开源AI工作流
AI Skill Hub 强烈推荐：开源AI工作流 是一款优质的Agent工作流。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
开源AI工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
利用OpenCode Go订阅在Codex应用中实现本地响应到聊天补全
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
利用OpenCode Go订阅在Codex应用中实现本地响应到聊天补全
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install opencode-go-proxy
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install opencode-go-proxy
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/kartikkabadi/opencode-go-proxy
cd opencode-go-proxy
pip install -e .
# 验证安装
python -c "import opencode_go_proxy; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
opencode-go-proxy --help
# 基本用法
opencode-go-proxy input_file -o output_file
# Python 代码中调用
import opencode_go_proxy
# 示例
result = opencode_go_proxy.process("input")
print(result)
# opencode-go-proxy 配置文件示例（config.yml） app: name: "opencode-go-proxy" debug: false log_level: "INFO" # 运行时指定配置文件 opencode-go-proxy --config config.yml # 或通过环境变量配置 export OPENCODE_GO_PROXY_API_KEY="your-key" export OPENCODE_GO_PROXY_OUTPUT_DIR="./output"
OpenCode Go Proxy
Use your OpenCode Go subscription in the Codex app.
Codex expects a Responses API (/v1/responses). OpenCode Go exposes an OpenAI-compatible Chat Completions API (/v1/chat/completions). This proxy bridges that gap in one local process:
Codex app
│
│ POST /v1/responses (Responses API)
▼
opencode-go-proxy ←── localhost:8787, zero deps, stdlib only
│
│ POST /v1/chat/completions (Chat Completions API)
▼
OpenCode Go ────── 13 models: DeepSeek, GLM, Kimi, MiMo, MiniMax, QwenFeatures
- Responses
inputto chatmessagestranslation instructionsanddeveloperroles mapped to system messages- Function tool schema passthrough
- Custom/freeform tool adaptation (Codex
apply_patchworks) - Reasoning content replay across tool-call turns
- Real-time SSE streaming (not synthesized)
- Image captioning via MiMo V2.5 when tools are present (override with
CODEX_IMAGE_MODEL) - SSRF protection on image URLs (
data:image/andhttps://only) - Configurable body cap, bind address guard, keychain credential resolution
- Local health and model-list endpoints
Install and run
uvx --from git+https://github.com/kartikkabadi/opencode-go-proxy \ opencode-go-proxy \ --bind 127.0.0.1 \ --port 8787
Install
Quick start
```bash
Point Codex at it (~/.codex/config.toml)
[profiles.deepseek-v4-flash] model_provider = "opencode-go" model = "deepseek-v4-flash" model_context_window = 1000000 approval_policy = "untrusted" sandbox_mode = "workspace-write" features = { memories = false }
Option 1: env var (works everywhere)
export OPENCODE_GO_API_KEY="your-key-here"
Option 2: macOS keychain (macOS only)
security add-generic-password -a "$USER" -s opencode-go-api-key -w ```
Get your API key from OpenCode Zen after subscribing to Go.
Configuration
All flags have environment variable defaults:
| Flag | Env var | Default |
|---|---|---|
--bind | OPENCODE_GO_PROXY_BIND | 127.0.0.1 |
--port | OPENCODE_GO_PROXY_PORT | 8787 |
--chat-base-url | CHAT_COMPLETIONS_BASE_URL | https://opencode.ai/zen/go/v1 |
--api-key-env | OPENCODE_GO_PROXY_API_KEY_ENV | OPENCODE_GO_API_KEY |
--timeout-sec | OPENCODE_GO_PROXY_TIMEOUT_SEC | 180 |
--max-body-mb | OPENCODE_GO_PROXY_MAX_BODY_MB | 20 |
The proxy accepts both /responses and /v1/responses.
API key
The proxy resolves your OpenCode Go API key in this order:
$OPENCODE_GO_API_KEYenvironment variable- macOS keychain entry
opencode-go-api-key(override withCODEX_KEYCHAIN_SERVICE; macOS only)
```bash
From source (no package manager)
uvx --from git+https://github.com/kartikkabadi/opencode-go-proxy opencode-go-proxy --helpTroubleshooting
Model metadata warning every turn Set model_catalog_json in Codex config and copy the reference catalog: cp contrib/opencode-go-catalog.json ~/.codex/model-catalogs/opencode-go.json
Connection refused on localhost:8787 Proxy isn't running. Start it: opencode-go-proxy or check launchctl list | grep opencode.
