun.com/repository/public/org/postgresql/postgresql/42.7.3/postgresql-42.7.3.jar", "driver_class" = "org.postgresql.Driver", "user" = "postgres", "password" = "Fdbd@2013", "database" = "fudabd_common_plat_db", "schema" = "public", "table" = "fudabd_user", "offset" = "initial" ); JOB 运维命令 以下命令用于查看、暂停、恢复和删除前面创建的 Doris Streaming Job。 JOB 查看所有 INSERT 类型 JOB： SELECT * FROM jobs("type" = "insert"); 查看 SQL 映射同步 JOB： SELECT * FROM jobs("type" = "insert") WHERE Name = 'pg_fudabd_user_to_fudabd_user'; 查看 JOB 产生的 TASK 查看所有 INSERT 类型 TASK： SELECT * FROM tasks("type" = "insert"); 查看 SQL 映射同步 JOB 的 TASK： SELECT * FROM tasks("type" = "insert") WHERE JobName = 'pg_fudabd_user_to_fudabd_user'; 暂停 JOB 暂停 SQL 映射同步 JOB： PAUSE JOB WHERE jobName = 'pg_fudabd_user_to_fudabd_user'; 恢复启动 JOB 恢复 SQL 映射同步 JOB： RESUME JOB WHERE jobName = 'pg_fudabd_user_to_fudabd_user'; 删除 JOB 删除 SQL 映射同步 JOB： DROP JOB WHERE jobName = 'pg_fudabd_user_to_fudabd_user'; PGSQL运维命令 -- 查看当前 Publication SELECT p.pubname, n.nspname AS schema_name, c.relname AS table_name FROM pg_publication p JOIN pg_publication_rel pr ON p.oid = pr.prpubid JOIN pg_class c ON pr.prrelid = c.oid JOIN pg_namespace n ON c.relnamespace = n.oid; -- 查看 Replication Slot SELECT slot_name, plugin, slot_type, active, database, restart_lsn, confirmed_flush_lsn FROM pg_replication_slots; -- 如果 Slot 仍然 active，先终止连接 SELECT pid, usename, application_name, client_addr, state FROM pg_stat_activity WHERE backend_type = 'walsender'; SELECT pg_terminate_backend(pid); -- pid 需要手动替换 -- 删除 Replication Slot SELECT pg_drop_replication_slot('slot_name'); -- 删除 Publication -- 查看当前 Publication 进行替换 DROP PUBLICATION doris_pub_1781162893358; -- 确认 Slot 已删除 SELECT slot_name FROM pg_replication_slots; -- 检查 WAL 是否恢复正常 SELECT slot_name, active, pg_size_pretty( pg_wal_lsn_diff( pg_current_wal_lsn(), restart_lsn ) ) AS retained_wal FROM pg_replication_slots; 延迟与性能建议 当前单表日均约 500 万条，验证阶段建议先使用 BUCKETS 32 。 如果同步延迟超过 10 秒，优先检查 Doris Streaming Job 状态、BE compaction、tablet 数量、网络带宽和 PostgreSQL replication slot WAL 堆积。 如果 Doris 集群 BE 数量较多，可将 BUCKETS 调整到 64 ，但不建议在 POC 初期过度增加 tablet 数。 生产环境建议使用多 BE，并将 replication_num 调整为 3 。 PostgreSQL 侧需要持续监控 pg_replication_slots ，避免 Doris Job 停止后 WAL 长时间堆积。 注意事项 STREAMING JOB 任务状态出现PENDING解决 问题根因 __internal_schema.streaming_job_meta 是 Doris 内部管理 Streaming Job 元数据的系统表， FE 未能自动创建它 。所有 Streaming Job 操作都依赖此表，缺失则全部阻塞在 PENDING。 