给不支持自定义头的 IDE 接 OpenCode Go:17891 本机中继、Responses 流式互转与积分遥测验算
本文目录(3 节)
10 月 7 日到 8 日,我想把手里现成的 OpenCode Go 订阅(含 DeepSeek V4、GLM-5.3、Kimi K3、Qwen3.8 Max、GPT-6 Luna、Grok 4.7 等模型)接进 WorkBuddy 和其他桌面客户端里日常使用,顺便把之前将近五千积分的账单算清楚。
1. 为什么直连必报 400 MissingSessionID?
OpenCode Go 的网关(https://opencode.ai/zen/go/v1/*)有一条硬规矩:所有请求必须携带 x-opencode-session 请求头(值可以是任意非空字符串),缺头一律返回 400 MissingSessionID,而且写成 URL query 参数无效。
在 AstrBot 里这根本不是问题,因为 cmd_config.json 的 provider_sources 原生支持 custom_headers。但我拆开 WorkBuddy 的 app.asar 看它读取 ~/.workbuddy/models.json 的 schema,允许的字段只有 id / name / vendor / apiKey / url / maxInputTokens / maxOutputTokens / temperature / supports*,压根没有 headers 字段。另外像 gpt-5.6-luna、gpt-6-luna、grok-4.6/4.7 只支持 /v1/responses 端点,而自定义模型通道只会打 /v1/chat/completions。
2. 本机中继 127.0.0.1:17891:补头、协议互转与 CONNECT 隧道坑
既然客户端不肯发头、也不会说 Responses 协议,最省事的办法就是在本机 127.0.0.1:17891 架一层轻量 Node.js 中继(C:\Users\30408\.workbuddy\shared\ocgo-relay\relay.js):
- 自动换真 Key 与补头:忽略客户端传来的占位 key,读取
~/.local/share/opencode/auth.json里的真实凭据并补上x-opencode-session; - Chat ↔ Responses 双向流式翻译:当模型是
gpt-*或grok-*时,把客户端发来的/v1/chat/completions请求体(含 system 指令、多轮消息、图片与tools定义)翻译成/v1/responses格式发给上游;收到上游的response.output_text.delta、response.reasoning_summary_text.delta和response.function_call_arguments.deltaSSE 事件流后,再实时重包成 OpenAI 标准chat.completion.chunk推回客户端; - 推理字段归一:上游不同模型有的吐
reasoning,有的吐reasoning_content,在中继层统一归一为reasoning_content。
写代理出口时踩了一个 Node 标准库的经典坑:Node 直连 Cloudflare 时偶发只拿到 IPv6 报 ECONNRESET,所以我让中继优先走本机 Clash(127.0.0.1:7897)。第一版我直接在 https.request(options) 里传了 createConnection 回调,结果代理形同虚设。查 Node 源码才确认:https.request 根本不看顶层的 createConnection,只有自定义 https.Agent 的 createConnection 才会被调用。改成继承 https.Agent、先发 CONNECT 建隧道再套 tls.connect,并加上 20s 连接超时 / 120s 空闲超时后,selftest.py 的非流式、流式和工具调用测试全绿,15 个 (Go) 模型热加载进下拉列表。
同一天还顺手修了机器人那边 Intern AI Token Plan(discovery-api.intern-ai.org.cn/v1)“装不上”的毛病:原因是 WebUI 创建来源时把 type 选成了 openai_responses,打去 /responses 必报 400 missing field messages;把 cmd_config.json 里的 type 改成 openai_chat_completion 即可。
3. 从客户端 qua.end 遥测日志验算真实的 Token / 积分比
10 月 8 日我导出了 9 月 20 日至 10 月 8 日的积分明细表(moxing.xlsx,共 384 笔、合计消耗 4,928.49 积分),想搞明白两点:积分到底被谁吃掉了?1 积分到底等于多少 Token?
先用纯标准库(zipfile + xml.etree.ElementTree 直接解析 xlsx 的 sharedStrings.xml,绕开环境里没装 openpyxl 的限制)跑完精确聚合:
- 70.83% 的日常调用(272 笔 ≤5 分的
deepseek-v4.1-flash)加起来只花了 6.13% 的积分; - 真正的大出血点是 7 次
kimi-k3调用(吃掉 2,254.07 分,占 45.74%),以及 >100 分的 10 笔大请求(占总量 55.97%)。
但 xlsx 表里只有 RequestID 和积分,没有 Token 数;网上传言的“1 积分 = 4,100 Token”和“1 积分 = 31,874 Token”又差了将近 8 倍。我翻遍 ~/.workbuddy/,在两处找到了真相:
- 官方倍率与闲时折扣表:藏在
~/.workbuddy/cache/acc-product-config-v3.json里。models[].credits明写了每个模型的倍率(如kimi-k3-1是×1.62,glm-5.3是×0.79,deepseek-v4.1-flash是×0.11,hy3促销期×0.00);modelPromotions[]则写明了 DeepSeek 全系在非高峰时段打 5 折、Hy4 每晚 23:00–08:00 免费——这直接解释了账单里那 107 笔 0 积分记录。 - 单次请求的真实 Token 遥测:藏在
~/.workbuddy/logs/**/*.log的qua.end: {...}日志行里,里面的conversation_request_id与 xlsx 的RequestID一一对应,并记有prompt_tokens、completion_tokens和total_tokens。
把日志里抓到的 qua.end 记录与账单做精确内连接(命中 36 笔,覆盖 1,603.91 积分、实测总计 108,995,366 Tokens):实测均值是 67,956 Tokens / 积分;扣除模型倍率与时段折扣后,折算回 ×1.0 基准档的中位值约为 24,887 Tokens / 积分,据此还原出这 4,928.49 积分大约跑了 3.4 亿 ~ 4.7 亿 Tokens。