mmc/lingma-proxy-compose
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
a4cedecca631f3bc39f4bb44b0192e7fc129223e
lingma-proxy-compose/README.zh-CN.md
lutc5 86fbdbc40c Release v1.4.9 remote image routing
2026-05-07 16:44:59 +08:00

25 KiB
Raw Blame History

Lingma Proxy

English | 简体中文

Lingma Proxy 是一个通义灵码 API 适配层。它可以通过默认推荐的远端 API 模式直接调用 Lingma 远端接口，也可以把 Lingma 插件的本地私有 IPC / WebSocket 能力转换成标准 OpenAI 兼容接口 和 Anthropic 兼容接口，让 Claude Code、Cline、Continue、OpenCode、自研 Agent 等第三方客户端可以直接调用 Lingma 后端模型。

项目同时提供两种使用方式：

  • CLI 代理服务：适合后台常驻、脚本化和服务器式运行。
  • 跨平台桌面 App：适合日常可视化管理，支持 macOS 和 Windows。

代理后端支持两种模式：

  • 远端 API 模式（默认，推荐）：读取 Lingma 本地登录缓存或显式凭据，直接调用 Lingma 远端接口。它更接近普通托管 API，不依赖 IDE 插件窗口、IPC 会话和插件执行环境；目前更推荐给 Claude Code / Hermes 这类本地 Agent。
  • IPC 插件模式：连接本机 Lingma IDE 插件的 WebSocket / Named Pipe。它更接近 IDE 插件上下文，但会继承 IDE 会话生命周期、插件本地状态和环境限制，主要作为兼容性兜底。

当前版本

当前桌面端版本线：v1.4.9

版本更新记录见 CHANGELOG.md。

GitHub Actions 会在 Release 中产出：

产物 平台 用途
lingma-proxy_<tag>_darwin_arm64.tar.gz macOS CLI 代理
lingma-proxy_<tag>_windows_amd64.zip Windows CLI 代理
lingma-proxy-desktop_<tag>_darwin_arm64.dmg Apple Silicon Mac 拖拽安装桌面 App
lingma-proxy-desktop_<tag>_darwin_arm64.zip Apple Silicon Mac .app 压缩包
lingma-proxy-desktop_<tag>_windows_amd64.zip Windows 桌面 App
lingma-proxy_<tag>_sha256.txt 全平台 校验文件

应该下载哪个包？

你的系统 推荐下载 说明
Apple Silicon Mac（M1/M2/M3/M4） lingma-proxy-desktop_<tag>_darwin_arm64.dmg 打开 DMG 后把 Lingma Proxy.app 拖到 Applications。
Apple Silicon Mac，想要压缩包 lingma-proxy-desktop_<tag>_darwin_arm64.zip 和 DMG 是同一个 App，只是 zip 形式。
Windows x64 / x86_64 / AMD64 lingma-proxy-desktop_<tag>_windows_amd64.zip 普通 64 位 Windows 电脑都选这个，包括 Intel 和 AMD CPU。
只想在 macOS 终端跑 CLI lingma-proxy_<tag>_darwin_arm64.tar.gz 只有命令行代理，没有桌面界面。
只想在 Windows 终端跑 CLI lingma-proxy_<tag>_windows_amd64.zip 只有命令行代理，没有桌面界面。

目前没有单独的 windows_arm64 包。常见 x64 Windows 机器请选择 windows_amd64。

功能概览

能力 状态
OpenAI Chat Completions 支持流式 / 非流式
Anthropic Messages 支持流式 / 非流式
GET /v1/models 支持
Function Calling / Tools 支持，使用工具调用模拟实现
多轮 Agent 工具循环 支持
图片输入 支持 base64、data URL、HTTP URL
远端模式图片兜底 有图请求使用 IPC 图片链路；图片 + 工具请求先提取图片上下文，再回到 Remote API 原生工具调用
请求 / 响应完整日志 桌面端支持完整查看和复制
后端模式切换 支持 IPC 插件模式 / 远端 API 模式
macOS WebSocket 自动探测 支持
Windows Named Pipe / WebSocket 探测 支持
日间 / 夜间 / 跟随系统主题 桌面端支持
macOS 窗口生命周期 关闭隐藏、Dock 重新打开、Cmd+W、Cmd+M、Cmd+Q
GitHub Release 打包 macOS + Windows，CLI + Desktop