确认 __internal_schema 库及表现状 -- 查看内部库是否存在 SHOW DATABASES LIKE '__internal_schema'; -- 如果存在，查看里面有哪些表 SHOW TABLES FROM __internal_schema; 第一步：先停掉报错的 JOB 止血 TOP JOB pg_fudabd_user_to_fudabd_user; 第二步：手动创建缺失的内部表 CREATE TABLE IF NOT EXISTS `__internal_schema`.`streaming_job_meta` ( `id` bigint NOT NULL, `job_id` bigint NOT NULL, `table_name` varchar(256) NOT NULL, `chunk_list` text ) UNIQUE KEY(`id`) DISTRIBUTED BY HASH(`id`) BUCKETS 1 PROPERTIES ( "replication_num" = "1" ); 这是基于日志中 SQL 推断的最小表结构。如果后续 FE 代码还访问了其他字段，会再次报错，届时根据错误信息用 ALTER TABLE 补充列即可。 第三步：删除旧 JOB 重新创建 3 个帖子 - 3 位参与者 阅读完整话题
刚刚看到群里的消息，上平台上看了自己的 plan ，发现如果已经有 plan 了，会发放到余额
刚刚看到群里的消息，上平台上看了自己的 plan ，发现如果已经有 plan 了，会发放到余额
刚刚看到群里的消息，上平台上看了自己的 plan ，发现如果已经有 plan 了，会发放到余额
刚刚看到群里的消息，上平台上看了自己的 plan ，发现如果已经有 plan 了，会发放到余额
Apache 软件基金会成员专属福利 Apache 软件基金会成员专属： @apache.org 邮箱注册即送 Max 级 Token Plan 套餐，有效期 1 个月。 MiMo-V2.5-Pro：100 万 token 上下文 / 1000+ 工具调用 / 原生 Agent 能力 MiMo-V2.5：100 万 token 上下文 / 音视图文全模态理解 / 性价比选择 详情见图，注册链接： platform.xiaomimimo.com 10 个帖子 - 8 位参与者 阅读完整话题
Causal Forge 开源项目介绍 最近自己做了个开源项目，叫 Causal Forge ，核心目标是解决因果分析中「决策不可靠」的痛点。 一、项目背景：为什么做这个工具？ 我们平时接触的「因果关系」，大多来自两个孤立的维度，最终导致决策靠“拍脑袋”： 文本侧：政策文件、研究报告、分析文章中提出的因果判断（比如“调降利率会带动工业生产回升”），有语义、可解释，但主观、不可证伪。 数据侧：时间序列等数据中挖掘出的影响关系，客观、可量化，但天生不区分「因果」和「相关」，缺乏业务语义。 写报告的人讲一套，跑数据的人看一套，到底哪些因果链条可信，没有统一标准——这就是 Causal Forge 要解决的核心问题。 二、核心思路：把“文本因果”和“数据因果”放进同一条流水线 不追求“自动生成厉害的因果图”，而是聚焦更朴素、更实用的目标：让因果结论可验证、可追溯、可复盘，具体流程如下： 从文本中抽取结构化的因果关系 从数据中挖掘候选因果边 将文本侧与数据侧的结果双向对撞、对齐 通过多轮严格验证，只保留真正站得住脚的因果链条 三、适用场景 目前更适合偏研究、审计类的场景，尤其适配： 宏观 / 政策传导分析 基本面研究（如投研、行业分析） 风险归因与复盘 研究结论复核（验证研报/报告中的因果逻辑） 四、核心技术栈 不重复造轮子，基于成熟工具组合，聚焦“流水线编排+证据管理”，核心技术包括： LLM + 结构化抽取：将文本中的因果关系抽成 Decision/Callback/Link 等结构化对象，避免模型自由发挥，确保输出规范。 因果工具链组合：底层复用 causal-learn 、Tigramite 、DoWhy 、EconML 等成熟库，负责因果发现、估计、反驳与验证。 时间序列因果验证：不止看相关性，重点校验时序方向、反向因果可能性、跨窗口稳定性。 强类型 Schema 设计：将因果链、证据、验证结果均封装为可追溯的数据结构，避免散乱脚本。 可复现实验流水线：配置、运行产物、验证报告、失败原因全部沉淀，支持重复复现，拒绝一次性分析。 五、独特功能（核心优势） 文本与数据因果双向验证（核心） 区别于“只做文本抽取”或“只做数据因果发现”的项目，强制让两边结果对撞，只有双方都支持的候选，才进入后续验证。 失败也留档，不只展示成功结论 每条因果链若未通过验证，会详细记录“卡在哪一步”“失败原因”（如时序不成立、稳定性不足），为复盘和迭代提供依据。 五道闸门式严格验证 验证不止一步，需依次通过：必要性、充分性、时序性、不可逆性、跨周期稳定性，全部通过才认定为可信因果链。 因果链条全链路可追溯 最终结论不是“模型认为 A 导致 B”，而是能回查到对应的原始文本段落、数据切片、验证参数和过程，确保可信。 偏研究/审计，而非黑盒预测器 核心价值不是“给答案”，而是“说明答案为什么可信”，适配研究、复核等需要严谨证据的场景。 