Extensions/Custom Endpoint API Nodes
ComfyUI Extension

Custom Endpoint API Nodes

ComfyUI nodes that call GPT / Gemini / Grok / Qwen image and text models through a user-supplied API endpoint (official API, relay or private proxy).

By let-the-name-be-x1·Created a day ago·Updated a day ago· 0
let-the-name-be-x1/ComfyUI-Custom-Endpoint-Nodes
Nodes—
On cloudLocal install
Stars0
Updateda day ago
Readme

ComfyUI-Custom-Endpoint-Nodes

用你自己的 API 端点，在 ComfyUI 里跑 GPT / Gemini / Grok / Qwen 的图像与文本模型。 官方接口、中转站、私有代理都行；端点、密钥、模型只填一次，图像、文本、局部重绘共用。

License Python ComfyUI Dependencies Tests

ComfyUI 原生的「合作伙伴节点」把端点写死，并且只走 ComfyUI 官方代理——你没法让它去打自己的 中转站。本包把端点、密钥、模型抽成一个独立的提供商节点，调用节点只管参数与执行； 另外补上了官方节点没有的并发批次、双路日志、批量拼接、远端局部重绘，以及三层密钥保护。

目录

特性

| 能力 | 说明 | |---|---| | 端点自由 | 官方接口、one-api / new-api / LiteLLM 之类的中转、自建代理都能接；只填 base URL，其余自动拼。 | | 提供商独立成节点 | 端点 / 密钥 / 模型 / 协议 / 超时 / 重试 / 额外请求头填一处，多个调用节点复用。 | | 协议可显式指定 | auto 按模型名推断（Qwen 还会看端点主机区分官方与中转线路），猜错了手动选。 | | 并发批次 | 输入是列表（例如提示词按行切分）时并发调用，max_concurrency 1–16，输出顺序与输入一致。 | | 两路日志 | request_log 是实际发出的请求（图片变成尺寸摘要、凭据打码），response_log 是服务商返回（状态码 / 耗时 / 正文 / 解析结果）。 | | 失败不炸队列 | 任何一项失败都返回 1×1 图片 + 报错信息，队列继续跑，其它项不受影响。 | | 参数面贴近原生 | size / quality / background / aspect_ratio / resolution / thinking_level / n / seed … 与官方合作伙伴节点对齐；模型专属字段用「不发送」缺省，避免严格中转因未知字段 400。 | | 零第三方依赖 | 只用标准库 + ComfyUI 自带的 torch / numpy / Pillow，不会碰你的 CUDA torch。 |

节点一览

共 14 个节点：1 个提供商、9 个调用节点、2 个文件加载、2 个工具节点。

| 节点 | 类别 | 协议 | 输出 | 说明 | |---|---|---|---|---| | 自定义端点 · API 提供商 | 提供商 | — | provider | 端点 / 密钥 / 模型 / 协议 / 加密导出 / 超时 / 重试 / 额外请求头 / 显示名 | | 自定义端点 · GPT 图像 | 图像 | openai_images | 4 路 | gpt-image-2.5-flare、gpt-image-2、gpt-image-1.5…；连参考图即走 /images/edits，支持原生 mask | | 自定义端点 · Gemini 图像 | 图像 | gemini | 5 路 | Nano Banana 2，gemini-3.1-flash-image / -lite；多一路 thought_images（思维图） | | 自定义端点 · Grok 图像 | 图像 | grok | 4 路 | grok-imagine-image-2.0 / -quality / -pro / -image | | 自定义端点 · Qwen 图像 | 图像 | qwen / qwen_images | 4 路 | qwen-image-3.0-pro / qwen-image-3.0；width×height、n、seed、prompt_extend、watermark | | 自定义端点 · Qwen 图像编辑 | 图像 | qwen / qwen_images | 4 路 | 1–3 张参考图 + 提示词，支持 @Image1 引用；size_mode = match input / auto / custom | | 自定义端点 · API 局部重绘 | 局部重绘 | 上述图像协议 | 5 路 | 对标 Impact Pack 的 MaskDetailer：遮罩 → 连通域 → 外扩裁剪 → 远端编辑 → 羽化贴回，附 cropped 调试输出 | | 自定义端点 · GPT 对话 | 文本 | openai_chat / openai_responses | 3 路 | /chat/completions（默认，中转友好）或 /responses，可附图和文件 | | 自定义端点 · Gemini 对话 | 文本 | gemini | 3 路 | generateContent，系统指令、thinking level、采样参数、图片与文件 | | 自定义端点 · Grok 对话 | 文本 | grok | 3 路 | 按 xAI 兼容的 /chat/completions 实现 | | 自定义端点 · GPT 文件加载 | 文件 | — | files | .txt / .pdf，可链式串联 | | 自定义端点 · Gemini 文件加载 | 文件 | — | files | .txt / .pdf → inlineData | | 自定义端点 · 图像批量拼接 | 工具 | — | images + image_list | 多张 IMAGE 合并：images 是统一画布的张量批次（默认等比留边、不畸变），image_list 是原尺寸 list | | 自定义端点 · 提示词列表 | 工具 | — | prompts | 每行一条提示词，输出列表以触发并发批次 |