桌面 App

桌面端是一个 Wails + Vue 实现的本地控制台，用来管理代理进程和观察真实请求。

主要页面：

  • 仪表盘：代理状态、监听地址、启动 / 停止 / 重启、健康延迟、模型摘要、配置摘要、最近请求。
  • 请求流：查看 OpenAI / Anthropic 兼容接口的请求记录，支持搜索、筛选、清空、完整请求体 / 响应体查看和复制。
  • 模型：探测 Lingma 插件暴露的可用模型，点击模型复制模型 ID。模型选择由调用方请求里的 model 字段决定，App 不再做无意义的全局切换。
  • 设置：主机、端口、传输方式、超时、WebSocket 地址、Named Pipe、工作目录、当前文件、会话策略等。
  • 日志：代理启动、模型同步、健康检查、配置保存、错误事件等。

截图

日间模式：

桌面端日间模式

夜间模式：

桌面端夜间模式

窄窗口 / 小屏布局：

桌面端窄窗口布局

支持的协议和接口

HTTP 端点

端点 方法 说明
/ GET / HEAD 健康检查；HEAD / 用于兼容 Claude Code 等客户端的基础探测
/health GET / HEAD 健康检查
/v1/models GET 获取 Lingma 可用模型列表
/capabilities / /v1/capabilities GET 能力探测，给第三方 Agent 识别协议、工具、图片能力
/debug/requests / /debug/logs GET 查询最近 HTTP 请求记录，用于本地调试
/api/requests / /api/logs GET 请求 / 日志调试接口别名
/api/v1/models / /api/tags / /props GET LM Studio / Ollama / llama.cpp / vLLM 风格探测兼容
/v1/chat/completions POST OpenAI Chat Completions 兼容接口
/api/v1/chat/completions POST OpenAI Chat Completions 别名
/v1/messages POST Anthropic Messages 兼容接口

我们自己增强的能力

相对最初的协议验证版本，本仓库重点把它完善成一个可日常使用的本地代理产品：

  • Function Calling / Tools 兼容：同时兼容 OpenAI tools/tool_choice 和 Anthropic tools/tool_choice。
  • 工具结果接力：支持多轮 Agent 工具调用，把工具结果继续回灌给 Lingma 生成最终回答。
  • 工具稳定性增强：代理层自动生成工具路由表，给 read_file / search_files / terminal / web_search 注入专门示例；当模型说“无法访问 / 请手动运行 / 请粘贴文件”时自动重试工具调用。
  • 工具别名映射：兼容常见模型输出的 Bash -> terminal、Read -> read_file、Grep -> search_files、Edit -> patch。
  • Anthropic 流式工具调用增强：当 Claude Code 这类客户端使用 stream=true 并携带 tools 时，代理会先在内部完成工具 action block 解析和拒绝重试，再输出标准 tool_use 流，避免提前把“请你自己运行命令”这类文本发给客户端。
  • 图片输入：兼容 OpenAI image_url 和 Anthropic base64 image block。
  • 本地图片路径兼容：OpenAI image_url.url 支持 data URL、HTTP URL、file://、绝对路径和 ~/ 路径。
  • 图片自动压缩：大图会自动缩放并转 JPEG，避免 Lingma 被超大 base64 卡死。
  • 日志图片脱敏：桌面端请求详情会把图片 base64 标记为图片载荷，不再把巨大字符串撑爆 UI。
  • 更完整的参数兼容：接收 temperature、top_p、stop、max_tokens、response_format、reasoning_effort 等客户端常用字段。
  • 完整请求 / 响应观测：桌面端可以查看完整请求体、响应体、状态码、耗时和错误日志，便于排查 Claude Code / Cline 里的 400、500 问题。
  • 跨平台桌面 App：提供启动、停止、重启、模型探测、设置、日志、主题、窗口生命周期等完整桌面能力。
  • 跨平台 Release：GitHub Actions 同时打包 macOS / Windows 的 CLI 和桌面 App。

