reverse-api-engineer
reverse-api-engineer 是一款专为开发者设计的智能命令行工具,旨在自动化完成 API 的逆向工程工作。它解决了传统手动分析网络流量、编写接口文档及构建客户端代码耗时且易错的痛点。用户只需通过该工具浏览目标网站,它便能自动捕获浏览器网络流量,并利用先进的 AI 模型(如 Claude)深度分析数据,最终生成包含错误处理、类型提示和完整文档的生产级 Python API 客户端代码。
这款工具特别适合后端工程师、全栈开发者以及需要快速集成第三方服务的技术人员。其核心亮点在于集成了“自主代理模式”,能够模拟真实人类行为进行无头浏览器操作,有效绕过部分反爬机制;同时支持多种运行模式,从完全自动化的 AI 驱动到精细的手动控制,满足不同场景需求。此外,reverse-api-engineer 还能自动生成详细的成本估算与会话日志,确保开发过程透明可控。无论是想要快速探索未知接口,还是希望将繁琐的逆向工作流标准化,它都能让开发者从重复劳动中解放出来,专注于核心业务逻辑的实现。
使用场景
某电商数据分析师需要快速抓取竞品网站的商品价格与库存数据,但该站点未公开任何 API 文档,仅通过前端动态加载数据。
没有 reverse-api-engineer 时
- 人工逆向耗时极长:开发者必须手动打开浏览器开发者工具,逐条筛选网络请求,尝试从混淆的 JavaScript 代码中拼凑出真实的接口地址和参数规律。
- 维护成本高昂:一旦网站更新前端逻辑或修改请求头验证机制,原本写好的爬虫脚本立即失效,需要重新进行繁琐的人工分析。
- 代码质量参差不齐:手工编写的请求代码往往缺乏完善的错误处理、类型提示和标准文档,难以直接集成到生产环境中。
- 容易触发反爬:由于无法精准模拟真实浏览器的指纹和行为特征,简单的 HTTP 请求极易被网站识别为机器人并拦截。
使用 reverse-api-engineer 后
- 自动化捕获与生成:只需启动工具让 AI 代理自动浏览目标页面,它即可实时捕获 HAR 流量,并利用 Claude 模型自动分析出接口逻辑,直接生成生产级的 Python API 客户端代码。
- 自适应更新能力:当网站结构变化时,重新运行工具即可基于最新流量快速再生成适配的代码,将原本数天的重构工作缩短至几分钟。
- 开箱即用的工程化代码:生成的脚本内置了完整的类型注解、异常处理机制及详细的 API 文档,无需额外加工即可投入业务使用。
- 拟真浏览规避检测:依托内置的 Playwright 隐身模式,工具能模拟真实用户的浏览行为和网络指纹,显著降低被反爬机制封禁的风险。
reverse-api-engineer 将原本需要资深工程师数天完成的逆向工程工作,转化为“浏览即代码”的分钟级自动化流程,极大降低了数据获取的技术门槛。
运行环境要求
- Linux
- macOS
- Windows
未说明 (基于 Playwright 的浏览器自动化和 LLM API 调用,通常无需本地 GPU)
未说明 (建议至少 4GB 以运行浏览器和 Python 环境)

快速开始
一款能够捕获浏览器流量并自动生成适用于生产环境的 Python API 客户端的命令行工具。
无需再进行手动逆向工程——只需浏览、捕获,并轻松获得干净的 API 代码。
代理模式
手动模式
目录
✨ 功能
- 🌐 浏览器自动化:基于 Playwright 构建,采用隐身模式实现逼真的浏览体验
- 🤖 自主代理模式:通过 AI 代理实现全自动的浏览器交互(自动模式,结合 MCP、浏览器使用、舞台助手功能)
- 📊 HAR 录制:以 HTTP 存档格式捕获所有网络流量
- 🧠 AI 驱动生成:利用 Claude 4.6 分析流量并生成干净的 Python 代码
- 🔍 采集模式:支持数据采集,并自动导出 JSON 和 CSV 文件
- 🔌 多 SDK 支持:与 Claude 和 OpenCode SDK 的原生集成
- 💻 交互式 CLI:极简主义的终端界面,支持模式切换(Shift+Tab)
- 📦 面向生产环境:生成的脚本包含错误处理、类型提示和文档说明
- 💾 会话历史:所有运行记录均保存在本地,并附带完整的消息日志
- 💰 成本追踪:通过缓存支持,详细记录令牌使用情况及成本估算
- 🏷️ 标签系统:强大的标签体系,实现细粒度控制(@record-only、@codegen、@docs、@id)
限制条件
- 本工具在本地执行代码时依赖 Claude Code——请留意输出结果
- 部分网站采用高级机器人检测机制,可能限制捕获或要求手动交互
🚀 安装
使用 uv(推荐方式)
# 基础安装
uv tool install reverse-api-engineer
# 含代理模式支持(包括浏览器使用与 HAR 录制)
uv tool install 'reverse-api-engineer[agent]' --with 'browser-use @ git+https://github.com/browser-use/browser-use.git@49a345fb19e9f12befc5cc1658e0033873892455'
使用 pip
# 基础安装
pip install reverse-api-engineer
# 含代理模式支持
pip install 'reverse-api-engineer[agent]'
pip install git+https://github.com/browser-use/browser-use.git@49a345fb19e9f12befc5cc1658e0033873892455'
安装后
