AI代码拦截器 是 AI Skill Hub 本期精选AI工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
AI代码拦截器 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 AI代码拦截器 的版本更新，及时通知重要功能变化。
📋 工具概览
AI代码拦截器 是一款基于 Python 开发的开源工具，专注于 AI、代码拦截、MITM代理 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
AI代码拦截器 是一款基于 Python 开发的开源工具，专注于 AI、代码拦截、MITM代理 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install llm-interceptor
# 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 llm-interceptor
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/chouzz/llm-interceptor
cd llm-interceptor
pip install -e .
# 验证安装
python -c "import llm_interceptor; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
llm-interceptor --help
# 基本用法
llm-interceptor input_file -o output_file
# Python 代码中调用
import llm_interceptor
# 示例
result = llm_interceptor.process("input")
print(result)
# llm-interceptor 配置文件示例（config.yml） app: name: "llm-interceptor" debug: false log_level: "INFO" # 运行时指定配置文件 llm-interceptor --config config.yml # 或通过环境变量配置 export LLM_INTERCEPTOR_API_KEY="your-key" export LLM_INTERCEPTOR_OUTPUT_DIR="./output"
LLM Interceptor (LLI)
<p align="center"> <strong>🔍 Proxy-layer microscope for LLM traffic analysis</strong> </p>
<p align="center"> A cross-platform command-line tool that intercepts, analyzes, and logs communications between AI coding tools/agents (Claude Code, Cursor, Codex, OpenCode, etc.) and their backend LLM APIs. </p>
---
✨ Features
- Watch Mode - Interactive continuous capture with session management
- Transparent Inspection - See exactly what prompts are sent and what responses are received
- Streaming Support - Captures both streaming (SSE) and non-streaming API responses
- Multi-Provider - Works with Anthropic, OpenAI, Google, Groq, Together, Mistral, and more
- Automatic Masking - Protects API keys and sensitive data in logs
- Auto Processing - Automatically merges and splits session data
- Cross-Platform - Works on Windows, macOS, and Linux
📦 Installation
Development setup
Git does not copy hooks from .git/hooks when you clone a repository, so each new clone must install the project's pre-commit hook once:
uv sync --dev
uv run lli-dev-setupIf you prefer pip:
pip install -e .[dev]
lli-dev-setup1. Install Certificate (For HTTPS Capture Only)
If you're only capturing HTTP traffic, you can skip this step. Only install the certificate if you need to capture HTTPS requests.
```bash
🚀 Quick Start
Example Session
$ lli watch
╭─────────────────────────╮
│ LLI Watch Mode │
│ Continuous Capture │
╰─────────────────────────╯
Proxy Port: 9090
Output Dir: ./traces (or OS-specific logs directory)
Global Log: traces/all_captured_20251203_220000.jsonl
Configure your application:
export HTTP_PROXY=http://127.0.0.1:9090
export HTTPS_PROXY=http://127.0.0.1:9090
export NODE_EXTRA_CA_CERTS=~/.mitmproxy/mitmproxy-ca-cert.pem
● [IDLE] Monitoring on :9090... Logging to all_captured_20251203_220000.jsonl
Press [Enter] to START Session 1
<Enter>
◉ [REC] Session 01_session_20251203_223010 is recording...
Press [Enter] to STOP & PROCESS, [Esc] to CANCEL
<Enter>
⏳ [BUSY] Processing Session 01_session_20251203_223010...
✔ Saved to traces/01_session_20251203_223010/
● [IDLE] Monitoring on :9090... Logging to all_captured_20251203_220000.jsonl
Press [Enter] to START Session 23. Configure Your Application and Start Dialogue (New Terminal)
```bash export HTTP_PROXY=http://127.0.0.1:9090 export HTTPS_PROXY=http://127.0.0.1:9090 export NODE_EXTRA_CA_CERTS=~/.mitmproxy/mitmproxy-ca-cert.pem
Optional: bypass proxy for some hosts (e.g. localhost). Configure in lli.toml as no_proxy or run: lli config --proxy-help
4. (Optional) Corporate network: upstream CA certificate
If you capture traffic behind a corporate proxy or on a network where upstream servers use a company-signed certificate, you may see TLS errors because the proxy only trusts the system CAs, not your company’s CA. Configure the upstream trust CA so LLI (mitmproxy) can verify connections to the corporate proxy or target hosts:
- Client → LLI: Your app must trust the mitmproxy CA (install
~/.mitmproxy/mitmproxy-ca-cert.pemas in step 1). - LLI → upstream (corporate proxy / target): LLI must trust the company CA. Set the path to your company’s root or intermediate CA (PEM file):
```bash
Option A: CLI
lli watch --upstream-ca-cert /path/to/corporate-ca.pem
```
Use lli config --show to confirm the upstream CA path. If the file does not exist at startup, LLI will exit with an error.
`lli config`
Display configuration and setup help.
lli config --cert-help # Certificate installation instructions
lli config --proxy-help # Proxy configuration instructions
lli config --show # Show current configuration📋 CLI Reference
Include custom API endpoint (glob pattern)
lli watch --include "my-custom-api.com"
🐛 Troubleshooting
LLM Interceptor (LLI) 是一个跨平台的命令行工具，用于拦截、分析和记录 AI 编码工具/代理 (Claude Code、Cursor、Codex 等) 与其后端 LLM API 之间的通信。
LLI 的功能包括：Watch Mode（交互式持续捕获）、Transparent Inspection（透明检查）、Streaming Support（流式支持）、Multi-Provider（多供应商支持）等。
安装 LLI 需要在开发环境中执行以下命令：uv sync --dev uv run lli-dev-setup 或 pip install -e .[dev] lli-dev-setup
使用 LLI 的步骤包括：设置代理、配置应用程序、启动对话、捕获和分析流量等。
配置 LLI 需要设置代理、环境变量和关键参数，包括 HTTP_PROXY、HTTPS_PROXY 和 NODE_EXTRA_CA_CERTS 等。
CLI Reference 中提供了 LLI 的 API 文档，包括自定义 API 端点的支持。
LLI 的常见问题包括代理设置、流量捕获、TLS 错误等。
功能强大，易于使用和扩展
- 构建多智能体协作系统的 Agent 开发者
- 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
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建多智能体协作系统的 Agent 开发者
- 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
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −未明确开源协议，商用场景需谨慎评估
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
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。
🔗 相关工具推荐
❓ 常见问题 FAQ
经综合评估，AI代码拦截器 在AI工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | llm-interceptor |
| 原始描述 | 开源AI工具：A MITM proxy tool to intercept, analyze and log AI coding assistant (Claude Code。⭐41 · Python |
| Topics | AI代码拦截MITM代理 |
| GitHub | https://github.com/chouzz/llm-interceptor |
| 语言 | Python |
收录时间：2026-06-03 · 更新时间：2026-06-06 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。