CLIProxyAPI 教程

CLIProxyAPI 教程 – 让 Claude Code 免费用上 GPT 模型

今天我们来聊聊如何利用 CLIProxyAPI 实现 GPT 5.6 Sol 的反向代理，让客户端模型摇身一变，成为可调用的 API 服务。

何谓反向代理？简单来说，就是将原本运行在本地或特定客户端的模型，通过一个中间层暴露为标准 API 接口，供其他应用程序调用。过去，我们或许认为官方不太鼓励这种做法，但近期 Codex 官方人员的积极指导，让我们看到了新的可能。现在，就让我们结合 Claude Code 和 GPT 5.6 Sol，一起探索反向代理的乐趣吧！

本次教程的核心工具是 GitHub 上一个名为 CLIProxyAPI 的开源项目。

01. 项目概览

CLIProxyAPI 是一款功能强大的自托管 AI API 。它能够将 Codex、Claude Code、Gemini、Grok、Kimi 以及其他与 OpenAI 兼容的上游模型，无缝转换为通用的 OpenAI、Anthropic、Gemini API 接口格式。

项目仓库地址：https://github.com/router-for-me/CLIProxyAPI

CLIProxyAPI 的独特之处在于，它对外提供了一套高度兼容的 API 接口。这意味着，许多现有客户端应用无需修改代码，只需简单地将本地配置中的 Base URL 和 API Key 指向 CLIProxyAPI，便可轻松地将模型请求转发给它。

• 传统的 OpenAI SDK 用户，可以继续使用 /v1/chat/completions 接口。
• 新版 OpenAI 客户端则主要通过 /v1/responses 接口进行交互。
• 对于 Claude Code，遵循 Anthropic 协议，对应的接口是 /v1/messages。
• Gemini SDK 及兼容客户端则使用 /v1beta/models/* 路径。
• 图像生成功能调用 /v1/images/generations 接口。
• 图像编辑功能则通过 /v1/images/edits 接口实现。

该项目还支持 Codex、Claude、Antigravity、Kimi、xAI 等多种登录认证流程。

更方便的是，同一个供应商可以配置多个账号，实现更灵活的资源管理。

02. 实操体验

安装过程可以借助 Codex 或 Claude Code 来完成。直接将以下提示词发送给它们即可：

提示词：

请协助我在 Windows 操作系统上安装并配置 CLIProxyAPI。

官方项目地址如下：

https://github.com/router-for-me/CLIProxyAPI

安装与配置要求：

1. 务必仅从该项目官方 GitHub Releases 页面下载最新版本的安装包；

2. 根据您的电脑架构（amd64 或 arm64）选择对应的 Windows 安装程序；

3. 将程序安装至当前用户目录下的 CLIProxyAPI 文件夹内；

4. 将 config.example.yaml 文件复制并重命名为 config.yaml；

5. 将服务地址设置为 127.0.0.1，端口号为 8317；

6. 禁用远程管理功能，并生成随机的管理密码以及下游 API Key；

7. 保持 auth-dir 目录的默认设置，切勿读取、复制或展示 OAuth Token；

8. 当需要登录 Codex 账号时，请暂停执行，并告知我需要执行的具体命令，以便我在浏览器中完成登录操作；

9. 登录成功后，请启动服务，并通过访问 /healthz 和 /v1/models 接口来验证服务是否正常运行；

10. 最后，请告知我配置文件中 Base URL 和 API Key 的具置，并列出当前可用的模型列表。

请优先执行能够自动完成的步骤。若遇到错误，请先检查日志并尝试自行修复，避免仅提供操作说明。

安装完成后，登录操作仍需在 PowerShell 中手动执行：

.\cli-proxy-api.exe --config .\config.yaml --codex-login

登录成功后，可以通过以下命令检查模型状态：

$match = Get-Content .\config.yaml |
  Select-String '^\s*-\s*"([^"]+)"\s*$' |
  Select-Object -First 1

$key = $match.Matches[0].Groups[1].Value.Trim()

$result = Invoke-RestMethod `
  -Uri "http://127.0.0.1:8317/v1/models" `
  -Headers @{ Authorization = "Bearer $key" }

$result.data | Select-Object id

若能成功显示模型名称，则表明：

• 服务已成功启动；
• 客户端密钥配置正确；
• OAuth 账号已成功加载；
• 上游模型可正常访问。

最后，启动服务。请注意，在服务运行期间，请勿关闭该窗口：

.\cli-proxy-api.exe --config .\config.yaml

接着，在 cc switch 或其他支持 OpenAI 接口的软件中，进行如下配置：

API 地址：http://127.0.0.1:8317/v1
API Key：在 config.yaml 文件中的 api-keys 部分查找对应的字符串
模型列表：选择您希望使用的模型名称