安装 Playwright 浏览器:
playwright install chromium
增强版定价支持(可选)
默认情况下,Reverse API Engineer 会为最常用的模型(Claude 4.6、Gemini 3)提供定价数据。若需扩展模型覆盖范围(100 多种额外模型,包括 OpenAI GPT、Mistral、DeepSeek 等),可通过购买定价附加组件来实现:
# 使用 uv
uv tool install 'reverse-api-engineer[pricing]'
# 使用 pip
pip install 'reverse-api-engineer[pricing]'
这使得系统能够通过 LiteLLM 自动查询模型定价信息,适用于未收录于内置数据库中的模型。定价系统采用三层备选方案:
- 本地定价(优先级最高)——内置常见模型的定价方案
- LiteLLM 定价(如已安装)——为 100 多种模型提供更广泛的覆盖
- 默认定价(终极备选方案)——采用 Claude Sonnet 4.6 的定价策略
无论是否安装定价附加组件,成本追踪功能始终可用。
🚀 快速入门
启动交互式 CLI:
reverse-api-engineer
CLI 提供四种模式(可通过 Shift+Tab 进行模式切换):
- 手动模式:浏览器捕获 + AI 生成
- 工程师模式:对现有捕获进行重新处理
- 代理模式:自主的 AI 浏览器代理(默认为基于 MCP 的浏览器自动模式 + 实时逆向工程)
- 采集模式:AI 驱动的网页数据采集(目前仅提供极简版本)
示例工作流程:
$ reverse-api-engineer
> 获取苹果公司所有职位招聘信息
# 浏览器打开、导航并进行交互
# 完成后关闭浏览器
# AI 生成适用于生产环境的 API 客户端
# 脚本保存至:./scripts/apple_jobs_api/
📖 使用模式
手动模式
完整流程,包含手动浏览器交互:
- 启动 CLI:
reverse-api-engineer - 输入任务描述(例如:“获取苹果公司职位招聘信息”)
- 可选地提供起始 URL
- 浏览并与网站进行交互
- 完成后关闭浏览器
- AI 自动生成 API 客户端
输出位置:
~/.reverse-api/runs/scripts/{run_id}/(永久存储)./scripts/{descriptive_name}/(本地副本,名称清晰易读)
工程师模式
对先前的捕获再次运行 AI 生成:
# 切换至工程师模式(Shift+Tab),输入运行 ID
# 或者使用命令行:
reverse-api-engineer engineer <run_id>
代理模式
完全自动化地通过 AI 代理进行浏览器交互:
- 启动 CLI 并切换至代理模式(Shift+Tab)
- 输入任务描述(例如:“点击第一个职位招聘信息”)
- 可选地提供起始 URL
- 代理自动完成导航与交互
- 自动录制 HAR 数据
- 自动生成 API 客户端
代理提供商选项:
- auto(默认):基于 MCP 的浏览器自动化模式,结合 Claude Agent SDK 与 OpenCode。将浏览器控制与实时逆向工程整合到一个工作流中,无需额外安装,只需安装基础包即可。
- browser-use:使用 browser-use 库实现浏览器自动化。需通过
[agent]附加组件以及特定 Git 仓库的 browser-use 版本进行安装(含 HAR 录制支持)。 - stagehand:使用 Stagehand 实现浏览器自动化,适用于计算机使用模型。
在 /settings 中更改代理提供商:agent provider。
收集模式
使用 Claude Agent SDK 进行网络数据采集:
- 启动命令行界面,并切换至收集模式(按 Shift+Tab 键)。
- 输入一段自然语言提示,描述需要采集的数据内容(例如:“查找 3 个 JavaScript 框架”)。
- 代理会利用 WebFetch、WebSearch 以及文件工具,自主完成结构化数据的采集工作。
- 数据会自动导出为 JSON 和 CSV 格式。
输出位置:
~/.reverse-api/runs/collected/{folder_name}/(永久存储)./collected/{folder_name}/(本地副本,名称可读)
输出文件:
items.json- 以 JSON 格式存储的采集数据items.csv- 以 CSV 格式存储的采集数据README.md- 采集元数据及架构文档
模型配置:
收集模式采用 collector_model 设置(默认值:claude-sonnet-4-6)。该设置可在 ~/.reverse-api/config.json 中进行配置。
示例工作流程:
$ reverse-api-engineer
> 查找 3 个 JavaScript 框架
# 代理将自主搜索并采集数据
# 数据保存至:./collected/js_frameworks/
🏷️ 标签
标签可在每种模式中提供额外的控制与功能:
手动/代理模式标签
@record-only - 仅记录 HAR 文件,跳过反向工程步骤
- 示例:
@record-only navigate checkout flow - 在需要捕获流量以便后续分析时非常有用。
- 示例:
@codegen - 记录浏览器操作并生成 Playwright 自动化脚本
- 示例:
@codegen navigate to google - 捕获点击、表单填写及导航操作,从而生成可复用的 Playwright 脚本。
