---

Claudish（类似于 Claude）是一个命令行工具，它允许你通过本地 Anthropic API 兼容服务器代理请求，从而使用任何 AI 模型运行 Claude Code。

支持的提供商：

• 云端： OpenRouter（580+ 模型）、Google Gemini、OpenAI、MiniMax、Kimi、GLM、Z.AI、OllamaCloud、OpenCode Zen
• 本地： Ollama、LM Studio、vLLM、MLX
• 企业级： Vertex AI（Google Cloud）

使用你现有的 AI 订阅

停止为多个 AI 订阅付费。 Claudish 让你可以用已有的订阅配合 Claude Code 强大的界面：

你的订阅	命令
Anthropic Max	原生支持（直接使用 claude）
Gemini Advanced	claudish --model g@gemini-3-pro-preview
ChatGPT Plus/Codex	claudish --model oai@gpt-5.3 或 oai@gpt-5.3-codex
Kimi	claudish --model kimi@kimi-k2.5
GLM	claudish --model glm@GLM-4.7
MiniMax	claudish --model mm@minimax-m2.1
OllamaCloud	claudish --model oc@qwen3-next
OpenCode Zen Go	claudish --model zgo@glm-5

100% 离线选项——你的代码永远不会离开你的设备：

claudish --model ollama@qwen3-coder:latest "your task"

自带密钥（BYOK）

Claudish 是一个 自带密钥的 AI 编码助手：

• ✅ 使用你已经拥有的 API 密钥
• ✅ 无需额外订阅费用
• ✅ 完全掌控成本——只为你使用的部分付费
• ✅ 适用于任何提供商
• ✅ 会话中可随时切换模型

特性

• ✅ 多提供商支持 - OpenRouter、Gemini、Vertex AI、OpenAI、OllamaCloud 和本地模型
• ✅ 新的路由语法 - 使用 provider@model[:concurrency] 进行显式路由（例如 google@gemini-2.0-flash）
• ✅ 原生自动检测 - 像 gpt-4o、gemini-2.0-flash、llama-3.1-70b 这样的模型会自动路由到它们的原生 API
• ✅ 直接 API 访问 - Google、OpenAI、MiniMax、Kimi、GLM、Z.AI、OllamaCloud、Poe 可直接计费
• ✅ Vertex AI Model Garden - 访问 Google 及合作伙伴的模型（MiniMax、Mistral、DeepSeek、Qwen、OpenAI OSS）
• ✅ 本地模型支持 - Ollama、LM Studio、vLLM、MLX 支持 ollama@、lmstudio@ 语法及并发控制
• ✅ 跨平台 - 适用于 Node.js 和 Bun（v1.3.0+）
• ✅ 通用兼容性 - 可以用 npx 或 bunx 使用，无需安装
• ✅ 交互式设置 - 如果未提供 API 密钥和模型，会提示输入（零配置！）
• ✅ 监控模式 - 代理到真实的 Anthropic API 并记录所有流量（用于调试）
• ✅ 协议兼容性 - 与 Claude Code 通信协议 1:1 兼容
• ✅ 无头模式 - 非交互式执行时自动打印模式
• ✅ 静默模式 - 默认输出整洁（无日志污染）
• ✅ JSON 输出 - 结构化数据便于工具集成
• ✅ 实时流式传输 - 实时查看 Claude Code 的输出
• ✅ 并行运行 - 每个实例都有独立的代理
• ✅ 自主模式 - 通过标志绕过所有提示
• ✅ 上下文继承 - 在当前目录下运行，并使用相同的 .claude 设置
• ✅ Claude Code 标志传递 - 以任意顺序转发任何 Claude Code 标志（--agent、--effort、--permission-mode 等）
• ✅ 视觉代理 - 非视觉模型会自动通过 Claude 获取图像描述，使每个模型都能“看见”

安装

快速安装

# Shell 脚本（Linux/macOS）
curl -fsSL https://raw.githubusercontent.com/MadAppGang/claudish/main/install.sh | bash

# Homebrew（macOS）
brew tap MadAppGang/tap && brew install claudish

# npm
npm install -g claudish

# Bun
bun install -g claudish

先决条件

• Claude Code - 必须安装 Claude CLI
• 至少一个 API 密钥：
  • OpenRouter API 密钥 - 可访问 100 多种模型（有免费层级）
  • Google Gemini API 密钥 - 用于直接访问 Gemini
  • OpenAI API 密钥 - 用于直接访问 OpenAI
  • OllamaCloud API 密钥 - 用于云托管的 Ollama 模型（oc/ 前缀）
  • 或本地模型（Ollama、LM Studio）无需 API 密钥

其他安装选项

无需安装即可使用：

npx claudish@latest --model x-ai/grok-code-fast-1 "your prompt"
bunx claudish@latest --model x-ai/grok-code-fast-1 "your prompt"

从源代码安装：

git clone https://github.com/MadAppGang/claudish.git
cd claudish
bun install && bun run build && bun link

快速入门

步骤 0：初始化 Claudish 技能（仅首次）

# 导航到你的项目目录
cd /path/to/your/project

# 安装 Claudish 技能以实现自动最佳实践
claudish --init

# 重新加载 Claude Code 以发现该技能

作用：

• ✅ 将 Claudish 使用技能安装在 .claude/skills/claudish-usage/
• ✅ 启用自动子代理委派
• ✅ 强制执行基于文件的指令模式
• ✅ 防止上下文窗口污染

运行 --init 后，Claude 会自动：

• 当你提到外部模型（Grok、GPT-5 等）时使用子代理
• 遵循 Claudish 使用的最佳实践
• 为不同任务建议专业代理

选项 1：交互模式（最简单）

# 直接运行——会提示输入 API 密钥和模型
claudish

# 按提示输入你的 OpenRouter API 密钥
# 从列表中选择一个模型
# 开始编码！

选项 2：使用环境变量

# 设置环境
export OPENROUTER_API_KEY=sk-or-v1-...     # 用于 OpenRouter 模型
export GEMINI_API_KEY=...                   # 用于直接 Google API
export OPENAI_API_KEY=sk-...                # 用于直接 OpenAI API
export ANTHROPIC_API_KEY=sk-ant-api03-placeholder  # 必需的占位符

# 使用自动检测的模型运行
claudish --model gpt-4o "implement user authentication"     # → OpenAI
claudish --model gemini-2.0-flash "add tests"               # → Google

# 或者使用显式提供者
claudish --model openrouter@anthropic/claude-3.5-sonnet "review code"

注意： 在交互模式下，如果未设置 OPENROUTER_API_KEY 环境变量，系统会提示您输入。这使得首次使用变得非常简单！

AI 代理使用

对于在 Claude Code 中运行的 AI 代理： 请使用专门的 AI 代理指南，以获取关于基于文件的模式和子代理委派的全面说明。

# 打印完整的 AI 代理使用指南
claudish --help-ai

# 将指南保存到文件以供参考
claudish --help-ai > claudish-agent-guide.md

AI 代理快速参考：

AI 代理的主要工作流程

1. 获取可用模型：

   # 列出所有模型或搜索
   claudish --models
   claudish --models gemini
   
   # 获取顶级推荐模型（JSON 格式）
   claudish --top-models --json
   

2. 通过子代理运行 Claudish（推荐模式）：

   // 不要在主对话中直接运行 Claudish
   // 使用 Task 工具委派给子代理
   const result = await Task({
     subagent_type: "general-purpose",
     description: "使用 Grok 实现功能",
     prompt: `
   使用 Claudish 通过 Grok 模型实现功能。
   