所有调用节点都有 request_log / response_log 两路文本输出；max_concurrency 默认 4。

协议与线路

| 协议 | 实际请求 | 典型端点 | |---|---|---| | auto | 按模型名推断；Qwen 再看主机名 | — | | openai_images | POST /images/generations、/images/edits | https://api.openai.com/v1 或中转 | | openai_chat | POST /chat/completions | 官方或中转 | | openai_responses | POST /responses | 官方或中转 | | gemini | POST /models/{model}:generateContent | https://generativelanguage.googleapis.com/v1beta 或中转 | | grok | POST /images/generations、/chat/completions（xAI 兼容形状） | https://api.x.ai/v1 或中转 | | qwen | DashScope 原生 POST /services/aigc/multimodal-generation/generation | https://dashscope.aliyuncs.com/api | | qwen_images | OpenAI 兼容 POST /images/edits、/images/generations | 中转站几乎只开这条 |

auto 的推断顺序：gpt-image / dall-e → grok → gemini → qwen-image，都不匹配就回落到 openai_chat。模型专属节点只接受自己的协议，所以把「Gemini 图像」接到 openai_chat 上会得到 明确的 protocol_mismatch，而不是一句看不懂的 400。

Qwen 有两条线路，由 api_protocol 决定

  • qwen：DashScope 原生接口，官方端点用这个，面积上限 2560×2560。
  • qwen_images：中转几乎只暴露的 OpenAI 兼容形状，image 直接放 data URL（1 张放字符串， 2–3 张放数组），上游实测面积上限 2048×2048。
  • 用 auto 时按端点主机判断：*aliyuncs.com / *dashscope* 走原生，其余走 qwen_images。
  • 把 qwen 接到只开 OpenAI 路由的中转上时，节点会在收到 404 Invalid URL 后自动改走 /images/edits 重试一次，并在 request_log.extra.fallback 里记下这次切换——不会静默换线。

安装

手动安装

cd ComfyUI/custom_nodes
git clone https://github.com/let-the-name-be-x1/ComfyUI-Custom-Endpoint-Nodes.git

或下载 zip 解压到 ComfyUI/custom_nodes/ComfyUI-Custom-Endpoint-Nodes（保证 __init__.py 在 该目录根上）。重启 ComfyUI，新建节点菜单里会多出 自定义端点 API（工具节点在 「自定义端点 API · 附属」）分类。

更新

cd ComfyUI/custom_nodes/ComfyUI-Custom-Endpoint-Nodes
git pull

环境要求

| 项 | 要求 | |---|---| | ComfyUI | 支持 WEB_DIRECTORY 前端扩展的版本（近一年的官方版、桌面版、aki 整合包均可） | | Python | ≥ 3.10（ComfyUI 自带的环境就够） | | 第三方依赖 | 无。pyproject.toml 的 dependencies 故意留空——声明 torch/numpy 会让 ComfyUI Manager 尝试 pip 安装，可能把用户的 CUDA torch 换成 CPU 版 | | 浏览器 | 无特殊要求，前端扩展只做密码框、导出抹除和端口显隐 |

ComfyUI Manager

等注册进 Comfy Registry 后，可以在 Manager 里搜 Custom Endpoint 安装；在那之前请用上面的 git clone。本包不改 ComfyUI 本体，删掉目录即卸载。

快速开始

flowchart LR
    P["自定义端点 · API 提供商<br/>endpoint / api_key / model / 协议"] --> G["自定义端点 · GPT 图像<br/>prompt / size / 参考图"]
    G --> S["SaveImage"]
    G -.-> L["request_log / response_log<br/>接 ShowText 或 PreviewAny"]