API key not found Set OPENCODE_GO_API_KEY env var or add to macOS keychain: security add-generic-password -a "$USER" -s opencode-go-api-key -w
Upstream rate limited (429) OpenCode Go has 5-hour/weekly/monthly usage limits. Switch to a cheaper model (DeepSeek V4 Flash or MiMo V2.5) to stretch your quota. See usage limits.
Streaming not working Codex sends stream: true — the proxy handles this. If you see no SSE events, check stderr trace for upstream.error or upstream.network_error.
Codex says "model is not supported when using ChatGPT account" You used codex -m deepseek-v4-flash instead of codex -p deepseek-v4-flash. The -m flag only changes the model name, not the provider. Use -p to select a profile.
OpenCode Go Proxy 是一个专为 OpenCode Go 设计的代理工具。它能够作为中间层，将特定的 API 请求进行转换与转发，旨在为开发者提供更灵活的模型调用体验，确保与各类客户端工具的无缝对接。
本项目具备强大的协议转换能力：支持将 chat messages 中的 input 自动翻译为标准格式，并将 instructions 和 developer 角色映射为 system 消息；支持 Function tool schema 透传及自定义工具适配（如 Codex 的 apply_patch）；支持跨 tool-call 轮次的 Reasoning content 重放；提供原生的实时 SSE streaming 流式输出；并在启用工具时通过 MiMo V2.5 实现图像描述功能（可通过 CODEX_IMAGE_MODEL 覆盖）。
您可以使用 uvx 工具直接从 GitHub 仓库运行该代理，无需手动安装依赖。请使用以下命令启动服务，并可以通过 --bind 和 --port 参数自定义监听地址与端口： `uvx --from git+https://github.com/kartikkabadi/opencode-go-proxy opencode-go-proxy --bind 127.0.0.1 --port 8787`
快速上手指南：首先，您需要配置 Codex 的配置文件 (~/.codex/config.toml)，将 model_provider 指向本地代理地址。随后，您可以通过设置环境变量 OPENCODE_GO_API_KEY 或在 macOS 上使用 keychain 来管理您的 API Key。请确保从 OpenCode Zen 获取有效的订阅 Key。
配置说明：通过修改 Codex 的 config.toml 文件，您可以定义自定义的 model_provider（如 opencode-go）并指定 base_url 为代理运行的地址。对于 API Key 的验证，程序会遵循优先级顺序：首先检查 $OPENCODE_GO_API_KEY 环境变量，其次检查 macOS keychain 中的 opencode-go-api-key 条目。
API Key ��理机制：代理程序会自动解析您的 OpenCode Go API key。解析优先级如下：1. 环境变量 $OPENCODE_GO_API_KEY；2. macOS keychain 中的 opencode-go-api-key 条目（可通过 CODEX_KEYCHAIN_SERVICE 进行覆盖）。请确保您的 Key 已通过 OpenCode Zen 订阅。
源码与工作流：如果您希望不使用包管理器直接从源码运行或查看帮助信息，可以使用 uvx 命令配合 --help 参数来探索代理的可选指令与工作流配置。
常见问题排查：若在运行中遇到 Model metadata warning 警告，请将 contrib/opencode-go-catalog.json 复制到 Codex 的模型目录中；若遇到 Connection refused 错误，请检查 opencode-go-proxy 进程是否已正常启动并监听正确的端口。
高质量的开源AI工作流项目，实现了本地响应到聊天补全
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，开源AI工作流 是一款质量优秀的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | opencode-go-proxy |
| 原始描述 | 开源AI工作流：Use your OpenCode Go subscription in the Codex app. Local Responses-to-Chat-Comp。⭐15 · Python |
| Topics | ai-agentchat-completionscodexllmpython |
| GitHub | https://github.com/kartikkabadi/opencode-go-proxy |
| License | MIT |
| 语言 | Python |
收录时间：2026-06-24 · 更新时间：2026-06-26 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。