   步骤：
   1. 创建指令文件：/tmp/claudish-task-${Date.now()}.md
   2. 将功能需求写入文件
   3. 运行：claudish --model x-ai/grok-code-fast-1 --stdin < /tmp/claudish-task-*.md
   4. 阅读结果并仅返回摘要（2-3 句）
   
   不要返回完整实现。回复内容不超过 300 个 token。
     `
   });
   

3. 基于文件的指令模式（避免上下文污染）：

   // 将指令写入文件
   const instructionFile = `/tmp/claudish-task-${Date.now()}.md`;
   const resultFile = `/tmp/claudish-result-${Date.now()}.md`;
   
   await Write({ file_path: instructionFile, content: `
   # 任务
   您的任务描述在此
   
   # 输出
   将结果写入：${resultFile}
   ` });
   
   // 使用 stdin 运行 Claudish
   await Bash(`claudish --model x-ai/grok-code-fast-1 --stdin < ${instructionFile}`);
   
   // 读取结果
   const result = await Read({ file_path: resultFile });
   
   // 仅返回摘要
   return extractSummary(result);
   

关键原则：

• ✅ 使用基于文件的模式以避免上下文窗口污染
• ✅ 委派给子代理而不是直接运行
• ✅ 仅返回摘要（而非完整对话记录）
• ✅ 根据任务选择合适的模型（参见 --models 或 --top-models）

资源：

• 完整的 AI 代理指南：claudish --help-ai
• 技能文档：skills/claudish-usage/SKILL.md（位于仓库根目录）
• 模型集成：skills/claudish-integration/SKILL.md（位于仓库根目录）

使用方法

基本语法

claudish [选项] <claude-args...>

选项

有关所有详细信息的完整参考，请参阅 设置参考。

标志	缩写	描述	默认值
--model <model>	-m	要使用的模型（provider@model 语法）	交互式选择器
--model-opus <model>		用于 Opus 角色的模型（规划、复杂任务）
--model-sonnet <model>		用于 Sonnet 角色的模型（默认编码）
--model-haiku <model>		用于 Haiku 角色的模型（快速任务）
--model-subagent <model>		用于子代理的模型（Task 工具）
--profile <name>	-p	用于模型映射的命名配置文件	默认配置文件
--interactive	-i	交互模式（持久会话）	当无提示时自动启用
--auto-approve	-y	跳过权限提示	false
--no-auto-approve		显式启用权限提示
--dangerous		传递 --dangerouslyDisableSandbox	false
--port <port>		代理服务器端口	随机（3000-9000）
--debug	-d	启用调试日志记录至 logs/	false
--log-level <level>		日志详细程度：debug、info、minimal	info
--quiet	-q	屈服 [claudish] 消息	单次执行时默认开启
--verbose	-v	显示 [claudish] 消息	交互式时默认开启
--json		用于工具集成的 JSON 输出（隐含 --quiet）	false
--stdin		从标准输入读取提示	false
--free		在选择器中仅显示免费模型	false
--monitor		代理真实的 Anthropic API 并记录流量	false
--summarize-tools		总结工具描述（适用于本地模型）	false
--cost-tracker		启用成本跟踪（同时启用监控模式）	false
--audit-costs		显示成本分析报告
--reset-costs		重置累计成本统计
--models [query]	-s	列出所有模型或模糊搜索
--top-models		显示精选推荐模型
--force-update		强制刷新模型缓存
--init		在当前项目中安装 Claudish 技能
--mcp		作为 MCP 服务器运行
--gemini-login		通过 OAuth 登录 Gemini Code Assist
--gemini-logout		清除 Gemini 的 OAuth 凭证
--kimi-login		通过 OAuth 登录 Kimi
--kimi-logout		清除 Kimi 的 OAuth 凭证
--help-ai		显示 AI 代理使用指南
--version		显示版本信息
--help	-h	显示帮助信息
--		所有后续参数将传递给 Claude Code

标志透传：任何未识别的标志都会自动转发给 Claude Code（例如 --agent、--effort、--permission-mode）。

環境変数

Claudish は起動時に現在のディレクトリから .env ファイルを自動的に読み込みます。詳細なリストについては、設定リファレンスをご参照ください。

API キー（クラウドモデルには少なくとも 1 つが必要）

変数	プロバイダー	別名
OPENROUTER_API_KEY	OpenRouter（デフォルトバックエンド、580+ モデル）
GEMINI_API_KEY	Google Gemini (g@, google@)
OPENAI_API_KEY	OpenAI (oai@)
MINIMAX_API_KEY	MiniMax (mm@, mmax@)
MINIMAX_CODING_API_KEY	MiniMax コーディングプラン (mmc@)
MOONSHOT_API_KEY	Kimi/Moonshot (kimi@)	KIMI_API_KEY
KIMI_CODING_API_KEY	Kimi コーディングプラン (kc@)	または --kimi-login による OAuth
ZHIPU_API_KEY	GLM/Zhipu (glm@)	GLM_API_KEY
GLM_CODING_API_KEY	GLM コーディングプラン (gc@)	ZAI_CODING_API_KEY
ZAI_API_KEY	Z.AI (zai@)
OLLAMA_API_KEY	OllamaCloud (oc@)
OPENCODE_API_KEY	OpenCode Zen (zen@) — 無料モデルの場合にはオプション
LITELLM_API_KEY	LiteLLM (ll@) — LITELLM_BASE_URL が必要
POE_API_KEY	Poe (poe@)
VERTEX_API_KEY	Vertex AI Express (v@)
VERTEX_PROJECT	Vertex AI OAuth モード (v@)	GOOGLE_CLOUD_PROJECT
ANTHROPIC_API_KEY	プレースホルダー（Claude Code のダイアログを抑制）

Claudish 設定

変数	説明	デフォルト値
CLAUDISH_MODEL	デフォルトモデル（ANTHROPIC_MODEL を上書き）	対話型セレクター
CLAUDISH_PORT	デフォルトのプロキシポート	ランダム（3000–9000）
CLAUDISH_CONTEXT_WINDOW	コンテキストウィンドウサイズの上書き（ローカルモデル）	自動検出
CLAUDISH_MODEL_OPUS	Opus ロール用モデル
CLAUDISH_MODEL_SONNET	Sonnet ロール用モデル
CLAUDISH_MODEL_HAIKU	Haiku ロール用モデル
CLAUDISH_MODEL_SUBAGENT	サブエージェント用モデル
CLAUDISH_SUMMARIZE_TOOLS	ツール説明の要約（true/1）	false
CLAUDISH_TELEMETRY	テレメトリの上書き（0/false/off で無効化）	設定ファイルから
CLAUDISH_LOCAL_MAX_PARALLEL	最大同時ローカルモデルリクエスト数（1–8）	1
CLAUDISH_LOCAL_QUEUE_ENABLED	ローカルモデルキューの有無	true
CLAUDISH_QWEN_NO_THINK	Qwen モデルの思考機能を無効化（1）

