← 返回重点项目
查看 GitHub 项目

lidge-jun/opencodex

一句话定位

通用 provider proxy，让 OpenAI Codex CLI 与 Claude Code 同时接入任意 LLM（Claude、Gemini、Grok、DeepSeek、Ollama、OpenRouter 等）——把"harness 锁定单一厂商"的问题转化为"harness 与模型解耦"。

它解决的问题

2026 年的 coding agent harness 普遍"绑死在自家模型"——OpenAI Codex CLI 默认用 OpenAI、Claude Code 默认用 Anthropic、Kiro 默认用 AWS Bedrock。用户想换模型（如用 DeepSeek 跑便宜、用本地 Ollama 跑隐私）就得换 harness，工具链碎片化严重。opencodex 在 harness 与模型之间架一层 provider proxy：① 复用现有 harness（Codex CLI、Claude Code）；② 通过兼容层接入任意 LLM；③ 20+ 模型 tags 表明覆盖主流供应商。解决的是 "harness 锁定 vs 模型可替换"的二元矛盾——是 harness 时代的"中间件"。

为什么值得关注（2026-08-22）

热度来源判断

模型焦虑 × 厂商锁定反感 × 工具链复用需求三重驱动。 自 2025 下半年起，AI 圈对"厂商绑定"的反思持续加深（OpenAI 涨价、Anthropic 限速、模型迭代频繁），"用同一个 harness 跑任意模型"是工程师的核心痛点。opencodex 65 天 1.1 万星，证明中间层有真实需求。但需警惕：模型代理层的"覆盖广度"容易让用户误以为无成本——实际 token 计费差异、上下文窗口差异、tool calling 协议差异都需逐项适配。

关键技术亮点

  1. 20+ 标签覆盖：topics 同时含 OpenAI / Anthropic / Google Gemini / xAI Grok / DeepSeek / Ollama / OpenRouter / Kiro——是已知中间层中覆盖面最广之一。
  2. 跨 harness 兼容：同时支持 Codex CLI 与 Claude Code，意味着同一 provider proxy 可服务两个不同工作流。
  3. TypeScript 实现：与 Node 生态无缝集成，对前端 / 全栈开发者友好。
  4. AI Gateway 定位：topics 含 ai-gateway、llm-proxy、proxy——定位清晰，是协议适配而非模型路由。
  5. OpenRouter 集成：可作为上层（OpenRouter 已聚合多家厂商），但用户选 opencodex 多是"不想经过 OpenRouter 中转"或"想统一管理 credentials"。

架构师速览

决策问题 研究判断 证据边界
系统边界 Codex CLI / Claude Code 与 LLM Provider 之间的协议适配层，承担请求转换、模型路由、token 兼容性调整；不替代 harness 也不替代模型 API 仅基于档案描述的 20+ topics 与 cross-harness 兼容；具体协议转换矩阵（Anthropic ↔ OpenAI ↔ Gemini 字段映射）、tool calling schema 兼容性未在档案中给出
主路径 用户调用 Codex CLI 或 Claude Code → opencodex 拦截 → 协议适配（Anthropic ↔ OpenAI ↔ Gemini ↔ Ollama...）→ 选定 LLM API → 响应回写 → harness 收到兼容格式响应 主路径为档案语义抽象；具体拦截方式（CLI wrapper / 透明代理 / 配置注入）、计费归一化、错误回退策略均待核验
关键权衡 覆盖广度（20+ 标签）vs 单模型深度（不同模型 tool calling、流式响应、上下文窗口差异显著）；跨 harness 兼容（Codex + Claude）vs 单 harness 专注时的易用性；本地代理（凭据本地保留）vs 云端代理（部署简易） 覆盖广度与跨 harness 兼容由 topics 直接证明；凭据管理、错误回退、限流策略等深度问题均待核验
最小 PoC 选一个真实小项目，固定 harness（如 Claude Code），跑三个对比：① 直接 Anthropic；② opencodex 转 OpenAI；③ opencodex 转本地 Ollama。对比 tool calling 准确率、token 计费、延迟，验证"代理透明性"后再扩展到第二 harness PoC 范围由档案"先验证代理透明、再扩面"原则推导；具体命令、兼容字段表、SLO 指标待核验

架构启发

opencodex 的核心启发是 "在 AI 工具栈中重演 HTTP 代理"——1990s 浏览器需要代理才能上网，2026s coding agent 需要代理才能换模型。更深层的启发是 "中间层永远有商业价值"：当上层应用（harness）与底层资源（model）都开始碎片化时，"协议 + 兼容层"就能赢得用户。opencodex 的话题热度证明：在 GenAI 时代，用户不希望被绑死，即使是 OpenAI / Anthropic 这样的巨头也无法阻止中间件生态。对照 OpenRouter（云端聚合）、litellm（Python 库）、Portkey（网关），opencodex 是"TypeScript 优先 + cross-harness"的差异化定位。

架构图（MMD）

证据边界：此图只采用本档案已有可核验描述；"待核验"节点不应视为项目实现事实。

flowchart LR
  User[开发者] --> H1[Codex CLI]
  User --> H2[Claude Code]
  User --> H3[Kiro IDE]
  H1 --> Proxy[opencodex provider proxy
TypeScript 实现]
  H2 --> Proxy
  H3 --> Proxy
  Proxy --> Compat[协议适配层
Anthropic ↔ OpenAI ↔ Gemini ↔ Ollama
tool calling 兼容 待核验]
  Compat --> M1[OpenAI]
  Compat --> M2[Anthropic]
  Compat --> M3[Google Gemini]
  Compat --> M4[xAI Grok]
  Compat --> M5[DeepSeek]
  Compat --> M6[本地 Ollama]
  Compat --> M7[OpenRouter]
  Proxy -.凭据与限流边界.-> Cred[凭据本地保留
限流策略 待核验]

定位判断

harness 中间层 / Provider Proxy。opencodex 是"harness 时代中间件"赛道的代表项目，差异化在于：① TypeScript 优先（与 Node 生态吻合）；② 同时支持多个 harness（不止 Codex 或不止 Claude）；③ 覆盖广度 20+ 标签（含本地 Ollama）。11k 星在 65 天达成，证明中间层有真实需求——尤其当用户从"单一厂商"扩展到"多模型 A/B 测试"或"按成本切换"时。但生产化前需验证：① 各模型 tool calling 兼容度；② 长上下文窗口截断风险；③ 凭据管理与审计合规。

风险 / 局限 / 泡沫点

与同类项目的关系

是否值得持续跟踪

值得跟踪（harness 中间层赛道风向标）。opencodex 体现了用户对"模型可替换性"的真实需求。建议关注：① 是否扩展到更多 harness（Cursor、Aider、Cline）；② 是否引入 token 成本优化（如自动路由到最便宜的等价模型）；③ 是否被厂商正式承认或反制（OpenAI、Anthropic 的政策）。对开发者：可直接采用——尤其当需要"在 Claude Code 中用本地 Ollama"或"在 Codex CLI 中用 DeepSeek"时。对 harness 厂商：应警惕被绕过——opencodex 类项目意味着"用户用我的 harness 但不用我的模型"成为可能。

后续观察点

数据来源: GitHub API (2026-08-22) | Stars: 11,667 | Language: TypeScript | 创建: 2026-06-18 | 官方 topics: 20 个相关标签，含 ai-gateway、llm-proxy、anthropic、openai、deepseek、ollama、openrouter、kiro