OpenAI 兼容内容

支持常见 OpenAI 请求字段：

  • model
  • messages
  • stream
  • temperature
  • top_p
  • stop
  • max_tokens
  • max_completion_tokens
  • presence_penalty
  • frequency_penalty
  • tools
  • tool_choice
  • parallel_tool_calls
  • response_format
  • seed
  • user
  • reasoning_effort
  • image_url

说明：部分生成参数取决于 Lingma 后端是否实际采纳，代理层会尽量接收、归一化并保持客户端兼容。

Anthropic 兼容内容

支持常见 Anthropic 请求字段：

  • model
  • system
  • messages
  • stream
  • temperature
  • top_p
  • top_k
  • stop_sequences
  • max_tokens
  • metadata
  • tools
  • tool_choice
  • tool_result
  • base64 图片块

架构设计

flowchart LR
  Client["第三方客户端<br/>Claude Code / Cline / Continue"] --> HTTP["HTTP API 层<br/>OpenAI / Anthropic"]
  Desktop["桌面 App<br/>Wails + Vue"] --> Bridge["Wails Go Bridge"]
  Bridge --> Service["代理服务层"]
  HTTP --> Service
  Service --> Session["会话管理"]
  Service --> Tooling["工具调用模拟"]
  Service --> Model["模型探测"]
  Service --> Recorder["请求 / 日志记录"]
  Service --> Images["图片路由"]
  Service --> Backend{"后端模式"}
  Backend --> Transport["IPC 插件传输层"]
  Backend --> Remote["远端 API 客户端"]
  Images -->|"有图请求"| Transport
  Images -->|"图片 + 工具：提取图片上下文"| Remote
  Transport --> Pipe["Windows Named Pipe"]
  Transport --> WS["WebSocket"]
  Pipe --> Lingma["通义灵码 IDE 插件"]
  WS --> Lingma
  Remote --> Cloud["Lingma 远端接口"]

目录结构

路径 职责
cmd/lingma-ipc-proxy CLI 入口，配置加载，HTTP 服务启动，系统信号处理
internal/httpapi OpenAI / Anthropic 路由、请求解析、SSE 流式响应、请求记录
internal/service 业务编排、会话生命周期、模型探测、代理运行状态
internal/lingmaipc Lingma JSON-RPC 通信，Named Pipe / WebSocket 传输
internal/remote Lingma 远端 API 登录态读取、签名、模型列表和流式响应解析
internal/toolemulation 工具定义注入、动作块解析、工具结果回灌
desktop Wails 桌面壳、窗口命令、代理生命周期桥接
desktop/frontend Vue 前端页面，包含仪表盘、请求流、模型、设置、日志
docs/images README 截图素材
.github/workflows/release.yml macOS / Windows CLI + Desktop release 打包

请求链路

  1. 客户端请求 http://127.0.0.1:8095/v1/chat/completions 或 /v1/messages。
  2. HTTP 层识别 OpenAI / Anthropic 请求格式。
  3. Service 层归一化消息、图片、工具定义和参数。
  4. Session 管理层决定复用会话、创建新会话或使用自动策略。
  5. Service 根据 backend 选择 IPC 插件传输或 Lingma 远端 API。
  6. Lingma 插件或远端接口返回增量事件 / 最终响应。
  7. HTTP 层转换成 OpenAI SSE、Anthropic SSE 或普通 JSON。
  8. 桌面端同步记录请求、响应、耗时、状态码和日志。