Claude Code 互換性

変数	説明
ANTHROPIC_MODEL	CLAUDISH_MODEL のフォールバック
ANTHROPIC_DEFAULT_OPUS_MODEL	CLAUDISH_MODEL_OPUS のフォールバック
ANTHROPIC_DEFAULT_SONNET_MODEL	CLAUDISH_MODEL_SONNET のフォールバック
ANTHROPIC_DEFAULT_HAIKU_MODEL	CLAUDISH_MODEL_HAIKU のフォールバック
CLAUDE_CODE_SUBAGENT_MODEL	CLAUDISH_MODEL_SUBAGENT のフォールバック
CLAUDE_PATH	Claude Code バイナリのカスタムパス

カスタムエンドポイント

変数	プロバイダー	デフォルト値
GEMINI_BASE_URL	Gemini API	https://generativelanguage.googleapis.com
OPENAI_BASE_URL	OpenAI/Azure	https://api.openai.com
MINIMAX_BASE_URL	MiniMax	https://api.minimax.io
MOONSHOT_BASE_URL	Kimi/Moonshot	https://api.moonshot.ai
ZHIPU_BASE_URL	GLM/Zhipu	https://open.bigmodel.cn
ZAI_BASE_URL	Z.AI	https://api.z.ai
OLLAMACLOUD_BASE_URL	OllamaCloud	https://ollama.com
OPENCODE_BASE_URL	OpenCode Zen	https://opencode.ai/zen
LITELLM_BASE_URL	LiteLLM プロキシサーバー	(LITELLM_API_KEY 使用時に必須)
OLLAMA_BASE_URL	Ollama（ローカル）	http://localhost:11434
OLLAMA_HOST	OLLAMA_BASE_URL の別名
LMSTUDIO_BASE_URL	LM Studio（ローカル）	http://localhost:1234
VLLM_BASE_URL	vLLM（ローカル）	http://localhost:8000
MLX_BASE_URL	MLX（ローカル）	http://127.0.0.1:8080

優先順位: CLI フラグ > CLAUDISH_* 環境変数 > ANTHROPIC_* 環境変数 > プロファイル設定 > 対話型セレクター。

重要なお知らせ:

• ANTHROPIC_API_KEY=sk-ant-api03-placeholder（または任意の値）を設定すると、Claude Code のログインダイアログが表示されなくなります。
• 対話モードでは、API キーが設定されていない場合、入力を求められます。

設定ファイル

Claudish は 2 スコープの設定システムを使用しています:

ファイル	スコープ	目的
~/.claudish/config.json	グローバル	プロファイル、テレメトリ、ルーティングルール（プロジェクト間で共有）
.claudish.json	ローカル	プロジェクト固有のプロファイルとルーティングルール（グローバルを上書き）
.env	ローカル	環境変数（起動時に自動読み込み）

プロファイル設定（~/.claudish/config.json）:

{
  "version": "1.0.0",
  "defaultProfile": "default",
  "profiles": {
    "default": {
      "name": "default",
      "models": {
        "opus": "oai@gpt-5.3",
        "sonnet": "google@gemini-3-pro",
        "haiku": "mm@MiniMax-M2.1",
        "subagent": "google@gemini-2.0-flash"
      }
    }
  },
  "routing": {
    "kimi-*": ["kc", "kimi", "openrouter"],
    "glm-*": ["gc", "glm"],
    "*": ["litellm", "openrouter"]
  }
}

カスタムルーティングルールは、モデル名のパターンを優先順位付きのプロバイダーのフォールバックチェーンにマッピングします。パターンには正確な名前、ワイルドカード（kimi-*）、および万能記号（*）が対応可能です。ローカルの .claudish.json ルーティングルールは、グローバルルールを完全に置き換えます。

プロファイルの管理には以下を使用します:

claudish init [--local|--global]            # セットアップウィザード
claudish profile list [--local|--global]    # プロファイルの一覧表示
claudish profile add [--local|--global]     # プロファイルの追加
claudish profile use <name>                 # デフォルト設定
claudish profile edit <name>                # プロファイルの編集

完全な設定リファレンスについては、設定リファレンスをご参照ください。

モデルルーティング（v4.0.0+）

Claudish は明示的なルーティングのために provider@model[:concurrency] 構文を使用し、ネイティブプロバイダーに対しては スマートな自動検出を行います。

新しい構文: provider@model[:concurrency]

# 明示的なプロバイダールーティング
claudish --model google@gemini-2.0-flash "迅速なタスク"
claudish --model openrouter@deepseek/deepseek-r1 "分析"
claudish --model oai@gpt-4o "機能の実装"
claudish --model ollama@llama3.2:3 "コードレビュー"  # 3 件の同時リクエスト

提供商快捷方式

快捷方式	提供商	API 密钥	示例
g@, google@	Google Gemini	GEMINI_API_KEY	g@gemini-2.0-flash
oai@	OpenAI Direct	OPENAI_API_KEY	oai@gpt-4o
or@, openrouter@	OpenRouter	OPENROUTER_API_KEY	or@deepseek/deepseek-r1
mm@, mmax@	MiniMax Direct	MINIMAX_API_KEY	mm@MiniMax-M2.1
kimi@, moon@	Kimi Direct	MOONSHOT_API_KEY	kimi@kimi-k2
glm@, zhipu@	GLM Direct	ZHIPU_API_KEY	glm@glm-4
zai@	Z.AI Direct	ZAI_API_KEY	zai@glm-4
llama@, lc@, meta@	OllamaCloud	OLLAMA_API_KEY	llama@llama-3.1-70b
oc@	OllamaCloud	OLLAMA_API_KEY	oc@llama-3.1-70b
zen@	OpenCode Zen (免费/付费)	OPENCODE_API_KEY (可选)	zen@gpt-5-nano
zgo@, zengo@	OpenCode Zen Go 方案	OPENCODE_API_KEY	zgo@glm-5
v@, vertex@	Vertex AI	VERTEX_API_KEY	v@gemini-2.5-flash
go@	Gemini CodeAssist	(OAuth)	go@gemini-2.5-flash
poe@	Poe	POE_API_KEY	poe@GPT-4o
ollama@	Ollama (本地)	(无)	ollama@llama3.2
lms@, lmstudio@	LM Studio (本地)	(无)	lms@qwen2.5-coder
vllm@	vLLM (本地)	(无)	vllm@mistral-7b
mlx@	MLX (本地)	(无)	mlx@llama-3.2-3b