六、核心模块说明 模块 职责 关键依赖 schema/ 所有数据契约（ Decision / Callback / CausalLink / CausalChain / Evidence ） Pydantic v2 topdown/ 文本 → 结构化 Decision/Callback 候选 LLM via instructor, spaCy, CauseNet bottomup/ 数据 → 候选因果边集（静态 + 时序） causal-learn, Tigramite, DoWhy, EconML crosscheck/ 语义对齐 + 双向取交集 + 冲突标注 sentence-transformers, networkx validate/ 五道闸门串联校验 + 失败原因记录 DoWhy, statsmodels, scipy chain/ Link 拼 DAG + 剪枝 + 综合置信度评分 networkx store/ 结果沉淀（ JSONL/Parquet/GraphML/Neo4j ） — utils/ 时间轴对齐、随机种子、日志、配置加载 loguru, rich, OmegaConf 七、项目价值总结 比纯 LLM 抽取更可靠：多了数据侧的验证，避免“只讲故事不落地”； 比纯数据因果发现更可解释：有文本语义锚点，让数据结论能对应业务逻辑； 比普通分析流程更可复盘：失败链条、验证过程全部保存，便于追溯问题； 比单次研究报告更可积累：最终沉淀为因果链仓库，让组织记住因果，而非依赖个人记忆。 八、项目地址 如果你对「把文本因果叙事和数据因果验证结合」有兴趣，欢迎查看完整文档： https://github.com/zjhong/causal-forge/blob/main/README.zh-CN.md
新闻看到, Laguna XS.2 and M.1开源发布了,apache协议,有没有佬友去试试,效果如何 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 4 月 27 日消息，OpenAI 于 4 月 22 日发布了一款用于脱敏文本中个人身份信息 (PII) 的前沿模型 Privacy Filter。 该模型已以 Apache 2.0 许可协议在 Hugging Face 和 GitHub 平台同步开源，供开发者下载、定制及商业部署。 OpenAI 表示，开发者在自己的环境中运行这一模型后，可针对特定用例进行微调，在训练管线、索引流程、日志记录和审核环节中构建更强的隐私保护机制。 与传统依赖规则匹配的隐私过滤工具不同，OpenAI Privacy Filter 内置了更深层次的语言理解能力，能够根据上下文语境识别非结构化文本中的个人信息，在准确保留公开信息的同时，对与特定个体相关联的敏感数据进行遮盖或脱敏。 据 OpenAI 介绍，该模型采用了双向 Token 分类架构，版本总参数规模为 15 亿，但每次仅激活约 5000 万个参数，这一混合专家（MoE）设计使其能够运行于笔记本电脑甚至浏览器等资源受限的设备上。 该模型支持高达 12.8 万个 Token 的上下文窗口，单次前向传播即可对整个输入序列完成标注，并采用受限维特比算法解码出连贯的片段。 在隐私分类体系方面，Privacy Filter 可识别八类个人敏感信息：姓名（private_person）、地址（private_address）、邮箱地址（private_email）、电话号码（private_phone）、URL 链接（private_url）、日期（private_date）、账号信息（account_number，涵盖银行卡号、信用卡号等金融信息）以及机密信息（secret，如密码和 API 密钥）。 评估过程中，该模型在 PII-Masking-300k 基准测试中取得了 96% 的 F1 分数（准确率 94.04%，召回率 98.04%）。 由于 PII-Masking-300k 数据集的初始注释存在多处遗漏，OpenAI 在对评估中发现的标注问题进行修正后，模型在该修正版基准测试上的 F1 分数进一步提升至 97.43%（准确率为 96.79%，召回率为 98.08%）。 OpenAI 指出，该模型在少量数据上进行微调即可快速提升在特定领域的准确性，且能够在高精度与高召回率之间按需调整。 OpenAI 承认，Privacy Filter 并非匿名化工具，亦不替代合规认证，在法律、医疗和金融等高敏感性场景中，人工审核及领域特定的评估与微调依然是必要的。 在用户日常使用中不慎将包含个人信息的文本粘贴到 AI 工具的行为并不罕见，Privacy Filter 定位为在本地即可运行的预过滤层 —— 数据在不离开用户设备的前提下即可完成 PII 的检测与脱敏处理，此后再将已脱敏内容发送至云端 LLM，从而在使用强大 AI 服务的同时有效控制个人信息的暴露风险。
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO
大家好，我是帅进超，曾参与并主导过 Apache APISIX 、CNCF APIOAK 、Orange 等 API 网关的开发。最近我在做一个新项目 — Nyro ，一个专为 Agent 设计的原生 AI 网关。 一、AI Coding Agent 的现状 OpenAI 、Anthropic 、Google 等各家一线 LLM 厂商都提供了自家的 AI Coding Agent —— Codex CLI 、Claude Code 、Gemini CLI 且迭代速度之快，几乎以周为单位在刷新，上周还是新功能，这周就已经全部成为了标配。 厂商不计成本的投入 Agent 的开发，这背后共同逻辑是： 把开发者锁定在自家的模型生态内，完成从工具到模型的端到端闭环。 而数据交互技术协议就是锁定工具与模型的一种重要手段，Claude Code 只走 Anthropic 协议，Codex CLI 绑定 OpenAI Responses API 协议，Gemini CLI 依赖 Google 自家的 GenerateContent 协议，工具越好用，对原厂模型的依赖就越深，迁移成本也越高。 