dsh-sub2api

English

将你的 sub2api 网关接入 DeepSeek Harness，作为模型供应商。

sub2api 是一个把订阅配额转成 OpenAI 兼容 API 的网关。它的模型是：每个 API key 绑定一个分组，分组决定平台（OpenAI / Claude / Grok / Gemini）与可用模型。四个供应商路由（sub2api-openai、sub2api-claude、sub2api-grok、sub2api-gemini）由 harness 自带的 pi-ai 适配器（dsh-llm-pi-ai）承载：本插件把 llm-sub2api: 配置翻译成 llm-pi-ai: provider profiles（共享同一个裸主机 baseURL，不带 /v1），协议序列化、流式、用量统计全部由 pi-ai 完成。同一个网关同时提供 OpenAI、Claude、Grok、Gemini 模型，harness 按 key 所在分组自动路由请求。

功能

• 一个 baseURL，四个供应商路由：sub2api-openai、sub2api-claude、sub2api-grok、sub2api-gemini——各自配置独立 key，填好 key 即注册为可用的 LLM 供应商。
• 流式对话（由 pi-ai 承载）：SSE 流式、工具调用、reasoning 增量与 token 用量由 dsh-llm-pi-ai 映射到 harness 协议，天然正确处理 Responses API 的 function_call 顶层条目等 wire format 细节。
• 模型发现：一键「获取模型」调用 GET {baseURL}/models（携带该 key），每个路由的模型目录与 sub2api 分组实际提供的完全一致。
• 正式模型参数：设置页按模型 ID 从 models.dev 自动补全名称、Context Window 与最大输出长度；匹配不到的字段保持为空，可手动填写。
• 推理等级（思考模式）：对话模型选择器可直接调整 reasoning_effort（透传网关）；设置页「思考强度」列按 models.dev 的 reasoning_options 逐模型填充真实档位（如 gpt-5.6-sol 为 none/low/medium/high/xhigh/max，deepseek-v4-flash 为 low/high/max），可手动增删档位或显式关闭。
• 用量查询：「查看用量」调用 GET {baseURL}/usage，汇总配额、余额、限流窗口与订阅周期用量。
• 标准配置：baseURL 与模型目录存于 llm-sub2api: 设置节（$DSH_HOME/settings.yaml，web 模型页可直接写入）；key 走 harness 凭据存储。
• 全局识图 / 生图工具：即使当前会话模型不支持图片，也可以调用 analyze_image 和 generate_image。它们走设置页指定的识图 / 生图模型，返回文字描述或工作区文件路径，不会把图片块塞进纯文本会话。generate_image 生成后会把图片保存为附件，并在工具结果中返回 image 内容块，聊天记录里直接内联渲染图片（插件自带附件字节路由 + 工具卡片内嵌预览组件）；附件服务不可用时自动退回纯文本结果。
• Auto Vision（自动识图）：给纯文本模型图片能力。不仅覆盖本插件自己的 sub2api-* 路由，还自动包装所有已注册的文本模型提供商——deepseek 官方（deepseek-official）、llm-pi-ai、其他插件添加的路由都会生成同名镜像（如 deepseek-official-vision，模型选择器中显示为「DeepSeek + 自动识图」）。镜像路由声明图片输入，通过 harness 附件准入后，把图片块改写为视觉模型转述（走设置的识图模型，按附件缓存），再以纯文本回合委托给原模型——DeepSeek 始终只收文本，视觉模型只当眼睛。跟随 llm/adapters-updated 事件自动增删镜像，与其他插件的同名路由冲突时自动跳过。
• 供应商图标来自 lobehub/lobe-icons，以 SVG 内嵌在设置页中。

安装

dsh plugin --profile web add @godd6366/dsh-sub2api

或直接在本仓库目录：

dsh plugin --profile web add .

配置

打开 设置 → Sub2API 模型（或直接编辑 $DSH_HOME/settings.yaml）：

llm-sub2api:
  baseURL: http://localhost:8080
  providers:
    openai:
      apiKeyEnv: SUB2API_OPENAI_API_KEY
      models:
        - id: gpt-4o
          name: GPT-4o
          contextWindow: 128000
          maxTokens: 16384
    claude:
      apiKeyEnv: SUB2API_CLAUDE_API_KEY
    grok:
      apiKeyEnv: SUB2API_GROK_API_KEY
    gemini:
      apiKeyEnv: SUB2API_GEMINI_API_KEY
  tools:
    analyze:
      provider: openai
      model: gpt-4o
    generate:
      provider: openai
      model: gpt-image-1

通过凭据服务存储各 key（web 模型页可写入，或导出 SUB2API_OPENAI_API_KEY=… 等环境变量）。某平台填了 key 后对应路由才激活；清空 key 即可移除该路由。

Auto Vision（自动识图）

默认开启。不仅包装 sub2api-* 自己的路由，也自动包装所有已注册的文本模型提供商（deepseek 官方 deepseek-official、llm-pi-ai、其他插件添加的路由），各自生成同名镜像（<route>-vision，如 deepseek-official-vision）。镜像里的模型 id 与显示名都带 -vision 后缀（如 deepseek-v4-flash-vision），一眼区分哪些模型支持识图；委托回原路由时后缀自动剥除，网关收到的仍是原模型 id。发图前在右下角模型选择器中选「+ 自动识图」分组（如 DeepSeek + 自动识图 → deepseek-v4-flash-vision），然后正常粘贴/上传图片即可：