原生模型自动检测

当未指定提供商时，Claudish 会根据模型名称自动检测：

模型模式	路由至	示例
gemini-*, google/*	Google Gemini	gemini-2.0-flash
gpt-*, o1-*, o3-*	OpenAI Direct	gpt-4o
llama-*, meta-llama/*	OllamaCloud	llama-3.1-70b
abab-*, minimax/*	MiniMax Direct	abab-6.5
kimi-*, moonshot-*	Kimi Direct	kimi-k2
glm-*, zhipu/*	GLM Direct	glm-4
poe:*	Poe	poe:GPT-4o
claude-*, anthropic/*	Native Anthropic	claude-sonnet-4
未知 vendor/model	错误	使用 openrouter@vendor/model

示例

# 自动检测原生路由（无需前缀！）
claudish --model gemini-2.0-flash "快速任务"      # → Google API
claudish --model gpt-4o "实现功能"          # → OpenAI API
claudish --model llama-3.1-70b "代码审查"         # → OllamaCloud

# 显式指定提供商路由
claudish --model google@gemini-2.5-pro "复杂分析"
claudish --model oai@o1 "复杂推理"
claudish --model openrouter@deepseek/deepseek-r1 "深度分析"

# OllamaCloud - 云端托管的 Llama 模型
claudish --model llama@llama-3.1-70b "代码审查"
claudish --model oc@llama-3.2-vision "分析图片"

# Vertex AI - Google Cloud
VERTEX_API_KEY=... claudish --model v@gemini-2.5-flash "任务"
VERTEX_PROJECT=my-project claudish --model vertex@gemini-2.5-flash "OAuth 模式"

# 本地模型并发控制
claudish --model ollama@llama3.2:3 "审查"     # 3 个并发请求
claudish --model ollama@llama3.2:0 "快速"       # 无限制（绕过队列）

# 未知厂商需显式使用 OpenRouter
claudish --model openrouter@qwen/qwen-2.5 "任务"
claudish --model or@mistralai/mistral-large "分析"

旧版语法（已弃用）

旧的 前缀/模型 语法仍然可用，但会显示弃用警告：

# 旧版（已弃用）          →  新版（推荐）
claudish --model g/gemini-pro     →  claudish --model g@gemini-pro
claudish --model oai/gpt-4o       →  claudish --model oai@gpt-4o
claudish --model ollama/llama3.2  →  claudish --model ollama@llama3.2

精选模型

开发推荐顶级模型（v3.1.1）：

模型	提供商	最佳用途
openai/gpt-5.3	OpenAI	默认 - 最先进的推理能力
minimax/minimax-m2.1	MiniMax	经济实惠，速度快
z-ai/glm-4.7	Z.AI	性能均衡
google/gemini-3-pro-preview	Google	100万上下文窗口
moonshotai/kimi-k2-thinking	MoonShot	扩展推理能力
deepseek/deepseek-v3.2	DeepSeek	代码专家
qwen/qwen3-vl-235b-a22b-thinking	Alibaba	视觉 + 推理

Vertex AI 合作伙伴模型（MaaS - Google Cloud 计费）：

模型	提供商	最佳用途
vertex/minimax/minimax-m2-maas	MiniMax	快速、经济
vertex/mistralai/codestral-2	Mistral	代码专家
vertex/deepseek/deepseek-v3-2-maas	DeepSeek	深度推理
vertex/qwen/qwen3-coder-480b-a35b-instruct-maas	Qwen	代理式编码
vertex/openai/gpt-oss-120b-maas	OpenAI	开放权重推理

列出所有模型：

claudish --models              # 列出所有 OpenRouter 模型
claudish --models gemini       # 搜索特定模型
claudish --top-models          # 显示精选推荐

Claude Code 标志透传（v5.3.0 新增）

Claudish 会将所有未识别的标志直接传递给 Claude Code。这意味着任何 Claude Code 标志都可以与 Claudish 一起使用——无需包装器：

# 使用 Claude Code 代理
claudish --model grok --agent code-review "审查认证系统"

# 控制工作量和权限
claudish --model grok --effort high --permission-mode plan "设计 API"

# 设置预算上限
claudish --model grok --max-budget-usd 0.50 "快速修复"

# 自定义系统提示
claudish --model grok --append-system-prompt "始终以 JSON 格式回复" "列出文件"

# 限制可用工具
claudish --model grok --allowedTools "Read,Grep" "搜索认证漏洞"

Claudish 标志（--model、--stdin、--quiet、-y 等）可以按 任意顺序 出现——无论位置如何，它们都会被识别。

当 Claude Code 标志值以 - 开头时，请使用 --：

claudish --model grok -- --system-prompt "-verbose logging" "任务"

视觉代理（v5.1.0 新功能）

现在所有模型都能“看”图像——即使是那些本身不支持视觉输入的模型。

当你向一个不具备视觉处理能力的模型（比如本地 Ollama 模型）发送图像时，Claudish 会自动执行以下操作：

1. 检测到该模型无法处理图像
2. 将每张图像发送至 Anthropic API（Claude Sonnet），生成详细的描述文本
3. 用 [Image Description: ...] 文本替换图像块
4. 将补充了描述信息的消息转发给目标模型

Claude Code → 图像 + “这是什么？” → Claudish
                                             ↓
                              ┌──────────────────────────────┐
                              │ 模型是否支持视觉？         │
                              │ 是 → 直接传递图像          │
                              │ 否 → 使用 Claude 描述图像 → │
                              │        替换为文本           │
                              └──────────────────────────────┘
                                             ↓
                                      目标模型

工作原理：

• 使用你现有的 Claude Code x-api-key（无需额外配置）
• 每张图像会并行进行描述（即使有多张图像也能快速完成）
• 每张图像有 30 秒超时时间，超时后会优雅地回退到移除图像
• 描述内容包括文本、布局、颜色、代码、图表和 UI 元素等信息

示例：

# 本地 Ollama 模型（无视觉能力）——图像会被自动描述
claudish --model ollama@llama3.2 “这张截图里有什么？”

# 支持视觉的模型——图像会原样传递
claudish --model g@gemini-2.5-flash “这张截图里有什么？”

回退行为： 如果视觉代理失败（网络错误、超时或 API 问题），Claudish 会回退到移除图像——请求仍然会继续，只是没有图像上下文信息。

状态栏显示

Claudish 会自动在 Claude Code 的状态栏中显示关键信息——无需任何设置！

超紧凑格式： 目录 • 模型ID • $成本 • 上下文%

视觉设计：

• 🔵 目录（亮青色，加粗）——当前所在目录
• 🟡 模型ID（亮黄色）——实际的 OpenRouter 模型 ID
• 🟢 成本（亮绿色）——来自 OpenRouter 的实时会话费用
• 🟣 上下文（亮品红色）——剩余上下文窗口的百分比
• ⚪ 分隔符（浅色）——视觉分隔线