二、AI Coding Agent 的使用问题 虽然各大 LLM 厂商都提供了功能强大、生态完善的 CLI 工具，但国内开发者来说，带来了几个现实问题： 原厂模型：网络和费用是门槛 Anthropic 、OpenAI 、Google 在国内均无法直接访问，需要代理，Anthropic 更是对国内访问严格限制；原厂旗舰模型的 API 百万 Token 输出价格均在 20 美元左右，开发场景的高强度使用成本是必须要考虑的问题。相比之下，国内的 DeepSeek 、GLM 、Kimi 、MiniMax 在价格和访问上有明显优势，部分模型的性能已经相当可观。 国产模型：协议支持好，但限速 / 配额是硬伤 好消息是，国内的 GLM （智谱）、Kimi （月之暗面）、MiniMax 都陆续跟进，提供了 OpenAI 兼容协议和 Anthropic 协议，接入 Claude Code 这类工具在技术上已经没有障碍。 坏消息是， 各家推出的 Coding Plan 普遍有比较严格的限速和配额限制 。真正重度使用下来，很容易碰到 429 报错、响应变慢、或者单日配额跑完等问题，用起来体验大打折扣。 Codex CLI & Gemini CLI 的协议壁垒：国产模型全军覆没 Codex CLI 走 OpenAI Responses API ，Gemini CLI 走 Google GenerateContent ——这两套都是各家相对较新的接口规范。而目前国内主流模型提供商（ DeepSeek 、GLM 、Kimi 、MiniMax 等）只跟进实现了 OpenAI Chat Completions 兼容层。这意味着，即使你有这些模型的 API Key ，也无法直接把它们接入 Codex CLI 和 Gemini CLI 。 三个工具，三套协议，三套配置 Claude Code 用 Anthropic 协议，Codex CLI 用 Responses API 协议，Gemini CLI 用 Gemini GenerateContent 协议。想把某个模型同时接入这三个工具，要么自己写协议转换程序，逐一修改各工具的配置文件 —— 格式不同、路径不同，换个模型还得重来一遍。 三、什么是 Nyro ？ Nyro 是一个桌面原生的 AI 网关。 它让 Claude Code 、Codex CLI 、Gemini CLI 等任意 AI 工具，无需改动任何配置，就能无缝接入 100+ LLM 提供商。Nyro 实现了 OpenAI 、Anthropic 、Gemini 等主流协议的毫秒级协议重写和跨协议工具调用适配。在此基础上，还提供负载均衡、语义缓存、访问控制和用量监控等能力。 Claude Code · Codex CLI · Gemini CLI · OpenCode OpenAI SDK · Anthropic SDK · Gemini SDK Any HTTP API Client ↓ Nyro AI Gateway (localhost:19530) ↓ OpenAI · Anthropic · Google · DeepSeek MiniMax · xAI · Zhipu · Ollama · ... GitHub： https://github.com/NYROWAY/NYRO 四、使用场景对比 场景：把 DeepSeek V3 同时接入 Claude Code 、Codex CLI 、Gemini CLI 之前的做法 # 第一步：自己实现或找一个 Anthropic Messages → OpenAI Completions 的协议转换服务 # 第二步：改 Claude Code 配置 vim ~/.claude/settings.json # 第三步：自己实现或找一个 OpenAI Responses → OpenAI Completions 的协议转换服务 # 第四步：改 Codex CLI 配置 vim ~/.codex/auth.json vim ~/.codex/config.toml # 第五步：自己实现或找一个 Google GenerateContent → OpenAI Completions 的协议转换服务 # 第六步：改 Gemini CLI 配置 vim ~/.gemini/.env vim ~/.gemini/settings.json # 三个工具，三套协议，五个配置文件，格式不同、路径不同，换个模型还得重来一遍。 用 Nyro 的做法 第一步：Providers → New ，填入 DeepSeek 的 Base URL 和 API Key 第二步：Routes → New ，设置虚拟模型名，选择 DeepSeek 作为目标 第三步：Connect → 选择 Claude Code / Codex CLI / Gemini CLI ，点击 Sync 后续更换模型或提供商，只需在路由配置中修改目标即可，客户端无需做任何调整。 三个工具、三套协议、五个配置文件 → 三步操作、一次同步、客户端零改动。 五、快速上手 安装 macOS （推荐） brew tap nyroway/nyro brew install --cask nyro 其他平台 # macOS / Linux curl -fsSL https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.sh | bash # Windows (PowerShell) irm https://raw.githubusercontent.com/nyroway/nyro/master/scripts/install/install.ps1 | iex 也可以直接从 GitHub Releases 下载对应平台的安装包，支持 macOS / Windows / Linux ，Intel 和 ARM 全覆盖。 