Lingma 路径自动探测

平台 优先传输 探测方式
macOS WebSocket 扫描 Lingma SharedClientCache、~/.lingma 等用户目录
Windows Named Pipe / WebSocket 扫描 Lingma 命名管道，以及 %APPDATA%、%LOCALAPPDATA%、%ProgramData%、%USERPROFILE%\.lingma 下的共享缓存信息
Linux WebSocket 尝试读取 ~/.lingma / XDG 目录，仍建议必要时手动指定 --ws-url

如果自动探测失败，桌面端会提供兜底说明。可以在设置里手动填写：

  • macOS WebSocket 示例：ws://127.0.0.1:36510
  • Windows Named Pipe 示例：\\.\pipe\lingma-ipc
  • 代理监听地址示例：http://127.0.0.1:8095

CLI 也可以手动指定：

lingma-proxy --transport websocket --ws-url ws://127.0.0.1:36510 --port 8095
lingma-proxy --transport pipe --pipe '\\.\pipe\lingma-ipc'

后端模式

远端 API 模式（默认，推荐）

远端模式直接调用 Lingma 远端接口：

lingma-proxy --backend remote --port 8095

默认会只读导入：

~/.lingma/cache/user
~/.lingma/cache/id
~/.lingma/logs/lingma.log
%APPDATA%\Lingma\cache\user
%LOCALAPPDATA%\Lingma\cache\user
存在时也会尝试 XDG 配置 / 状态目录

也可以指定显式凭据文件：

lingma-proxy \
  --backend remote \
  --remote-base-url https://lingma.alibabacloud.com \
  --remote-auth-file ~/.config/lingma-proxy/credentials.json

credentials.json 格式：

{
  "source": "manual",
  "token_expire_time": "1777520000000",
  "auth": {
    "cosy_key": "xxx",
    "encrypt_user_info": "xxx",
    "user_id": "123",
    "machine_id": "xxxxxxxxxxxxxxxx"
  }
}

说明：

  • 远端 API 模式是日常 Agent 使用的默认推荐模式。它绕过 IDE / 插件 IPC 运行时，因此更少受到插件会话、IDE 当前项目和本地扩展环境限制影响。
  • 远端模式不会写入或迁移你的登录态，只会读取本机 Lingma 缓存或你指定的凭据文件。
  • 如果 Lingma 插件配置过专属域名，远端模式会优先使用 --remote-base-url、LINGMA_REMOTE_BASE_URL 或配置文件；这些为空时，会扫描 macOS、Windows、Linux 上 Lingma 本地日志里的 endpoint config:、Marketplace service URL 等线索。
  • 桌面端设置页会展示当前解析到的远端域名和来源，但不会展示 token / key 明文。
  • 远端模式的 /v1/models 返回的是远端接口模型 key，不一定等同于 IPC 插件模式里看到的 MiniMax-M2.7、Kimi-K2.6 等展示名。
  • 远端模式下的图片请求会自动走 IPC 图片链路，因为直连远端聊天接口不会直接消费本地 file:// 和 data URL 图片。若请求同时带工具，代理会先通过 IPC 提取图片上下文，再把不含图片但包含上下文的请求交给 Remote API 原生工具调用。
  • 当前本机实测：/health、/v1/models、OpenAI 流式 / 非流式、Claude Code Anthropic + Bash 工具调用均可用；Claude Code 完整工具链耗时明显高于简单 OpenAI 请求。
  • 该模式参考了 ZipperCode/lingma2api 对 Lingma 远端接口、签名和登录态结构的探索，本仓库将其作为可切换后端集成到现有 OpenAI / Anthropic / 桌面 App 架构中。

IPC 插件模式

IPC 模式通过本机 Lingma IDE 插件通信：

lingma-proxy --backend ipc --transport auto --port 8095

适合已经打开 VS Code / Lingma 插件、希望使用插件当前会话环境、并优先使用插件探测模型列表的场景。相比远端 API 模式，IPC 插件模式更依赖 IDE / 插件进程，也更容易受到插件会话、当前项目和本地环境的影响。