示例：

• claudish • x-ai/grok-code-fast-1 • $0.003 • 95% — 使用 Grok 模型，已花费 $0.003，还剩 95% 的上下文空间
• my-project • openai/gpt-5-codex • $0.12 • 67% — 使用 GPT-5 模型，已花费 $0.12，还剩 67% 的上下文空间
• backend • minimax/minimax-m2 • $0.05 • 82% — 使用 MiniMax M2 模型，已花费 $0.05，还剩 82% 的上下文空间
• test • openrouter/auto • $0.01 • 90% — 使用任意自定义模型，已花费 $0.01，还剩 90% 的上下文空间

关键跟踪（实时更新）：

• 💰 成本跟踪——基于 Claude Code 会话数据的实时美元费用
• 📊 上下文监控——模型剩余上下文窗口的百分比
• ⚡ 性能优化——超紧凑设计，适合与思考模式界面完美融合

针对思考模式优化：

• ✅ 超紧凑——目录限制在 15 个字符内，为其他信息留出空间
• ✅ 重要信息优先——最重要的信息（目录、模型）放在最前面
• ✅ 智能截断——长目录用“…”缩短
• ✅ 预留空间——为 Claude 的思考模式界面预留约 40 个字符的空间
• ✅ 颜色编码——便于快速目视扫描
• ✅ 不会溢出——即使启用思考模式也能完美适配

自定义模型支持：

• ✅ 任何 OpenRouter 模型——不限于推荐列表（例如 openrouter/auto 或自定义模型）
• ✅ 实际模型ID——显示确切的 OpenRouter 模型 ID，不做任何翻译
• ✅ 上下文回退——对于未知模型，使用 10 万 token 的上下文窗口作为安全默认值
• ✅ 短名单优化——我们推荐的模型都具有准确的上下文大小
• ✅ 面向未来——适用于未来添加到 OpenRouter 的新模型

工作原理：

• 每个 Claudish 实例都会创建一个临时设置文件，用于自定义状态栏
• 设置通过 --settings 标志实现（不会修改全局的 Claude Code 配置）
• 状态栏使用简单的 Bash 脚本结合 ANSI 颜色实现（无需外部依赖！）
• 显示来自 CLAUDISH_ACTIVE_MODEL_NAME 环境变量的实际 OpenRouter 模型 ID
• 上下文跟踪会根据我们推荐列表中的模型使用特定的上下文大小，对于其他模型则使用 10 万 token 作为默认值
• 临时文件会在 Claudish 退出时自动清理
• 每个实例完全隔离——可以并行运行多个实例！

实例间隔离：

• ✅ 不会修改 ~/.claude/settings.json
• ✅ 每个实例都有自己的配置
• ✅ 可以安全地并行运行多个 Claudish 实例
• ✅ 不会影响标准的 Claude Code
• ✅ 临时文件会在退出时自动清理
• ✅ 无外部依赖（仅使用 Bash，无需 jq！）

示例

基本用法

# 简单提示
claudish “修复 user.ts 中的 bug”

# 多词提示
claudish “使用 JWT 令牌实现用户认证”

指定模型

# 自动检测路由（模型名称决定提供商）
claudish --model gpt-4o “重构整个 API 层”           # → OpenAI
claudish --model gemini-2.0-flash “快速修复”                 # → Google
claudish --model llama-3.1-70b “代码审查”                  # → OllamaCloud

# 显式指定提供商（新的 @ 语法）
claudish --model google@gemini-2.5-pro “复杂分析”
claudish --model oai@o1 “深度推理任务”
claudish --model openrouter@deepseek/deepseek-r1 “分析”   # 对于未知厂商需要显式指定 OpenRouter

# 本地模型并发控制
claudish --model ollama@llama3.2 “代码审查”
claudish --model ollama@llama3.2:3 “并行处理”      # 3 个并发任务
claudish --model lmstudio@qwen2.5-coder “实现仪表盘 UI”

自主模式

自动批准功能是默认开启的。如果需要完全自主模式，只需添加 --dangerous 参数：

# 基本用法（自动批准已开启）
claudish “删除未使用的文件”

# 完全自主模式（自动批准 + 危险沙盒关闭）
claudish --dangerous “安装依赖项”

# 如果需要手动确认，可关闭自动批准
claudish --no-auto-approve “进行重要更改”

自定义端口

# 使用特定端口
claudish --port 3000 “分析代码库”

# 或者设置默认端口
export CLAUDISH_PORT=3000
claudish “你的任务”

传递 Claude 标志

# 详细模式
claudish “调试问题” --verbose

# 自定义工作目录
claudish “分析代码” --cwd /path/to/project

# 多个标志
claudish --model openai/gpt-5.3-codex “任务” --verbose --debug

监控模式

新增！ Claudish 现在提供监控模式，帮助你了解 Claude Code 内部的工作机制。

# 启用监控模式（需要真实的 Anthropic API 密钥）
claudish --monitor --debug "实现一个功能"

监控模式的作用：

• ✅ 代理至真实的 Anthropic API（非 OpenRouter） - 使用您实际的 Anthropic API 密钥
• ✅ 记录所有流量 - 捕获完整的请求和响应
• ✅ 支持流式传输和 JSON 格式 - 记录 SSE 流和 JSON 响应
• ✅ 将调试日志保存到文件 - 当使用 --debug 时，会保存到 logs/claudish_*.log
• ✅ 直通代理 - 不进行任何翻译，原样转发给 Anthropic

何时使用监控模式：

• 🔍 理解 Claude Code 的 API 协议
• 🐛 调试集成问题
• 📊 分析 Claude Code 的行为
• 🔬 研究与开发

所需条件：

# 监控模式需要真实的 Anthropic API 密钥（而非占位符）
export ANTHROPIC_API_KEY='sk-ant-api03-...'

# 结合 `--debug` 使用以保存日志到文件
claudish --monitor --debug "您的任务"

# 日志将保存至：logs/claudish_TIMESTAMP.log

示例输出：

[Monitor] 服务器已在 http://127.0.0.1:8765 上启动
[Monitor] 模式：直通真实 Anthropic API
[Monitor] 所有流量都将被记录以便分析

=== [MONITOR] Claude Code → Anthropic API 请求 ===
{
  "model": "claude-sonnet-4.5",
  "messages": [...],
  "max_tokens": 4096,
  ...
}
=== 请求结束 ===

=== [MONITOR] Anthropic API → Claude Code 响应（流式） ===
event: message_start
data: {"type":"message_start",...}

event: content_block_start
data: {"type":"content_block_start",...}
...
=== 流式响应结束 ===