1. 镜像路由的模型条目声明 inputModalities: ['text', 'image']，通过 harness 的附件准入——纯文本模型不再报 does not support image input。
2. 回合中图片块被改写为视觉模型转述（走上面 tools.analyze 配置的识图模型），按附件 ID 缓存，后续回合直接复用，不重复调用。
3. 转述后的纯文本回合委托给原 DeepSeek/文本模型处理，会话日志保留原始图片块。

只在镜像路由上包装纯文本模型；原生多模态模型（如 gpt-5.6-luna）仍保留基础路由的原生图片输入。若想关闭镜像路由，在 settings.yaml 中设置：

镜像委托给基础路由（pi-ai）前会剥离 assistant 消息的 pi-ai 回放状态（replayState）：镜像路由名与回放状态戳里的基础路由 provider 不一致，不剥离会触发 pi-ai 的 invalid pi-ai replay state: provider does not match assistant source（INVALID_REPLAY_STATE）。镜像会话因此不享受 pi-ai 的原生回放优化，这是有意取舍。

llm-sub2api:
  autoVision: false

注意：发图前必须选「+ 自动识图」分组。仍在原文本路由上发原生图片附件，harness 准入会在插件改写前直接拒绝。

网关协议（自动选择）

sub2api 网关的每个分组在上游走原生协议，pi-ai 按分组自动选择，无需配置。设置里填裸主机（不带 /v1）：OpenAI 风格端点会自动补 /v1，Anthropic SDK 会自动补 /v1/messages：

| 分组 | 自动选择 | 请求端点 | |---|---|---| | openai | openai-responses | POST {baseURL}/v1/responses | | claude | anthropic-messages | POST {baseURL}/v1/messages | | grok / gemini | openai-completions | POST {baseURL}/v1/chat/completions |

这样网关不需要做 chat/completions ↔ 原生协议转换——并行工具调用正是在这种转换中丢失/错位工具名和 ID，导致 unknown tool ""、missing required property 报错。如某分组网关实际不走原生协议，可在 settings.yaml 中为该 provider 显式声明 api（仅 yaml 层支持，设置页不提供该选项）：

llm-sub2api:
  baseURL: http://localhost:8080
  providers:
    openai:
      apiKeyEnv: SUB2API_OPENAI_API_KEY
      api: openai-completions   # 可选：openai-completions / openai-responses / anthropic-messages
      models:
        - id: gpt-4o

api 可选值：openai-completions（/v1/chat/completions）、openai-responses（/v1/responses）、anthropic-messages（/v1/messages）；省略 = 按上表自动。

与 dsh-llm-pi-ai 的关系

本插件不再自己实现 LLM 协议层：四个 sub2api-* 路由由 dsh-llm-pi-ai（dsh-base 内置、dormant 挂载）通过 llm-pi-ai: settings profiles 承载。插件在每次 llm-sub2api: 配置变化（及启动）时把裸主机 baseURL、各组模型与 key 引用翻译成 hand-declared profiles 写入 llm-pi-ai:，路由即时注册 / 撤销。设置页、模型发现（GET /v1/models）、用量查询（GET /v1/usage）、识图 / 生图工具与 Auto Vision 镜像仍由本插件提供。

依赖（pi-ai 多轮崩溃，归因：dsh-llm-pi-ai 违反 pi-ai 契约）：pi-ai 的 AssistantMessage.usage 是必填字段，其前缀 token 估算会解引用它；而 dsh 自带的 dsh-llm-pi-ai 重建 harness 历史 assistant 消息时不带 usage（harness 的 Message 类型本来就没有 usage），导致多轮对话抛 Cannot read properties of undefined (reading 'totalTokens')。根修在 dsh-llm-pi-ai（挂零 usage）；本插件启动时会给 dsh 安装目录的 @earendil-works/pi-ai/dist/utils/estimate.js 打防御性守卫（assistant.usage !== undefined 才计入前缀 token），幂等、升级 dsh 后自动重打，全新安装开箱即用；只读安装失败时手动执行 node scripts/patch-pi-ai.mjs。

图片输入 / 思考强度（自动补全）

会话中直接给模型挂图，需要模型声明 image 输入模态（否则 harness 在发送前拒绝，提示"当前模型不支持图片"）。这两个字段都从 models.dev 自动补全，无需手选（模型展开详情里以只读形式显示推导结果）：

• 图片输入：models.dev 的 attachment / modalities.input 有数据就自动定（如 gpt-5.6-luna → 文本+图片，deepseek-v4-flash → 仅文本）；没数据时按模型 ID 推断（gpt-* / claude-* / gemini-* / grok-* / glm-* 等默认支持图片），可手动在 settings.yaml 写 input: [text] 强制仅文本。
• 思考强度：models.dev 的 reasoning_options 有数据就自动填真实档位（如 deepseek-v4-flash → high/max）；否则默认 low/medium/high，reasoning: false 的模型自动标为不支持。

挂图后请求按分组原生协议携带图片：openai → Responses input_image，claude → Messages image（base64），grok/gemini → chat/completions image_url。

在 设置 → Sub2API 模型 → 全局图像工具 指定识图 / 生图模型。这两个工具是全局的：纯文本会话模型也可以调用 analyze_image（本地文件或 URL）和 generate_image（写入当前工作区）。生图先走 POST {baseURL}/images/generations，网关没有该端点时再回退到 chat completions。

开发

npm install
npm run build     # tsdown → lib/ + client wrapper
npm run typecheck

许可证

MIT