快速开始

前置条件

  1. 安装 VS Code。
  2. 安装通义灵码插件：Alibaba-Cloud.tongyi-lingma。
  3. 登录通义灵码账号。
  4. 在 VS Code 中确认 Lingma 面板可以正常聊天。

使用桌面 App

  1. 前往 Releases 下载桌面版。
  2. macOS 解压后打开 Lingma Proxy.app。
  3. Windows 解压后运行桌面版 exe。
  4. 点击启动代理。
  5. 点击 探测模型。
  6. 在 Claude Code / Cline / Continue 中配置本地地址。

使用 CLI

macOS：

git clone https://github.com/Lutiancheng1/lingma-proxy.git
cd lingma-proxy
go build -o ./dist/lingma-proxy ./cmd/lingma-ipc-proxy
./dist/lingma-proxy --host 127.0.0.1 --port 8095 --session-mode auto

Windows：

git clone https://github.com/Lutiancheng1/lingma-proxy.git
cd lingma-proxy
.\scripts\build.ps1
.\dist\lingma-proxy.exe --host 127.0.0.1 --port 8095 --session-mode auto

客户端配置

Claude Code

export ANTHROPIC_BASE_URL="http://127.0.0.1:8095"
export ANTHROPIC_API_KEY="any"

注意：ANTHROPIC_BASE_URL 不要带 /v1，Claude SDK 会自动追加。

然后在 Claude Code 中选择模型：

/model kmodel

Cline

选择 OpenAI Compatible：

  • Base URL：http://127.0.0.1:8095/v1
  • API Key：any
  • Model ID：kmodel

Continue

{
  "models": [
    {
      "title": "Lingma Proxy",
      "provider": "openai",
      "model": "kmodel",
      "apiKey": "any",
      "apiBase": "http://127.0.0.1:8095/v1"
    }
  ]
}

模型说明

模型列表来自 Lingma 插件，不是代理内置静态列表。桌面端仅负责展示和复制模型 ID，真正使用哪个模型由调用方请求里的 model 字段决定。

当前常见模型：

模型 说明
Auto Lingma 自动路由模型，桌面端使用通用自动图标
Qwen3-Coder 代码专项备选
Qwen3-Max 通用能力较强
Qwen3-Thinking 推理类模型
Qwen3.6-Plus 通用模型
Kimi-K2.6 多模态和长上下文模型
MiniMax-M2.7 速度优先备选

模型参数来源和推荐

代理不会凭空写死 Lingma 没公开的模型参数。下面的上下文长度和能力只在有官方或模型卡来源时写入；没有权威来源的模型只标注“本地实测”。

模型 推荐场景 参数 / 能力依据
Kimi-K2.6（远端模式 ID 为 kmodel） 远端 API 模式和第三方 Agent 默认推荐 Kimi 官方 API 文档 标注原生 text/image/video、多步工具调用和 256K 上下文。本地 Claude Code 远端模式测试里工具执行更自然。
MiniMax-M2.7（远端模式 ID 为 mmodel） 速度优先备选 NVIDIA 的 MiniMax M2.7 模型卡 标注 200K input context、MoE 语言模型和 agentic 场景；此前本地代理压测 read/search/terminal/web/patch/vision 全部通过，响应速度较快。
Qwen3-Coder 代码专项和工具协议备选 Qwen 官方博客 标注 256K 原生上下文、可扩展到 1M，以及 agentic coding / function calling 协议。
Qwen3.6-Plus 通用 / 视觉备选 Lingma 暴露且本地实测可用，但本仓库没有找到 Lingma 专属的官方上下文长度来源。
Qwen3-Max 快速通用 / 视觉备选 简单工具和视觉测试表现好，但强制 read/patch 场景在本代理里不如 MiniMax / Kimi 稳。