- 示例:
工程师模式标签
@id
- 切换至特定运行 ID 的上下文 - 示例:
@id abc123 - 加载上一次的捕获会话,用于重新进行反向工程。
- 示例:
@id
- 对特定运行执行工程师模式操作,并附带指令- 示例:
@id abc123 extract user profile - 使用新指令对捕获结果进行重新处理。
- 示例:
@id
--fresh - 从头开始(忽略之前的脚本)- 示例:
@id abc123 --fresh restart analysis - 从零开始生成新代码,忽略之前的实现方案。
- 示例:
@docs - 为最新运行生成 API 文档(OpenAPI 规范)
- 示例:
@docs - 从捕获的流量中创建 OpenAPI 规范。
- 示例:
@id
@docs - 为特定运行生成 API 文档- 示例:
@id abc123 @docs - 为特定的捕获会话生成 OpenAPI 规范。
- 示例:
🔧 配置
设置存储于 ~/.reverse-api/config.json:
{
"agent_provider": "auto",
"browser_use_model": "bu-llm",
"claude_code_model": "claude-sonnet-4-6",
"collector_model": "claude-sonnet-4-6",
"opencode_model": "claude-sonnet-4-6",
"opencode_provider": "anthropic",
"output_dir": null,
"output_language": "python",
"real_time_sync": true,
"sdk": "claude",
"stagehand_model": "openai/computer-use-preview-2025-03-11"
}
模型选择
在 API 生成方面,可选择 Claude 4.6 模型:
- Sonnet 4.6(默认):性能与成本均衡的选项
- Opus 4.6:适用于复杂 API 的最高能力版本
- Haiku 4.5:速度最快且成本最低的选项
可通过 /settings 或命令行进行更改:
reverse-api-engineer manual --model claude-sonnet-4-6
若使用 Opencode,请参阅 模型。
代理配置
为自主浏览器自动化配置 AI 代理。
代理提供商:
- auto(默认):基于 MCP 的浏览器自动化工具,支持实时反向工程。通过 Claude Agent SDK 结合浏览器 MCP 工具,将浏览器控制与 API 反向工程整合为一个统一的工作流。既可与 Claude SDK(默认)配合使用,也可与 OpenCode SDK 搭配使用。
- browser-use:支持 Browser-Use LLM、OpenAI 以及 Google 模型。需通过
[agent]附加组件进行安装。 - stagehand:支持 OpenAI 与 Anthropic Computer Use 模型
代理模型:
Browser-Use 提供商:
bu-llm(默认) - 需要BROWSER_USE_API_KEYopenai/gpt-4、openai/gpt-3.5-turbo- 需要OPENAI_API_KEYgoogle/gemini-pro、google/gemini-1.5-pro- 需要GOOGLE_API_KEY
Stagehand 提供商(仅限计算机使用):
openai/computer-use-preview-2025-03-11- 需要OPENAI_API_KEYanthropic/claude-sonnet-4-6-20260301- 需要ANTHROPIC_API_KEYanthropic/claude-haiku-4-5-20251001- 需要ANTHROPIC_API_KEYanthropic/claude-opus-4-6-20260301- 需要ANTHROPIC_API_KEY
API 密钥设置:
export BROWSER_USE_API_KEY="your-api-key" # 适用于 Browser-Use
export OPENAI_API_KEY="your-api-key" # 适用于 OpenAI 模型
export ANTHROPIC_API_KEY="your-api-key" # 适用于 Anthropic 模型
export GOOGLE_API_KEY="your-api-key" # 适用于 Google 模型
在 /settings 中进行更改,或通过命令行调整:
reverse-api-engineer manual --model claude-sonnet-4-6
若使用 Opencode,请参考 模型。
代理 SDK 选择
- Claude(默认):直接集成 Anthropic 的 Claude API
- OpenCode:使用 OpenCode SDK(需在本地运行 OpenCode)
在 /settings 中进行更改,或直接编辑 config.json。
输出语言
控制生成的 API 客户端所使用的编程语言:
- python(默认):生成 Python API 客户端
- javascript:生成 JavaScript API 客户端
- typescript:生成 TypeScript API 客户端
在 /settings 中更改“输出语言”,或直接编辑 config.json:
{
"output_language": "typescript"
}
实时同步
在工程会话期间,启用或禁用文件的实时同步:
- 启用(默认):文件会在生成时同步至磁盘
- 禁用:文件仅在会话结束时写入
启用后,您可以在 AI 生成文件的同时实时查看文件的更新情况。这一功能对于监控进度和调试非常有用。
在 /settings 中更改“实时同步”设置,或直接编辑 config.json:
{
"real_time_sync": false
}
💻 命令行指令
在命令行中使用以下斜杠命令:
/settings- 配置模型、代理、SDK 以及输出目录/history- 查看过往运行及其费用/messages <run_id>- 查看详细的消息日志/help- 显示所有命令/exit- 退出
🔌 Claude Code 插件
在 Claude Code 中安装插件:
claude # 打开 REPL
/plugin marketplace add kalil0321/reverse-api-engineer
/plugin install reverse-api-engineer@reverse-api-engineer
请参阅 插件文档 以了解命令、代理、技能及使用示例。
🌐 Chrome 扩展
⚠️ 正在开发中
一款 Chrome 扩展,可为 reverse-api-engineer 提供原生的浏览器集成功能。该扩展允许您直接从 Chrome 捕获浏览器流量,并通过侧边栏界面与反向工程流程进行交互。
功能:
- HAR 捕获:利用 Chrome 的 Debugger API 记录网络流量
- 侧边栏界面:提供交互式界面,用于管理捕获任务并与 AI 代理进行聊天交流
- 原生主机集成:与 reverse-api-engineer CLI 工具实现通信
设置
先决条件:
- Node.js 和 npm
- Chrome 浏览器
- 已安装 reverse-api-engineer CLI(
uv tool install reverse-api-engineer) - 已安装 Claude Code CLI(
npm install -g @anthropic-ai/claude-code)
步骤:
构建扩展:
cd chrome-extension npm install npm run build在 Chrome 中加载:
- 打开
chrome://extensions/ - 启用 开发者模式(右上角切换开关)
- 点击 加载已解压的扩展程序,并选择
chrome-extension/dist目录 - 复制扩展程序的 ID(扩展名下方显示的 32 位字符串)
- 打开
安装原生主机(将扩展程序与 CLI 连接):
reverse-api-engineer install-host --extension-id YOUR_EXTENSION_ID仅限 macOS — 在运行一次以通过 Gatekeeper 审核 Claude Code:
claude --version如果 macOS 显示安全提示,请前往 系统设置 > 隐私与安全性,点击 允许一切,然后再次运行该命令。
开发流程:
npm run dev— 监听模式(更改时自动重新构建,随后在chrome://extensions/中重新加载)npm run build— 生产环境构建
💡 示例
示例:对招聘网站 API 进行反向工程
$ reverse-api-engineer
> 从其职业页面获取所有苹果职位
# 浏览器打开,您可进行导航和交互
# 完成后关闭浏览器
# AI 生成:
# - api_client.py(完整的 API 实现)
# - README.md(文档说明)
# - example_usage.py(使用示例)
# 脚本已复制到:./scripts/apple_jobs_api/
生成的 api_client.py 包含以下内容:
- 认证处理
- 清洁函数接口
- 类型提示与文档字符串
- 错误处理
- 适用于生产环境的代码
🛠️ 开发
设置
git clone https://github.com/kalil0321/reverse-api-engineer.git
cd reverse-api-engineer
uv sync
运行
uv run reverse-api-engineer
构建
./scripts/clean_build.sh
🔐 需求
- Python 3.11+
- Claude Code / OpenCode(用于反向工程)
- 已安装 Playwright 浏览器
- 代理模式所需的 API 密钥(参见 代理配置)
🤝 贡献
欢迎贡献!请随时提交 Pull Request。
📄 许可证
本项目采用 MIT 许可证——详情请参阅 LICENSE 文件。
版本历史
v0.6.02026/04/01v0.5.02026/03/17v0.4.52026/03/15v0.4.32026/03/12v0.4.02026/03/10v0.3.32026/03/10v0.3.22026/01/15v0.3.02026/01/10v0.2.102026/01/03v0.2.92025/12/30v0.2.82025/12/27v0.2.72025/12/27v0.2.62025/12/27v0.2.42025/12/27v0.2.32025/12/26v0.2.22025/12/26v0.2.12025/12/25v0.2.02025/12/25常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。