注意： 监控模式会从您的 Anthropic 账户中扣费（而非 OpenRouter）。请使用 --debug 标志来保存日志以便分析。

输出模式

Claudish 支持三种输出模式，适用于不同的场景：

1. 静默模式（单次调用默认）

干净的输出，不含 [claudish] 日志信息，非常适合与其他工具配合使用：

# 单次调用默认为静默模式
claudish "2+2 是多少？"
# 输出：2 + 2 等于 4。

# 在管道中使用
claudish "列出 3 种颜色" | grep -i blue

# 重定向到文件
claudish "分析代码" > analysis.txt

2. 详细模式

显示所有 [claudish] 日志信息，便于调试：

# 详细模式
claudish --verbose "2+2 是多少？"
# 输出：
# [claudish] 正在启动 Claude Code，使用 openai/gpt-4o
# [claudish] 代理地址：http://127.0.0.1:8797
# [claudish] 状态行：dir • openai/gpt-4o • $成本 • 上下文%
# ...
# 2 + 2 等于 4。
# [claudish] 正在关闭代理服务器...
# [claudish] 完成

# 交互模式默认为详细模式
claudish --interactive

3. JSON 输出模式

结构化的输出，非常适合自动化和工具集成：

# JSON 输出（始终为静默模式）
claudish --json "2+2 是多少？"
# 输出：{"type":"result","result":"2 + 2 等于 4.","total_cost_usd":0.068,"usage":{...}}

# 使用 jq 提取结果
claudish --json "列出 3 种颜色" | jq -r '.result'

# 获取费用和 token 使用情况
claudish --json "分析代码" | jq '{result, cost: .total_cost_usd, tokens: .usage.input_tokens}'

# 在脚本中使用
RESULT=$(claudish --json "检查测试是否通过" | jq -r '.result')
echo "AI 说：$RESULT"

# 跟踪多次运行的费用
for task in task1 task2 task3; do
  claudish --json "$task" | jq -r '"\(.total_cost_usd)"'
done | awk '{sum+=$1} END {print "总计：$"sum}'

JSON 输出字段：

• result - AI 的回答文本
• total_cost_usd - 总费用（美元）
• usage.input_tokens - 输入 token 数量
• usage.output_tokens - 输出 token 数量
• duration_ms - 总耗时（毫秒）
• num_turns - 对话轮数
• modelUsage - 各模型的使用情况细分

工作原理

架构

claudish "您的提示"
    ↓
1. 解析参数（--model、--no-auto-approve、--dangerous 等）
2. 查找可用端口（随机或指定）
3. 在 http://127.0.0.1:PORT 上启动本地代理
4. 启动：claude --auto-approve --env ANTHROPIC_BASE_URL=http://127.0.0.1:PORT
5. 代理将 Anthropic API 转换为 OpenRouter API 格式
6. 实时流式输出
7. 退出时清理代理

请求流程

普通模式（OpenRouter）：

Claude Code → Anthropic API 格式 → 本地代理 → OpenRouter API 格式 → OpenRouter
                                         ↓
Claude Code ← Anthropic API 格式 ← 本地代理 ← OpenRouter API 格式 ← OpenRouter

监控模式（Anthropic 直通）：

Claude Code → Anthropic API 格式 → 本地代理（记录日志） → Anthropic API
                                         ↓
Claude Code ← Anthropic API 格式 ← 本地代理（记录日志） ← Anthropic API

并行运行

每次 claudish 调用：

• 获取一个唯一的随机端口
• 启动独立的代理服务器
• 运行独立的 Claude Code 实例
• 退出时进行清理

这使得可以同时运行多个实例：

# 终端 1
claudish --model x-ai/grok-code-fast-1 "任务 A"

# 终端 2
claudish --model openai/gpt-5.3-codex "任务 B"

# 终端 3
claudish --model minimax/minimax-m2 "任务 C"

扩展思考支持

v1.1.0 新增： Claudish 现在完全支持具有扩展思考/推理能力的模型（Grok、o1 等），并完全符合 Anthropic Messages API 协议。

思考转换模型（v1.5.0）

Claudish 包含一个复杂的 思考转换模型，能够将 Claude Code 的原生思考预算与各大 AI 提供商的独特需求相匹配。

当您在 Claude 中设置思考预算时（例如 budget: 16000），Claudish 会自动进行转换：

提供商	模型	转换逻辑
OpenAI	o1、o3	将预算映射到 reasoning_effort（minimal/low/medium/high）
Google	Gemini 3	映射到 thinking_level（low/high）
Google	Gemini 2.x	直接传递精确的 thinking_budget（上限为 24k）
xAI	Grok 3 Mini	将预算映射到 reasoning_effort（low/high）
Qwen	Qwen 2.5	启用 enable_thinking + 精确预算
MiniMax	M2	启用 reasoning_split（交错思考）
DeepSeek	R1	自动管理推理（为安全起见会剥离相关参数）

这确保您可以使用标准的 Claude Code 思考控制功能，与 任何 支持的模型配合使用，而无需担心 API 的具体差异。

什么是扩展思考？

一些 AI 模型（如 Grok 和 OpenAI 的 o1）可以在给出最终答案之前展示其内部的推理过程。这些“思考”内容有助于您理解模型是如何得出结论的。

Claudish 如何处理思考

Claudish 实现了 Anthropic Messages API 的 interleaved-thinking 协议：

思考块（隐藏）：

• 包含模型的推理过程
• 在 Claude Code 界面中自动折叠
• 显示“Claude 正在思考…”指示器
• 用户可以展开查看推理过程

文本块（可见）：

• 包含最终回答
• 正常显示
• 逐步流式输出

支持思考模式的模型

• ✅ x-ai/grok-code-fast-1 - Grok 的推理模式
• ✅ openai/gpt-5-codex - o1 推理（启用时）
• ✅ openai/o1-preview - 完整推理支持
• ✅ openai/o1-mini - 紧凑型推理
• ⚠️ 其他模型未来可能支持推理

技术细节

流式协议（V2 - 协议合规）：

1. message_start
2. content_block_start（文本，索引=0）      ← 立即发送！（必需）
3. ping
4. [若推理到达]
   - content_block_stop（索引=0）           ← 关闭初始空块
   - content_block_start（思考，索引=1）   ← 推理内容
   - thinking_delta 事件 × N 次
   - content_block_stop（索引=1）
5. content_block_start（文本，索引=2）      ← 响应内容
6. text_delta 事件 × M 次
7. content_block_stop（索引=2）
8. message_delta + message_stop

关键： content_block_start 必须在 message_start 之后、ping 之前立即发送。这是 Anthropic Messages API 协议的要求，以确保 UI 能够正确初始化。

主要特性：

• ✅ 思考与文本块分离（使用正确的索引）
• ✅ thinking_delta 和 text_delta 事件类型
• ✅ 思考内容默认隐藏
• ✅ 各块之间平滑过渡
• ✅ 完全兼容 Claude Code UI

UX 优势

之前（v1.0.0 - 不支持思考）：

• 推理内容以普通文本形式显示
• 内部思考与输出混杂，令人困惑
• 无进度指示
• 消息一次性全部更新

之后（v1.1.0 - 完全协议支持）：

• ✅ 推理内容隐藏/折叠
• ✅ 输出整洁、专业
• ✅ 显示“Claude 正在思考…”提示
• ✅ 平滑的增量流式传输
• ✅ 消息头和结构清晰可见
• ✅ 符合 Anthropic Messages API 协议