当客户端请求没有携带 model 字段时，代理默认使用：kmodel（远端模型列表里的 Kimi-K2.6）。

远端模式默认开启兜底。代理默认请求超时为 0，表示 Lingma Proxy 不设置自己的单次请求 deadline，适合长流程 Agent 任务。如果你把 "timeout" 设置为正数秒，超时错误也会触发兜底。上游 5xx/429 或网络中断不受超时设置影响，仍可触发兜底；但代理只会在尚未向客户端输出任何流式内容的情况下切换模型。兜底候选会先和实际 /v1/models 返回结果求交集，不存在或当前账号不可用的模型会自动跳过。默认顺序：

Kimi-K2.6 -> MiniMax-M2.7 -> Qwen3-Coder -> Qwen3.6-Plus -> Qwen3-Max -> Qwen3-Thinking

配置文件

默认读取：

./lingma-proxy.json
./lingma-ipc-proxy.json

完整示例：

{
  "host": "127.0.0.1",
  "port": 8095,
  "backend": "ipc",
  "transport": "auto",
  "remote_base_url": "",
  "remote_auth_file": "",
  "remote_version": "",
  "mode": "agent",
  "shell_type": "zsh",
  "session_mode": "auto",
  "timeout": 0,
  "remote_fallback_enabled": true,
  "remote_fallback_models": [
    "kmodel",
    "mmodel",
    "dashscope_qwen3_coder",
    "dashscope_qmodel",
    "dashscope_qwen_max_latest",
    "dashscope_qwen_plus_20250428_thinking"
  ],
  "cwd": "/Users/tiancheng/project",
  "current_file_path": ""
}

配置优先级从低到高：

  1. 内置默认值
  2. JSON 配置文件
  3. 环境变量
  4. 命令行参数
  5. 桌面端设置页保存的配置

并发请求

旧版本为了避免 Lingma 会话串扰，在 HTTP 层做了全局单请求限制，所以并发请求会返回：

{"error":{"message":"Lingma IPC proxy handles one request at a time.","type":"rate_limit_error"},"type":"error"}

现在已经改成有限并发执行池：

  • 默认最多同时处理 4 个 Chat 请求。
  • 可以用 LINGMA_PROXY_MAX_CONCURRENT 覆盖。
  • 合法范围是 1 到 16。
  • session_mode=auto 默认使用 fresh Lingma 会话，避免多个编辑器并发请求挤到同一个 sticky session 里串上下文。

示例：

LINGMA_PROXY_MAX_CONCURRENT=8 lingma-proxy --port 8095

工具调用实现

Lingma 插件本身没有公开标准 OpenAI / Anthropic Tools 协议，所以本项目使用 Tool Emulation：

  1. 接收 OpenAI tools / Anthropic tools。
  2. 将工具定义转成 Lingma 可理解的提示词上下文。
  3. 引导模型输出结构化 action block。
  4. 解析 action block。
  5. 重新编码成 OpenAI tool_calls 或 Anthropic tool_use。
  6. 将工具执行结果回灌给 Lingma，继续生成最终回答。

当前版本对工具调用做了这些增强：

  • 根据客户端传入的工具名自动生成“工具路由表”。
  • 对 read_file、search_files、terminal、web_search 注入专门示例。
  • 当模型回答“无法访问文件 / 无法联网 / 请手动运行 / 请粘贴内容”时，代理会自动追加强制工具调用提示并重试一次。
  • 自动归一化常见工具名别名：Bash、Shell、Read、Grep、Edit、Fetch 等。
  • Anthropic stream=true 且请求包含 tools 时，会先内部完成生成和重试，再流式输出最终 tool_use 事件，避免 Claude Code 这类客户端先收到普通拒绝文本。

本地压测结果：MiniMax-M2.7、Kimi-K2.6、Qwen3.6-Plus、Qwen3-Coder 均通过 read/search/terminal/web/patch/vision 烟测。当前默认推荐远端 API 模式的 kmodel，因为它不受 Lingma IDE IPC 会话限制，在 Claude Code 和 Hermes 这类本地 Agent 场景更自然。