  1. 新建 自定义端点 · API 提供商，四个必填项：

    • endpoint：例如 https://api.example.com/v1。不写版本号时自动补 /v1，gemini 协议补 /v1beta。
    • api_key：你的密钥。节点上是密码框，点「编辑」填写；留空则不发送鉴权头。
    • model：原样传给服务商的模型 id，例如 gpt-image-2.5-flare / gemini-3.1-flash-image / grok-imagine-image-2.0 / qwen-image-3.0；也可以直接填原生节点上显示的模型名，会自动映射。
    • api_protocol：不确定就 auto；猜错时调用节点的 response_log 会说明该选哪个。

  2. 接一个调用节点，把 provider 连上，填提示词。

  3. images → SaveImage；request_log / response_log → 任意文本预览节点（如 ShowText、PreviewAny）。

示例工作流

example_workflows/ 里是三份真实在用的工作流，直接拖进 ComfyUI 即可：

| 文件 | 演示什么 | 用到的第三方节点 | |---|---|---| | basic_gpt_image.json | 提供商 + GPT 图像 + 两张参考图；request_log / response_log 落盘并预览 | StringConcatenate、pysssss 的 SaveText / ShowText | | batch_gpt_gemini.json | 提示词批量切分 → 并发调用；GPT 一采 + Gemini 二采；Image Comparer 对比结果 | CR Split String / CR String To Combo、easy promptLine、pysssss、rgthree、ComfyMath | | gemini_inpaint.json | SAM3_Detect 自动出遮罩 → API 局部重绘（Gemini）→ 回存；每块原图走 cropped 输出 | SAM3 检测节点、pysssss |

这三份工作流是作者日常实际使用的图，所以带了不少辅助节点。缺哪个包，对应节点在 ComfyUI 里 会标红，但删掉它们不影响本包节点的用法——最小可用图就是上面那张三节点流程图。 示例里的 endpoint 和 api_key 都是空的，首次打开请自己填。

功能详解

批次与并发

调用节点声明了 INPUT_IS_LIST：所有输入按「长度 1 广播、长度 N 对齐」处理。max_concurrency 决定线程数（1–16，默认 4）。

flowchart LR
    T["提示词列表<br/>每行一条"] -- prompts --> G["调用节点<br/>max_concurrency=4"]
    G -- images --> S["SaveImage"]
    G -. texts .-> X["文本节点"]
    G -. request_log .-> X
    G -. response_log .-> X
  • 输出列表与输入列表顺序一致。
  • 某一项失败只影响它自己：那一项是 1×1 图片 + 报错串，其余照常。
  • 对齐失败（例如提示词 3 条、参考图 2 张）会在派发之前报错——整条 prompt 失败，而不是 某一项失败。这是有意的取舍：配对比配错好。

「不发送」哨兵

调用节点在 INPUT_TYPES() 时不知道该提供商最终用哪个模型，所以只能展示该家族参数的超集。 没用的字段必须能被显式省略，否则严格的中转会因未知字段直接 400。于是：

| 类型 | 省略值 | |---|---| | 组合框 | 首项 不发送 | | 整数 / 浮点 | -1 | | 字符串 | 空串 | | 布尔 | 无哨兵，false 是有效值 |

命中哨兵的字段根本不会出现在请求体里。所以看到 quality = 不发送 就是「不传这个参数」， 不等于「传 low」。

图像批量拼接：两种批次

ComfyUI 里「一批图」有两种容器，能不能混尺寸完全不同：

| 容器 | 形态 | 混尺寸 | 下游行为 | |---|---|---|---| | 张量批次 | 一个 [N,H,W,3] 张量 | ✘ 所有帧共享 H/W | 整个张量交给节点，节点自己按帧循环 | | list | 每项一个独立张量 | ✔ 每项各是各的尺寸 | 普通节点按项被调用；INPUT_IS_LIST 节点收到整表 |