安装完成后启动应用：  配置 第一步：创建提供商 点击 提供商 → 新增提供商 ，通过快捷选项选择目标提供商。可选供应商已预设基础配置，只需填写 名称 和 API Key ，点击 创建 即可。 如果厂商的 Base URL 需要代理访问，可以在「系统设置 → 代理」中开启代理转发。  第二步：创建路由 完成提供商创建后，点击 路由 → 新增路由 ，填写 名称 、 虚拟模型 ID ，选择 目标提供商 ，点击 创建 即可。 路由支持以下进阶能力： 负载均衡 ：配置多个目标供应商时，支持加权轮询和主备分级两种策略，满足不同场景下的调度需求 访问控制 ：开启后需在 API Key 中创建访问密钥并绑定路由 精确匹配缓存 ：基于请求级别的精确缓存，命中后由 Nyro 直接代应答（系统设置 → 精确匹配缓存 → 启用） 语义相似缓存 ：基于语义相似度的缓存，支持本地 Embedding 模型（如 Ollama ），可自定义相似度阈值，命中后支持流式输出（系统设置 → 语义相似缓存 → 启用）  第三步：工具接入 完成路由创建后，点击 接入 → 工具接入 → 选择工具 → 同步配置 。 Nyro 会自动检测本机已安装的 AI 工具，生成对应的配置文件并写入正确路径，原配置自动备份。  同步完成后，打开终端启动对应工具，可以看到模型 ID 已更新为 Nyro 虚拟模型 ID ，Vibe Coding 开始。  代码接入 如果你是通过 SDK 或 HTTP 直接调用，点击 接入 → 代码接入 → 选择协议 → 选择路由 → 复制代码 ，即可获取对应语言的示例代码。  打开终端 -> 粘贴代码，即可进行验证。  六、服务端部署 Nyro 除桌面客户端外，同时支持服务器端部署，适合团队共享或生产环境使用。 从 GitHub Releases 下载对应平台架构的二进制文件：  Server 模式（带控制台 + 数据库） ./nyro-server-linux-x86_64 \ --storage-backend postgres \ --postgres-dsn "postgres://user:pass@host:5432/db" 启动后通过 http://127.0.0.1:19531 访问控制台，通过 http://127.0.0.1:19530 访问接入端点。 Standalone 模式（纯 YAML 配置，无控制台） # config.yaml providers: - name: openai endpoints: openai: base_url: https://api.openai.com/v1 api_key: sk-xxx routes: - name: gpt-4o vmodel: gpt-4o targets: - provider: openai model: gpt-4o ./nyro-server-linux-x86_64 --config config.yaml Standalone 模式不启动控制台，启动后直接通过 http://127.0.0.1:19530 访问接入端点。 接入验证 启动后可通过以下方式验证三种协议均已正常工作： OpenAI Completions curl http://localhost:19530/v1/chat/completions \ -H "Authorization: Bearer sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [{"role": "user", "content": "Hello"}] }' Anthropic Messages curl http://localhost:19530/v1/messages \ -H "x-api-key: sk-00000000000000000000000000000000" \ -H "anthropic-version: 2023-06-01" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "max_tokens": 1024, "messages": [{"role": "user", "content": "Hello"}] }' Google GenerateContent curl http://localhost:19530/v1beta/models/gpt-4o:generateContent \ -H "x-goog-api-key: sk-00000000000000000000000000000000" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"role": "user", "parts": [{"text": "Hello"}]}] }' 最后 Nyro 目前还处于早期阶段，还有很多功能想做、还有很多细节值得打磨。 如果你在使用过程中遇到了问题，或者对 AI 网关有任何想法和建议，欢迎直接来留言评论或者去 GitHub 提 Issue 都行，我都会认真看并回复。 如果觉得这个工具对你有帮助，去 GitHub 点个 Star 是对开发者最直接的支持。 https://github.com/NYROWAY/NYRO