文档

完整协议文档请参见：

• STREAMING_PROTOCOL.md - 完整 SSE 协议规范
• PROTOCOL_FIX_V2.md - 关键 V2 协议修复（事件顺序）
• COMPREHENSIVE_UX_ISSUE_ANALYSIS.md - 技术分析
• THINKING_BLOCKS_IMPLEMENTATION.md - 实现概要

动态推理支持（v1.4.0 新增）

Claudish 现在能够智能适配任何支持推理的模型！

不再需要硬编码列表或手动标记。Claudish 会动态查询 OpenRouter 元数据，为所有支持推理的模型启用相应功能。

🧠 动态思考功能

1. 自动检测：

   • 启动时自动检查模型能力
   • 仅在支持时启用扩展思考 UI
   • 具有前瞻性：可即时支持新模型（如 deepseek-r1 或 minimax-m2）

2. 智能参数映射：

   • Claude： 直接传递 token 预算（如 16k tokens）
   • OpenAI (o1/o3)： 将预算转换为 reasoning_effort
     • “ultrathink”（≥32k）→ high
     • “think hard”（16k-32k）→ medium
     • “think”（<16k）→ low
   • Gemini & Grok： 自动保留思考签名和 XML 轨迹

3. 通用兼容性：

   • 可使用“ultrathink”或“think hard”提示词，适用于任何支持的模型
   • Claudish 会为您处理翻译层

上下文缩放与自动压缩

v1.2.0 新增： Claudish 现在能够智能管理 token 计数，支持任意上下文窗口大小（从 128k 到 2M+），同时保留 Claude Code 原生的自动压缩行为。

挑战

Claude Code 默认假设一个固定的上下文窗口（通常为 Sonnet 的 200k tokens）。

• 小型模型（如 Grok 128k）： Claude 可能过度消耗上下文而崩溃。
• 超大型模型（如 Gemini 2M）： Claude 会在使用量仅为 10% 时就过早压缩，浪费模型潜力。

解决方案：Token 缩放

Claudish 实现了一种“双重计数”系统：

1. 内部缩放（用于 Claude）：

   • 从 OpenRouter 获取真实的上下文限制（如 1M tokens）。
   • 我们按比例调整报告的 token 使用量，使 Claude 认为 1M tokens 相当于 200k。
   • 结果： 自动压缩将在正确的使用百分比（如 90%）触发，无论实际限制是多少。

2. 准确报告（供您使用）：

   • 状态栏显示真实未缩放的使用量和真实上下文百分比。
   • 您可以看到具体的成本和限制，而 Claude 仍然保持稳定运行。

好处：

• ✅ 适用于任何模型规模（128k、1M、2M 等）
• ✅ 解锁超大上下文窗口（Claude Code 在 Gemini 下性能提升 10 倍！）
• ✅ 防止小型模型崩溃（Grok）
• ✅ 原生行为（压缩功能正常运作）

开发

项目结构

mcp/claudish/
├── src/
│   ├── index.ts              # 主入口文件
│   ├── cli.ts                # CLI 参数解析器
│   ├── proxy-server.ts       # 基于 Hono 的代理服务器
│   ├── transform.ts          # API 格式转换（来自 claude-code-proxy）
│   ├── claude-runner.ts      # Claude CLI 运行程序（创建临时设置）
│   ├── port-manager.ts       # 端口管理工具
│   ├── config.ts             # 常量和默认值
│   ├── types.ts              # TypeScript 类型定义
│   └── services/
│       └── vision-proxy.ts   # 非视觉模型的图像描述服务
├── tests/                    # 测试文件
├── package.json
├── tsconfig.json
└── biome.json

代理实现

Claudish 使用基于 Hono 的代理服务器，灵感来源于 claude-code-proxy：

• 框架： Hono - 快速、轻量级的 Web 框架
• API 转换： 将 Anthropic API 格式 ↔ OpenAI 格式进行转换
• 流式传输： volle支持 Server-Sent Events (SSE)
• 工具调用： 处理 Claude 的 tool_use ↔ OpenAI 的 tool_calls
• 实战验证： 基于生产级的 claude-code-proxy 实现

为什么选择 Hono？

• 原生支持 Bun（无需适配器）
• 极其快速且轻量
• 支持中间件（CORS、日志等）
• 可跨 Node.js、Bun 和 Cloudflare Workers 使用

构建与测试

# 安装依赖
bun install

# 开发模式
bun run dev "测试提示"

# 构建
bun run build

# 代码检查
bun run lint

# 格式化
bun run format

# 类型检查
bun run typecheck

# 运行测试
bun test

协议合规性测试

Claudish 包含一套全面的快照测试系统，以确保与官方 Claude Code 协议的 1:1 兼容性：

# 运行快照测试（13/13 通过 ✅）
bun test tests/snapshot.test.ts

# 完整工作流程：捕获测试用例 + 运行测试
./tests/snapshot-workflow.sh --full

# 从监控模式捕获新的测试用例
./tests/snapshot-workflow.sh --capture

# 调试 SSE 事件
bun tests/debug-snapshot.ts

测试内容：

• ✅ 事件序列（message_start → content_block_start → deltas → stop → message_delta → message_stop）
• ✅ 内容块索引（按顺序：0、1、2、...）
• ✅ 工具输入流式传输（细粒度的 JSON 数据块）
• ✅ 使用量指标（在 message_start 和 message_delta 中存在）
• ✅ 停止原因（始终存在且有效）
• ✅ 缓存指标（创建和读取令牌）

文档：

• 快速入门指南 - 开始测试
• 快照测试指南 - 完整的测试文档
• 实现细节 - 技术实现概要
• 协议合规计划 - 详细的合规路线图

全局安装

# 全局使用链接
bun run install:global

# 现在可以在任何地方使用
claudish "你的任务"

故障排除

“Claude Code CLI 未安装”

安装 Claude Code：

npm install -g claude-code
# 或访问：https://claude.com/claude-code

“需要 OPENROUTER_API_KEY 环境变量”

设置您的 API 密钥：

export OPENROUTER_API_KEY=sk-or-v1-...