所以「图像批量拼接」同时给两路输出（输入是 image_1…image_4，最多 4 张）：

  • images（张量批次）：一次 API 请求要带多张参考图时用它。张量批次只能有一个画布， 尺寸不同时会先统一：

    | 参数 | 取值 | 说明 | |---|---|---| | size_mode | max size（默认）/ first image / manual | 画布来源：各图最大宽×最大高 / 第一张 / 手动 width×height（0 = 该边自动） | | fit | contain（默认）/ cover / stretch | 等比缩放留边 / 等比铺满并裁掉溢出 / 直接拉伸（旧行为，会畸形） | | position | 居中 / 四角 | contain 留边时内容放哪 | | pad_color | 黑 / 灰 / 白 | 留边颜色 | | size_multiple | 1–512 | 画布向上取整到该倍数（采样器要求 8/16/64 时用） |

  • image_list（list）：原样直通，各图保持原生尺寸、一个像素都不动。接 SaveImage 或采样器时会逐张按原尺寸处理；但接到调用节点会变成 N 个独立请求（每张一个），而不是 一次请求带 N 张参考图——需要「一次多图」就用 images。

ComfyUI 原生 ImageBatch（已 DEPRECATED）和 Impact 的 Make Image Batch 都是张量批次， 且按第一张硬缩（common_upscale(..., image1.shape[2], image1.shape[1])），不同纵横比 时会畸变；本节点默认 contain 不会。

API 局部重绘

把 Impact Pack MaskDetailer 的「取出放大 → 重绘 → 缩小贴回」整条链路保留下来，只把本地 采样器换成一次远端编辑请求：

flowchart LR
    M["遮罩"] --> C["连通域拆分"] --> K["按 crop_factor 外扩裁剪"] --> R["缩放到 target_resolution"]
    R --> API["远端编辑模型<br/>一次一块"]
    API --> D["缩回裁剪尺寸"] --> P["羽化 alpha 贴回<br/>默认整块裁剪"]
    P --> O["images"]
    API -.-> CR["cropped<br/>每块模型原图"]

默认行为（mask_guide=none + paste_area=crop box）：裁剪块原样发给模型（不含任何遮罩 或标记），模型返回什么就整块贴回，羽化落在矩形框四边；遮罩只用来算外接框。

与本地版的关键差别，也是参数语义的来源：

| 参数 | 默认 | 作用 | |---|---|---| | crop_factor | 3.0 | 裁剪框相对遮罩外接框的放大倍数：模型能看到多少周边 | | target_resolution | 1024 | 裁剪块长边缩放到该像素数（0 = 按原始像素发送）；远端按像素计费且有上限，所以这是「省钱」与「细节」的旋钮 | | feather | 5 | 贴回时 alpha 从 1 降到 0 的宽度（px） | | drop_size | 10 | 小于该像素数的连通域直接丢掉（噪点遮罩） | | mask_grow | 0 | 先把遮罩向外长几个像素再算外接框 | | paste_area | crop box | crop box：整块裁剪贴回，羽化在矩形框四边；mask：只贴遮罩内，羽化在遮罩边缘（MaskDetailer 行为） | | mask_guide | none | 把遮罩渲染进图片给模型看：none / outline（黄框）/ dim outside（圈外压暗）/ tint inside（圈内染色）/ native mask（真 mask 字段，仅 GPT 图像） |

几个容易踩的点：

  • 没有 denoise / steps / cfg：远端模型拿到裁剪块就会重画整块，强度由模型自己决定；能改多少 只由送进去的裁剪块（加上引导标记）与贴回时用的羽化 alpha 决定。
  • paste_area 决定羽化落在哪：遮罩通常正好压住主体轮廓，mask 模式会把「模型的柔边」和 「原图的硬线」混成一条接缝环，所以默认整块贴回、让接缝落在背景里。
  • 引导标记会被推到 feather + 3 px 之外，保证它不会落在贴回用的 alpha 带里被一起贴回； paste_area=crop box 时引导被强制忽略（否则标记会被整块贴进画面），报告里会写明原因。
  • 提示词只写要修的那一块：周边像素本身就是上下文，不需要复述全图。

输出：images（贴回后的整图）、texts（每帧的处理报告 JSON）、request_log / response_log （每帧一个 JSON 数组，内含该帧每块的请求与响应）、cropped（每块模型返回的原图，用来对照 「模型画了什么」与「贴回了什么」）。遮罩为空时节点原样直通且不发任何请求。