配置完成后，我们就可以在 Claude Code 中直接使用 GPT 5.6 Sol 了！尽管 Claude Code 可能会“嘴硬”声称自己是某个 Claude 模型，但其底层引擎已被替换为 GPT 5.6 Sol。

为了直观对比，我们分别在 Claude Code 和 Codex 中，使用 GPT 5.6 Sol 同时执行同一个任务：

提示词：

在当前空目录下开发一个可以直接运行的个人任务看板。

具体要求如下：

1. 仅使用原生 HTML、CSS 和 JavaScript，不得引入任何框架或外部 CDN；

2. 包含“待处理”、“进行中”和“已完成”三个任务状态列；

3. 支持任务的新增、编辑、删除、拖拽排序以及关键词搜索功能；

4. 所有数据请保存在 localStorage 中；

5. 支持 JSON 格式的数据导入和导出，并在导入前对数据结构进行验证；

6. 需支持深色模式、移动端响应式布局以及键盘快捷操作；

7. 请提供 8 条覆盖不同状态的示例数据；

8. 界面设计应具备清晰的视觉层级，避免使用渐变色；

9. 完成后，请仔细检查代码中的潜在错误，并提供本地运行的详细说明。

请直接创建所有必要的文件，避免仅提供代码片段。

Claude Code + GPT 5.6 Sol 的执行结果：

Codex + GPT 5.6 Sol 的执行结果：

Claude Code 的界面设计，通过棕、蓝、绿三种颜分任务状态，直观易懂。每个任务卡片都清晰地提供了编辑、左右移动和删除按钮，即便是初次使用者也能快速上手，无需额外的学习成本。

新建任务的窗口设计也非常完善，包含了字数统计、状态选择以及快捷键提示。在进行搜索操作时，它会主动暂停拖拽功能，有效防止用户在筛选结果时意外更改任务排序，这是一个非常贴心的细节处理。

Codex 的信息架构则显得更为完整：清晰的品牌区域、任务统计、搜索工具栏以及三列看板，各部分层次分明。它还提供了的快捷键帮助窗口和删除确认窗口，相比浏览器原生的弹窗，整体体验更加统一和专业。

然而，每张卡片上重复出现的“拖拽到其他列可改变状态”的提示，在一定程度上占用了屏幕空间，并可能造成视觉上的干扰。此外，深色卡片使用了相对较亮的边框，使得整体视觉风格略显生硬，如果能适当降低边框的对比度，效果会更佳。

综合来看，在视觉呈现和任务操作的直观性方面，Claude Code 的表现略胜一筹。

03. 深入探索

根据 Stack Overflow 2025 年度开发者调查显示，高达 51% 的职业开发者每天都会使用 AI 工具，同时，54% 的开发者在工作中需要在六种以上的软件之间频繁切换。

这表明，开发者对 AI 的需求正逐渐从单纯的模型能力，扩展到更广泛的接入、管理和监控等层面。

CLIProxyAPI 正是将这些需求，以用户友好的桌面软件形式呈现出来。它集成了自动下载与更新、一键登录账号、智能模型识别、系统托盘运行以及客户端快速配置等便捷功能。

基于 CLIProxyAPI 的强大能力，我们可以进一步开发一款的 AI 模型评测与智能路由产品。该产品可以提交一系列真实的任务，分别调用 GPT、Claude、Gemini 等不同模型，并记录其完成时间、Token 使用量、错误率以及人工评分。

这份详尽的评测结果，将能直接指导模型选择。例如，在前端开发任务中，系统会优先调用视觉表现更优的模型；在处理长文本时，则切换到上下文理解能力更强的模型；当遇到 API 限流或服务异常时，系统会自动切换到备用模型，确保任务的顺畅进行。

随着使用时间的增长，系统积累的任务数据、评分记录以及路由策略将愈发丰富，从而提供更贴合实际工作需求的模型推荐。公开的模型排行榜或许能告诉我们“哪个模型整体上最好”，而我们更关心的是“哪个模型最适合我们的特定任务，以及在保证质量的前提下能节省多少成本”。

CLIProxyAPI 已经为实现多模型接入提供了坚实的基础。通过在此基础上进一步完善评测、路由、费用管理和团队协作等功能，便可以构建一套功能完备的 AI 模型管理解决方案。