请求和日志观测

桌面端会记录：

  • 请求时间
  • HTTP 方法
  • 路径
  • 状态码
  • 耗时
  • 请求体
  • 响应体
  • 错误原因
  • 代理运行日志

请求体和响应体不会再用无意义的展开 / 收起按钮截断展示；内容过长时会在详情区域内部滚动，并隐藏滚动条，便于小窗口下查看完整内容。

除了桌面端页面，HTTP 服务本身也提供只读调试接口，方便后续排查 Claude Code、Hermes、Cline 等客户端到底传了什么请求：

curl http://127.0.0.1:8095/health
curl -I http://127.0.0.1:8095/
curl 'http://127.0.0.1:8095/debug/requests?limit=20'
curl 'http://127.0.0.1:8095/debug/logs?limit=20'

说明：

  • /debug/requests 和 /debug/logs 返回最新记录在前。
  • 每条记录包含时间、HTTP 方法、路径、状态码、耗时、脱敏后的请求体和响应体。
  • 服务端最多保留最近 200 条 HTTP 记录，只保存在内存中，重启后清空。
  • 图片 payload 和大段 base64 会被标记脱敏，超长请求 / 响应会截断，避免日志页面被撑爆。
  • 这些接口用于本机调试，不建议暴露到不可信网络。

本地构建桌面端

安装 Wails：

go install github.com/wailsapp/wails/v2/cmd/wails@v2.12.0

macOS：

npm ci --prefix desktop/frontend
cd desktop
wails build -platform darwin/arm64 -clean

Windows：

npm ci --prefix desktop/frontend
cd desktop
wails build -platform windows/amd64 -clean

桌面端最终 App 名称统一为：

Lingma Proxy

Release 资产文件名仍使用 lingma-proxy-desktop_<tag>_... 区分桌面端和 CLI 端。

GitHub Actions Release

发布方式：

git tag v1.4.0
git push origin v1.4.0

也可以在 GitHub Actions 页面手动运行 Release workflow，并输入 tag。

Release workflow 会执行：

  1. go test ./...
  2. 构建 macOS CLI
  3. 构建 Windows CLI
  4. 构建 macOS 桌面 App
  5. 构建 Windows 桌面 App
  6. 生成 SHA256 校验文件
  7. 上传到 GitHub Release

与上游项目的关系

我对比了上游仓库 coolxll/lingma-ipc-proxy。上游项目的核心贡献是发现并验证了 Lingma 本地私有 IPC 协议可以被代理成标准 HTTP API，这是本项目 IPC 插件模式 的基础思路来源。

本项目在 IPC 插件模式上继续扩展了：

  • 更完整的 OpenAI / Anthropic 参数兼容
  • Tools / Function Calling 模拟
  • 图片输入处理
  • 会话策略和多轮工具调用
  • macOS / Windows 自动探测兜底
  • Wails 桌面 App
  • 请求流、日志、设置、模型页面
  • 日间 / 夜间 / 跟随系统主题
  • App 图标和模型图标
  • macOS / Windows CLI + Desktop release 打包

后续计划

  • macOS 签名与 notarization
  • Windows installer 安装包
  • 请求日志导出
  • 日志保留时长配置
  • 更丰富的模型元数据
  • 桌面端自动更新
  • Linux 桌面版可行性验证

致谢

本项目的 IPC 插件模式 参考并继承自 coolxll/lingma-ipc-proxy 的协议发现工作。Lingma 私有本地 IPC 可以被转换为标准 OpenAI / Anthropic API 这一核心思想是该项目首先验证出来的；Lingma Proxy 保留这条 IPC 路径作为兼容后端，并补充了更完整的协议兼容、工具调用、图片处理、桌面 App、请求 / 日志观测、跨平台打包和 release 自动化。默认推荐的 远端 API 模式 是独立后端，直接调用 Lingma 远端 API，上文已单独说明。

Reference in New Issue View Git Blame Copy Permalink