密钥与元数据

三层保护：队列与图片元数据这两层自动生效，工作流文件那层由「加密导出」开关控制（默认开）。

| 层 | 机制 | 行为 | |---|---|---| | 队列 / 历史 | 服务端 on_prompt_handler | 队列里出现的明文端点 / 密钥被换成一次性句柄；明文在整份请求中被就地抹除 | | 图片元数据 | 同一个钩子 | SaveImage 写入 PNG 的 prompt 与 workflow 都只剩句柄；端点与密钥永远不出现（无法关闭） | | 工作流文件 | 前端序列化钩子 | 「加密导出」开启（默认）→ 导出 .json 时清空该节点的端点与密钥（重载后需重新填写）；关闭 → 保留明文 |

  • 句柄保存在进程内存（TTL 30 分钟）；API Key 句柄一次性消费，端点是 TTL 内可重用的句柄。
  • 因此从历史记录「重新入队」旧 prompt 会拿不到密钥——请用界面的 Queue（前端每次都会重新发送原始值）。
  • 把带密钥的 .json 分享出去前，请确认该节点「加密导出」是开启状态。
  • 结果图下载（签名 URL）不带鉴权头，日志里的 headers 也会被打码。

日志

request_log（图片一律换成摘要，凭据字段打码）：

{"ok": true, "phase": "request", "method": "POST",
 "url": "https://api.example.com/v1/images/edits",
 "headers": {"Authorization": "[REDACTED]", "Content-Type": "multipart/form-data; boundary=..."},
 "operation": "edit", "item_index": 0,
 "body": {"model": "gpt-image-2.5-flare", "prompt": "a cat", "size": "auto", "_files": ["image", "mask"]},
 "images": {"reference_images": ["image/png 1024x1024, 512.3 KB"]}, "mask": 12345}

response_log：

{"ok": false, "phase": "response", "http_status": 429, "latency_ms": 810,
 "request_id": "req_123", "parsed": {"error": "quota exceeded"},
 "body": {"error": {"message": "quota exceeded", "code": "rate_limit"}}}

排查「为什么失败」时先看 response_log.parsed，再看 body 原文；request_log 用来确认 「到底发了什么」（尤其是「不发送」的字段是不是真的没发、换线路有没有发生）。

常见问题

| 症状 | 原因 | 处理 | |---|---|---| | 节点列表里找不到 | 装错层数 / import 报错 / 缓存 | 确认 custom_nodes/<包名>/__init__.py 存在；看启动日志的 import 报错；删 __pycache__ 重启 | | response_log 里 protocol_mismatch | 提供商协议与节点不匹配（auto 猜错也算） | 在提供商节点显式选协议 | | 401 / 403 | 密钥错、或中转要求特定鉴权头 | 检查 api_key；用 extra_headers 补头 | | 404 Invalid URL | 端点少了版本段，或中转没开这条路由 | 端点补 /v1 / /v1beta；Qwen 改选 qwen_images | | 400 unknown field | 上游不认识某个字段 | 把该字段改成「不发送」；或按中转文档改 extra_headers | | 1×1 图片 + 一段报错串 | 该条目调用失败（这是设计行为） | 读 response_log 的 parsed.error | | 图像端口不出现新的 | 端口必须连续连接 | 跳号会报 image_gap；从 image_1 开始连续接 | | 拼接后图片被拉变形 | 用了 fit=stretch，或走了原生 ImageBatch | 用默认 contain；要一个像素都不动就接 image_list | | 拼接后画面有边框 | contain 在补齐画布（正常行为） | 换 cover 裁切，或调 pad_color | | 「credential expired」 | 从历史重新入队，密钥句柄已被消费 | 用界面的 Queue，或重新填 key | | 导出的 .json 里还有 key | 「加密导出」关着 | 打开开关再导出（图片元数据始终干净） |