或者将其添加到您的 shell 配置文件中（~/.zshrc、~/.bashrc）：

echo 'export OPENROUTER_API_KEY=sk-or-v1-...' >> ~/.zshrc
source ~/.zshrc

“未找到可用端口”

指定自定义端口：

claudish --port 3000 "你的任务"

或者在 src/config.ts 中增加端口范围。

代理错误

检查 OpenRouter API 状态：

• https://openrouter.ai/status

验证您的 API 密钥是否有效：

• https://openrouter.ai/keys

状态行未显示模型

如果状态行没有显示模型名称：

1. 检查是否传递了 --settings 标志：

   # 在 Claudish 输出中查找以下内容：
   # [claudish] 实例设置：/tmp/claudish-settings-{时间戳}.json
   

2. 验证环境变量是否已设置：

   # 应该由 Claudish 自动设置
   echo $CLAUDISH_ACTIVE_MODEL_NAME
   # 应输出类似：xAI/Grok-1 的内容
   

3. 手动测试状态行命令：

   export CLAUDISH_ACTIVE_MODEL_NAME="xAI/Grok-1"
   cat > /dev/null && echo "[$CLAUDISH_ACTIVE_MODEL_NAME] 📁 $(basename "$(pwd)")"
   # 应输出：[xAI/Grok-1] 📁 你的目录名
   

4. 检查临时设置文件：

   # 文件创建在 /tmp/claudish-settings-*.json 中
   ls -la /tmp/claudish-settings-*.json 2>/dev/null | tail -1
   cat /tmp/claudish-settings-*.json | head -1
   

5. 验证 bash 是否可用：

   which bash
   # 应显示 bash 的路径（通常是 /bin/bash 或 /usr/bin/bash）
   

注意： 临时设置文件会在 Claudish 退出时自动清理。如果您看到多个文件，可能有实例崩溃——可以安全地手动删除它们。

与 Claude Code 的比较

特性	Claude Code	Claudish
模型	仅 Anthropic 模型	任意 OpenRouter 模型
API	Anthropic API	OpenRouter API
成本	Anthropic 定价	OpenRouter 定价
设置	API 密钥 → 直接	API 密钥 → 代理 → OpenRouter
速度	直接连接	~相同（本地代理）
功能	所有 Claude Code 功能	所有 Claude Code 功能
视觉功能	原生支持（Anthropic 模型）	任意模型（通过 Claude 自动描述）

何时使用 Claudish：

• ✅ 想尝试不同模型（Grok、GPT-5 等）
• ✅ 需要 OpenRouter 特定功能
• ✅ 更倾向于 OpenRouter 的定价
• ✅ 测试模型性能

何时使用 Claude Code：

• ✅ 只想使用最新的 Anthropic 模型
• ✅ 需要官方 Anthropic 支持
• ✅ 设置更简单（无需代理）

贡献

欢迎贡献！请：

1. 分支仓库
2. 创建功能分支：git checkout -b feature/amazing
3. 提交更改：git commit -m '添加惊人功能'
4. 推送到分支：git push origin feature/amazing
5. 打开拉取请求

许可证

MIT © MadAppGang

致谢

Claudish 的代理实现基于 @kiyo-e 的 claude-code-proxy。我们对其优秀的基于 Hono 的 API 转换层进行了改造，以实现与 OpenRouter 的集成。

来自 claude-code-proxy 的关键贡献：

• Anthropic ↔ OpenAI API 格式转换（transform.ts）
• 使用服务器发送事件处理流式响应
• 工具调用兼容层
• 干净的 Hono 框架架构

感谢 claude-code-proxy 团队构建了如此强大且可用于生产的基础设施！🙏

链接

• GitHub：https://github.com/MadAppGang/claudish
• OpenRouter：https://openrouter.ai
• Claude Code：https://claude.com/claude-code
• Bun：https://bun.sh
• Hono：https://hono.dev
• claude-code-proxy：https://github.com/kiyo-e/claude-code-proxy

---

由 MadAppGang 用心打造

Claudish 快速上手指南

Claudish 是一个命令行工具，允许你在 Claude Code 的界面中使用任意 AI 模型（如 Gemini、GPT-4o、Kimi、GLM、Ollama 等）。它通过本地代理将请求转换为 Anthropic API 兼容格式，让你无需额外订阅即可利用现有的 AI 服务。

环境准备

在开始之前，请确保满足以下前置条件：

1. 操作系统：Linux、macOS 或 Windows (需配合 WSL 或 Git Bash)。
2. 核心依赖：必须已安装 Claude Code CLI 工具。
3. 运行环境：Node.js (推荐 v18+) 或 Bun (v1.3.0+)。
4. API 密钥：至少拥有一个支持的提供商密钥（任选其一）：
   • OpenRouter (推荐，支持 580+ 模型): 获取密钥
   • Google Gemini: 获取密钥
   • OpenAI: 获取密钥
   • Kimi / GLM / MiniMax: 对应平台的 API Key
   • 本地模型: 安装 Ollama 或 LM Studio (无需 API Key)

国内开发者提示：如果你主要使用国产模型（如 Kimi、GLM-4、Qwen），可直接使用对应厂商的 API Key；若需访问受限模型，建议配置好网络环境或使用 OpenRouter 作为统一入口。

安装步骤

你可以选择以下任意一种方式进行安装：

方式一：使用 npm (通用)

npm install -g claudish

方式二：使用 Bun (更快速)

bun install -g claudish

方式三：免安装直接使用 (npx/bunx)

无需全局安装，每次运行时动态调用：

npx claudish@latest --model x-ai/grok-code-fast-1 "your prompt"
# 或
bunx claudish@latest --model x-ai/grok-code-fast-1 "your prompt"

方式四：Shell 脚本 (Linux/macOS)

curl -fsSL https://raw.githubusercontent.com/MadAppGang/claudish/main/install.sh | bash

基本使用

1. 初始化技能（首次使用推荐）

在项目根目录下运行以下命令，安装 Claudish 技能包。这将启用自动子代理委托和最佳实践模式，防止上下文污染。

cd /path/to/your/project
claudish --init

运行后请重启 Claude Code 以生效。

2. 交互式模式（最简单）

直接运行 claudish，工具会自动提示你输入 API Key 并选择模型。适合初次体验。

claudish
# 按提示输入 OpenRouter 或其他提供商的 Key
# 选择模型后即可开始对话

3. 指定模型运行

通过 --model 参数直接指定提供商和模型。语法格式为 provider@model-name。

设置环境变量（可选，避免每次输入 Key）：

export OPENROUTER_API_KEY=sk-or-v1-...
export GEMINI_API_KEY=...
export ANTHROPIC_API_KEY=sk-ant-api03-placeholder # 占位符，必须设置

运行示例：

• 使用 Gemini Advanced:

  claudish --model g@gemini-2.0-flash "为当前项目添加单元测试"
  

• 使用 ChatGPT (GPT-4o):

  claudish --model oai@gpt-4o "重构 src/utils 目录下的代码"
  

• 使用 Kimi:

  claudish --model kimi@kimi-k2.5 "分析当前的日志文件"
  

• 使用本地 Ollama 模型 (完全离线):

  claudish --model ollama@qwen2.5-coder:latest "解释这段代码的功能"
  

• 使用 OpenRouter 聚合模型:

  claudish --model openrouter@anthropic/claude-3.5-sonnet "审查代码安全性"
  

4. 高级用法：AI 代理模式

在 Claude Code 内部调用其他模型时，建议使用文件指令模式以避免上下文溢出：

# 查看 AI 代理使用指南
claudish --help-ai

# 示例：通过子代理任务调用 Grok 模型
# (在 Claude Code 对话中)
Use Task tool to run: claudish --model x-ai/grok-code-fast-1 --stdin < instructions.md

---

提示：Claudish 支持透传所有原生 Claude Code 的参数（如 --agent, --effort 等），你可以像使用原生命令一样灵活组合。