已知限制

  • 只移植 GPT / Gemini / Grok / Qwen（图像）；视频类节点（Grok Video、Gemini Omni）未包含。
  • 参考图端口按需增长（初始 1 个，连上后出现下一个，最多 6 个；Qwen 图像编辑最多 3 个）； 必须连续连接，跳号会在 response_log 里报错。
  • mask 只有 GPT 图像（原生 /images/edits 的 mask 字段）。Gemini、Grok、Qwen 没有 mask 字段， 传了会明确报错而不是静默丢弃；局部重绘里改用 mask_guide 把遮罩画进图片。
  • mask_guide=native mask 只对 GPT 图像有效，其它协议选它会在 response_log 里报 mask_guide_unsupported。
  • Gemini 图像的「思维图」在原生节点里是可选输出，本包为它单独开了一路 thought_images。
  • 图像批量拼接的 images 输出必然只有一个画布：不存在「同一个张量里各图各尺寸」； 要一个像素都不改就接 image_list（它是 list，接调用节点会变成每张一个请求）。
  • Qwen 图像总像素须落在 512×512 与 2560×2560 之间、宽高比 1:8–8:1；越界会在 response_log 里给出明确数值。参考图会先压到 ≤2048×2048 再上传（超过 10 MB 时转 JPEG），与原生节点一致。
  • Qwen 的像素上限因线路而异：原生 qwen 允许到 2560×2560；中转的 qwen_images 按上游实测 只到 2048×2048（更大尺寸会被上游以 500 invalid_request 拒掉），所以该线路在本地就按 2048² 校验并给出提示。
  • Qwen size_mode=match input 沿用第一张参考图的尺寸并自动收进上面的范围；auto 表示不发送 size，由服务端按输入比例决定。
  • 传输层是同步 urllib + 重试；不含异步任务轮询（部分中转的 /async 端点）。

开发与测试

cd custom_nodes/ComfyUI-Custom-Endpoint-Nodes
<python> -m pytest tests/ -q
# <python> = ComfyUI 自带的那只（aki 整合包在 <ComfyUI>/../python/python.exe）

用 ComfyUI 自带的 python（依赖它自带的 torch / numpy / Pillow）。全部 230 项离线测试， 假 opener 重放响应，不联网、不花钱，覆盖：

  • 请求构造与响应解析（四家厂商，含省略字段真的不在 body 里）；
  • 图片 / 掩码编码、批次对齐与并发、每项失败兜底；
  • 日志去图与脱敏、提示词守卫（含 PNG 元数据实证）；
  • 批量拼接的画布几何（contain / cover / stretch、填充色与位置）；
  • 局部重绘的连通域 / 裁剪 / 引导渲染 / 羽化贴回；
  • 三份示例工作流的节点存在性、widgets 数量、连线与「不含凭据」。

改代码之前建议先读 MAINTENANCE.md：分层架构、节点契约、批次语义、 新增协议要改的 5 处、迁移一个原生合作伙伴节点的完整配方，以及排障表。

目录结构

__init__.py                   ComfyUI 入口（NODE_CLASS_MAPPINGS / WEB_DIRECTORY / register_routes）
ce_nodes.py                   14 个节点类 + 批处理流水线
custom_endpoint/
├── __init__.py               包标记（re-export）
├── provider.py               协议路由、端点归一化、模型别名
├── api_common.py             PreparedRequest / ParsedResponse / 错误提取
├── api_openai.py             GPT 图像 / GPT 对话（chat + responses）
├── api_gemini.py             Gemini 图像 / 文本
├── api_grok.py               Grok 图像 / 文本
├── api_qwen.py               Qwen 图像 / 图像编辑（DashScope + OpenAI 兼容两条线路）
├── transport.py              urllib 客户端（重试 / 多部分 / 超时）
├── batch.py                  批次对齐 + 线程池
├── images.py                 tensor↔PNG、掩码→RGBA、1×1 兜底图、画布几何
├── detailer.py               局部重绘几何（连通域 / 裁剪 / 引导 / 羽化贴回）
├── logs.py                   两路日志
├── redact.py                 脱敏
├── errors.py                 结构化错误
├── secrets.py                会话句柄（内存、TTL 30 分钟）
├── routes.py                 session-credential 路由 + on_prompt 守卫
├── widgets.py                「不发送」哨兵与控件规格
└── web/                      前端扩展：密码框、导出抹除、图像端口按需增长
example_workflows/            3 份真实工作流
tests/                        230 项离线测试
MAINTENANCE.md                维护手册（架构 / 契约 / 迁移配方 / 排障）

参与贡献

  • 加新厂商：照 MAINTENANCE.md 第 6、7 章改 5 处 + 写 api_<family>.py，并同步 tests/test_registration.py 的 EXPECTED_NODES。
  • 提交前请跑全套 pytest，并保持零第三方依赖这条不变式。
  • 报 bug 时附上 request_log / response_log（它们已经脱敏，不会泄露密钥）。

许可

MIT © 2026 let-the-name-be-x1